%EC%8B%9C%EC%8A%A4%ED%85%9C%EA%B3%B5%ED%95%99%EA%B3%BC
-
문일철 교수팀, 북경대와 영국 ICL 제치고 ICML 2024 챌린지 우승
우리 대학 산업및시스템공학과 문일철 교수 연구팀이 세계 최고 수준의 기계학습 학회인 ‘국제머신러닝학회(ICML, International Conference on Machine Learning) 2024’에서 개최된 ‘멀티모달 작업계획 생성 경진대회(EgoPlan)’에서 다수의 세계 연구팀을 모두 제치고 1위로 우승을 했다고 30일 밝혔다.
본 대회는 7월 21일부터 27일까지 오스트리아 비엔나에서 개최됐으며, 참가자는 북경대(中), 북경 AGI연구소(中) 및 임페리얼칼리지 런던(Imperial College London, 英) 등의 6개국 13개 기관이 참여해 경쟁했다. 우리 연구팀은 국내 유일의 참가 기관으로 7월 26일 우승상 및 혁신상을 수상했다.
이번 대회는 인공지능이 주방에서 요리하는 과정을 비디오 및 지문으로 학습한 이후, 경험하지 못한 요리 과정에서 상식적으로 합당한 의사결정을 내려 조리할 수 있는지를 경쟁하는 시합이었다. 이는 시각 정보와 지문 정보 등의 멀티모달 정보를 조합하며, 학습에 반영되지 않은 상식까지 반영해 의사결정을 내리는 시험이다. 이 기술은 최소한의 학습만으로도 로봇이 다양한 멀티모달 정보 및 기초 상식을 활용해 자율 제조 및 서비스를 수행할 수 있도록 개발하는 것이 핵심이다.
산업및시스템공학과 이광현(석사과정), 강미나(석사과정) 등 총 11명의 팀으로 참가한 응용인공지능 연구실(이하 AAILab) 팀은 상식 기반 추론을 통한 작업계획 생성의 정확도 1위 성능으로 우승상(Outstanding Champion Award) 및 기술의 우수성을 인정받아 혁신상(Innovation Award)을 수상해, 2개 상을 동시에 수상했다. 이번 대회를 위해 AAILab 팀은 멀티모달 대규모 모델의 파인튜닝 학습에 대한 연구 개발 결과를 적용해 우승을 차지했다.
문일철 교수는 “중국팀들이 대회를 위해 위챗(WeChat) 대화방까지 마련해 서로 협력한다는 얘기를 전해 듣고는 경쟁이 치열하다고 느꼈다. 하지만 KAIST 팀도 각고의 노력으로 우승할 수 있었다. 학생들이 두 달 동안 거의 잠을 자지 못했다”고 우승 소회를 밝혔다. 그리고 문 교수는 “이번 대회의 출제 문제는 요리하는 인공지능이지만, 사실 테슬라에서 시험하고 있는 휴머노이드 제조 로봇에 활용될 수 있는 상식을 가진 인공지능을 만드는 기술이 본질이다. 많은 중국 참가자가 보여주듯이 중국의 로봇 및 인공지능 기술 선점 노력을 엿볼 수 있다”라고 분석했다.
이번 연구는 정보통신기획평가원(IITP)에서 지원한 사람중심인공지능 핵심원천기술개발사업 중 ‘이종데이터기반 상식 추출, 이해, 추론을 위한 인공지능 기술개발(연구책임자 문일철)’을 통해 이뤄졌다.
2024.07.30 조회수 2121 -
대형언어모델로 42% 향상된 추천 기술 연구 개발
최근 소셜 미디어, 전자 상거래 플랫폼 등에서 소비자의 만족도를 높이는 다양한 추천서비스를 제공하고 있다. 그 중에서도 상품의 제목 및 설명과 같은 텍스트를 주입하여 상품 추천을 제공하는 대형언어모델(Large Language Model, LLM) 기반 기술이 각광을 받고 있다. 한국 연구진이 이런 대형언어모델 기반 추천 기술의 기존 한계를 극복하고 빠르고 최상의 추천을 해주는 시스템을 개발하여 화제다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 네이버와 공동연구를 통해 협업 필터링(Collaborative filtering) 기반 추천 모델이 학습한 사용자의 선호에 대한 정보를 추출하고 이를 상품의 텍스트와 함께 대형언어모델에 주입해 상품 추천의 높은 정확도를 달성할 수 있는 새로운 대형언어모델 기반 추천시스템 기술을 개발했다고 17일 밝혔다.
이번 연구는 기존 연구에 비해 학습 속도에서 253% 향상, 추론 속도에서 171% 향상, 상품 추천에서 평균 12%의 성능 향상을 이뤄냈다. 특히, 사용자의 소비 이력이 제한된 퓨샷(Few-shot) 상품* 추천에서 평균 20%의 성능 향상, 다중-도메인(Cross-domain) 상품 추천**에서 42%의 성능 향상을 이뤄냈다.
*퓨샷 상품: 사용자의 소비 이력이 풍부하지 않은 상품.
**다중-도메인 상품 추천: 타 도메인에서 학습된 모델을 활용하여 추가학습없이 현재 도메인에서 추천을 수행. 예를 들어, 의류 도메인에 추천 모델을 학습한 뒤, 도서 도메인에서 추천을 수행하는 상황을 일컫는다.
기존 대형언어모델을 활용한 추천 기술들은 사용자가 소비한 상품 이름들을 단순히 텍스트 형태로 나열해 대형언어모델에 주입하는 방식으로 추천을 진행했다. 예를 들어 ‘사용자가 영화 극한직업, 범죄도시1, 범죄도시2를 보았을 때 다음으로 시청할 영화는 무엇인가?’라고 대형언어모델에 질문하는 방식이었다.
이에 반해, 연구팀이 착안한 점은 상품 제목 및 설명과 같은 텍스트뿐 아니라 협업 필터링 지식, 즉, 사용자와 비슷한 상품을 소비한 다른 사용자들에 대한 정보가 정확한 상품 추천에 중요한 역할을 한다는 점이었다. 하지만, 이러한 정보를 단순히 텍스트화하기에는 한계가 존재한다. 이에 따라, 연구팀은 미리 학습된 협업 필터링 기반 추천 모델로부터 사용자의 선호에 대한 정보를 추출하고 이를 대형언어모델이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다.
연구팀이 개발한 기술의 특징으로는 대형언어모델의 추가적인 학습이 필요하지 않다는 점이다. 기존 연구들은 상품 추천을 목적으로 학습되지 않은 대형언어모델이 상품 추천이 가능하게 하도록 대형언어모델을 파인튜닝(Fine-tuning)* 하는 방법을 사용했다. 하지만, 이는 학습과 추론에 드는 시간을 급격히 증가시키므로 실제 서비스에서 대형언어모델을 추천에 활용하는 것에 큰 걸림돌이 된다. 이에 반해, 연구팀은 대형언어모델의 직접적인 학습 대신 경량화된 신경망의 학습을 통해 대형언어모델이 사용자의 선호를 이해할 수 있도록 했고, 이에 따라 기존 연구보다 빠른 학습 및 추론 속도를 달성했다.
*파인튜닝: 사전 학습된 대규모 언어모델을 특정 작업이나 데이터셋에 맞게 최적화하는 과정.
연구팀을 지도한 박찬영 교수는 “제안한 기술은 대형언어모델을 추천 문제에 해결하려는 기존 연구들이 간과한 사용자-상품 상호작용 정보를 전통적인 협업 필터링 모델에서 추출해 대형언어모델에 전달하는 새로운 방법으로 이는 대화형 추천 시스템이나 개인화 상품 정보 생성 등 다양한 고도화된 추천 서비스를 등장시킬 수 있을 것이며, 추천 도메인에 국한되지 않고 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것”이라고 말했다.
우리 대학 산업및시스템공학과 김세인 박사과정 학생과 전산학부 강홍석 학사과정(졸) 학생이 공동 제1 저자, 네이버의 김동현 박사, 양민철 박사가 공동 저자, KAIST 산업및시스템공학과의 박찬영 교수가 교신저자로 참여한 이번 연구는 데이터마이닝 최고권위 국제학술대회인 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024)’에서 올 8월 발표할 예정이다. (논문명: Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System).
한편 이번 연구는 네이버 및 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행됐다. (NRF-2022M3J6A1063021, RS-2024-00335098)
2024.07.17 조회수 1882 -
산업및시스템공학과 김현정 교수 연구팀, 2023 Winter Simulation Conference, Simulation Challenge 대회 우승
세계 최대 시뮬레이션 학회인 Winter Simulation Conference(2023년 12월 10일 – 13일, San Antonio, USA)에서 주최한 Simulation Challenge 대회에서 우리 대학 산업및시스템공학과 김현정 교수 연구팀이 우승을 차지하였다. 올해 대회는 반도체 생산 기업인 Micron Technology의 후원으로 개최되었으며 시뮬레이션 모델링 및 분석 도구를 사용하여 반도체 제조의 병목 문제를 해결하고 생산성을 향상시키기 위한 스케줄링 알고리즘을 개발하는 것이 목표로 세워졌다.
대회는 2023년 8월부터 11월까지 총 4라운드에 걸쳐 진행되었으며 각 라운드에서는 시나리오에 기반한 반도체 생산 재고(WIP) 최소화와 공정 간 시간 제약 충족을 목표로 하는 시뮬레이션 기반의 스케줄링을 수행하였다. 특히, 마지막 4라운드에서는 시나리오를 사전에 알지 못하는 조건에서도 우수한 스케줄을 도출하는 방법론을 개발하는 것이 도전 과제였다. 대회에는 전 세계 21개 팀이 참가하였고, 김현정 교수 연구팀은 1, 3, 4라운드에서 1등을 차지하여 최종적으로 대회에서 우승을 차지하였다.
김현정 교수 연구팀은 변화하는 제조 상황에 맞게 반도체 웨이퍼의 공정 흐름을 적절히 제어할 수 있는 시뮬레이션을 활용한 Ensemble-based Adaptive Search 방법을 개발하였다. 이를 통해 김현정 교수 연구팀은 다른 팀에 비해 압도적으로 재고를 감소시키면서 동시에 시간 제약을 효과적으로 충족시키는 결과를 도출할 수 있었다. 김현정 교수 연구팀은 반도체 및 다양한 제조 시스템의 스케줄링 연구를 수행하고 있으며 기존의 연구 결과를 바탕으로 새로운 방법을 탐구하여 우수한 성과를 이뤄냈다. 김현정 교수 연구팀은 이제훈 박사과정, 김두연 박사과정, 안정선 박사과정, 신우진 박사과정으로 구성되었다.
2023.12.26 조회수 2831 -
약물 부작용 및 용해도 예측 그래프 신경망 기술 개발
최근 화학, 생명과학 등 다양한 기초과학 분야의 문제를 해결하기 위해 그래프 신경망 (Graph Neural Network) 기술이 널리 활용되고 있다. 그 중에서도 특히 두 물질의 상호작용에 의해 발생하는 물리적 성질을 예측하는 것은 다양한 화학, 소재 및 의학 분야에서 각광을 받고 있다. 예를 들어, 어떠한 약물 (Drug)이 용매 (Solvent)에 얼마나 잘 용해되는지 정확히 예측하고, 동시에 여러 가지 약물을 투여하는 다중약물요법 (Polypharmacy)의 부작용을 예측하는 것이 신약 개발 등에 매우 중요하다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 한국화학연구원(원장 이영국)과 공동연구를 통해 물질 내의 중요한 하부 구조(Substructure)를 탐지하여 두 물질의 상호작용에 의해 발생하는 물리적 성질 예측의 높은 정확도를 달성할 수 있는 새로운 그래프 신경망 기법을 개발했다고 18일 밝혔다.
기존 연구에서는 두 분자 쌍이 있을 때, 각 분자내에 존재하는 원자들 사이의 상호 작용만을 고려해 그래프 신경망 모델을 학습하였다. 예를 들어 특정 발색체의 물(H2O)에 대한 용해도를 예측하고자 할 때, 발색체 내의 각 원자들에 대해 물 분자의 원자들 (즉, H, O)이 갖는 영향력을 고려하는 것이다. 연구팀이 이에 반해, 연구팀이 착안한 점은 분자 구조의 화학적 특성을 결정하는 데 있어서 원자뿐만 아니라 작용기(Functional group)와 같은 분자내 하부 구조들이 중요한 역할을 한다는 점이었다. 예를 들어, 알코올이나 예를 들어, 알코올이나 포도당과 같이 하이드록실기 (Hydroxyl group)를 포함하는 분자들은 일반적으로 물에 대한 용해도가 높은 것으로 알려져 있다. 즉, 하이드록실기라는 작용기가 물에 대한 용해도를 결정하는데 중요한 역할을 한다는 것이다.
연구팀은 분자의 특성을 결정하는데 큰 영향을 끼치는 하부 구조를 추론하는 기술을 분자내의 중요한 정보를 최대한 압축하여 보존하는 ‘정보 병목 이론’과, 분자 내의 어떤 하부 구조가 분자의 고유한 특성을 결정 짓는데 큰 역할을 했는지 대한 인과 관계를 추론하는 ‘인과 추론 모형’을 활용하여 개발했다. 이를 통해 분자의 고유한 특성에 가장 큰 영향을 미치는 하부 구조를 찾아내었다. 또한 분자 간 관계를 추론하는 문제에서는 상대방 분자에 따라 대상 분자의 중요한 하부 구조가 달라질 수 있다는 점을 착안하여 물질 간 관계를 예측하는 모델을 제안했다.
이번 새로운 그래프 신경망 기법을 의학에 적용하여 정보 병목 현상을 기반으로 한 연구는 기존 연구에 비해 약물 용해도 예측에서 11%의 성능 향상, 다중약물요법 부작용 예측에서 4%의 정확도 향상을 이뤄냈다. 또한, 인과 추론 모형을 기반으로 한 연구는 약물 용해도 예측에서 17%의 성능 향상, 약물 부작용 예측에서 2%의 정확도 향상을 이뤄냈다.
박찬영 교수팀은 정보 병목 이론을 기반으로 중요한 하부 구조를 탐지해 분자 구조 관계의 높은 예측 정확도를 달성할 수 있는 그래프 신경망 모델을 개발해 기계학습 분야 최고권위 국제학술대회 ‘국제 기계 학습 학회 International Conference on Machine Learning (ICML 2023)’에서 올 7월 발표할 예정이다. (논문명: Conditional Graph Information Bottleneck for Molecular Relational Learning). 또한 인과 추론 모형을 기반으로 중요한 하부 구조를 탐지해 분포 변화에도 모델의 성능이 강건하게 유지되는 그래프 신경망 모델을 개발해 데이터마이닝 최고권위 국제학술 대회 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023)’에서 올 8월에 발표할 예정이다. (논문명: Shift-Robust Molecular Relational Learning with Causal Substructure). 두 연구 모두 KAIST 산업및시스템공학과 대학원에 재학 중인 이남경 박사과정 학생이 제1 저자, 화학연구원의 나경석 연구원이 공동 저자, 우리 대학 산업및시스템공학과의 박찬영 교수가 교신저자로 참여했다.
두 연구의 제1 저자인 이남경 박사과정은 “제안한 기술은 분자의 성질을 결정하는 데 있어 큰 영향을 미치는 하부 구조가 존재한다는 화학적 지식에 기반해 그래프 신경망을 학습할 수 있는 새로운 방법”이라면서 “상대편 분자를 고려해 대상 분자의 중요한 구조를 찾는 방법론은 이미지-텍스트 멀티 모달 학습 방법에서도 적용될 수 있어, 심층 학습 전반적인 성능 개선에 기여할 수 있다”고 밝혔다.
연구팀을 지도한 박찬영 교수도 “제안한 기술은 화학과 생명과학을 포함한 다양한 분야에서 새로운 물질을 발견하는데 널리 사용될 것으로 기대하며, 특히 환경 친화적인 소재 개발, 질병 치료를 위한 신약 발굴 등에 있어서 본 기술의 가치가 더욱 부각될 것으로 보인다”라고 밝혔다.
한편 이번 연구는 정보통신기획평가원의 지원을 받은 사람중심 인공지능 핵심원천기술개발 사업과 한국화학연구원 기본사업 (KK2351-10)의 지원을 받아 수행됐다.
2023.07.18 조회수 4365 -
(주)제이오텍, 실험실 안전 장비 1억 2000만 원 상당 기부
우리 대학 동문 기업인 ㈜제이오텍(대표 신현주, 김기성)이 안전한 연구 환경 조성을 위해 연구실 안전 물품 장비를 기부했다.
제이오텍은 이화학 실험 기기 및 연구실 안전물품 제조 회사로 인화성 위험물 보관함 18대와 생물안전작업대 8대 등 총 1억 2000만 원 상당의 물품을 우리 대학에 전달했다.
인화성 위험물 보관함은 인화성 및 가연성 위험 물질의 안전한 보관과 화재 발생 시 위험을 최소화할 수 있는 안전 시약장이다. 국내에서 유일하게 유럽규격 EN 14470-1 승인을 취득했다.
생물안전작업대는 병원체 등 감염성 물질을 다루는 실험실에서 생물학적으로 오염돼 위험 가능성이 있는 공기가 캐비닛 밖으로 누출되는 것을 차단해 사용자와 시료, 환경을 동시에 보호하는 장비다. 이 장비 역시 엄격한 유럽기준인 EN12469인증을 획득했다.
KAIST는 기증받은 장비를 화학과, 신소재공학과, 바이오및뇌공학과, 생명과학과 등 유해 화학물질을 취급하거나 생물체를 취급하는 연구실에 설치해 연구 환경 개선에 활용할 예정이다.
김기성(산업및시스템공학과 석사08, 박사12 졸업) 대표이사는 “국가의 소중한 인재인 KAIST 학생들이 좀 더 안전하고 쾌적한 환경에서 연구와 실험을 하기를 바라며 기부하게 되었다”라며 “KAIST 재학 당시에 받았던 혜택에 감사하는 마음을 이번 기부로 돌려줄 수 있게 되어 기쁘다”라고 소감을 전했다.
제이오텍의 안전물품 기부 약정식 행사는 2023년 4월 11일 KAIST 본관 제2회의실에서 제이오텍 김기성 대표이사, 유제빈 이사, 김삼일 팀장 등 기부 기업 관계자를 비롯해 이광형 총장, 한재흥 발전재단 상임이사, 서용석 시설부장, 윤여갑 안전팀장 등 KAIST 보직자들이 참석한 가운데 개최됐다.
2023.04.11 조회수 3711 -
레이블 없이 훈련 가능한 그래프 신경망 모델 기술 개발
최근 다양한 분야 (소셜 네트워크 분석, 추천시스템 등)에서 그래프 데이터 (그림 1) 의 중요성이 대두되고 있으며, 이에 따라 그래프 신경망(Graph Neural Network) 기술을 활용한 서비스가 급속히 증가하고 있다. 서비스 구축을 위해서는 심층 학습 모델을 훈련해야 하며, 이를 위해서는 충분한 훈련 데이터를 준비해야 한다. 특히 훈련 데이터에 정답지를 만드는 레이블링(labeling) 과정이 필요한데 (예를 들어, 소셜 네트워크의 특정 사용자에 `20대'라는 레이블을 부여하는 행위), 이 과정은 일반적으로 수작업으로 진행되므로 노동력과 시간이 소요된다. 따라서 그래프 신경망 모델 훈련 시 데이터가 충분하지 않은 상황을 효과적으로 타개하는 방법의 필요성이 대두되고 있다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 데이터의 레이블이 없는 상황에서도 높은 예측 정확도를 달성할 수 있는 새로운 그래프 신경망 모델 훈련 기술을 개발했다고 25일 밝혔다.
정점의 레이블이 없는 상황에서 그래프 신경망 모델의 훈련은 데이터 증강을 통해 생성된 정점들의 공통된 특성을 학습하는 과정으로 볼 수 있다. 하지만 이러한 정점의 공통된 특성을 학습하는 과정에서, 기존 훈련 방법은 표상 공간에서 자신을 제외한 다른 정점들과의 유사도가 작아지도록 훈련을 한다. 하지만 그래프 데이터가 정점들 사이의 관계를 나타내는 데이터 구조라는 점을 고려했을 때, 이런 일차원적인 방법론은 정점 간의 관계를 정확히 반영하지 못하게 된다.
박 교수팀이 개발한 기술은 그래프 신경망 모델에서 정점들 사이의 관계를 보존해 정점의 레이블이 없는 상황에서 모델을 훈련시켜 높은 예측 정확도를 달성할 수 있게 해준다.
KAIST 산업및시스템공학과 이남경 석사과정이 제1 저자, 현동민 박사, 이준석 석사과정 학생이 제2, 제3 저자로 참여한 이번 연구는 최고권위 국제학술대회 `정보지식관리 콘퍼런스(CIKM) 2022'에서 올 10월 발표될 예정이다. (논문명: Relational Self-Supervised Learning on Graphs)
기존 연구에서는 정점의 레이블이 없는 상황에서 정점에 대한 표상을 훈련하기 위해 표상 공간 내에서 자기 자신을 제외한 다른 정점들과의 유사도가 작아지도록 훈련을 한다. 예를 들어서, 소셜 네트워크에 A, B, C 라는 사용자가 존재할 때, A, B와 C가 표상 공간에서 서로 간의 유사도가 모두 작아지도록 모델을 훈련하는 것이다. 이때 박 교수팀이 착안한 점은 그래프 데이터가 정점 간의 관계를 나타내는 데이터이므로 정점 간의 관계를 포착하도록 정점의 표상을 훈련할 필요가 있다는 점이었다.
즉, A, B와 C 서로 간의 유사도가 모두 작아지게 하는 훈련 메커니즘과는 달리, 실제 그래프상에서는 이들이 연관이 있을 수 있다는 점이다. 따라서 A, B와 C 사이의 관계를 긍정/부정의 이진 분류를 통해 표상 공간에서 유사도가 작아지도록 훈련을 하는 것이 아닌, 이들의 관계를 정의해 그 관계를 보존하도록 학습하는 모델을 연구팀은 개발했다(그림 2). 연구팀은 정점 간의 관계를 기반으로 정점의 표상을 훈련함으로써, 기존 연구가 갖는 엄격한 규제들을 완화해 그래프 데이터를 더 유연하게 모델링했다.
연구팀은 이 학습 방법론을 `관계 보존 학습'이라고 명명했으며, 그래프 데이터 분석의 주요 문제(정점 분류, 간선 예측)에 적용했다(그림 3). 그 결과 최신 연구 방법론과 비교했을 때, 정점 분류 문제에서 최대 3% 예측 정확도를 향상했고, 간선 예측 문제에서 6%의 성능 향상, 다중 연결 네트워크 (Multiplex network)의 정점 분류 문제에서 3%의 성능 향상을 보였다.
제1 저자인 이남경 석사과정은 "이번 기술은 데이터의 레이블이 부재한 상황에서도 그래프 신경망을 학습할 수 있는 새로운 방법ˮ 이라면서 "그래프 기반의 데이터뿐만이 아닌 이미지 텍스트 음성 데이터 등에 폭넓게 적용될 수 있어, 심층 학습 전반적인 성능 개선에 기여할 수 있다ˮ고 밝혔다.
연구팀을 지도한 박찬영 교수도 "이번 기술은 그래프 데이터상에 레이블이 부재한 상황에서 표상 학습 모델을 훈련하는 기존 모델들의 단점들을 `관계 보존`이라는 개념을 통해 보완해 새로운 학습 패러다임을 제시하여 학계에 큰 파급효과를 낼 수 있다ˮ라고 말했다.
한편, 이번 연구는 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 사람중심인공지능핵심원천기술개발 과제로 개발한 연구성과 결과물(No. 2022-0-00157, 강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습)이다.
2022.10.25 조회수 5272 -
과기정통부, 데이터사이언스 융합인재양성사업에 우리학교 선정
우리 대학(산업및시스템공학과)이 과학기술정보통신부 주관의 '데이터사이언스융합인재양성사업' 단독형 2022년 신규과제에 선정됐다.
과기정통부는 컨소시엄형(고려대, 서울시립대, 충남대, 호서대) 1개와 단독형(KAIST) 1개를 선정해 향후 7년간 총 465억원을 지원한다. 우리 대학은 올해 6월부터 2028년까지 약 7년간 약 133억(2022년 13억 원, 2023년부터 매년 20억 원)의 정부지원금을 받는다.
올해 신규 과제인 이 사업의 목표는 데이터사이언스 핵심 지식을 다양한 활용 분야에 접목할 수 있는 융합 인재를 양성하는 것이다. 특히 ▲T자형(광범위 지식과 전문성 보유) 인재 양성을 위한 교육 프로그램 설계 ▲비즈니스 모델을 선도하는 석박사 고급 인재 육성에 중점을 두고 있다.
이에, 우리 학교 산업및시스템공학과 GSDS(Graduate School of Data Science)는 22년도 가을학기부터 데이터사이언스 대학원 과정을 개설하여, '데이터사이언스+α 융합 커리큘럼'을 개발 및 운영할 계획이다. 이를 통해 데이터사이언스를 기반으로 한 연구 분야를 확장하고 유관 기관들과 적극적인 협력을 추진할 예정이다.
구체적으로는 다양한 학사 전공의 학생들을 선발하여 연구·교과·창업·산업체 추천 등 각 트랙에 따라 맞춤형 커리큘럼을 제시한다. 또한, 교과 기반의 데이터사이언스 핵심 교육을 지원함은 물론, 산업체·연구기관 인턴십, 해외대학·연구소 파견, 문제 해결형 캡스톤 프로젝트 등 비교과 기반의 양방향 교육을 병행할 방침이다.
사업단장인 산업및시스템공학과 김우창 교수는 “총 11개 학과 33명의 우수한 교수님들과 함께 데이터사이언스 융합 인재 양성을 위한 양질의 교육을 제공할 것이다. 더 나아가 대한민국의 데이터사이언스 기술 발전에도 기여하도록 최선을 다할 것”이라고 밝혔다.
2022.05.26 조회수 5807 -
이익항(리캉 리, Lik-Hang Lee) 교수, 메타버스 산학협동 공개강좌 개설
산업및시스템공학과 이익항(리캉 리, Lik-Hang Lee) 교수가 2022 봄 학기부터 메타버스 산학협동 공개강좌를 진행한다.
홍콩 생산력촉진국(Hong Kong Productivity Council, 이하 HKPC)과의 파트너십에 바탕을 둔 '전문가를 위한 메타버스 강좌'는 가상환경과 가상-물리적 혼합환경에 대한 수요가 급증하는 시대적 요구에 부응해 세계적인 메타버스 인재를 양성하기 위해 개설됐다. HKPC의 연구개발 과학자, 컨설턴트, 소프트웨어 엔지니어 등 관련 전문가들이 강좌를 수강하며, 이들은 수료 후에 메타버스 기술을 관리하고 개발하는 전문 자격을 취득할 예정이다.
이 강좌는 평행의 가상 우주에 대한 필수 지식 및 기술과 더불어, 디지털화와 산업화를 메타버스 시대에 활용하는 방법을 제공한다. 가상-물리적 혼합환경, 메타버스 기술과 생태계, 몰입형 스마트시티, 토큰 이코노미, 지능형 산업화를 설계하고 구현하는 종합적인 모듈을 포함한다.
이익항(리캉 리, Lik-Hang Lee) 교수는 "수십 년 안에 높은 수준의 몰입도, 사용자 상호 작용성, 사용자와 기기와의 협업으로 특징될 '몰입형 인터넷'이 사이버 공간에서 점점 더 많은 가상 세계를 보여줄 것이라 믿는다"라고 강조했다. 이 교수는 이어 "가상 세계의 소비자들은 개인 맞춤화된 제품과 서비스뿐만 아니라 새로운 콘텐츠를 창조할 것이며, 차세대 산업혁명에서는 '초개인맞춤형'으로 가는 촉매제가 될 것"이라고 전했다. 이에 덧붙여 "우리 연구실(Augmented Reality and Media Lab)에서는 메타버스 캠퍼스 및 산업용 메타버스와 같은 다양한 주제를 중점적으로 다루기 때문에 재학생과 다양한 산업분야 전문가들에게 메타버스와 관련된 세계적 수준의 강좌를 제공할 것"이라고 말했다.
HKPC는 1967년부터 홍콩의 산업 및 기업을 위한 혁신적 솔루션을 제공해온 단체다. 생산성 및 경쟁력 강화와 더불어, 자원 활용, 효율성, 비용 절감 면에서 최적화를 달성하도록 돕고 있다. HKPC는 연구개발, IoT, AI, 디지털 제조에 중점을 두고 인더스트리 4.0 과 e-커머스 4.0을 기반으로 한 홍콩의 재산업화 촉진을 주장해왔다.
이익항(리캉 리, Lik-Hang Lee) 교수 연구실에서는 HKPC를 비롯한 다른 파트너들과의 긴밀한 파트너십을 이어나가 메타버스의 중심 축을 형성하는 연구를 수행할 예정이다. 또한, 사용자 중심의 가상-물리적 사이버공간(https://www.lhlee.com/projects-8)을 활용해 스마트 공장과 인공지능에 대한 산업 메타버스 프로젝트를 진행하고 있다.
2022.04.12 조회수 6547 -
산업및시스템공학과 장영재 교수, 디지털혁신 SW부문 대상(과기부 장관상) 수상
우리 대학 산업및시스템공학과 장영재 교수가 CDE학회(Society for Computational Design and Engineering)에서 주관하는 2022 디지털혁신 SW 공모전에서 대상인 '과기부 장관상'을 수상하였다.
장영재 교수 연구진은 2016년부터 강화학습 기반 대규모 군집 물류 자동화 로봇을 제어하는 SW개발을 진행해왔다. 관련 기술은 2019년 KAIST 10대 기술로 선정되었으며 IEEE SMILE과 CIRP등에서 최고 논문으로 선정되기도 하였다.
KAIST의 원천 기술을 기반으로 장영재 교수 연구실 출신 박사들이 <다임리서치>란 스타트업을 2020년 설립하였으며 작년 SW 개발에 성공 글로벌 반도체, 평판디스플레이, 전기차 베터리 (2차전지)제조 공장에 SW를 공급하고 있다. KAIST 연구소 기업인 <다임리서치>는 인공지능기술과 디지털트윈 기술을 결합한 제조 SW기업으로 성장중이다.
장영재 교수는 "이번 대상수상은 KAIST 기술을 통한 사업화 및 산업계 기여에 의미를 둔다"라 언급하였다.
2022.02.17 조회수 6655 -
KAIST-한국앤컴퍼니㈜, 디지털 미래혁신센터 2기 협약 체결
우리 대학이 한국앤컴퍼니㈜와 ‘디지털 미래혁신센터 2기 협약'을 18일 유성구 한국테크노돔에서 체결하고 미래 성장 동력과 테크놀로지 기반 혁신 역량 확보를 위한 협력을 한층 강화해 가기로 했다.
'KAIST 디지털 미래혁신센터'는 지난 2019년 한국앤컴퍼니㈜와 KAIST가 디지털 전환(Digital Transformation)을 통한 혁신적 연구개발(R&D) 및 디지털 기술 역량 확보를 목표로 건립한 산학협력 조직이다.
센터장인 KAIST 산업및시스템공학과 장영재 교수를 포함하여 여러 교수진이 참여하는 생산 및 연구개발 분야 프로젝트를 통해 뉴 디지털 테크놀로지 완성과 미래 경쟁력 확보를 위한 발판을 마련하고 있다.
지난 2년 간 진행된 1기 활동을 통해 12개 과제의 연구를 추진해 연구 및 생산 현장에 적용할 수 있는 수준의 성과를 일궈냈다. AI를 활용한 타이어 컴파운드 물성 예측 모델인 ‘VCD(Virtual Compound Design) 시스템’, 디지털 센서를 접목한 자동화 검수 시스템(Automatic Inspection Process), AI와 사물인터넷(Internet of Things, IoT) 기술을 활용한 설비 이상 탐지 예측 시스템 CMS+(Hankook Condition Monitoring System Plus) 등 신기술 개발을 완료했다.
18일 협약 체결을 통해 공식 개시되는 2기 활동에서는 디지털 기술을 활용해 다각도의 가상실험 데이터를 확보하기 위한 미래 기술 개발에 주력한다.
'AI 레시피 역설계 및 빅데이터 모델 생성 자동화', '분자구조에 따른 컴파운드 물성 예측 위한 머신러닝 모델 개발', 'AI 기반 Virtual 예측력 향상 기술 개발'을 비롯한 7개 과제에 대한 연구가 진행될 예정이다.우리 대학과 한국앤컴퍼니㈜는 현재 확정된 연구 과제들 외에도 산업 현장의 수요에 맞는 혁신기술 개발과 창의적 인재 양성을 위해 적극 협력할 예정이다.
2021.05.20 조회수 15540 -
코로나19 해외유입 확진자 수 예측 기술 개발
최근 전 세계적으로 코로나바이러스감염증-19(COVID-19) 확진자 수가 2,000만 명을 넘어선 가운데 최근 국내에서도 코로나19 확진자 수가 급증해 2차 대유행 조짐을 보이면서 정부는 8월 23일부터 전국 대상으로 사회적 거리두기 단계를 2단계로 격상해 시행 중이다.
중앙재난안전대책본부(중대본)에 따르면 국내 코로나 누적 확진자 수는 8월 23일 오전 0시 기준으로 총 1만7,399명이다. 이 중 해외유입 감염자 수는 2,716명(8월 22일 오전 0시 기준)으로 전체 확진자의 약 16%를 차지한다. 대륙별로 보면 아시아(중국 외), 미주, 유럽, 아프리카 순이다. 지난 14일 이후 국내 지역 발생 신규확진자 수가 급증하고 있지만 향후 해외유입 확진자 수의 확산추세 또한 결코 장담할 수 없는 상황이다.
이런 가운데 우리 연구진이 해외유입 확진자 수를 예측할 수 있는 관련 기술을 개발했다. 우리 대학 산업및시스템공학과 이재길 교수 연구팀이 코로나19 해외유입 확진자 수를 예측하는 빅데이터‧인공지능(AI) 기술을 개발했다고 19일 밝혔다.
이재길 교수 연구팀이 개발한 이 기술은 해외 각국의 확진자 수와 사망자 수, 해외 각국에서의 코로나19 관련 키워드 검색빈도와 한국으로의 일일 항공편 수, 그리고 해외 각국에서 한국으로의 로밍 고객 입국자 수 등 빅 데이터에 인공지능(AI) 기술을 적용해 향후 2주간의 해외유입 확진자 수를 예측한다.
코로나19 확진자 수가 급증할수록 해외유입에 의한 지역사회 확산의 위험성도 항상 뒤따르기 마련이다. 이에 따라 이재길 교수 연구팀이 개발한 정확한 해외유입 확진자 수 예측기술은 방역 시설 및 격리 시설 확충, 고위험 국가 입국자 관리 정책 등에 폭넓게 응용 및 적용될 수 있을 것으로 기대가 크다.
우리 대학 지식서비스공학대학원에 재학 중인 김민석 박사과정 학생이 제1 저자로, 강준혁, 김도영, 송환준, 민향숙, 남영은, 박동민 학생이 제2~제7 저자로 각각 참여한 이번 연구는 최고권위 국제 학술대회 'ACM KDD 2020'의 'AI for COVID-19' 세션에서 오는 24일 발표된다. (논문명 : Hi-COVIDNet: Deep Learning Approach to Predict Inbound COVID-19 Patients and Case Study in South Korea)
해외유입 확진자 수는 다양한 요인에 의해서 영향을 받는다. 일반적으로 해외 각국에서의 코로나19 위험도와 비례하며, 해외 각국에서 한국으로의 입국자 수와도 비례한다. 그러나 코로나19 위험도와 입국자 수를 실시간으로 알아내기에는 많은 제약이 따르므로 연구진은 쉽게 구할 수 있는 종류의 빅데이터를 기반으로 하는 인공지능(AI) 모델을 구축하는 데 성공했다.
연구진은 기본적으로 해외 각국의 코로나19 위험도를 산출할 때, 보고된 확진자 수와 사망자 수를 활용했다. 그러나 이러한 수치는 진단검사 수에 좌우되기 때문에 코로나19 관련 키워드 검색빈도를 같이 입력 데이터로 활용해 해당 국가의 코로나19 위험도를 실시간으로 산출했다.
이와 함께 실시간 입국자 수는 기밀정보로서 외부에 공개되지 않기 때문에 매일 제공되는 한국에 도착하는 항공편수와 로밍 고객 입국자 수를 통해 이를 유추해냈다. 로밍 고객 입국자 수 데이터는 KT로부터 제공 받았지만 KT 고객 입국자만을 포함한다는 한계를 일일 항공편수를 함께 고려함으로써 이 문제를 해소했다.
이밖에 해외유입 확진자 수 예측을 위해서는 국가 간의 지리적 연관성도 매우 중요하게 고려해야 한다. 어느 특정 국가의 코로나19 발병이 이웃 국가로 더 쉽게 전파되며, 국가 간의 교류도 거리에 따라 영향을 받기 때문이다. 연구팀은 이러한 문제해결을 위해 지리적 연관성을 학습하도록 국가-대륙으로 구성되는 지리적 계층구조에 따라 우선 각 대륙으로부터의 해외유입 확진자 수를 정확히 예측함으로써 궁극적으로 전체 해외유입 확진자 수를 정확히 예측하도록 하는 인공지능(AI) 모델을 설계했다. 연구팀은 이 인공지능 모델을 'Hi-COVIDNet'라고 이름 붙였다.
이후 연구팀은 약 한 달 반에 걸친 단기간의 훈련 데이터만으로 생성된 `Hi-COVIDNet'을 통해 향후 2주 동안의 해외유입 확진자 수를 예측한 결과, 이 모델이 기존의 시계열 데이터기반의 예측 기계학습이나 딥러닝 기반의 모델과 비교했을 때 최대 35% 더 높은 정확성을 지니고 있음을 확인했다.
제1 저자인 김민석 박사과정 학생은 "이번 연구는 최신 AI 기술을 코로나19 방역에 적용할 수 있음을 보여준 사례ˮ 라면서 "K-방역의 위상을 높이는데 기여할 것으로 기대한다ˮ 고 밝혔다.
이번 연구는 KAIST 글로벌전략연구소(소장 김정호)의 코로나19 AI 태스크포스팀의 지원을 받았고, KT(담당 변형균 상무)와 과학기술정보통신부(담당 김수정 서기관)의 '코로나19 확산예측 연구 얼라이언스'를 통해 로밍 데이터 세트를 지원받아 이뤄졌다.
2020.08.23 조회수 34384 -
이의진 교수, G20 정상회의 주관 〈국제 디지털 헬스 정상회의〉 초청 강연 진행
우리 대학 산업및시스템공학과 이의진 교수가 오는 8월11일~12일 동안 열리는 G20정상회의 주관 사우디아라비아 국가방위부(Ministry of National Guard-Health Affairs) 주최로 진행되는 리야드 국제 디지털 헬스 정상회의(Giyadh Global Digital Health Summit)에서 '팬데믹 상황에서 시민들의 순응도 향상을 위한 넛지 기술'이라는 주제로 초청 강연을 진행한다.
리야드 국제 디지털 헬스 정상회의에서는 현재와 미래의 팬데믹(질병 대유행)에 관한 디지털 헬스의 중추적인 역할에 대해서 전 세계 헬스케어, 공중보건, 디지털 헬스의 산학연 리더들이 참여해 디지털 역학, 예측 모델, 공중보건 소통 및 정책, 디지털 공중보건, 웰니스, 원격의료, AI와 로봇 기술 등에 관한 발표 및 토의를 진행할 예정이다. 디지털 기술과 혁신을 기반으로 팬데믹에 강인한 글로벌 헬스케어 시스템 구축에 관한 초석을 확립하기 위한 ‘리야드 선언(Riyadh Declaration)’ 또한 선포될 예정이다. 6만 명 이상의 전 세계 전문가나 일반인들이 온라인으로 참여 등록을 하여 사상 최대 규모의 디지털 헬스 행사가 온라인에서 열리게 된다.
이의진 교수의 초청 강연은 8월12일(수) 한국시간 0시30분에 진행될 예정이며, 인간의 행동이 감염병 전파와 차단에 어떠한 역할을 하며, 인간의 사고 행동 모델과 넛지 기반 디지털 시스템 디자인, 위기상황에서의 의사소통과 상호작용을 위한 다양한 디지털 기술 기반 방법론 및 사례에 대한 논의와 함께 디지털 공중보건을 위한 넛지 기술적용에 대한 핵심 이슈를 다룰 예정이다. 강연은 리야드 국제 디지털 헬스 정상회의 홈페이지(https://rgdhs2020.com)를 통해서 무료로 실시간 중계될 예정이며 추후 유튜브 채널 등을 통해 일반에게 공개될 예정이다.
2020.08.11 조회수 20720