KAIST

기계공학과 김정원 교수가 지난 11월 16일 IEEE Photonics Society의 2024년도 Distinguished Lecturer로 선정되었다. IEEE Photonics Society는 매년 광학 및 광공학 분야에서 세계적인 연구 성과를 보이고 있는 연구자 5명 내외를 Distinguished Lecturer로 선정하여, 전세계를 순회하며 대학 및 연구기관들에서 초청강연을 하도록 후원하고 있다. 김정원 교수는 초저잡음, 초안정 광주파수빗(optical frequency comb) 광원을 개발하고 이를 이용한 새로운 타이밍 응용 분야들을 개척하고 있으며, 연구의 독창성과 우수성을 인정받아 Distinguished Lecturer로 선정되었다. 김 교수는 “It’s the perfect timing for optical frequency combs”이라는 주제의 강연을 통하여 초저잡음, 초안정 광주파수빗 광원들의 원리와 이를 이

대장균은 가장 많이 연구된 생명체 중 하나에 해당되지만 아직 대장균을 구성한 단백질 30%의 기능에 대해 명확하게 밝혀지지 않았다. 이에 대해 인공지능을 활용하여 아직 명확하게 밝혀진 바 없던 단백질에서 464종의 효소를 발견하였으며, 이 중 3종의 단백질의 예측된 기능을 시험관 내 효소 분석 방법을 통해 검증하는데 성공하였다. 우리 대학 생명화학공학과 이상엽 특훈교수와 캘리포니아대학교 샌디에이고(UCSD) 생명공학과 버나드 펄슨(Bernhard Palsson) 교수 공동연구팀이 단백질 서열을 활용, 해당 단백질의 효소 기능을 예측할 수 있는 인공지능, `딥 EC 트랜스포머(DeepECtransformer)'를 개발해 빠르고 정확하게 효소 기능을 파악할 수 있는 예측 시스템을 구축했다고 24일 밝혔다. 효소는 생물학적 반응을 촉매하는 단백질로서, 생명체 내 존재하는 다양한 화학 반응과 이에 따라 결정되는 생명체의 대사 특성을 파악하기 위해서는 각 효소의 기능을 이해하는 것

우리 대학 신소재공학과 김경민 교수 연구팀이 산화나이오븀(NbO2) 의 확률적 금속-절연체 전이 현상을 이용한 차세대 확률론적 컴퓨팅의 핵심 반도체 소자를 개발했다고 23일 밝혔다. 최근 IoT (Internet of Things), 자율주행, 빅데이터, 인공지능으로 대표되는 초연결시대가 진행됨에 따라 다양한 제한 조건과 구성 요소들이 상호작용하는 상황에서 최적의 해결책을 신속하게 찾아내는 '조합최적화 문제’의 해결이 중요한 과제로 부상하고 있다. 예를 들면, 네비게이션에 활용되는 최적 경로 탐색과 같은 문제가 조합최적화 문제에 해당한다. 조합최적화 문제는 복잡도가 증가함에 따라 해답을 찾기가 급격히 어려워지는 특성을 갖기에, 이를 효과적으로 해결할 수 있는 신개념 컴퓨팅 기술이 요구된다. 양자컴퓨팅은 그 대표적인 예시이지만 간섭, 오류 수정, 안정성 등의 이유로 양자 컴퓨팅의 상용화에는 여전히 많은 어려움이 남아 있다. 확률론적 컴퓨터의 기본 소자는 피

유엔기구(UN)의 지속가능발전목표(SDGs)에 따르면 하루 2달러 이하로 생활하는 절대빈곤 인구가 7억 명에 달하지만 그 빈곤의 현황을 제대로 파악하기는 쉽지 않다. 전 세계 중 53개국은 지난 15년 동안 농업 관련 현황 조사를 하지 못했으며, 17개국은 인구 센서스(인구주택 총조사)조차 진행하지 못했다. 이러한 데이터 부족을 극복하려는 시도로, 누구나 웹에서 받아볼 수 있는 인공위성 영상을 활용해 경제 지표를 추정하는 기술이 주목받고 있다. 우리 대학 차미영-김지희 교수 연구팀이 기초과학연구원, 서강대, 홍콩과기대(HKUST), 싱가포르국립대(NUS)와 국제공동연구를 통해 주간 위성영상을 활용해 경제 상황을 분석하는 새로운 인공지능(AI) 기법을 개발했다고 21일 밝혔다. 연구팀이 주목한 것은 기존 통계자료를 기반으로 학습하는 일반적인 환경이 아닌, 기초 통계도 미비한 최빈국(最貧國)까지 모니터링할 수 있는 범용적인 모델이다. 연구팀은 유럽우주국(ESA)이 운용하며 무료로

인공지능 기술이 사회 전반에 걸쳐 광범위하게 활용되며 인간의 삶에 많은 영향을 미치고 있다. 최근 인공지능의 긍정적인 효과 이면에 범죄자의 재범 예측을 위해 머신러닝 학습에 사용되는 콤파스(COMPAS) 시스템을 기반으로 학습된 모델이 인종 별로 서로 다른 재범 확률을 부여할 수 있다는 심각한 편향성이 관찰되었다. 이 밖에도 채용, 대출 시스템 등 사회의 중요 영역에서 인공지능의 다양한 편향성 문제가 밝혀지며, 공정성(fairness)을 고려한 머신러닝 학습의 필요성이 커지고 있다. 우리 대학 전기및전자공학부 황의종 교수 연구팀이 학습 상황과 달라진 새로운 분포의 테스트 데이터에 대해서도 편향되지 않은 판단을 내리도록 돕는 새로운 모델 훈련 기술을 개발했다고 30일 밝혔다. 최근 전 세계의 연구자들이 인공지능의 공정성을 높이기 위한 다양한 학습 방법론을 제안하고 있지만, 대부분의 연구는 인공지능 모델을 훈련시킬 때 사용되는 데이터와 실제 테스트 상황에서 사용될 데이터가 같