KAIST

지난 7월 30일 KAIST 전산학부 한준 교수 연구팀이 과학기술정보통신부와 한국연구재단(NRF)이 주관하는 2024년도 STEAM 원천기술개발사업-글로벌융합연구지원 과제에 선정되었다. 본 사업은 국제적으로 경쟁력 있는 융합 연구를 촉진하고, 글로벌 협력을 통해 혁신적인 연구 성과를 도출하기 위해 설계된 지원 사업이다. 글로벌 선도 연구기관‧연구자와의 초학제적 융합연구 기획 및 추진을 통해 국내 연구역량‧자원만으로 달성이 어려운 복합 난제해결 및 미래사회 임무에 도전하여 미래개척 기술 확보를 목표로 하고 있다.연구팀은 책임자 한준 교수와 KAIST 전산학부 강민석 교수, KAIST 전기전자공학부 김성민, 이성주, 최정우 교수, 미국 MIT EECS학과/Media Lab Fadel Adib 교수, 그리고 싱가포르 국립대학(NUS) CS학과 Mun Choon Chan 교수로 구성되었다. 본 연구는 IoT 기기를 대상으로 한 도감청 공격에 대한 혁신적인 방어 대책을 개발하는 연구이다

사물인터넷(IoT), 자율 주행 등 5G/6G 시대 소자 또는 기기 간의 상호 정보 교환이 급증함에 따라 해킹 공격이 고도화되고 있다. 이에 따라, 기기에서 데이터를 안전하게 전송하기 위해서는 보안 기능 강화가 필수적이다. 우리 대학 전기및전자공학부 최양규 교수와 류승탁 교수 공동연구팀이 ‘해킹 막는 세계 최초 보안용 암호 반도체’를 개발하는 데 성공했다고 29일 밝혔다. 연구팀은 100% 실리콘 호환 공정으로 제작된 핀펫(FinFET) 기반 보안용 암호반도체 크립토그래픽 트랜지스터(cryptographic transistor, 이하 크립토리스터(cryptoristor))를 세계 최초로 개발했다. 이는 트랜지스터 하나로 이루어진 독창적 구조를 갖고 있을 뿐만 아니라, 동작 방식 또한 독특해 유일무이한 특성을 구비한 난수발생기다. 인공지능 등의 모든 보안 환경에서 가장 중요한 요소는 난수발생기이다. 가장 널리 사용되는 보안 칩인 ‘고급 암

최근 ‘스타링크’와 같은 초연결 인터넷망과 빠른 통신이 가능한 6G 기술, 초고속 연산장치들이 개발됨에 따라, 이들과 쉽게 융합될 수 있는 초소형 고성능 장치들이 요구되고 있다. 이를 위해 감도가 좋은 센서 소재, 외부 자극을 감지할 수 있는 스마트 소재, 해킹이 불가능한 보안 소재 등 혁신적인 신소재 기술의 중요성이 날로 커지고 있다. 우리 대학 신소재공학과 김상욱 교수 연구팀이 생명화학공학과 리 섕 교수, 전기및전자공학부 권경하 교수, DGIST 로봇 및 기계전자공학과 김봉훈 교수와 함께 4차 산업혁명의 핵심 분야인 사물인터넷(IoT)을 크게 혁신할 수 있는 핵심 신소재를 소개하는 초청 논문을 발표했다고 22일 밝혔다. 김상욱 교수 연구팀은 그간 초미세 반도체회로 구현을 위한 블록공중합체 자기조립 제어(Directed Self-Assembly; DSA) 연구 분야를 세계 최초로 개척했고, 이를 실제 반도체 리소그라피 공정과 융합하는 데 성공해 국

‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다. 우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다. 인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다. 체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러

우리 대학 전산학부 안성진 교수 연구팀이 미국 럿거스 대학교와 협력하여 트랜스포머 및 재귀신경망 기반의 월드모델을 대체할 차세대 에이전트 월드모델 기술을 세계 최초로 개발했다. 월드모델은 인간의 뇌가 현실 세계의 경험을 바탕으로 환경 모델을 구축하는 과정과 유사하다. 이러한 월드모델을 활용하는 인공지능은 특정 행동의 결과를 미리 시뮬레이션해보고 다양한 가설을 검증할 수 있어, 범용 인공지능의 핵심 구성 요소로 여겨진다. 특히, 로봇이나 자율주행 차량과 같은 인공지능 에이전트는 학습을 위해 여러 가지 행동을 시도해 보아야하는데, 이는 위험성과 고장 가능성을 높인다는 단점을 갖는다. 이에 반해, 월드모델을 갖춘 인공지능은 실세계 상호작용 없이도 상상모델 속에서 학습을 가능케 해 큰 이점을 제공한다. 그러나 월드모델은 자연어처리 등에서 큰 발전을 가능하게 한 트랜스포머와 S4와 같은 새로운 시퀀스 모델링 아키텍처의 적용에 한계가 있었다. 이로 인해, 대부분의 월드모델이 성능