사진1. K-EYE 사진
사진2. K-EYEQ 사진
사진3. CNNP 칩 사진
우리 대학 신소재공학과 김경민 교수 연구팀이 다양한 멤리스터* 소자를 이용한 설명 가능한 인공지능 (XAI) 시스템을 구현하는데 성공했다고 25일 밝혔다. *멤리스터 (Memristor): 메모리 (Memory)와 저항 (Resistor)의 합성어로, 입력 신호에 따라 소자의 저항 상태가 변하는 소자 최근 인공지능 (AI) 기술의 급속한 발전이 다양한 분야에서 성과를 이루고 있다. 이미지 인식, 음성 인식, 자연어 처리 등에서 AI의 적용 범위가 확대되며 우리의 일상생활에 깊숙이 자리 잡고 있다. AI는 인간의 뉴런 구조를 모방해 만든 ‘인공신경망’을 기반으로, 적게는 수백만 개에서 많게는 수조 개에 달하는 매개변수를 통해 데이터를 분석하고 의사 결정을 내린다. 그러나 이 많은 매개변수로 인해 AI 모델의 동작 원리를 정확하게 이해하기 어렵고, 이는 통상적으로 블랙박스에 비유되곤 한다. AI가 어떤 기준으로 결정을 내는지 알 수 없다면, AI에 결함이나
2024-03-25우리 일상에 스며든 소프트 로봇, 의료기기, 웨어러블 장치 등에 적용시킬때 초저전력으로 구동되며 무게 대비 34배의 큰 힘을 내는 이온성 고분자 인공근육을 이용한 유체 스위치가 개발됐다. 유체 스위치는 유체 흐름을 제어함으로써 특정 방향으로 유체가 흐르게 하여 다양한 움직임을 유발하도록 한다. 우리 대학 기계공학과 오일권 교수 연구팀이 초저전력에서 작동하며 협소한 공간에서 사용할 수 있는 소프트 유체 스위치를 개발했다고 4일 밝혔다. 인공근육은 인간의 근육을 모방한 것으로 전통적인 모터에 비해 유연하고 자연스러운 움직임을 제공해 소프트 로봇이나 의료기기, 웨어러블 장치 등에 사용되는 기본 소자 중 하나이다. 이러한 인공근육은 전기, 공기 압력, 온도 변화와 같은 외부 자극에 반응하여 움직임을 만들어 내는데, 인공근육을 활용하기 위해서는 이 움직임을 얼마나 정교하게 제어하는지가 중요하다. 또한 기존 모터를 기반으로 한 스위치는 딱딱하고 큰 부피로 인해 제한된 공간 내에서
2024-01-04우리 대학 기계공학과 박인규 교수 연구팀이 개발한 마이크로 LED 가스 센서가 과학기술정보통신부와 나노기술연구협의회가 수여하는 2023년 10대 나노기술에 선정됐다고 29일 밝혔다. (기술명: 마이크로 LED와 금속산화물 나노소재가 일체된 초저전력 가스센서 기술) 박인규 교수 연구팀은 수십 마이크로미터 크기(마이크로미터: 10-6m)의 초소형 LED 바로 위에 고민감도의 금속산화물 나노소재가 집적된 광활성식 가스센서 플랫폼을 개발했다. 연구팀은 초소형 마이크로 LED에서 나오는 빛이 금속산화물에 전달되어 광활성시키고 가스 감지 소재로 활용되는 원리를 적용하고, 딥러닝 알고리즘을 이용해 여러 종의 가스를 실시간으로 높은 정확도로 선택적 판별하는 전자코 (electronic nose; E-nose) 기술을 개발했다. (가스 종 판별 정확도 99%, 농도 값 예측 오차 14%) 마이크로 LED 가스 센서는 낭비되는 광 에너지 손실 없이 전달 효율을 높여서 초저전력 가스 감지
2023-12-29정보를 저장하는 솔리드 스테이트 드라이브(Solid-Sate Drive, SSD)가 컴퓨터 없이도 데이터 처리가 가능한 독립 서버로 운영이 가능해지며 편리성이 극대화되고 데이터의 탄소 배출량도 획기적으로 감소시킬 수 있는 새로운 형태의 스마트 SSD로 개발됐다. 우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 물리적 장치의 실행이 아닌 가상으로 데이터 처리와 운영이 되는 `도커(Docker)' 개념을 적용한 새로운 고성능·저전력 메모리 (PIM, Processing-In-Memory) 모델 중 하나인 `도커SSD'를 개발했다고 27일 밝혔다. 스마트 SSD는 여러 가지 데이터를 처리하는 프로그램들을 데이터가 실제 존재하는 스토리지 근처에서 실행할 수 있게 함으로써 데이터 이동에 불필요한 에너지 및 전력 소모를 줄이고 고성능 결과를 얻게 하는 기술로 오랫동안 다양한 곳에 적용을 시도해 왔다. 하지만 기존 데이터 처
2023-11-27최근 다양한 분야에서 인공지능 심층 학습(딥러닝) 기술을 활용한 서비스가 급속히 증가하고 있다. GPT와 같은 거대 언어 모델을 훈련하기 위해서는 수백 대의 GPU와 몇 주 이상의 시간이 필요하다고 알려져 있다. 따라서, 심층신경망 훈련 비용을 최소화하는 방법 개발이 요구되고 있다. 우리 대학 전산학부 이재길 교수 연구팀이 심층신경망 훈련 비용을 최소화할 수 있도록 훈련 데이터의 양을 줄이는 새로운 데이터 선택 기술을 개발했다고 2일 밝혔다. 일반적으로 대용량의 심층 학습용 훈련 데이터는 레이블 오류(예를 들어, 강아지 사진이 `고양이'라고 잘못 표기되어 있음)를 포함한다. 최신 인공지능 방법론인 재(再)레이블링(Re-labeling) 학습법은 훈련 도중 레이블 오류를 스스로 수정하면서 높은 심층신경망 성능을 달성하는데, 레이블 오류를 수정하기 위한 추가적인 과정들로 인해 훈련에 필요한 시간이 더욱 증가한다는 단점이 있다. 한편 막대한 훈련 시간을 줄이려는 방법으로 중복되
2023-11-02