%ec%a0%84%ea%b8%b0%eb%b0%8f%ec%a0%84%ec%9e%90%ea%b3%b5%ed%95%99%eb%b6%80
-
데이터 속도 맞춰 스스로 반응하는 '카멜레온 AI 반도체' 개발
AI 반도체도 이제‘눈치'를 본다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 정보를 기억하는 시간이 한 번 정해지면 바꿀 수 없는‘고정된 반응 특성'을 가졌지만, 이제는 데이터의 변화 속도에 맞춰 스스로 반응하는 시대가 열렸다. 우리 대학 연구진은 이 기술로 시간에 따라 변하는 데이터의 예측 오류를 기존보다 최대 40배 줄였다. 자율주행차와 로봇, 웨어러블 기기의 실시간 AI 성능을 높일 핵심 원천기술로 기대된다.
우리 대학은 전기및전자공학부·반도체공학대학원 최신현 석좌교수 연구팀이 입력되는 데이터의 변화 속도에 따라 반응 특성을 자유롭게 바꿀 수 있는 새로운 AI 반도체 소자‘프로그래머블 동적 멤트랜지스터(Programmable Dynamic Memtransistor, PDM)'와 이를 집적한 어레이를 개발했다고 7일 밝혔다.
멤트랜지스터(Memtransistor)는 정보를 저장하는 메모리(Memory)와 계산을 수행하는 트랜지스터(Transistor)의 기능을 하나로 결합한 차세대 반도체 소자다. 데이터를 계산하면서도 이전 정보를 기억할 수 있어 입력되는 데이터에 맞춰 반응 속도를 조절할 수 있는 것이 특징이다.
현실 세계의 데이터는 모두 같은 속도로 변하지 않는다. 심장 박동이나 음성처럼 매우 빠르게 변하는 정보가 있는가 하면, 날씨나 공장 설비 상태처럼 천천히 변하는 정보도 있다. 하지만 기존 AI 반도체는 입력 신호에 반응하는 속도와 그 상태를 유지하는 시간(시간 응답 특성)이 고정돼 있어, 서로 다른 속도의 데이터를 동시에 효율적으로 처리하는 데 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 전기적 정보를 저장하는 층(전하 저장층)과 전자를 저장해 반도체의 반응 속도를 조절하는 층(전자 포획층)을 하나의 트랜지스터 안에 결합한 새로운 구조를 개발했다.
PDM은 데이터가 입력되면 전하 저장층에서 정보를 처리하고, 전자 포획층이 반도체가 원래 상태로 돌아가는 속도를 조절한다. 마치 운전자가 고속도로에서는 속도를 높이고 골목길에서는 속도를 줄이듯, 반도체도 데이터의 변화 속도에 맞춰 가장 적합한 반응 속도를 스스로 선택한다.
실험 결과 연구팀은 반도체가 입력 신호에 반응한 뒤 원래 상태로 돌아오는 시간을 약 5배 범위에서 조절했으며, 빠르게 반복되는 신호를 처리하는 능력(주파수 특성)도 10배 이상 폭넓게 조절할 수 있음을 확인했다.
특히 빠르게 변하는 정보와 느리게 변하는 정보가 함께 포함된 시계열 데이터(Time-series data, 시간의 흐름에 따라 연속적으로 생성되는 데이터) 예측 실험에서는 기존의 고정형 반도체보다 예측 오류를 최대 40배 줄이는 성능을 보였다.
또한 연구팀은 PDM을 여러 개 연결한 어레이(Array, 동일한 반도체 소자를 일정한 형태로 집적한 구조)를 제작해 실험한 결과, 기존 소프트웨어 기반 AI 시스템과 비슷한 정확도를 유지하면서도 훨씬 적은 에너지로 동작하는 것을 확인했다.
이번 기술은 별도의 복잡한 데이터 전처리 없이도 다양한 속도로 변하는 데이터를 효율적으로 처리할 수 있다. 또한 한 번 설정한 반응 특성은 전원을 계속 공급하지 않아도 유지되는 비휘발성(전원이 꺼져도 정보가 유지되는 특성)을 갖춰 에너지 소비를 줄일 수 있다. 여기에 현재 널리 사용되는 상용 반도체 공정(CMOS 공정)과도 호환돼 대량 생산과 상용화 가능성이 높다는 점에서도 의미가 크다.
최신현 석좌교수는 "이번 연구는 데이터의 변화 속도에 맞춰 반도체가 스스로 가장 적합한 방식으로 반응하는 AI 반도체를 구현한 것”이라며 "자율주행차와 로봇, 웨어러블 기기 등 다양한 AI 기기의 성능은 높이고 전력 소모는 줄이는 핵심 기술이 될 것으로 기대한다”고 말했다.
이번 연구는 KAIST 반도체공학대학원 김대원 박사과정이 제1저자로 참여했으며, 조윤호, 서석호, 김유진, 박시온, 장태환, 박채빈이 공동저자로 참여했다. 또한 삼성전자 반도체연구소 오영택 연구원과 이재덕 Fellow가 공동저자로 참여했으며, 최신현 교수가 교신저자를 맡았다. 연구 결과는 세계적인 권위의 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications)’에 7월 게재됐다.
※논문명: Programmable memtransistor array with temporal dynamics modulation for efficient time-series data processing,
DOI : https://doi.org/10.1038/s41467-026-75211-5
본 연구는 과학기술정보통신부 한국연구재단 신소자원천기술개발사업, 정보통신기획평가원 ETRI연구개발지원사업, 산업통상자원부 한국산업기술진흥원(KIAT) 산업혁신인재성장지원사업, 삼성전자 등의 지원을 받아 수행되었다.
2026.08.07 조회수 331 -
AI가 '안 들리는데 들린다' 우기는 시대 끝낸다
AI가 ‘안 들리는데 들린다’, ‘없는데 있다’고 우기는 시대가 끝난다. 우리 대학 연구진이 AI가 여러 감각 정보를 스스로 구분하고 존재하지 않는 정보를 만들어내는 ‘환각’을 줄이는 핵심 기술을 개발했다. 자율주행차와 로봇, 의료 AI 등 실제 산업 현장에서 더욱 신뢰할 수 있는 멀티모달 AI 구현의 기반이 될 것으로 기대된다.
우리 대학은 전기및전자공학부 노용만 교수 연구팀이 멀티모달 대형 언어모델(MLLM, 텍스트와 이미지·소리 등 여러 정보를 함께 이해하는 AI)의 감각 혼선을 줄이는 두 가지 핵심 기술을 개발했다고 31일 밝혔다. 이번 기술은 카메라와 다양한 센서의 특성을 정확히 이해하도록 하는 기술과 시각·청각 정보가 뒤섞이면서 발생하는 환각을 줄이는 기술로, 별도의 대규모 재학습 없이도 AI의 신뢰성을 크게 높였다.
연구팀이 개발한 첫 번째 기술은 AI가 열화상(Thermal, 물체가 내는 열을 영상으로 보여주는 센서), 깊이 영상(Depth, 물체까지의 거리를 측정하는 센서), 엑스레이(X-ray) 등 다양한 센서가 담고 있는 물리적 의미를 정확하게 이해하도록 돕는 ‘센서 이해 AI’기술(DNA, Diverse Negative Attributes) 최적화 기법이다.
사람은 열화상 화면에서 밝게 보이는 부분이 ‘뜨거운 곳’이라는 것을 알지만, 기존 AI는 이를 일반 사진처럼 해석해 단순한 빛으로 착각하기도 했다. 연구팀은 AI가 열과 거리 등 센서가 측정하는 물리 정보를 이해하도록 새로운 학습 기술을 개발했다. AI가 자주 틀리는 사례를 반복적으로 학습하게 한 결과, 어둠이나 연기 속에서도 사물을 더욱 정확하게 인식할 수 있게 됐다.
두 번째 기술은 시각과 청각 정보가 서로 영향을 주면서 발생하는 환각을 줄이는 ‘감각 혼선 방지' 기술(MAD, Modality-Adaptive Decoding) 기술이다.
예를 들어 CCTV 영상에 자동차가 지나가는 장면이 담겨 있지만 실제로는 소리가 녹음되지 않았을 때, 기존 멀티모달 AI는 자동차가 보인다는 이유만으로‘엔진 소리가 들린다’고 답하는 경우가 있었다. 연구팀은 AI가 먼저 ‘이번 질문은 영상을 보고 판단해야 하는지, 소리를 듣고 판단해야 하는지’를 스스로 구분한 뒤, 더 중요한 감각 정보에 집중하도록 만들었다. 이를 통해 AI를 처음부터 다시 학습시키지 않고도(Training-free) 이러한 감각 혼선과 환각을 효과적으로 줄였다.
또한 연구팀은 AI를 막대한 컴퓨팅 자원으로 처음부터 다시 학습시키는 대신, DNA 기술은 적은 데이터만으로 다양한 센서를 이해하도록 성능을 높이고, ‘감각 혼선 방지' 기술(MAD)은 기존 AI에 프로그램을 추가하듯 바로 적용할 수 있도록 설계했다. 따라서 시간과 비용을 크게 줄이면서도 기존 멀티모달 AI의 신뢰성을 높일 수 있어 산업 현장에 빠르게 적용할 수 있다.
이번 기술은 밤이나 안개 속에서도 보행자와 차량을 정확히 인식해야 하는 자율주행차, 연기로 앞이 보이지 않는 화재 현장에서 생존자를 찾는 구조 로봇, 열화상 카메라를 이용하는 드론 등에 활용될 수 있다. 또한 공항 보안검색에서 엑스레이 영상을 분석하거나, 병원에서 CT·MRI·엑스레이 등 여러 의료영상을 함께 분석하는 AI의 정확성과 신뢰성을 높이는 데도 기여할 것으로 기대된다.
노용만 교수는 "멀티모달 AI가 실제 환경에서 사용되기 위해서는 다양한 센서의 특성을 정확히 이해하고 여러 감각 정보를 혼동하지 않는 것이 중요하다”며 "이번 연구는 대규모 재학습 없이도 AI의 감각 편향과 환각을 줄여 실제 생활과 산업 현장에서 믿고 사용할 수 있는 멀티모달 AI의 기반을 마련했다”고 말했다.
이번 성과는 KAIST 전기및전자공학부 정상윤 박사과정이 두 기술 연구 모두 제1 저자로 참여해 연속성을 빛냈으며, 유영준 박사가 ‘센서 이해 AI' 기술(DNA) 연구에 공동 제1 저자로 참여했다.
관련 논문 중 ‘감각 혼선 방지' 기술(MAD) 연구는 인공지능 컴퓨터 비전 분야 최고 권위 국제학회인 ‘국제 컴퓨터 비전 및 패턴인식 학술대회(CVPR)’에 지난 6월 발표되었다. 또한 ‘센서 이해 AI' 기술(DNA) 연구는 영상처리 분야 최고 국제 학술지인 ‘IEEE Transactions on Image Processing’에 게재가 되었다.
※ 논문명: Enhanced Vision-Language Models for Diverse Sensor Understanding: Cost-Efficient Optimization and Benchmarking, DOI:10.48550/arXiv.2412.20750
※ 저자 정보: 정상윤 (KAIST, 공동 제1 저자), 유영준 (KAIST, 공동 제1 저자), 김세연 (KAIST, 제3 저자), 지영채 (KAIST, 제4 저자), 노용만(KAIST, 교신저자)
※ 논문명: MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models, DOI:10.48550/arXiv.2601.21181
※ 저자 정보: 정상윤 (KAIST, 제1 저자), 김세연 (KAIST, 제2 저자), 지영채 (KAIST, 제3 저자), 노용만(KAIST, 교신저자)
한편, 이번 연구는 정보통신기획평가원(IITP) 사람중심인공지능 핵심원천기술 개발사업과 국방과학연구소 인공지능 특화연구센터(CARAI) 과제 등의 지원을 받아 수행되었다.
2026.08.03 조회수 370 -
AI 스스로 숨은 약점 찾는다…더 안전한 생성형 AI 만든다
튼튼한 성을 만들려면 먼저 약한 곳을 찾아야 한다. 생성형 인공지능(AI)도 마찬가지다. 우리 대학 연구진이 AI의 숨은 취약점을 기존보다 약 7배 더 다양하게 찾아내는 안전성 검증 기술을 개발했다. 더욱 안전하고 신뢰할 수 있는 AI 개발의 기반이 될 것으로 기대된다.
우리 대학은 전기및전자공학부 김준모 교수 연구팀이 대규모 언어모델(Large Language Model, LLM)의 안전성을 검증하는 레드팀(Red Teaming, AI를 의도적으로 공격해 취약점을 찾는 안전성 검증 과정) 기술의 한계를 극복한 새로운 프레임워크 ‘스테이블-지플로우넷(Stable-GFlowNet)'을 개발했다고 30일 밝혔다.
생성형 AI의 레드팀(Red Teaming)은 프로그램을 배포하기 전에 AI가 유해하거나 위험한 답변을 하도록 유도하는 공격 프롬프트(Attack Prompt, AI의 취약점을 시험하기 위한 질문)를 만들어 숨은 약점을 찾아내는 과정이다. 가능한 한 다양한 공격 방법을 찾아낼수록 더 많은 취약점을 사전에 제거할 수 있어, 공격 성공률과 공격 다양성이 모두 중요하다.
기존에는 강화학습(Reinforcement Learning, 보상을 최대화하도록 학습하는 AI 기법)을 이용해 공격 프롬프트를 생성하는 방식이 주로 사용됐다. 하지만 가장 성공률이 높은 한두 가지 공격 방법만 반복적으로 생성하는 모드 붕괴(Mode Collapse, 다양한 결과 대신 일부 결과에만 치우치는 현상)가 자주 발생해 여러 유형의 취약점을 충분히 찾지 못하는 한계가 있었다.
이를 해결하기 위해 생성 흐름 네트워크(Generative Flow Network, GFlowNet, 보상에 비례해 다양한 결과를 생성하도록 학습하는 AI 생성 기술)가 제안됐지만, 학습 과정에서 계산이 복잡하고 불안정하며 의미 없는 문장에도 높은 보상이 주어져 성능이 쉽게 무너지는 문제가 있었다.
연구팀은 이러한 문제를 해결하기 위해 좋은 공격은 더 잘 배우고, 잘못된 공격은 걸러내는 세 가지 핵심 기술을 개발했다.
첫째, 여러 길 가운데 더 나은 길을 비교해 선택하듯, 대조 궤적 균형(Contrastive Trajectory Balance, CTB) 기법을 도입해 계산이 복잡한 과정을 줄이고 학습을 안정화했다.
둘째, 시끄러운 환경에서도 필요한 목소리만 골라 듣듯, 노이즈 경사 가지치기(Noise Gradient Pruning, NGP)를 적용해 불필요한 잡음은 제거하고 중요한 정보만 학습하도록 했다.
셋째, 횡설수설하는 말보다 자연스러운 문장을 우선 평가하듯 유창성 안정화 장치(MKS)를 적용해 사람이 실제 사용할 법한 공격 프롬프트를 생성하도록 유도했다.
그 결과 연구팀이 개발한 스테이블-지플로우넷(Stable-GFlowNet)은 기존 기술이 찾아낸 17개의 고유 공격 유형보다 약 7배 많은 134개의 공격 유형을 발굴하면서도 92%의 높은 공격 성공률을 유지했다.
또한 스테이블-지플로우넷으로 학습한 방어 모델은 서로 다른 공격 기법을 이용해 평가하는 교차 공격(Cross Attack) 시험에서도 다양한 공격을 효과적으로 방어하며 우수한 일반화 성능을 입증했다.
이번 기술은 AI 안전성 검증뿐 아니라 신약 후보 물질을 생성하는 분자 생성(Molecular Generation) 등 다양한 분포 매칭(Distribution Matching) 문제에서도 기존보다 빠르고 안정적인 성능을 보여 범용적으로 활용될 가능성도 확인했다.
김준모 교수는 “이번 기술은 적은 데이터와 잡음이 많은 현실적인 환경에서도 AI의 다양한 취약점을 안정적으로 찾아낼 수 있다는 점에서 의미가 크다”며 “생성형 AI를 실제 서비스에 적용하기 전에 더 폭넓은 위험 요소를 찾아내고 방어할 수 있어, 더욱 안전하고 신뢰할 수 있는 AI 개발의 핵심 기반기술이 될 것으로 기대한다”고 말했다.
이번 연구는 KAIST 전기및전자공학부 권민찬 박사과정이 제1저자로 참여했으며, 인공지능 분야 세계 최고 권위 학회인 '국제머신러닝학회(ICML) 2026'에서 상위 2.2%에 해당하는 스포트라이트(Spotlight) 논문으로 선정되는 쾌거를 이뤘다.
※ 논문명: Stable-GFlowNet: Toward Diverse and Robust LLM Red-Teaming via Contrastive Trajectory Balance,DOI : https://arxiv.org/abs/2605.00553
한편, 이번 연구는 과학기술정보통신부 정보통신기획평가원 SW스타랩 사업의 지원을 받아 수행됐다.
2026.07.30 조회수 619 -
김종환 명예교수, 영어 웹툰 'All About Robots' 연재
우리 대학 전기및전자공학부 김종환 명예교수가 어린이와 청소년을 위한 영어 웹툰 시리즈 『All About Robots』를 국제로봇올림피아드위원회(IROC)의 공식 Substack 채널을 통해 연재한다.
국제로봇올림피아드위원회(International Robot Olympiad Committee, IROC)는 한국에 본부를 두고 국제로봇올림피아드(International Robot Olympiad, IRO)를 운영하는 기관으로, 김 교수가 위원장을 맡고 있다. IROC는 여러 국가와 협력해 청소년들이 로봇 제작과 코딩, 인공지능 기술을 배우고 교류할 수 있는 국제 로봇교육·경진 플랫폼을 운영하고 있다.
이번 웹툰은 인공지능(AI)과 로봇 기술을 쉽고 재미있게 이해할 수 있도록 기획된 영어 교육 콘텐츠로, 로봇의 역사와 원리부터 인공지능, 자율주행, 우주 탐사 로봇, 감정 표현 로봇, 퍼스널 로봇 등 다양한 주제를 이야기와 그림을 통해 소개한다.
김 교수는 그동안 언론에 연재했던 로봇 칼럼을 바탕으로 이번 웹툰을 새롭게 구성했으며, 전 세계 어린이와 청소년이 쉽게 접할 수 있도록 영어로 제작해 Substack을 통해 매주 순차적으로 공개하고 있다.
특히 이번 웹툰은 20여 년 전 집필된 칼럼을 현대적인 웹툰 형식으로 재구성한 것으로, 인간과 로봇의 공존, 지능형 로봇의 발전 방향, 미래 사회의 변화에 대한 통찰을 담아 오늘날 AI 시대에도 의미 있는 교육 콘텐츠로 활용될 것으로 기대된다.
김 교수는 세계적인 지능로봇 연구자이자 로봇 교육 분야의 선구자로, 1996년 세계 최초의 국제 로봇 축구대회를 개최하고 1997년 국제로봇축구연맹(FIRA)을 창설했다. 이어 1999년 국제로봇올림피아드(International Robot Olympiad, IRO)를 창시해 세계 청소년을 위한 국제 로봇교육 플랫폼을 구축했으며, 최근에는 AI 월드컵(AI World Cup)을 출범시키는 등 AI 시대의 교육 혁신을 이어가고 있다.
또한 김 교수는 IEEE Fellow를 거쳐 2023년 IEEE Life Fellow로 승격되는 등 국제적으로 연구 업적을 인정받고 있다.
김종환 교수는 "AI 시대에는 기술을 사용하는 것뿐만 아니라 기술을 이해하는 능력이 더욱 중요하다"며 "어린이와 청소년이 로봇과 AI를 어렵고 낯선 기술이 아닌 상상력과 창의력을 펼칠 수 있는 도구로 받아들이길 바라는 마음으로 이번 웹툰을 기획했다"고 말했다.
이어 "로봇 교육은 특정 분야의 전문가를 양성하기 위한 교육을 넘어 미래 사회를 이해하기 위한 기본 소양 교육이 되어야 한다"며 "전 세계 어린이들이 영어 웹툰을 통해 로봇과 AI를 쉽고 재미있게 배우고 미래를 준비하는 창의적인 인재로 성장하는 데 도움이 되기를 바란다"고 전했다.
한편 『All About Robots』는 매주 목요일 오후 3시(한국시간) 기준으로 IROC 공식 Substack 채널에서 공개된다. 앞으로 우주 로봇, 해양 로봇, 공장 로봇, 의료 로봇, 퍼스널 로봇, 인공지능 로봇 등 다양한 주제를 지속적으로 선보일 예정이다.
연재 및 구독 링크: http://iroc1999.substack.com
링크 QR코드
2026.07.22 조회수 893 -
웹툰 '보는 시대' 끝...'경험하는 시대' 연다
스마트폰 화면 속 웹툰이 현실 공간으로 뛰쳐나온다. ‘보는 웹툰'에서‘경험하는 웹툰'의 시대가 열린다. 우리 대학 연구진이 다양한 독자들이 현실 공간에서 웹툰을 입체적으로 즐길 수 있는 차세대 확장현실(XR, eXtended Reality, 가상현실·증강현실·혼합현실을 아우르는 기술) 만화 플랫폼을 세계 최초로 개발했다. 웹툰의 무대를 화면에서 현실로 넓히며 미래 만화의 새로운 가능성을 제시했다.
우리 대학은 전기및전자공학부 이안 오클리(Ian Oakley) 교수 연구팀이 인간-컴퓨터 상호작용(HCI, Human-Computer Interaction, 사람이 컴퓨터와 보다 쉽고 자연스럽게 상호작용하는 방법을 연구하는 분야) 전문가와 실제 웹툰 창작자, 독자 등 15명이 참여한 체계적인 사용자 연구를 통해, 차세대 확장현실(XR) 만화가 갖춰야 할 핵심 디자인 원칙과 발전 방향을 제시했다고 21일 밝혔다.
연구팀은 XR 환경에서 만화를 읽고 직접 제작할 수 있는 새로운 플랫폼‘코믹스XR(ComiXR)'을 개발하고, 참가자들이 기존 인쇄 만화를 XR 환경으로 직접 변환해 제작하고 체험하도록 했다.
종이 만화책에서 출발한 만화는 스마트폰의 등장과 함께 세로 스크롤 방식의 웹툰으로 진화하며 폭발적으로 성장해 왔다. 연구팀은 웹툰의 다음 진화 단계로 XR 기기에 주목했다. 화면에서는 구현하기 어려운 공간감과 입체 음향, 시선 추적(Eye Tracking, 사용자의 눈동자 움직임을 인식하는 기술) 등을 만화에 접목하기 위해 메타 퀘스트 프로(Meta Quest Pro) 기반의 ComiXR 플랫폼을 구축했다.
실험 참가자들은 기기를 착용한 채 실제 방 안에 3차원(3D) 캐릭터와 말풍선, 의성어 등을 자유롭게 배치하며 자신에게 가장 편안하고 몰입감 높은 만화 공간을 직접 구성했다.
실험 결과, 독자들은 단순히 평면 만화 페이지를 가상 공간에 띄우는 방식보다 현실 공간의 깊이감을 적극 활용하는 연출을 훨씬 선호했다. 배경 뒤에 캐릭터를 배치하고 말풍선을 별도의 층으로 분리했을 때 몰입감이 크게 향상됐다. 특히 독자의 시선을 추적해 특정 캐릭터를 바라볼 때만 다음 대사가 나타나도록 하는 기능은 결말을 미리 보게 되는‘스포일러'를 효과적으로 방지하는 것으로 나타났다.
또한 독자의 표정 변화에 따라 특수효과가 나타나고, 햅틱(Haptic, 진동 등 촉각을 통해 정보를 전달하는 기술) 기능으로 등장인물의 심장 박동까지 전달하는 등 기존 만화에서는 경험할 수 없었던 새로운 감각적 경험도 구현했다.
연구팀은 이번 연구를 통해 XR 만화를 위한 네 가지 핵심 디자인 개념도 제안했다. 첫째, 방 안 벽을 갤러리처럼 활용하는‘패널 갤러리(Panel Gallery)', 둘째, 책상이나 벽 위에 만화를 팝업북처럼 띄우는‘팝업(Pop-up)', 셋째, 야외 공간에 3D 캐릭터와 만화 요소를 배치하는‘어라운드 코믹(Around Comic)', 넷째, 저시력자를 포함한 다양한 독자의 접근성을 높이는‘인클루시브 코믹스(Inclusive ComiX, 모두를 위한 포용형 XR 만화)'다.
연구팀은 XR 만화가 기존 스마트폰 웹툰을 대체하기보다 작품의 세계관을 더욱 생생하게 체험하는 특별 전시와 교육 콘텐츠, 그리고 시각장애인과 저시력자 등 다양한 이용자의 문화 접근성을 높이는 새로운 플랫폼으로 활용될 것으로 전망했다.
이안 오클리 교수는 "이번 연구는 단순히 만화를 입체적으로 구현한 것이 아니라, 독자의 공간과 시선, 움직임까지 고려해 미래의 만화를 어떻게 설계해야 하는지를 제시한 연구”라며 "앞으로 XR 기술은 누구나 만화를 더욱 몰입감 있게 경험할 수 있는 새로운 콘텐츠 환경을 만드는 데 중요한 역할을 할 것”이라고 말했다.
이번 연구는 KAIST 정보전자연구소 아마르 알타이(Ammar Al-Taie) 박사후연구원이 제1저자로, 전기및전자공학부 한현영 박사과정생이 공동 저자로 참여했다. 연구 결과는 인간-컴퓨터 상호작용 및 디자인 분야 최고 권위 국제학술대회인 에이씨엠 디아이에스 2026(ACM DIS, Designing Interactive Systems Conference 2026)에서 발표됐으며, ComiXR 플랫폼은 오픈소스로 공개돼 누구나 활용할 수 있다.
※ 논문명: ComiXR: Exploring Comic Layouts in eXtended Reality, DOI: https://doi.org/10.1145/3800645.3812857, 오픈소스: https://github.com/ammarjamal/ComiXR
※ 관련 동영상: https://drive.google.com/drive/folders/1D9Efp3T0biDbUm1K5Gu6HLSSy89Uaq8R?usp=sharing
한편 이번 연구는 KAIST 장영실 펠로우십 프로그램과 과학기술정보통신부 및 정보통신기획평가원(IITP)의 ITRC(Information Technology Research Center, 대학 ICT 연구센터) 지원사업의 지원을 받아 수행됐다.
2026.07.21 조회수 915 -
‘나만의 AI’ 더 안전하게 만든다...AI 개인화 시대 핵심기술 개발
“우리 회사 문서만 학습한 AI 비서를 만들어줘.”
기업과 개인이 자신의 문서와 데이터를 AI에 학습시켜 ‘나만의 AI’를 만드는 시대가 열리고 있다. 하지만 AI를 맞춤형으로 학습시키면 업무 능력은 높아지는 반면 기존의 안전장치가 약해질 수 있다는 한계가 있었다. 국내 연구진이 맞춤형 성능은 그대로 유지하면서 안전성은 오히려 높이는 AI 핵심 기술을 개발했다.
우리 대학은 전기및전자공학부 김창익 교수 연구팀이 챗GPT와 같은 대형언어모델(LLM, Large Language Model)을 개인이나 기업의 데이터에 맞게 다시 학습시키는 파인튜닝(Fine-tuning, 기존 AI에 새로운 지식이나 업무를 추가로 학습시키는 과정)에서 안전성이 훼손되는 문제를 해결하는 ‘버퍼 앤드 리인포스(Buffer-and-Reinforce)’ 학습 프레임워크를 개발했다고 15일 밝혔다.
기존에는 AI를 맞춤형으로 학습시키면 새로운 업무 능력은 향상되지만 기존의 안전 규칙이 함께 약화되는 문제가 AI 개인화 시대의 가장 큰 과제로 꼽혀왔다. 연구팀은 먼저 AI가 원래 거부해야 할 위험한 요청에도 응답할 수 있도록 만든 ‘탈옥(Jailbreak)’ 상태의 AI를 맞춤형으로 학습시키면 오히려 안전성이 크게 훼손되지 않는다는 기존 연구 결과에 주목했다.
이에 연구팀은 탈옥 상태를 실제 서비스에 사용하는 것이 아니라 완충 모듈인 ‘버퍼로라(BufferLoRA)’를 활용해 맞춤형 학습 과정에서만 일시적으로 적용한 뒤 제거하는 새로운 접근법을 고안했다.
연구팀은 왜 이러한 현상이 발생하는지를 세계 최초로 규명했다. 그 결과 탈옥 상태의 AI는 위험한 정보에는 더 이상 쉽게 영향을 받지 않는 반면, 사용자가 원하는 새로운 업무 능력은 그대로 효과적으로 학습한다는 사실을 확인했다. 즉, 위험한 정보는 추가로 받아들이지 않으면서 필요한 지식은 계속 학습하는 원리를 밝혀낸 것이다.
이를 바탕으로 연구팀은 ‘완충(Buffer)’과 ‘안전성 강화(Reinforce)’의 두 단계 학습 기법을 개발했다.
먼저 완충 모듈인 ‘버퍼로라(BufferLoRA)’를 AI에 임시로 적용해 맞춤형 학습 과정에서 악성 데이터가 AI 본체에 직접 영향을 주지 못하도록 막아주는 보호막 역할을 하도록 했다. 맞춤형 학습이 끝나면 이 모듈은 제거된다.
이후 안전성 강화 모듈인 ‘리인포스로라(ReinforceLoRA)’를 적용해 AI의 안전성을 다시 높였다. 이 과정에서는 큐알 분해(QR Decomposition, 서로 다른 정보를 분리해 필요한 정보만 선택적으로 반영하는 수학적 기법)를 활용해 사용자가 학습시킨 새로운 기능은 그대로 유지하면서 안전성만 선택적으로 강화하는 데 성공했다.
쉽게 말해, 연구팀은 AI 본체에 임시 보호막(BufferLoRA)을 씌워 악성 데이터가 직접 영향을 주지 못하도록 한 뒤 필요한 업무만 학습시켰다. 이후 보호막을 제거하고 안전성 강화 모듈(ReinforceLoRA)을 적용해 AI의 안전장치를 다시 강화함으로써 맞춤형 성능은 그대로 유지하면서 안전성까지 높이는 데 성공한 것이다.
실험 결과, 사용자 데이터가 모두 위험한 질문과 답변으로 구성된 극단적인 환경에서도 AI는 높은 안전성을 유지했다. 재학습 이후 위험한 답변을 생성하는 비율은 약 8%로, 재학습을 하지 않은 기존 모델의 약 18%보다도 낮은 수준을 기록했다. 또한 별도의 안전성 재학습이나 추가적인 계산 비용 증가 없이 맞춤형 성능과 최고 수준의 안전성을 동시에 확보해 실제 AI 개인화 서비스에도 효율적으로 적용할 수 있는 가능성을 제시했다.
김창익 교수는 “이번 연구는 누구나 자신의 데이터로 맞춤형 AI를 자유롭게 만들면서도 더욱 안전하게 사용할 수 있도록 하는 핵심 기반 기술”이라며 “AI 안전성이 더욱 강조되는 AI 개인화와 AI 에이전트 시대에 신뢰할 수 있는 AI 서비스 환경을 구축하는 데 크게 기여할 것으로 기대한다”고 말했다.
이번 연구는 KAIST 전기및전자공학부 함석일 박사과정이 제1저자로 참여했으며, 인공지능 분야 세계 최고 권위 학술대회인 국제머신러닝학회(ICML, International Conference on Machine Learning) 2026에서 7월 전체 투고 논문 중 상위 약 2.2%에만 주어지는 스포트라이트(Spotlight) 논문으로 채택되어 세계적인 주목을 받았다.
※ 논문명 : Jailbreak to Protect: Buffering and Reinforcing via Temporary Jailbreaking for Safe Fine-Tuning in Large Language Models, DOI: 10.48550/arXiv.2605.24550
※ 저자 정보 : 함석일(한국과학기술원, 제1 저자), 장재혁(한국과학기술원, 제2 저자), 이원준(한국과학기술원, 제3 저자), 김창익(한국과학기술원, 교신저자)
※ 관련 동영상 파일: https://drive.google.com/file/d/1gfok06dE8699qtiUR7gVsRoVmBGADaWQ/view?usp=sharing
한편, 이번 연구는 과학기술정보통신부 정보통신기획평가원(IITP)이 지원하는 ‘공존가능한 신뢰AI를 위한 AI Safety 기술개발사업’의 지원을 받아 수행됐다.
2026.07.15 조회수 1237 -
‘꿈의 반도체’ 2차원 반도체 찾는 일 사람 대신 자동화한다
차세대 AI 반도체로 주목받는 2차원 반도체를 사람이 일일이 찾던 시대가 끝난다. 우리 대학 연구진이 반도체 선별과 소자 제작을 자동화해 수천 개의 소자를 분석하고, 그동안 규명하기 어려웠던 두께와 성능의 관계를 밝혀냈다. 이번 성과는 차세대 반도체 연구를 데이터 기반으로 전환하고, AI 반도체와 초저전력 반도체의 상용화를 앞당길 것으로 기대된다.
우리 대학은 전기및전자공학부·AI시스템학과 권지민 교수 연구팀이 UNIST, 국립한밭대, 한양대, 미국 워싱턴대 세인트루이스(Washington University in St. Louis)와 공동 연구를 통해 광학 현미경 이미지만으로 2차원 반도체를 자동 선별하고 트랜지스터 제작까지 연결하는 기술을 개발했다고 9일 밝혔다.
2차원 반도체는 원자 몇 개 층 두께에 불과한 초박막 반도체로, 기존 실리콘 반도체보다 더 작고 전기를 적게 쓰는 반도체를 구현할 수 있어 '꿈의 반도체'로 불린다. 현재 실리콘 반도체는 회로를 계속 작게 만들수록 전력 손실과 발열이 커지는 물리적 한계에 가까워지고 있다. 이를 극복할 차세대 소재로 주목받는 2차원 반도체는 앞으로 AI 반도체와 스마트폰, 데이터센터, 웨어러블 기기, 접거나 늘어나는 전자기기, 초소형 의료센서 등 다양한 미래 기술에 활용될 것으로 기대된다.
하지만 용액공정으로 만든 2차원 반도체는 작은 반도체 조각(flake)의 위치와 크기, 두께가 모두 달라 연구자가 현미경으로 원하는 시료를 하나씩 찾아야 했다. 이후 찾은 위치에 맞춰 전극을 직접 설계해야 했기 때문에 많은 시간과 노력이 필요했고, 수천 개 이상의 소자를 한꺼번에 분석하는 것도 사실상 어려웠다.
연구팀은 대표적인 2차원 반도체 소재인 이황화몰리브덴(MoS₂)을 이용했다. 현미경에서 보이는 RGB(적·녹·청) 밝기 값이 두께에 따라 달라지는 특성을 활용해 컴퓨터가 원하는 반도체를 자동으로 찾아내고, 전극까지 자동 설계하도록 했다. 원자힘현미경(AFM)으로 검증한 결과, 3~8층의 미세한 두께 차이까지 정확히 구분할 수 있었다.
이를 통해 연구팀은 12만 개 이상의 반도체 조각 가운데 적합한 시료를 자동 선별해 1,615개의 트랜지스터를 제작·분석하는 데 성공했다.
대규모 분석 결과도 의미가 컸다. 반도체가 두꺼워질수록 전류는 더 잘 흐르지만, 전기를 켜고 끄는 성능은 오히려 떨어진다는 사실을 통계적으로 처음 명확히 규명했다. 기존에는 소수의 시료만 분석해야 했기 때문에 확인하기 어려웠던 특성을 대규모 데이터로 밝혀낸 것이다.
이번 연구의 가장 큰 의미는 단순히 제작 과정을 자동화한 것이 아니라, 사람의 경험에 의존하던 2차원 반도체 연구를 데이터 기반 연구로 바꿨다는 점이다. 앞으로는 더 많은 반도체를 더 빠르게 제작·분석해 성능이 뛰어난 소재를 찾고, 나아가 AI가 새로운 반도체를 설계하는 연구로까지 이어질 것으로 기대된다.
권지민 교수는 "기존에는 연구자가 현미경으로 원하는 반도체를 직접 찾아야 했지만, 이번 연구를 통해 이러한 과정을 자동화할 수 있게 됐다"며 "앞으로는 현미경 사진만으로도 반도체의 전기적 성능을 예측하고, 더 우수한 차세대 반도체를 훨씬 빠르게 개발할 수 있는 기반이 마련될 것"이라고 말했다.
이번 연구는 KAIST 권지민 교수, 정학순 박사, 이용우 박사가 공동 교신저자로 참여했으며, UNIST 이상현 연구원이 제1저자를 맡았다. 연구 결과는 재료과학 분야의 권위 있는 국제학술지 어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)에 4월 3일 게재됐으며, 2차원 소재 및 전자소자(2D Materials & Electronics) 분야 인사이드 백 커버(Inside Back Cover) 논문으로도 선정됐다.
※ 논문명 : Statistically Resolbing Thickness-Dependent Electrical Characteristics in Multilayer-MoS2 Transistors,DOI : 10.1002/adfm.202532204
※ 저자 정보 : 권지민 교수 (KAIST, 교신저자), 정학순 박사 (KAIST, 교신저자), 이용우 박사 (KAIST, 교신저자), 이상현 연구원 (UNIST, 1저자), 공동연구기관 참여연구자 (UNIST 홍수민 연구원, UNIST 박민호 연구원, 한밭대 김성주 교수, 한양대 백상훈 교수, KAIST 서준기 교수, KAIST 양성욱 연구원, 미국 워싱턴대 배상훈 교수, TDS 이창수 박사)
한편 과학기술정보통신부 한국연구재단 개인기초연구사업과 산업통상자원부 산업기술기획평가원의 첨단전략산업초격차기술개발사업의 지원을 받아 수행되었다.
2026.07.09 조회수 1068 -
늘려도 고화질 그대로...이미지 왜곡 없는 신축 디스플레이 핵심기술 개발
휘어지고 접히는 디스플레이를 넘어, 이제는 화면 자체가 고무처럼 자유롭게 늘어나는 스트레처블(Stretchable) 디스플레이 시대가 열리고 있다. 우리 대학 연구진이 화면을 늘려도 글자와 그림 등 화면 정보가 원래 형태를 유지하는 핵심 기술을 개발하는 데 성공했다. 이번 성과는 이미지 왜곡 문제를 해결해 차세대 고화질 스트레처블 디스플레이 상용화를 앞당길 것으로 기대된다.
우리 대학은 전기및전자공학부 유승협 교수 연구팀이 동아대학교(총장 이해우) 문한얼 교수 연구팀과 공동으로, 잡아당겨도 화면 속 이미지가 왜곡되지 않고 모든 방향으로 같은 비율로 균일하게 늘어나는 오그제틱(auxetic·잡아당길수록 가로와 세로가 함께 넓어지는 구조) 기반의 스트레처블 디스플레이 플랫폼을 구현하는 데 성공했다고 8일 밝혔다.
기존 스트레처블 디스플레이는 신축성 기판(디스플레이를 구성하는 바닥층) 위에 발광 소자를 구현하는 방식이 일반적이다. 그러나 신축성 기판은 한 방향으로 늘어나면 반대 방향으로 폭이 줄어드는 특성이 있어 화면 속 글자와 그림이 납작하게 찌그러지는 한계가 있었다. 이를 해결하기 위해 오그제틱 구조가 적용돼 왔지만, 대부분 화면의 가로·세로 비율을 유지하는 데 그쳐 화면 내부의 글자와 그림은 여전히 왜곡되는 문제가 남아 있었다.
연구팀은 오그제틱 구조와 신축성 기판을 전체 면적으로 붙이는 기존 방식 대신, 정교한 계산을 통해 필요한 위치에만 선택적으로 연결하는 새로운 설계 방식을 제안했다.
기존 방식에서는 오그제틱 구조가 늘어나는 과정에서 발생하는 비틀림 변형이 그대로 기판에 전달돼 화면 내부 이미지가 찌그러지는 문제가 있었다. 반면 연구팀이 개발한 플랫폼에서는 각 영역이 제자리를 기준으로 바깥쪽으로 고르게 이동하도록 설계해 화면 전체 비율뿐 아니라 글자와 그림 등 작은 영역까지 원래 형태를 유지한 채 함께 확장되도록 구현했다.
연구팀은 문자와 그림을 새긴 기판을 가로·세로 방향으로 반복적으로 늘리는 실험을 통해 성능을 검증했다. 기존 방식에서는 패턴이 부분적으로 변형된 반면, 새 플랫폼에서는 글자와 그림의 형태가 안정적으로 유지됐다. 이는 화면 외곽뿐 아니라 내부의 미세한 이미지까지 왜곡 없이 균일하게 확장할 수 있음을 입증한 결과다.
또한 연구팀은 이 플랫폼 위에 LED 어레이(여러 개의 LED를 일정한 간격으로 배열한 구조)를 집적해 실제 스트레처블 디스플레이로서의 성능도 검증했다. 가로·세로 방향으로 각각 15%까지 늘어나더라도 전기가 안정적으로 흐르고 화면 밝기가 유지됐으며, 15%까지 늘리는 동작을 반복한 뒤에도 밝기 감소가 2% 미만에 그쳐 실제 디스플레이 적용 가능성을 확인했다.
이번 기술은 향후 웨어러블 전자기기와 전자피부(e-skin·피부처럼 늘어나며 감지와 정보 표시가 가능한 전자소자), 의료용 바이오센서, 소프트 로봇, 자동차 및 항공기용 곡면 디스플레이 등 형태가 자유롭게 변하는 차세대 전자기기의 핵심 플랫폼 기술로 활용될 것으로 기대된다.
KAIST 유승협 교수는 "스트레처블 디스플레이가 실제 정보 표시 장치로 활용되기 위해서는 단순히 잘 늘어나는 것뿐 아니라 늘어나는 과정에서도 화면 속 정보가 정확하게 유지돼야 한다"며 "이번 플랫폼은 화면의 작은 영역부터 전체 화면까지 균일한 확장을 구현해 고해상도 스트레처블 디스플레이 상용화를 앞당길 핵심 기반 기술이 될 것"이라고 말했다.
KAIST 김수본 박사와 김준호 박사가 공동 제1저자로 연구를 주도했으며, 동아대학교 문한얼 교수와 KAIST 유승협 교수가 공동 교신저자로 참여한 이번 연구는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 6월 10일 자에 게재됐다.
※ 논문명: Hybrid auxetic metamaterial platforms enabling multiscale isotropic expansion for distortion-free stretchable displays, DOI: 10.1038/s41467-026-74141-6 (시연 영상 링크: https://bit.ly/4gSRf8W )
한편 이번 연구는 한국연구재단 중견연구자 지원사업, 미래 디스플레이 전략연구실 지원사업, 한국산업기술기획평가원의 미래핵심기술개발사업, 한국산업기술진흥원의 교육훈련 지원사업의 지원을 받아 수행됐다.
2026.07.08 조회수 1255 -
AI 에이전트의 ‘숨은 전력 비용’ 세계 최초 규명
AI가 스스로 생각하고 행동하는 ‘AI 에이전트' 시대가 열리면서 데이터센터의 전력 소비가 새로운 과제로 떠오르고 있다. 우리 대학 연구진이 세계 최초로 AI 에이전트의 계산 비용과 에너지 소비를 분석한 결과, 기존 생성형 AI보다 질문 한 건당 최대 136.5배 많은 에너지를 사용하는 것으로 나타났다. 이번 연구는 AI 시대의 경쟁력이 모델 성능을 넘어 데이터센터와 전력 인프라의 효율성으로 확대되고 있음을 보여준다.
우리 대학은 전기및전자공학부 유민수 석좌교수 연구팀은 AI 에이전트가 실제 서비스 환경에서 얼마나 많은 계산 자원과 전력을 사용하는지를 세계 최초로 체계적으로 분석했다고 5일 밝혔다.
최근 챗GPT(ChatGPT)와 같은 대형 언어 모델(LLM, Large Language Model·사람의 언어를 이해하고 글을 생성하는 인공지능 모델) 기반 어플리케이션은 단순히 질문에 답하는 수준을 넘어 스스로 계획을 세우고, 인터넷 검색이나 계산기, 코드 실행 등 다양한 외부 도구를 활용해 복잡한 문제를 해결하는 AI 에이전트(AI Agent·여러 도구를 스스로 활용해 목표를 수행하는 차세대 인공지능) 로 빠르게 발전하고 있다.
이러한 AI 에이전트는 소프트웨어 개발, 연구, 업무 자동화 등 다양한 분야에서 활용이 확대되고 있지만, 이를 실제 운영하기 위해 얼마나 많은 전력과 비용이 필요한지는 거의 알려져 있지 않았다.
연구팀은 AI 에이전트를 단순한 프로그램이 아니라 데이터센터의 서버와 GPU(Graphics Processing Unit·대규모 AI 계산을 수행하는 고성능 반도체) 가 지속적으로 처리해야 하는 새로운 형태의 작업인 워크로드(Workload·컴퓨터가 수행해야 하는 전체 계산 작업) 로 정의하고, 실제 실행 과정에서 발생하는 계산량과 에너지 소비를 분석했다.
분석 결과, AI 에이전트는 기존의 단계별 추론(Chain-of-Thought, CoT·AI가 사람처럼 생각 과정을 하나씩 전개하며 답을 찾는 방식)과 달리 반복적으로 여러 차례 대형 언어 모델 호출(LLM Invocation·AI가 언어 모델에 새로운 판단이나 답변 생성을 요청하는 계산 과정)을 수행하는 것으로 나타났다.
이처럼 언어 모델을 반복적으로 호출하면서 응답 시간도 크게 증가했다. AI 에이전트의 답변 시간은 최대 153.7배 늘어났으며, 외부 도구가 작업을 수행하는 동안 GPU는 전체 실행 시간의 최대 54.5% 를 아무 계산도 하지 못한 채 대기하는 것으로 분석됐다. 즉, AI가 더 복잡한 일을 수행할수록 고가의 GPU를 충분히 활용하지 못하는 새로운 비효율이 발생하는 것이다.
연구팀은 AI 에이전트가 사용하는 전력도 데이터센터 규모에서 분석했다. 현재 상용 AI 서비스 수준인 700억 개의 매개변수(파라미터, Parameter·AI가 학습한 지식과 능력을 저장하는 값) 를 가진 대형 언어 모델을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41와트시(Wh·전기를 얼마나 사용했는지를 나타내는 에너지 단위) 의 전력을 소비했다. 이는 기존 생성형 AI의 단순 질의응답 방식보다 136.5배 높은 수준이다.
또한 하루 137억 건의 AI 에이전트 요청이 발생하는 미래 환경을 가정해 분석한 결과, 데이터센터 전력 수요는 약 198.9기가와트(GW·국가 단위 전력망에서 사용하는 매우 큰 규모의 전력 용량) 에 이를 것으로 추정됐다. 이는 현재 세계 각국이 추진 중인 수 기가와트(GW) 규모의 AI 데이터센터를 크게 뛰어넘는 수준이며, 미국 전체 평균 전력 소비량의 약 절반에 해당하는 규모다.
이번 연구는 AI 시대의 경쟁력이 '더 똑똑한 AI'에서 '더 효율적인 AI'로 옮겨가고 있음을 보여준다. 앞으로는 AI 모델만 발전시키는 것이 아니라 AI 반도체, 데이터센터, 전력 인프라를 함께 최적화하는 '공동 설계(Co-design)'가 필수 전략이 될 것으로 기대된다. 이는 AI 서비스의 운영 비용을 낮추고, 지속가능한 AI 인프라를 구축하는 핵심 기술이 될 전망이다.
유민수 석좌교수는 “이번 연구는 단순히 AI가 더 똑똑해지는 것을 넘어, 그 지능을 구현하고 유지하기 위해 얼마나 많은 전력과 비용이 필요한지를 정량적으로 제시한 첫 사례”라며, “향후 AI 에이전트가 보편화되는 시대에는 AI 데이터센터 인프라 뿐만 아니라 AI 에이전트 모델과 전력 인프라까지 통합적으로 공동 설계(co-design)하여 최적화하는 접근이 더욱 중요해질 것”이라고 밝혔다. 이어 “이를 통해 최종 사용자가 AI 서비스를 활용하는 데 소요되는 비용을 획기적으로 절감하고, 동시에 지속가능한 AI 인프라를 구축하기 위한 연구와 투자가 필수적”이라고 강조했다.
이번 연구는 KAIST 전기및전자공학부 김지인 박사과정 학생이 제1저자로 수행했으며, 컴퓨터 시스템 설계 분야 최고 권위 국제학회인 32회 IEEE HPCA(International Symposium on High-Performance Computer Architecture)에서 지난 2월 발표됐다. 연구팀은 논문에서 활용한 AI 에이전트 구현 기술과 벤치마크(Benchmark·AI 성능을 객관적으로 비교·평가하기 위한 표준 시험 환경)를 오픈소스로 공개해 전 세계 연구자들이 후속 연구에 활용할 수 있도록 했다.
※ 논문명 : The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective
※ 오픈소스 : https://github.com/VIA-Research/AgentBench
※ 논문 링크: https://doi.org/10.1109/HPCA68181.2026.11408569
본 연구는 정보통신기획평가원(IITP)의 SW스타랩(Starlab), AI 반도체를 활용한 K-클라우드기술개발사업, AI 반도체 기반 데이터센터 고도화 선도기술개발사업 및 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
2026.07.06 조회수 1292 -
미래 전기차 핵심 '공기 흐름 제어' 기술 세계 최고 학회 인정
미래 자동차는 엔진이나 모터뿐 아니라 ‘공기'의 흐름까지 제어한다. 우리 대학 연구진이 주행 상황에 맞춰 공기의 흐름을 실시간으로 조절해 고성능 전기차의 주행 성능과 안전성을 높이는 능동 공력(주행 상황에 맞춰 공기의 흐름을 자동으로 조절하는 기술)을 개발했다.
우리 대학은 전기및전자공학부 심현철 교수 연구실이 현대자동차의 지원을 통해 고성능 전기차에 적용 가능한 다중 능동 공력(Multi-Surface Active Aerodynamic) 시스템(차량 앞뒤의 여러 공력 장치를 하나의 시스템으로 통합 제어하는 기술)을 개발하고 이를 실제 차량에 적용해 서킷 환경에서 검증했다고 3일 밝혔다.
나성원 박사과정학생이 제1저자로 수행한 이번 연구는 2026년 6월 미국 미시간주 디트로이트에서 열린 세계 최고 권위의 지능형 차량 분야 국제학술대회인 IEEE Intelligent Vehicles Symposium(IV 2026)에서 최우수 학생논문상 1위(First Prize Best Student Paper Award)를 수상했다.
이번 상은 전 세계 학생 논문 가운데 가장 우수한 연구에 수여되는 최고상이다. 특히 이번 연구는 전체 채택 논문 가운데 약 8.5%만 선정되는 구두 발표(Oral Presentation·학회가 우수 논문을 선정해 현장에서 직접 발표하도록 하는 세션)에 선정된 데 이어, 발표 논문을 대상으로 한 최종 심사를 거쳐 최우수 학생논문상을 수상하며 연구의 독창성과 기술적 완성도를 동시에 인정받았다.
IEEE Intelligent Vehicles Symposium(IV)은 IEEE Intelligent Transportation Systems Society(ITSS)가 주관하는 지능형 차량 분야 최고 권위의 국제학술대회로, 자율주행, 차량 제어, 인공지능(AI), 미래 모빌리티 기술 등을 주제로 세계 각국의 대학과 연구기관, 자동차 제조사들이 최신 연구 성과를 발표하는 학술대회이다.
연구팀은 차량 전면과 후면에 장착된 4개의 능동 공력 장치를 하나의 시스템으로 통합 제어하기 위해 풍동 실험(강한 바람을 만들어 실제 주행과 같은 공기 흐름을 재현하는 시험) 기반 공력 모델을 구축했다.
또한 차량의 속도와 조향 상태 등 주행 상황을 실시간으로 분석해 최적의 공력 모드를 선택하는 제어 프레임워크를 개발했으며, 이를 고정밀 차량 시뮬레이션(실제 차량의 움직임을 컴퓨터에서 정밀하게 구현한 가상 시험)과 실제 차량 실험을 통해 검증했다.
기존 연구들이 시뮬레이션 중심으로 수행됐던 것과 달리, 연구팀은 FIA Grade 1 규격(포뮬러원(F1) 경기를 개최할 수 있는 국제 최고 수준의 서킷 규격)의 영암 국제자동차경주장(Korea International Circuit)에서 실제 차량 주행 시험을 수행해 기술의 실효성을 입증했다.
실험 결과 제안한 능동 공력 시스템은 고성능 전기차의 랩타임(서킷 한 바퀴를 도는 데 걸리는 시간) 단축, 제동 성능 향상, 코너링 성능 향상, 차량 안정성 확보에 효과적인 것으로 나타났다. 또한 시뮬레이션과 실제 차량 실험에서 일관된 성능 향상을 확인함으로써 향후 고성능 전기차는 물론 자율주행차와 소프트웨어 정의 자동차(SDV·소프트웨어 업데이트를 통해 기능을 지속적으로 개선하는 미래형 자동차) 등 미래 모빌리티에 적용 가능한 핵심 기술의 가능성을 제시했다.
나성원 박사과정학생은 심현철 교수 연구실이 2021년부터 참가해 지속적으로 우수한 성과를 거두고 있는 인디 자율주행 챌린지(IAC, Indy Autonomous Challenge)에서 KAIST 유레카(EURECAR) 팀장을 맡아 최고 시속 290km의 자율주행을 성공적으로 수행했다. 이를 통해 초고속 자율주행 차량 제어 분야에서 세계적 수준의 연구개발 역량을 축적했으며, 이번 연구에도 그 경험을 적용했다.
심현철 교수는 "그간 우리 연구실이 인디 자율주행 챌린지 등 고속 자율주행 레이싱에 참가하여 얻은 다양한 경험을 바탕으로 실제 차량 기반의 능동 공력 제어 기술이 세계 최고 수준의 학술대회에서 최우수 학생논문으로 선정돼 매우 뜻깊게 생각한다"며 "이번 연구가 향후 고성능 전기차뿐 아니라 미래 자동차의 주행 성능과 안전성을 동시에 높이는 핵심 기술로 이어질 것으로 기대한다"고 말했다.
이번 연구의 제1저자는 나성원 박사과정이며, 양승진, 황영준, 왕정하 석사과정 학생이 공동저자로 참여했다. 또한 현대자동차 최장한 책임연구원, 이정수 책임연구원, 손정기 책임연구원이 공동 연구자로 참여했다.
※ 논문명: Development of an Active Aerodynamic System for Improving Circuit Driving Performance of High-Performance Electric Vehicles, 논문 링크:https://drive.google.com/file/d/1H68vDCwL9LJT-aONUHOOTmePxC14phC8/view
2026.07.03 조회수 1321 -
AI 데이터센터 전력문제 해결한다...차세대 광변조기 개발
인공지능(AI) 서비스의 폭발적인 성장으로 데이터센터의 전력 소모와 데이터 전송 병목 문제가 급증하는 가운데, 한국 연구진이 이를 해결할 수 있는 차세대 광통신 핵심 소자인 광변조기(전기 신호를 빛 신호로 바꿔 데이터를 전송하는 장치) 기술을 개발했다. 이번 성과는 더 적은 전력으로 더 많은 데이터를 전송할 수 있게 해 미래 AI 데이터센터의 핵심 기반 기술이 될 것으로 기대된다.
우리 대학은 전기및전자공학부 김상현 교수 연구팀이 한국과학기술연구원(KIST, 원장 오상록) 한재훈 박사, 한국나노기술원(KANC, 원장 변대석) 김종민 박사 및 삼성전자 패키징사업부와의 협업을 통해 서로 다른 반도체 소재의 장점을 결합한 차세대 광변조기를 개발했다고 23일 밝혔다.
AI 데이터센터에서는 수많은 서버와 반도체 칩이 대용량 데이터를 실시간으로 주고받는다. 이 과정에서 광변조기의 성능은 데이터 전송 속도와 전력 효율을 결정하는 핵심 요소다. 그러나 기존 실리콘 기반 광변조기는 높은 발열과 온도 변화에 취약했고, 효율을 높이면 속도가 떨어지고 속도를 높이면 효율이 감소하는 한계를 안고 있었다.
연구팀은 이러한 문제를 해결하기 위해 온도 변화에 강한 마하-젠더(Mach-Zehnder) 구조(빛의 경로 차이를 이용해 신호를 제어하는 광소자 구조)를 유지하면서도, 실리콘 도파로(빛이 지나가는 통로) 위에 전기·광학적 반응성이 뛰어난 인화물계 반도체(InGaAsP·빛과 전기에 민감하게 반응하는 화합물 반도체) 박막을 결합했다. 이는 기존 실리콘 위에 빛을 더 민감하게 제어할 수 있는 특수 반도체 소재를 덧붙인 것으로, 소자 크기는 줄이면서도 빛 신호를 더욱 효율적으로 제어할 수 있게 했다.
그동안 학계에서는 이 구조를 사용할 경우 효율을 높이면 전하가 쌓여 구동 속도가 느려지는 상충 관계가 있었다. 연구팀은 소자 내부의 충전 용량을 줄여 속도를 높이는 공핍(Depletion) 모드 구동(소자 내부 전하를 줄여 동작 속도를 높이는 방식)과, 전압이 가해질 때 물질의 빛 흡수 특성이 변하는 프란츠-켈디시(Franz-Keldysh) 효과(전기장을 가하면 빛 흡수 특성이 변하는 현상)를 결합해 이러한 한계를 극복했다.
그 결과 머리카락 굵기보다 수십 배 작은 500 마이크로미터(μm) 길이의 초소형 소자에서 세계 최고 수준의 변조 효율(적은 전력으로 빛 신호를 얼마나 효과적으로 제어할 수 있는지를 나타내는 지표, 0.146 V·cm)과 고속 구동 대역폭(데이터를 얼마나 빠르게 처리할 수 있는지를 나타내는 지표, 26.3 GHz)을 동시에 달성하는 데 성공했다. 이는 더 적은 전력으로 더 많은 데이터를 빠르게 전송할 수 있음을 의미하며, AI 데이터센터의 에너지 효율과 데이터 처리 성능을 동시에 높일 수 있는 수준의 성과다.
이번 연구는 AI 데이터센터가 직면한 전력 소비 증가와 데이터 전송 병목 문제를 해결할 수 있는 현실적인 기술을 제시했다는 점에서 의미가 크다. 특히 소형화와 저전력 특성을 바탕으로 차세대 데이터센터용 광통신 칩과 공동 패키지 광학(Co-Packaged Optics, CPO·반도체 칩과 광통신 부품을 하나의 패키지에 통합하는 기술)의 핵심 부품으로 활용될 것으로 기대된다.
또한 광변조기의 효율과 속도 사이의 한계를 극복해 두 성능을 동시에 향상시킨 성과로, 차세대 AI 데이터센터와 초고속 광통신 시스템 구현에 중요한 전환점이 될 것으로 평가된다.
김상현 교수는 “인공지능 시대의 핵심 인프라인 데이터센터의 전력 소모와 데이터 전송 병목 현상을 해결하기 위해 실리콘 포토닉스(Si Photonics·반도체 칩 위에 광회로를 구현하는 기술), 마이크로 발광다이오드(Micro-LED·초소형 고효율 광원) 등 다양한 광소자 기술을 개발해 왔다. 이번 성과는 광변조기의 효율과 속도를 동시에 높인 것으로, 차세대 AI 데이터센터와 초고속 광통신 시스템에 활용될 수 있을 것으로 기대한다”고 말했다.
본 연구는 KAIST 전기및전자공학부 강동길 박사과정이 제1저자로 연구를 주도했으며, 연구 성과는 반도체 소자 분야 세계 최고 권위 학회 중 하나인 'VLSI 심포지엄(VLSI Symposium on Technology and Circuits)'에서 지난 6월 17일 발표됐다.
※ 논문명 : Depletion-Mode III-V/Si SISCAP Mach-Zehnder Modulator Breaking the Efficiency-Bandwidth Trade-Off for Co-Packaged Optics,
Abstract Link: https://vlsi26.mapyourshow.com/8_0/sessions/session-details.cfm?scheduleid=202
※ 저자 정보 : 강동길(제1저자, KAIST), 이신형(KAIST), 한재훈(KIST), 김종민(KANC), 안석근(삼성전자), 정민혁(삼성전자), 정현철(삼성전자), 김상현(KAIST)
한편 이번 연구는 한국연구재단 중견연구자지원사업, 박사과정생연구장려금지원사업 및 삼성전자의 지원을 받아 수행됐다.
2026.06.23 조회수 1681 -
명현 교수팀, 세계 최고 권위 로보틱스·컴퓨터비전 국제챌린지 나란히 우승
세계 최고 권위의 로보틱스와 컴퓨터비전 학술대회에서 열린 국제 챌린지에서 우리 대학 연구팀이 잇달아 정상에 올랐다.
우리 대학은 전기및전자공학부 명현 교수 연구실 소속 ACDC-K팀과 Curaytor팀이 세계 최고 권위의 국제 로봇 및 자동화 학술대회(ICRA 2026, IEEE International Conference on Robotics and Automation)와 컴퓨터비전 및 패턴 인식 학술대회(CVPR 2026, IEEE/CVF Conference on Computer Vision and Pattern Recognition)의 워크숍 국제 챌린지에서 각각 1위를 차지했다고 19일 밝혔다.
같은 연구실 소속 두 연구팀이 서로 다른 분야의 세계적 챌린지에서 연이어 우승하며 KAIST의 공간인지(주변 환경을 인식하고 위치를 파악하는 기술) 기술 경쟁력을 입증했다.
ACDC-K팀은 지난 6월 1일부터 5일까지 오스트리아 비엔나에서 열린 ICRA 2026의 OCRAIM 워크숍(Open Challenges in Robotics for Asset Inspection Workshop)에서 개최된 ‘힐티×트림블 SLAM 챌린지 2026(Hilti×Trimble SLAM Challenge 2026)’의 동시 위치추정 및 지도작성(SLAM, Simultaneous Localization and Mapping) 부문에서 60여 개 출전팀 가운데 1위를 차지했다.
힐티(Hilti), 트림블(Trimble), 영국 옥스퍼드대학교가 공동 주관한 이번 챌린지는 실제 건설 현장에서 수집된 센서 데이터를 활용해 로봇의 위치를 추정하고 주변 환경 지도를 생성하는 성능을 평가하는 국제 대회로 올해 4회째다. 특히 시야가 겹치지 않는 전방·후방 어안 카메라 구성, 질감 정보가 부족한 저텍스처(low-texture) 실내 환경, 급격한 카메라 움직임 등 실제 건설 현장에서 발생하는 다양한 문제를 해결하는 것이 주요 과제로 제시됐다.
ACDC-K팀은 전방·후방 어안 카메라와 관성 센서(IMU, 가속도·각속도 등을 측정하는 센서) 데이터를 융합하고, 영상 속 특징점(feature point)과 특징선(feature line) 정보를 활용한 독자적인 비전-관성 SLAM(카메라 영상과 관성 센서 정보를 함께 활용하는 위치추정 기술)을 개발했다. 또한 환경 변화에 따라 적응적으로 제약 및 보정 모델을 적용해 복잡한 건설 환경에서도 안정적인 위치 추정과 지도 작성 성능을 구현하며 최고 성적을 거뒀다.
이어 Curaytor팀은 6월 3일부터 7일까지 미국 덴버에서 열린 CVPR 2026의 CV4AEC 워크숍(Computer Vision for the Built World Workshop)에서 개최된 ‘NSS 챌린지 2026(Nothing Stands Still Challenge 2026)’에서 8개 출전팀 가운데 1위를 차지했다.
미국 스탠퍼드대학교, 스위스 취리히 연방공과대학교(ETH Zurich), 미국 오리건주립대학교가 공동 주관한 NSS 챌린지는 시간에 따라 변화하는 건설·산업 환경에서의 3차원 포인트 클라우드(Point Cloud, 공간을 점들의 집합으로 표현한 3차원 데이터) 정합(registration, 서로 다른 시점에서 획득한 데이터를 동일한 좌표계로 맞추는 과정) 기술을 평가하는 국제 챌린지로 올해 3회째다.
Curaytor팀은 서로 다른 시간과 공간에서 수집된 다수의 라이다(LiDAR, 레이저를 이용해 주변 환경의 거리와 형상을 측정하는 센서) 스캔 데이터를 정합하는 독자적인 다중 정합 기술을 개발했다. 특징점 요약 및 대응점 추정, 이상치(outlier)에 강인한 전역 정합, 정합 신뢰도 판단, 변화 감지 기반 결과 정제 기술을 통합해 구조 변화와 동적 객체가 존재하는 환경에서도 안정적인 정합 성능을 달성하며 최고 성능을 입증했다.
명현 교수는 “이번 성과는 실제 건설·산업 환경과 같이 복잡하고 변화가 많은 상황에서도 우리 연구실의 비전·관성 기반 SLAM 기술과 3차원 라이다 정합 기술의 우수성을 입증한 결과”라며 “학생들이 세계적 연구진과 경쟁하는 국제 챌린지에서 최고 성능을 기록했다는 점에서 의미가 크다”고 말했다.
한편 명현 교수 연구실은 힐티 SLAM 챌린지에서 2023년 라이다 부문 전체 1위와 비전 부문 학계 1위를 기록한 바 있으며, NSS 챌린지에서는 2025년에 이어 2026년에도 우승을 차지해 2년 연속 정상에 올랐다. 이를 통해 로보틱스와 컴퓨터비전 분야를 아우르는 공간인지 기술 연구 역량을 국제적으로 인정받고 있다.
2026.06.19 조회수 2013