KAIST

우리대학 기계공학과 경기욱 교수 연구실에서 2026 한국로봇종합학술대회 최우수논문상과 우수논문상을 동시에 수상하였다. 2026년 2월 4일부터 나흘간 개최된 제 21회 한국로봇종합학술대회(KRoC)는 한국의 로봇관련 연구자가 모두 참석하는 로봇분야 최대규모의 학술대회로, 약 2100명이 참석하였으며 500여편의 논문이 발표되었다. 이낙형 석사과정 학생은 ‘정전기 클러치를 이용한 독립 3-DOF 굽힘 역감 제시 햅틱 장갑 개발’ 연구 논문으로 최우수논문상을 수상하였으며, 모터가 아닌 얇은 필름형 구조를 이용하여 역감을 재현하는 새로운 방법을 제시하였다. 임세인 박사과정 학생은 ‘양방향 전기유압식 유연 굽힘 구동기를 이용한 무선 어류형 로봇의 개발 및 유동장 분석’ 연구 논문으로 우수상을 수상하였으며, 기계공학과 김형수 교수연구실과 협력을 통해 융연구동기를 물고기의 움직임에 맞추어 제어하는 방법을 제안하였다. 아울러 이번 학술대회에

구글 Gemini 등 대부분의 주요 상용 거대언어모델(LLM)은 효율성을 높이기 위해 여러 개의 ‘작은 AI 모델(전문가 AI)’를 상황에 따라 선택해 사용하는 전문가 혼합(Mixture-of-Experts, MoE) 구조를 활용하고 있다. 그러나 이 구조가 오히려 새로운 보안 위협이 될 수 있다는 사실이 KAIST 연구진에 의해 세계 최초로 밝혀졌다. 우리 대학 전기및전자공학부 신승원 교수와 전산학부 손수엘 교수 공동연구팀이 전문가 혼합 구조를 악용해 거대언어모델의 안전성을 심각하게 훼손할 수 있는 공격 기법을 세계 최초로 규명하고, 해당 연구로 정보보안 분야 최고 권위 국제 학회인 ACSAC 2025에서 최우수논문상(Distinguished Paper Award)을 수상했다고 26일 밝혔다. ACSAC(Annual Computer Security Applications Conference)는 정보보안 분야에서 가장 영향력 있는 국제 학술대회 중 하나로

직접공기포집(DAC, Direct Air Capture)은 대기 중에 아주 희박하게(400ppm 이하) 존재하는 이산화탄소를 직접 걸러내는 기술이다. 우리 연구진은 이번에 뜨거운 증기나 복잡한 설비 없이, 스마트폰 충전 전압(3V) 수준의 저전력만으로 95% 이상의 고순도 이산화탄소를 포집하는 데 성공했다. 기존 DAC 기술은 높은 에너지 비용이 가장 큰 걸림돌이었지만, 이번 연구는 실질적 상용화 가능성을 보여준 성과로 평가된다. 이미 해외 특허 출원이 완료됐으며, 태양광·풍력 등 재생에너지와도 쉽게 연계할 수 있어 탄소중립 공정 전환을 앞당길 ‘게임 체인저’ 기술로 주목받고 있다. 우리 대학 생명화학공학과 고동연 교수 연구팀이 미국 MIT 화학공학과 T. 앨런 해튼 교수팀과 공동 연구를 통해, 전도성 은나노 파이버 기반 한 초고효율 전기 구동 DAC(e-DAC, Electrified Direct Air Capture) 기술을 세계 최초로 개

우리 대학 전산학부 허기홍 교수 연구팀이 지난 6월 노르웨이 트론헤임에서 열린 ACM FSE 2025 (ACM International Conference on the Foundations of Software Engineering)에서 최우수 논문상(Distinguished Paper Award)을 수상했다. FSE는 ACM(Association for Computing Machinery) 주최로 매년 개최되며, 소프트웨어공학 분야에서 세계적으로 가장 높은 권위를 지닌 국제 학술대회 중 하나다. 최신 연구 성과 발표와 전 세계 연구자 간 교류의 장이며, 제출된 논문 중 극소수만이 본 상을 수상할 만큼 경쟁이 치열하다. 최우수 논문상은 독창성, 기술적 완성도, 학술적 기여도, 실용적 영향력 등을 종합적으로 평가해 가장 우수한 논문에만 수여된다. 수상 논문은 박사과정 장수진, 류연희 연구원과 학부생 이희원 연구원이 공동 저자로 참여했으며, 기존보다 훨씬 효과적으로 소프트웨어 오

기후 위기를 막기 위해 이미 배출된 이산화탄소를 적극적으로 줄이는 것이 필수적이며, 이를 위해 공기 중 이산화탄소만 직접 포집하는 기술(Direct Air Capture, 이하 DAC)이 주목받고 있다. 하지만 공기 중에 존재하는 수증기(H₂O)로 인해 이산화탄소만 효과적으로 포집하는 것이 쉽지 않다. 이 기술의 핵심 소재로 연구되는 금속–유기 구조체(Metal-Organic Frameworks, 이하 MOF)를 활용해 우리 연구진이 AI 기반 기계학습 기술을 적용, MOF 중에서 가장 유망한 탄소 포집 후보 소재들을 찾아내는 데 성공했다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 임페리얼 칼리지 런던(Imperial College London) 연구팀과 공동 연구를 통해 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 밝혔다. 복잡한 구조와 분자 간 상호작용의 예측 한계로 인해