-
화학 원리 이해한 AI 등장...신약·신소재 개발 속도 높인다
스마트폰 배터리가 얼마나 오래 가는지, 난치병을 치료할 신약이 나올 수 있을지는 모두 재료 물질을 구성하는 원자들이 얼마나 안정적으로 결합하느냐에 달려 있다. 이 수많은 원자를 어떻게 배치해야 가장 안정적인 분자가 되는지를 찾는 과정이 ‘분자 설계’의 핵심 과정인데, 그동안은 거대한 산에서 가장 낮은 골짜기를 찾는 것처럼 어려워 막대한 시간과 비용이 필요했다. 우리 대학 연구진이 인공지능으로 이 과정을 빠르고 정확하게 해결하는 신기술을 개발했다.
우리 대학은 화학과 김우연 교수 연구팀이 분자의 안정성을 좌우하는 물리 법칙을 스스로 이해해 구조를 예측하는 인공지능 모델 ‘리만 확산 모델(R-DM)’을 개발했다고 10일 밝혔다.
이 모델의 가장 큰 특징은 분자의 ‘에너지’를 직접 고려한다는 점이다. 기존 인공지능이 분자의 모양을 단순히 흉내 냈다면, R-DM은 분자 내부에서 어떤 힘이 작용하는지를 고려하여 구조를 스스로 다듬는다. 연구팀은 분자 구조를 에너지가 높을수록 언덕, 낮을수록 골짜기로 표현한 지도로 나타내고, 인공지능이 가장 에너지가 낮은 골짜기를 찾아 이동하도록 설계했다.
R-DM은 이러한 에너지 지형 위에서 불안정한 구조를 피해 가장 안정적인 상태를 찾아가며 분자를 완성한다. 이는 수학 이론인 ‘리만 기하학’을 적용한 것으로, 화학의 기본 원리인 ‘물질은 에너지가 가장 낮은 상태를 선호한다’는 법칙을 인공지능이 스스로 학습한 결과다.
실험 결과, R-DM은 기존 인공지능보다 최대 20배 이상 높은 정확도를 보였으며, 예측 오차는 정밀 양자역학 계산과 거의 차이가 없는 수준까지 줄어들었다. 이는 AI 기반 분자 구조 예측 기술 중 세계 최고 수준의 성능이다.
이 기술은 신약 개발은 물론 차세대 배터리 소재, 고성능 촉매 설계 등 다양한 분야에서 활용될 수 있다. 많은 시간이 걸리던 분자 설계 과정을 크게 단축해 연구개발 속도를 획기적으로 높여줄 ‘AI 시뮬레이터’로 기대된다. 또한 화학 사고나 유해 물질 확산처럼 실험이 어려운 상황에서도 화학 반응 경로를 빠르게 예측할 수 있어, 환경·안전 분야에서도 활용 가능성이 크다.
김우연 교수는 “인공지능이 화학의 기본 원리를 이해하고 분자의 안정성을 스스로 판단한 첫 사례”라며 “신소재 개발 방식을 근본적으로 바꿀 수 있는 기술”이라고 말했다.
본 연구는 KISTI 슈퍼컴퓨팅센터 우제헌 박사와 KAIST 혁신신약연구단 김성환 박사가 공동 1저자로 연구를 주도했으며 연구 결과는 세계적 학술지 네이퍼 컴퓨테이셔널 사이언스(Nature Computational Science)에 1월 2일에 게재됐다.
※ 논문명: Riemannian Denoising Model for Molecular Structure Optimization with Chemical Accuracy, DOI: 10.1038/s43588-025-00919-1
한편, 이번 연구는 한국환경산업기술원의 화학사고 예측-예방 고도화 기술개발사업, 과학기술정보통신부 과학기술원 인노코어(InnoCore) 사업, 과학기술정보통신부의 지원을 받아 한국연구재단이 수행하는 데이터사이언스 융합인재양성사업의 지원으로 수행되었다.
2026.02.10
조회수 1132
-
내 PC·모바일도 AI 인프라로...챗GPT 비용 낮춘다
대규모 언어모델(LLM) 기반 AI 서비스는 지금까지 대부분 고가의 데이터센터 GPU에 의존해 왔다. 이로 인해 서비스 운영 비용이 높고, AI 기술 활용의 진입장벽도 컸다. 우리 대학 연구진이 비싼 데이터센터 GPU를 덜 쓰고, 주변에 있는 저렴한 GPU를 활용해 AI 서비스를 더 싸게 제공할 수 있는 기술을 개발했다.
우리 대학은 전기및전자공학부 한동수 교수 연구팀이 데이터센터 밖에 널리 보급된 저렴한 소비자급 GPU를 활용해 LLM 인프라 비용을 크게 낮출 수 있는 새로운 기술 ‘스펙엣지(SpecEdge)’를 개발했다고 28일 밝혔다.
SpecEdge는 데이터센터 GPU와 개인 PC나 소형 서버 등에 탑재된 ‘엣지 GPU’가 역할을 나눠 LLM 추론 인프라를 함께 구성하는 방식이다. 이 기술을 적용한 결과, 기존 데이터센터 GPU만 사용하는 방식에 비해 토큰(AI가 문장을 만들어내는 최소 단위)당 비용을 약 67.6% 절감할 수 있었다.
연구팀은 이를 위해 ‘추측적 디코딩(Speculative Decoding)’이라는 방법을 활용했다. 엣지 GPU에 배치된 소형 언어모델이 확률이 높은 토큰 시퀀스(단어 또는 단어 일부가 순서대로 이어진 형태)를 빠르게 생성하면, 데이터센터의 대규모 언어모델이 이를 일괄 검증하는 방식이다. 이 과정에서 엣지 GPU는 서버의 응답을 기다리지 않고 계속 단어를 만들어, LLM 추론 속도와 인프라 효율을 동시에 높였다.
데이터센터 GPU에서만 추측적 디코딩을 수행하는 방식과 비교해 비용 효율성은 1.91배, 서버 처리량은 2.22배 향상됐다. 특히 일반적인 인터넷 속도에서도 문제없이 작동해, 별도의 특수한 네트워크 환경 없이도 실제 서비스에 바로 적용할 수 있는 기술임을 확인했다.
또한 서버는 여러 엣지 GPU의 검증 요청을 효율적으로 처리하도록 설계돼, GPU 유휴 시간 없이 더 많은 요청을 동시에 처리할 수 있다. 이를 통해 데이터센터 자원을 보다 효율적으로 활용할 수 있는 LLM 서빙 인프라 구조를 구현했다.
이번 연구는 데이터센터에 집중돼 있던 LLM 연산을 엣지로 분산시켜, AI 서비스의 기반이 되는 인프라 비용은 줄이고 접근성은 높일 수 있는 새로운 가능성을 제시했다. 향후 스마트폰, 개인용 컴퓨터, 신경망 처리장치(NPU) 등 다양한 엣지 기기로 확장될 경우, 고품질 AI 서비스가 보다 많은 사용자에게 제공될 수 있을 것으로 기대된다.
연구를 이끈 한동수 교수는 “데이터센터를 넘어 사용자의 주변에 있는 엣지 자원까지 LLM 인프라로 활용하는 것이 목표”라며 “이를 통해 AI 서비스 제공 비용을 낮추고, 누구나 고품질 AI를 활용할 수 있는 환경을 만들고자 한다”고 말했다.
이번 연구에는 KAIST 박진우 박사와 조승근 석사과정이 참여했으며, 연구 결과는 12월 2일부터 7일까지 미국 샌디에이고에서 열린 인공지능 분야 최고 권위 국제 학회인 신경정보처리시스템 학회(NeurIPS)에서 스포트라이트(Spotlight)로 (상위 3.2% 논문, 채택률 24.52%) 발표됐다.
※논문명: SpecEdge: Scalable Edge-Assisted Serving Framework for Interactive LLMs,
논문링크: https://neurips.cc/virtual/2025/loc/san-diego/poster/119940, https://arxiv.org/pdf/2505.17052
한편, 이 연구는 정보통신기획평가원 (IITP) ‘AI-Native 응용 서비스 지원 6G 시스템 기술개발’ 과제의 지원을 받아 수행됐다.
2025.12.29
조회수 943
-
숙련자의 감 · 언어 장벽 넘어 AI가 제조를 판단한다
우리가 쓰는 플라스틱 제품 대부분은 녹인 플라스틱을 틀에 넣어 같은 제품을 대량으로 찍어내는‘사출성형’공정으로 만든다. 하지만 조건이 조금만 달라도 불량이 생겨, 그동안은 숙련자의 감에 의존해 왔다. 이제 우리 대학 연구진이 고숙련자 은퇴와 외국인 인력 증가로 제조 지식이 단절될 수 있다는 우려에 대해 AI로 공정을 스스로 최적화하고 지식을 전수하는 해법을 내놨다.
우리 대학은 기계공학과 유승화 교수 연구팀(기계공학과·이노코어 PRISM-AI 센터)이 사출 공정을 스스로 최적화하는 생성형 AI 기술과, 현장 지식을 누구나 활용할 수 있는 LLM 기반 지식 전이 시스템을 세계 최초로 개발하고, 그 성과를 세계 최고 수준의 국제학술지에 연속 게재했다고 22일 밝혔다.
첫 번째 성과는 환경 변화나 품질 조건에 따라 자동으로 최적 공정 조건을 추론하는 생성형 AI 기반 공정추론 기술이다. 기존에는 온도나 습도, 원하는 품질 수준이 바뀔 때마다 숙련자가 시행착오를 거쳐 조건을 다시 맞춰야 했다.
연구팀은 실제 사출 공장에서 수개월간 수집한 환경 데이터와 공정 파라미터를 활용해, 확산 모델(Diffusion Model) 기반으로 목표 품질을 만족하는 공정 조건을 역설계하는 기술을 구현했다.
여기에 실제 생산을 대신하는 대리모델(Surrogate Model)을 함께 구축해, 공정을 돌리지 않고도 품질을 미리 예측할 수 있도록 했다. 그 결과 기존 공정 예측에 활용되던 기존 대표기술인 GAN*·VAE** 기반 모델의 오류율(23~44%)을 크게 낮춘 1.63%의 오류율을 달성했으며, 실제 공정 적용 실험에서도 AI가 제시한 조건대로 양품 생산이 확인돼 현장 활용 가능성을 입증했다.
*GAN(Generative Adversarial Network, 생성적 적대 신경망): 두 개의 AI가 서로 경쟁하면서 데이터를 만들어내는 방식, **VAE(Variational Autoencoder, 변분 오토인코더): 데이터의 공통된 패턴을 압축해 이해한 뒤 다시 만들어내는 방식
두 번째 성과는 고숙련자 은퇴와 다국어 작업 환경에 대응하는 LLM 기반 지식 전이 시스템 ‘IM-Chat’이다. IM-Chat은 거대언어모델(LLM)과 검색 증강 생성(RAG)을 결합한 멀티에이전트 AI 시스템으로, 초급 작업자 또는 외국인 작업자가 제조 현장에서 겪는 문제에 대해 적절한 해결책을 제공하는 제조 현장용 AI 도우미다.
작업자가 자연어로 질문하면, AI가 이를 이해해 필요에 따라 생성형 공정추론 AI를 자동으로 호출하고, 최적 공정 조건 계산과 함께 관련 기준과 배경 설명까지 동시에 제공한다.
예를 들어 “현재 공장 습도가 43.5%일 때 적정 사출 압력은?”이라는 질문에 AI는 최적 조건을 계산하고, 관련 매뉴얼 근거까지 함께 제시한다. 다국어 인터페이스를 지원해 외국인 작업자도 동일한 수준의 의사결정 지원을 받을 수 있다.
이번 연구는 사출 공정을 넘어 금형, 프레스, 압출, 3D 프린팅, 배터리, 바이오 제조 등 다양한 산업으로 확장 가능한 제조 AI 전환(AX) 핵심 기술로 평가된다.
특히 생성형 AI와 LLM 에이전트를 툴 콜링(Tool-Calling) 방식*으로 통합해, AI가 스스로 판단하고 필요한 기능을 호출하는 자율 제조 AI 패러다임을 제시했다는 점에서 의미가 크다.
*툴 콜링 방식: AI가 상황에 맞게 필요한 기능이나 프로그램을 스스로 불러 사용하는 방식
유승화 교수는 “공정을 스스로 최적화하는 AI와, 현장 지식을 누구나 활용할 수 있는 LLM을 결합해 제조업의 본질적 문제를 데이터 기반으로 해결한 사례”라며 “앞으로 다양한 제조 공정으로 확장해 산업 전반의 지능화와 자율화를 가속하겠다”고 말했다.
이번 연구는 기계공학과 김준영·김희규·이준형 박사과정이 공동 제1저자로 참여하고, 유승화 교수가 교신저자로 참여했으며, 공학·산업 분야 세계 1위 국제학술지인 ‘저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems, JCR 1/69, IF 14.2)’4월호와 12월호에 연속 게재됐다.
※ 논문명1: Development of an Injection Molding Production Condition Inference System Based on Diffusion Model, DOI: https://doi.org/10.1016/j.jmsy.2025.01.008
※논문명2: IM-Chat: A multi-agent LLM framework integrating tool-calling and diffusion modeling for knowledge transfer in injection molding industry, DOI: https://doi.org/10.1016/j.jmsy.2025.11.007
한편, 이번 연구는 과학기술정보통신부·중소벤처기업부·산업통상자원부의 지원을 받았다.
2025.12.22
조회수 2190
-
AI 연구역량·지역균형 혁신의 ‘일석이조’모델로 국가경쟁력 견인
우리 대학은 정부가 최근 발표한 ‘다시 과학기술인을 꿈꾸는 대한민국, 과학기술 강국 도약 방안(11. 7)’에서 KAIST 등 4대 과학기술원이 AX(AI 전환) 혁신 허브이자 지역 혁신 선도 핵심 기관으로 명시됨에 따라, 세계 최고 수준의 과학 인재 양성 및 지역 균형 발전을 가속화하겠다고 9일 밝혔다.
이러한 행보는 이재명 대통령의 정책 기조와 궤를 같이한다. 이재명 대통령은 지난 11월 4일 국무회의에서 “이공계 인재가 국가 경쟁력의 핵심”이라며 “4대 과학기술원의 수시모집 지원자 증가가 나라의 미래를 위해 매우 바람직한 현상”이라고 말했다. 특히 대통령은 “과기원은 지역균형 발전에도 크게 기여할 수 있기 때문에 이공계 전과 허용 확대, 예산 지원 확대, 우수교원 확충, 연구교육 인프라 첨단화 등 실질적인 정책을 적극 모색하라”고 당부한 바 있다.
이광형 KAIST 총장은 “AI 연구역량 강화와 지역균형 발전은 국가 경쟁력을 높이는 ‘일석이조(一石二鳥)’ 전략”이라며 “정부의 정책 기조를 통해 KAIST가 추진해 온 ‘지역이 곧 국가 경쟁력’이라는 혁신 철학이 국가 핵심 방향으로 자리 잡았음을 확인했다”고 화답했다.
실제로 KAIST는 심화되는 의대 쏠림 현상 속에서도 대한민국 과학기술계를 지탱하는 인재 양성의 중심축 역할을 굳건히 이어가고 있다. 4대 과기원의 수시 지원자 증가는 학생들이 의사가 아닌 과학기술인의 꿈을 선택할 수 있는 교육·연구 기반이 성공적으로 마련되었음을 증명한다. KAIST는 이러한 흐름을 가속화하기 위해 'AI 3대 강국(G3)' 도약을 목표로 국가 AI 연구거점(National AI Research Lab) 구축과 차세대 AI 연구 패러다임 선도에 박차를 가하고 있다.
우리 대학은 구글 딥마인드를 능가하는 차세대 바이오 AI 모델 ‘K-Fold’개발 주관과 루닛(Lunit) 컨소시엄 주요 참여기관으로 선정되었을 뿐 아니라, AI 국가대표 사업인 ‘생성AI 선도인재양성사업’둥에 핵심연구진으로 참여하며 산업체의 다양한 기술 수요를 반영한 연구 주제 발굴, 고급 AI 인재 양성, 연구 성과의 산업 현장 실증 등을 통해 대한민국 산업 전반의 AI 전환(AX, AI Transformation)을 이끄는 실전형 리더로 거듭나고 있다.
이 같은 KAIST의 AI 연구 경쟁력은 해외에서도 공식적으로 인정받았다. 엔비디아 젠슨 황(Jensen Huang) CEO는 2025 APEC CEO Summit(10.31) 기조연설에서 KAIST를 “Amazing University”로 직접 소개하며, KAIST의 세계적 연구역량과 글로벌 협력 잠재력을 높이 평가했다.
지역 혁신 또한 본궤도에 올랐다. 우리 대학 대전 본원을 중심으로 전북·경남 등 지역에 피지컬 AI 기반 연구 인프라를 확충하고 있으며, 대전시와 협력한 AI·로봇 기반 ‘로봇밸리 사업’, ‘글로벌혁신창업 성장허브사업’ 등을 통해 지역 산업 고도화와 스타트업의 성장·글로벌 진출을 지원하고 있다.
특히 KAIST 의과학대학원 이정호 교수의 기술을 기반으로 설립된 바이오 기업 ‘소바젠(Sovagen)’이 최근 7,500억 원 규모의 뇌전증 RNA 신약 기술 해외 이전에 성공하며, 대학의 연구가 실제 산업으로 이어지는 혁신 성과의 선순환 모델을 입증했다.
이와 함께 ‘실패연구소’를 통한 도전적 연구문화 확산, ‘주니어 KAIST’ 및 ‘3+4 TUBE 프로그램’을 통한 우수 인재 조기 양성 등 미래 인재 발전 기반도 강화하고 있다. 전문성과 성과 중심의 ‘KAIST 모델’을 통해 지역 대학의 혁신 방향을 제시하는 동시에, 과학 대중화와 사회적 책임 실천에도 앞장서고 있다.
이광형 총장은 “정부와의 긴밀한 협력을 통해 AI 연구 예산 확대와 국제 공동 연구 인프라 구축을 지속 추진할 것”이라며 “미래를 선택한 젊은 인재들을 대한민국 과학기술의 주역으로 육성해 국가와 지역이 함께 성장하는 ‘AI 강국 대한민국’의 중심축 역할을 다하겠다”고 강조했다.
2025.12.09
조회수 883
-
AI로 의과학·바이오 분야 새 시대 연다
우리 대학은 과학기술정보통신부가 주관하는‘AI 특화 파운데이션 모델 개발 사업’의 ‘루닛 컨소시움’ 주요 참여기관으로 선정되어, 의과학·바이오 분야 AI 파운데이션 모델 개발에 본격 착수했다고 14일 밝혔다.
이번 사업을 통해 KAIST는 바이오·의료 데이터 전주기를 아우르는‘의과학 특화 AI 파운데이션 모델’을 개발하며, AI 기반 생명과학 혁신 생태계 조성을 주도할 계획이다.
‘루닛 컨소시움’에는 루닛을 중심으로 트릴리온랩스, 카카오헬스케어, 아이젠사이언스, SK바이오팜, 리벨리온 등 7개 기업과, KAIST, 서울대, NYU, 국민건강보험공단 일산병원, 용인세브란스병원 등 9개 의료기관 및 연구기관이 함께 참여한다.
본 컨소시엄은 최신 B200 GPU 256장을 지원받아, 의료 데이터를 처음부터 끝까지 연결해 분석하는 AI 시스템인‘증거사슬(Chain of Evidence) 기반 전주기 의과학 AI 모델’과 여러 AI가 협력해 진단·예측을 수행하는 시스템인 ‘멀티 에이전트(Multi-Agent) 서비스’를 구축·실증할 예정이다.
우리 대학은 이번 사업에서 전산학부 및 김재철AI대학원 교수진들이 공동 연구팀을 이루어 참여한다. 최윤재, 김태균, 예종철, 김현우, 홍승훈 교수가 연구팀으로 활동하며, 이상엽 연구부총장은 자문 역할을 맡고 있다.
연구진은 데이터를 단순히 수집하는데 그치지 않고, AI가 실제로 학습하고 활용할 수 있도록 의료와 생명과학 데이터를 정교하게 가공하고 체계적으로 관리하는 전략(L1~L7 단계)을 세운다. 이를 통해 의료 정보, 유전자·단백질 데이터, 신약 후보 물질 등 다양한 생명과학 데이터를 연결해 분석하는 AI 모델을 개발·검증할 예정이다.
연구팀이 통합하려는 데이터는 언어에서부터 실제 환자 진료 정보까지 폭넓게 포함된다. 구체적으로는 L1은 언어 데이터, L2는 분자의 구조, L3은 단백질과 항체, L4는 유전자와 단백질 정보를 아우르는 오믹스 데이터, L5는 의약품 정보, L6은 의과학 연구와 임상 데이터, 그리고 L7은 실제 병원에서 얻는 진료 데이터(실세계 임상 데이터) 를 의미한다. 즉, AI가 다루는 데이터는 말과 글에서 시작해, 분자와 단백질, 약물, 임상 연구, 그리고 실제 환자 진료 정보까지 모두 연결된다.
이상엽 부총장은 합성생물학과 시스템 대사공학 분야의 세계적 석학으로, 생명과학·공학·AI 융합을 통한 바이오 제조 플랫폼 구축과 정책 자문을 이끌고 있다. 그는 유전자와 단백질 등 생명정보(오믹스) 분석을 자문하고, 실험 결과를 검증하는 피드백 시스템을 설계해 한국이 개발하는 의료 AI 모델이 국제적 신뢰성과 경쟁력을 확보할 수 있도록 지원하고 있다.
이 부총장은 “AI 기술이 생명과학과 공학의 경계를 허물며 새로운 지식 창출의 패러다임을 만들어가고 있다”며, “KAIST는 의과학 전주기 데이터를 활용해 AI가 질병의 원인을 밝히고 치료를 예측하는 시대를 앞당길 것”이라고 말했다.
이광형 KAIST 총장은 “KAIST는 AI 기반 생명과학 혁신 생태계 조성에 기여하고, 세계 최고 수준의 AI·바이오 융합 연구를 통해 국가 전략산업의 혁신을 선도하며 인류 건강과 과학기술의 진보를 이끌어가겠다”고 밝혔다.
루닛 컨소시움에서 개발되는 모델은 상업적 활용이 가능한 오픈 라이선스(Open License) 형태로 공개되어, 국민건강 챗봇 등 다양한 의료·헬스케어 서비스로 확장될 예정이다.
우리 대학은 이번 참여를 계기로 AI 기반 생명과학 데이터 인프라 구축, 의료 AI 표준화, AI 윤리 및 정책 자문 연구 등을 강화해 국가 바이오·의과학 연구의 AI 전환을 선도할 계획이다.
2025.11.14
조회수 2709
-
트랜스포머의 지능과 맘바의 효율 합한 AI 반도체 두뇌 개발
최근 인공지능(AI) 모델이 길고 복잡한 문장을 이해하고 처리하는 능력이 커지면서, 연산 속도와 메모리 효율을 동시에 높일 수 있는 새로운 반도체 기술의 필요성이 커지고 있다. 이런 가운데 우리 대학 ·국제연구진이 거대언어모델(LLM)의 추론 속도는 4배 높이면서 전력 소비는 2.2배 줄인 트랜스포머(Transformer)와 맘바(Mamba) 하이브리드 구조 기반의 AI 반도체 핵심 두뇌 기술을 세계 최초로 메모리 내부에서 직접 연산이 가능한 형태로 구현하는 데 성공했다.
우리 대학은 박종세 교수 연구팀이 미국 조지아 공과대학교(Georgia Institute of Technology) 및 스웨덴 웁살라 대학교(Uppsala University)와 공동연구를 통해, 차세대 인공지능 모델의 두뇌 역할을 하는 ‘AI 메모리 반도체(PIM, Processing-in-Memory)’ 기반 기술 ‘PIMBA’를 개발했다고 17일 밝혔다.
현재 ChatGPT, GPT-4, Claude, Gemini, Llama 등 LLM은 모든 단어를 동시에 보는 ‘트랜스포머(Transformer)’ 두뇌 구조를 기반으로 작동한다. 이에 따라, AI 모델이 커지고 처리 문장이 길어질수록 연산량과 메모리 요구량이 급증해, 속도 저하와 에너지 소모가 주요 문제로 지적돼 왔다.
이런 트랜스포머 문제점을 보완하기 위해 최근 제시된 순차형 기억형 두뇌인 ‘맘바(Mamba)’ 구조는 시간의 흐름에 따라 정보를 처리하는 방식을 도입해 효율을 높였지만, 여전히 메모리 병목 현상(memory bottleneck)과 전력 소모 한계가 남아 있었다.
박종세 교수 연구팀은 트랜스포머와 맘바의 장점을 결합한 ‘트랜스포머–맘바 하이브리드 모델’의 성능을 극대화하기 위해, 연산을 메모리 내부에서 직접 수행하는 새로운 반도체 구조 ‘PIMBA’를 설계했다.
기존 GPU 기반 시스템은 데이터를 메모리 밖으로 옮겨 연산을 수행하지만, PIMBA는 데이터를 옮기지 않고 저장장치 내부에서 바로 계산을 수행한다. 이로써 데이터 이동 시간을 최소화하고 전력 소모를 크게 줄일 수 있다.
그 결과, 실제 실험에서 PIMBA는 기존 GPU 시스템 대비 처리 성능이 최대 4.1배 향상되었고, 에너지 소비는 평균 2.2배 감소하는 성과를 보였다.
연구 성과는 오는 10월 20일 서울에서 열리는 세계적 컴퓨터 구조 학술대회 ‘제58회 국제 마이크로아키텍처 심포지엄(MICRO 2025)’에서 발표될 예정이며, 앞서 ‘제31회 삼성휴먼테크 논문대상’ 금상을 수상해 우수성을 인정받았다.
※논문명: Pimba: A Processing-in-Memory Acceleration for Post-Transformer Large Language Model Serving, DOI: 10.1145/3725843.3756121
이번 연구는 정보통신기획평가원(IITP), 인공지능반도체대학원 지원사업, 그리고 과학기술정보통신부와 정보통신기획평가원의 ICT R&D 프로그램의 일환으로 한국전자통신연구원(ETRI)의 지원을 받아 수행되었으며, EDA 툴은 반도체설계교육센터(IDEC)의 지원을 받았다.
2025.10.17
조회수 2450
-
서울캠퍼스, 기숙사 리모델링 준공 학생 주거환경 개선
우리 대학은 18일 서울캠퍼스 기숙사 파정사와 소정사의 리모델링 준공·기증식을 개최했다. 행사에는 이광형 총장, 이중근 부영그룹 회장을 비롯한 주요 관계자와 학생들이 함께 했다.
부영그룹은 주택 임대사업과 건설, 교육·문화 지원 등 다양한 사회공헌 활동을 꾸준히 이어온 기업이다. 교육 분야에 대한 관심이 깊어 대학 기숙사 환경 개선을 통한 학생 복지 향상에 앞장서고 있다.
이번 리모델링은 그 일환으로, 지난해 부영그룹이 KAIST 학생들의 안전하고 쾌적한 학습 환경 조성을 위해 체결한 200억 원 규모의 기숙사 환경 개선 기부 약정에 따라 추진됐다.
이번 리모델링 사업은 대전과 서울캠퍼스 기숙사 총 4개 동을 대상으로 진행되고 있다. 이 가운데 파정사와 소정사를 포함한 3개 동이 완공돼 학생들에게 새롭게 개선된 주거공간을 제공하고 있으며, 나머지 1개 동도 공사가 완료될 전망이다.
서울 캠퍼스의 파정사와 소정사의 노후 시설은 이번 리모델링을 통해 외관 공사를 비롯해 기계·전기 등 전반적인 설비가 개선됐다. 두 건물은 기부자의 아호를 따서 ‘우정 파정사’, ‘우정 소정사’으로 명명된다.
이중근 회장은 “우리나라 과학 인재들이 보다 안정적인 보금자리에서 학업과 연구에 정진하길 바라는 생각에서 시작된 기숙사 리모델링 사업이 결실을 맺게 되었다. KAIST가 세계적인 과학기술 혁신 대학으로 발전하는 밑거름이 되기를 기원한다”고 말했다.
이광형 총장은 준공식에서 “회장님의 기부를 통해 새로운 모습으로 탄생한 건물들을 소개할 수 있게 되어 매우 기쁘다”며 “KAIST는 회장님의 큰 뜻에 대한 깊은 감사의 마음을 가슴에 새기며, 세계 최고의 인재 양성을 위해 전심전력을 다하겠다”라고 밝혔다.
2025.09.18
조회수 2535
-
세계 최초 양자컴퓨팅으로 레고처럼 다공성 물질 설계
다성분 다공성 물질(Multivariate Porous Materials, MTV)은 일종의 ‘레고 블록 집합’과 같이 분자 수준에서 맞춤형 설계가 가능한 소재로, 원하는 구조를 자유롭게 구현할 수 있다. 이를 활용하면 에너지 저장·변환을 비롯해 다양한 응용이 가능해 환경 문제 해결과 차세대 에너지 기술 발전에 크게 기여할 수 있다. 우리 연구진은 여기에 양자컴퓨팅을 세계 최초로 도입해 복잡한 MTV 설계의 난제를 해결했으며, 이를 통해 차세대 촉매·분리막·에너지 저장 소재 개발의 혁신적 길을 열었다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 양자컴퓨터를 활용해 수백만 가지 다성분 다공성 물질(이하 MTV)의 설계 공간을 효율적으로 탐색할 수 있는 새로운 프레임워크를 개발했다고 9일 밝혔다.
MTV 다공성 물질은 두 종류 이상의 유기 리간드(링커)와 금속 클러스터와 같은 빌딩 블록 물질 간의 결합을 통해 형성되는 구조로 에너지 및 환경 분야에서 큰 활용 가능성을 갖고 있다. 이는 다양한 구성 조합을 통해 새로운 구조를 설계 및 합성이 가능하고, 대표적으로는 가스 흡착, 혼합가스 분리, 센서, 촉매 등이 있다.
하지만, 구성 성분이 다양해질수록 가능한 조합의 수가 기하급수적으로 늘어나, 기존 방식인 고전 컴퓨터를 이용해 모든 구조를 하나하나 확인하는 방식으로는 복잡한 링커 조합의 MTV 구조의 설계 및 물성 예측이 불가능했다.
연구팀은 복잡한 다공성 구조를 ‘지도 위에 그려진 연결망(그래프)’처럼 표현한 뒤, 각 연결 지점과 블록 종류를 양자컴퓨터가 다룰 수 있는 큐비트로 바꿔 넣었다. 그리고 ‘어떤 블록을 어느 비율로 배치하면 가장 안정적인 구조가 될까?’라는 문제를 양자컴퓨터에게 풀도록 했다.
양자컴퓨터는 동시에 여러 가지 경우를 겹쳐서 계산할 수 있기 때문에, 마치 수백만 가지 레고 집을 한 번에 펼쳐놓고, 그중 가장 튼튼한 집을 빠르게 골라내는 것과 같은 효과를 냈다. 이 덕분에 기존 컴퓨터가 하나씩 다 계산해야 했던 막대한 경우의 수를 훨씬 적은 자원으로 탐색할 수 있다.
또한 연구팀은 실제 보고된 MTV 구조 4가지를 대상으로 실험했는데, 시뮬레이션 뿐만 아니라 IBM 양자컴퓨터에서도 동일한 결과가 나와 ‘실제로도 잘 작동한다”는 가능성을 보여줬다.
앞으로는 이 방법을 머신러닝과 결합해 단순한 구조 설계뿐 아니라 합성 가능성, 가스 흡착 성능, 전기화학적 특성까지 한 번에 고려하는 플랫폼으로 확장할 계획이다.
김지한 교수는 “이번 연구는 복잡한 다성분 다공성 소재 설계의 병목을 양자컴퓨팅으로 해결한 첫 사례”라며, “이번 성과는 탄소 포집·분리, 선택적 촉매 반응, 이온전도성 전해질 등 정밀 조성이 핵심인 분야에서 맞춤형 소재 설계 기술로 폭넓게 응용될 전망이며, 향후 더 복잡한 시스템에도 유연하게 확장될 수 있을 것”이라고 말했다.
이번 연구는 생명화학공학과 강신영·김영훈 박사과정이 공동 제1 저자로 참여했으며, 연구 결과는 국제 학술지 미국 화학회지(ACS Central Science) 8월 22일자 온라인판에 게재됐다.
※ 논문명: Quantum Computing Based Design of Multivariate Porous Materials
※ DOI https://doi.org/10.1021/acscentsci.5c00918
한편 이번 연구는 과학기술정보통신부 중견연구자지원사업과 이종소재지원사업의 지원을 받아 수행됐다.
2025.09.09
조회수 3380
-
KAIST, 생성 AI 국가 R&D 사업서 핵심기술 개발 주도
KAIST는 산업체의 실질적 기술 수요에 기반한 연구 주제 도출, 고급 AI 인재 양성, 연구 성과의 산업 현장 실증을 통해 AI 기술의 산업 적용(AX, AI Transformation) 전환을 주도하고 있다. 이러한 가운데, KAIST가 과학기술정보통신부 주관 생성AI 국가R&D 사업에서 AI 핵심기술 개발에 나서며, 국내 AI 기술 경쟁력 강화에 앞장서고 있다고 13일 밝혔다.
우리 대학은 이번 ‘생성AI 선도인재양성사업’에서 산업체 주관 2개 과제와 기관 주관 1개 과제 등 총 3개 과제 모두의 공동연구기관으로 선정됨으로써, 생성형 AI의 핵심 기술 개발과 산학협력 기반 실무형 핵심 인재 양성이라는 이중 과제를 함께 수행하게 됐다.
또한 ‘독자 AI 파운데이션 모델 개발’사업에서는 총 5개 컨소시엄 중 4개에 우리 교수진이 핵심 연구진으로 참여해, 명실상부한 국내 생성 AI 연구의 중심 축 역할을 하고 있다.
생성AI 선도인재양성사업에서 각 과제당 67억 원, 독자 AI 파운데이션 모델 개발 사업에서 각 컨소시엄은 GPU 인프라 등 총 2,000억 원 규모의 정부 지원을 받는다.
2028년 말까지 진행되는 ‘생성AI 선도인재양성사업’의 일환으로, 우리 대학은 LG AI연구원과 협력, 전산학부 박노성 교수가 KAIST 책임연구자로 참여해 피지컬(Physical) AI 분야 연구를 수행한다. 이 사업은 물리 법칙에 기반한 이미지·비디오 생성 기술과 세계 모델(World Model) 개발에 집중한다.
특히 AI가 물리 세계의 실제 규칙을 더 정밀하게 학습하도록 설계된 모델 구조를 제안한 연구를 박노성 교수팀과 윤성의 교수팀이 진행하고 있고, 이는 물리 기반 생성형 AI(피지컬 AI)의 핵심 기술로 평가받고 있다.
또한 이 과제에는 AI 분야에서 세계적으로 주목받는 성과를 내고 있는 전산학부 박노성, 이재길, 황지영, 윤성의, 김현우 교수가 공동 참여한다. 이들은 올해 AI 분야 최고 학회인 ICLR, ICRA, ICCV, ICML에서 ▲물리 법칙 기반 올리비에-리치 플로우(Ollivier-Ricci Flow) 연구(ICLR 2025, 박노성 교수) ▲사족보행 로봇의 내비게이션 효율성 향상 기술(ICRA 2025, 윤성의 교수) ▲텍스트-비디오 검색을 위한 멀티모달 대형언어모델(ICCV 2025, 김현우 교수) ▲지식 생성을 위한 구조적 표현 학습(ICML 2025, 황지영 교수) 등을 발표했다.
NC AI와의 협력 사업에서는 전산학부 김태균 교수가 책임연구자로 참여해 멀티모달 AI 에이전트 기술을 개발한다. 3D 모델링, 애니메이션, 아바타 표정 생성, 캐릭터 AI 등 게임 산업 전반에 적용 가능한 기술을 연구한다. 게임 제작 파이프라인을 효율화하여 산업 현장을 경험함으로써 실무형 AI 인재를 육성하는 데 기여할 전망이다.
가상세계와 게임 산업에서 몰입감 있는 아바타 구현의 핵심 기술을 개발하고 있는 책임연구자인 김태균 교수는 3차원 컴퓨터 비전, 생성 AI의 석학으로, 이번 메타와 공동 연구를 통해 개발한 1인칭 시점 전신 동작 확산 모델을 VR·AR 환경에 적용할 것이다.
NC와의 사업에는 전산학부 김태균, 성민혁, 오태현 교수와 문화기술대학원 이성희, 우운택, 노준용, 임경태 교수가 참여한다. 이들은 CVPR 2025와 ICLR 2025에서 ▲ 1인칭 시점 전신 동작 확산 모델(CVPR 2025, 김태균 교수) ▲ 이미지 생성을 위한 확률적 확산 동기화 기술(ICLR 2025, 성민혁 교수) ▲ 대규모 3차원 얼굴 메시 비디오 데이터셋 구축(ICLR 2025, 오태현 교수) ▲ 사물 적응적 에이전트 동작 생성 기술 InterFaceRays (Eurographics 2025, 이성희 교수) ▲ 3차원 뉴럴 얼굴 편집 기술 (CVPR2025, 노준용 교수) ▲ 다국어 시각-언어 모델의 선택적 검색 증강 기술 연구(COLING2025, 임경태 교수) 등 세계적인 성과를 발표한 바 있다.
한국전자기술연구원(KETI) 주관 사업에는 김재철AI대학원 김승룡 교수가 생성AI 기술 개발 등에 참여한다. 김 교수팀은 최근에 어도비 리서치(Adobe Research), 구글 딥마인드(Google DeepMind) 등과 함께 비디오 데이터에서 강인한 점추적 정보를 추출하는 기술을 개발하여 비디오를 명확히 이해하고 생성하는 핵심 기술을 제시했다.
각 산업체 파트너는 우리 대학과 공동 강의를 개설하고 보유한 생성AI 파운데이션 모델을 교육·연구용으로 제공한다. 선발된 우수 학생들은 산업체에 파견되어 실무 중심의 연구를 수행하며, 우리 교수진은 LG AI연구원이 설립한 자체 AI 대학원에서 겸임교수로도 활동할 예정이다.
한편 과기정통부 '독자 AI 파운데이션 모델 개발' 사업에 우리 대학은 4개 컨소시엄에 참여해 독보적인 존재감을 보였다.
NC AI 컨소시엄에서는 전산학부 김태균, 윤성의, 박노성, 황지영, 성민혁 교수가 참여해, 멀티모달 파운데이션 모델(LMM) 및 로봇 기반 모델 개발에 집중한다. 특히 공간·물리·시간 상식을 학습하는 방식의 LMM 개발에 주력한다. 즉, 글·그림·영상·소리 등 다양한 정보를 동시에 이해하고 처리할 수 있는 '만능 AI 두뇌'를 가지고 물리 세계를 이해하고 상호작용할 수 있는 차세대 멀티모달 AI 모델 개발에 최적화된 연구팀을 구성했다.
업스테이지 컨소시엄에는 데이터 AI, NLP(자연언어) 각 분야 석학인 전산학부 이재길, 오혜연 교수와 LLM 전문가인 문화기술대학원 임경태 교수가 참여해 금융, 법률, 제조 등 산업별 버티컬 모델 개발을 담당한다. 우리 대학 연구진은 산업 현장에서 바로 적용 가능하고 각 산업에 맞는 실용적 AI 모델 개발에 집중한다.
네이버 컨소시엄에는 멀티모달 학습, 조합적 언어시각 모델에 핵심기술을 가진 전산학부 오태현 교수, 언어 모델을 사용하여 비디오 추론, 생성 방법론을 제시한 김현우 교수와, 김재철AI대학원 및 전자과 교수진이 공동 참여한다.
SKT 컨소시엄에는 텍스트-이미지 생성, 인간 선호도 모델링, 시각적 로봇 조작 기술 개발에서 탁월한 성과를 보이는 김재철AI대학원 이기민 교수가 참여한다. 이 기술은 통신사의 개인화 서비스와 맞춤형 AI 솔루션 개발에 핵심적 역할을 할 것으로 전망된다.
이번 성과는 KAIST가 추진해 온 산업 수요 기반 연구와 현장 실증 중심의 AI 기술 개발 전략이 결실을 맺은 것으로 평가된다.
우리 대학 이광형 총장은 "AI 기술이 학문적 성과를 넘어 산업과 연결되고 실용화되기 위해서는 정부의 지속적 지원과 산학협력 중심의 연구·교육이 핵심”이라며 "KAIST는 앞으로도 산업 현장의 문제를 해결하고 AI 생태계 경쟁력을 높이는 실질적 기여에 힘쓸 것”이라고 밝혔다.
또한 이번 독자 파운데이션 모델 개발 사업에서 KAIST 주관기관으로 지원됐던 김재철AI대학원 황성주 교수 주도의 프로젝트는 아쉽게도 최종 선정에는 이르지 못했지만, 독창적인 접근과 과감한 시도가 돋보인 의미 있는 도전으로 평가받고 있다. 이 총장은 “선정 여부와 관계없이 이러한 시도가 축적되며 대한민국 AI 생태계를 더욱 풍요롭게 만들 것”이라고 덧붙였다.
2025.08.13
조회수 7156
-
GPU 한 대로 95배 빠르게 그래프 분석 AI 'FlexGNN' 개발
텍스트 기반 대규모 언어 모델(LLM)인 ChatGPT 등과 함께, 산업 현장에서는 금융 거래, 주식, SNS, 환자기록, 등 비정형 데이터를 그래프 형태로 분석하는 GNN(Graph Neural Network) 기반의 그래프 AI 모델이 적극 활용되고 있다. 하지만 전체 그래프를 한 번에 학습(풀 그래프 학습)하는데 막대한 메모리와 GPU 서버가 필요하다는 한계점이 있다. KAIST 연구진이 단 한 대의 GPU 서버만으로도 대규모 GNN 모델을 최고속 학습할 수 있는 세계 최고 성능의 소프트웨어 기술 개발에 성공했다.
우리 대학 전산학부 김민수 교수 연구팀이 여러 대의 GPU 서버를 활용하는 기존 방식과 달리 한 대의 GPU 서버에서 대규모 풀(full) 그래프 AI 모델을 빠르게 학습하고 추론할 수 있는 GNN 시스템 ‘FlexGNN(플렉스지엔엔)’을 개발했다고 13일 밝혔다. FlexGNN은 기존 기술 대비 학습 속도를 최대 95배 향상한다.
최근 기후, 금융, 의료, 제약, 제조, 유통 등 다양한 분야에서는 데이터를 정점과 간선으로 구성된 그래프 형태로 변환해 분석 및 예측하는 사례가 증가하고 있다.
전체 그래프를 모두 학습에 활용하는 풀 그래프 방식이 더욱 우수한 정확도를 보이지만, 학습 과정에서 대규모의 중간 데이터(intermediate data)가 발생해 메모리 부족 현상이 빈번히 발생하고, 여러 서버 간의 데이터 통신으로 인해 학습 시간이 길어지는 한계가 있었다.
연구팀이 개발한 FlexGNN은 이러한 문제를 극복하기 위해 여러 대의 GPU 서버 대신 단일 GPU 서버에서 SSD(솔리드 스테이트 드라이브)와 메인 메모리를 활용한 최적의 AI 모델 학습을 수행한다.
특히 데이터베이스 시스템의 질을 최적화시키는 AI 퀴리 최적화 학습을 통해 GPU-메인 메모리-SSD 계층 간 모델 파라미터, 학습 데이터, 중간 데이터를 최적의 시점과 방식으로 계산을 시키는 새로운 학습 최적화 기술을 개발했다.
이를 통해 FlexGNN은 데이터 크기, 모델 규모, GPU 메모리 등 가용 자원 상황에 따라 유연하게 최적의 학습 실행 계획을 생성해 높은 자원 효율성과 학습 속도를 구현한다.
그 결과, 메인 메모리 용량을 훨씬 초과하는 데이터에 대해서도 GNN 모델을 학습하며, 단일 GPU 서버에서도 최대 95배 빠르게 학습이 가능해졌다. 특히 기후 예측 등에서 슈퍼컴퓨터보다 정밀한 분석이 가능한 풀 그래프 AI 구현이 현실화됐다.
우리 대학 김민수 교수는 “날씨 예측과 신소재 발견 등 복잡한 문제를 해결하는데 풀 그래프 GNN 모델이 활발히 활용되면서 관련 기술의 중요성이 점점 높아지고 있다”며 “FlexGNN이 그동안 어려움으로 남아 있던 그래프 AI 모델의 학습 규모와 속도 문제를 획기적으로 해결한 만큼, 다양한 산업 분야에 널리 활용되기를 기대한다”고 밝혔다.
이번 연구는 전산학부 배정민 박사과정이 제1 저자로, 김민수 교수창업기업인 (주)그래파이의 한동형 CTO가 제2 저자로 참여했으며, 김 교수가 교신저자를 맡았다.
연구 결과는 세계적 권위의 데이터마이닝 학술대회인 ‘ACM KDD’에서 지난 8월 5일에 발표됐다. FlexGNN 기술은 향후 (주)그래파이의 그래프 DB 솔루션인 그래프온(GraphOn)에도 적용될 예정이다.
※ 논문제목: FlexGNN: A High-Performance, Large-Scale Full-Graph GNN System with Best-Effort Training Plan Optimization
※ DOI: https://doi.org/10.1145/3711896.3736964
한편, 이번 연구는 과기정통부 IITP SW스타랩과 IITP-ITRC, 그리고 한국연구재단 중견과제의 지원을 받아 수행됐다.
2025.08.13
조회수 3662
-
'추론 속도 · 성능 모두 잡은' AI 확산모델 신기술 개발
확산모델(diffusion model)은 많은 AI 응용에 활용되고 있으나, 효율적인 추론-시간 확장성(inference-time scalability)*에 대한 연구가 부족했다. 이에 연구진은 확산모델에서도 고성능 고효율 추론이 가능한 신기술을 개발했다. 이 기술은 기존 모델이 한번도 성공하지 못한 초대형 미로찾기 태스크에서 100%의 성공률을 기록하며 성능을 입증했다. 이번 성과는 향후 지능형 로봇, 실시간 생성 AI 등 실시간 의사결정이 요구되는 다양한 분야에서 핵심 기술로 활용될 수 있을 것으로 기대된다.
*추론-시간 확장성(inference-time scalability): AI 모델이 추론 단계에서 사용할 수 있는 계산 자원의 양에 따라 성능을 유연하게 조절할 수 있는 능력을 의미한다.
우리 대학 전산학부 안성진 교수 연구팀이 딥러닝 분야 세계적 석학인 몬트리올 대학교 요슈아 벤지오(Yoshua Bengio) 교수와의 공동연구를 통해, 인공지능 확산 모델의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 20일 밝혔다. 이번 연구는 KAIST-MILA(몬트리올 학습 알고리즘 연구소) 프리프론탈 AI 공동연구센터를 통한 협력의 일환으로 수행됐다.
이 기술은 인공지능의 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용함으로써, 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는 핵심 AI 기술로 주목받고 있다. 하지만 현재 다양한 응용 분야에서 활용되고 있는 확산 모델에서는 이러한 스케일링을 효과적으로 구현하는 방법론이 부족하다는 한계가 있었다.
이에 안 교수 연구팀은 벤지오 교수와 협력해, 몬테카를로 트리 탐색(Monte Carlo Tree Search) 기반 새로운 확산 모델 추론 기법을 제안했다.
이 방법은 확산 과정 중 다양한 생성 경로를 트리 구조로 탐색하며, 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있도록 설계됐다. 이를 통해 기존 방법이 0%의 성공률을 보이던‘자이언트-스케일의 미로 찾기’태스크에서 100%의 성공률을 달성했다.
아울러 후속 연구에서는 제안한 방법론의 주요 단점인 느린 속도 문제를 대폭 개선하는 방법을 개발하는데 성공하였다. 트리 탐색을 효율적으로 병렬화하여 비용을 최적화해, 이전 방식 대비 최대 100배 빠른 속도로도 동등하거나 더 우수한 품질의 결과를 얻는 데 성공했다. 이는 제안한 방법론의 추론 능력과 실시간 적용 가능성을 동시에 확보했다는 점에서 큰 의미가 있다.
안성진 교수는 “이번 연구는 고비용 계산이 요구되던 기존 확산 모델의 한계를 근본적으로 극복한 기술”이라며 “지능형 로봇, 시뮬레이션 기반 의사결정, 실시간 생성 AI 등 다양한 분야에서 핵심 기술로 활용될 수 있을 것”이라고 밝혔다.
연구 결과는 전산학부 윤재식 박사과정이 제 1저자로 지난 7월 13일부터 19일까지 캐나다 벤쿠버에서 열린 제42회 국제기계학습학회(ICML 2025)에서 스포트라이트(Spotlight) 논문(전체 채택 논문 중 상위 2.6%)으로 발표됐다.
※ 논문제목: Monte Carlo Tree Diffusion for System 2 Planning (Jaesik Yoon, Hyeonseo Cho, Doojin Baek, Yoshua Bengio, Sungjin Ahn, ICML 25), Fast Monte Carlo Tree Diffusion: 100x Speedup via Parallel Sparse Planning (Jaesik Yoon, Hyeonseo Cho, Yoshua Bengio, Sungjin Ahn)
※ DOI: https://doi.org/10.48550/arXiv.2502.07202,
https://doi.org/10.48550/arXiv.2506.09498
한편, 이번 연구는 한국연구재단의 지원을 받았다.
2025.07.21
조회수 3828
-
6배 정밀한 3D 뇌 모사 플랫폼 구현 성공
기존의 3차원(3D) 신경세포 배양 기술은 뇌의 복잡한 다층 구조를 정밀하게 구현하기 어렵고, 구조와 기능을 동시에 분석할 수 있는 플랫폼이 부족해 뇌 연구에 제약이 있었다. 우리 연구진이 뇌처럼 층을 이루는 신경세포 구조를 3D 프린팅 기술로 구현하고, 그 안에서 신경세포의 활동까지 정밀하게 측정할 수 있는 통합 플랫폼 개발에 성공했다.
우리 대학 바이오및뇌공학과 박제균·남윤기 교수 공동연구팀이 뇌 조직과 유사한 기계적 특성을 가진 저점도 천연 하이드로겔을 이용해 고해상도 3D 다층 신경세포 네트워크를 제작하고, 구조적·기능적 연결성을 동시에 분석할 수 있는 통합 플랫폼을 개발했다고 16일 밝혔다.
기존 바이오프린팅 기술은 구조적 안정성을 위해 고점도 바이오잉크를 사용하지만, 이는 신경세포의 증식과 신경돌기 성장을 제한하고, 반대로 신경세포 친화적인 저점도 하이드로겔은 정밀한 패턴 형성이 어려워 구조적 안정성과 생물학적 기능 사이의 근본적인 상충 관계가 있었다.
연구팀은 묽은 젤로도 정밀한 뇌 구조를 만들고, 층마다 정확히 정렬하며, 신경세포의 활동까지 동시에 관찰할 수 있는 3대 핵심기술을 결합해 정교하고 안정적인 뇌 모사 플랫폼을 완성했다.
3대 핵심기술은 ▲ 묽은 젤(하이드로겔)이 흐르지 않도록 스테인리스 철망(마이크로메시) 위에 딱 붙게 만들어 주는‘모세관 고정 효과’ 기술로 기존보다 6배 더 정밀하게 (해상도 500μm 이하) 뇌 구조를 재현했고 ▲ 프린팅된 층들이 삐뚤어지지 않고 정확히 쌓이도록 맞춰주는 원통형 설계인 ‘3D 프린팅 정렬기’로 다층 구조체의 정밀한 조립과 미세 전극 칩과의 안정적 결합을 보장하였고 ▲ 아래쪽은 전기신호를 측정하고, 위쪽은 빛(칼슘 이미징)으로 동시에 세포 활동을 관찰하는 ‘이중 모드 분석 시스템’기술로 층간 연결이 실제로 작동하는지를 여러 방식으로 동시에 확인할 수 있다.
연구팀은 뇌와 유사한 탄성 특성을 지닌 피브린 하이드로겔을 이용해 3층으로 구성된 미니 뇌 구조를 3D 프린팅으로 구현하고, 그 안에서 실제 신경세포들이 신호를 주고받는 과정을 실험을 통해 입증했다.
위층과 아래층에는 대뇌 신경세포를 배치하고, 가운데층은 비어 있지만, 신경세포들이 가운데를 뚫고 지나가며 연결되도록 설계했다. 아래층에는 미세 센서(전극칩)를 달아 전기신호를 측정하고, 위층은 빛(칼슘 이미징)으로 세포 활동을 관찰한 결과, 전기 자극을 줬을 때 위아래층 신경세포가 동시에 반응했고, 신경 연결을 차단하는 약물(시냅스 차단제)을 넣었더니 반응이 줄어들어 신경세포들이 진짜로 연결돼서 신호를 주고받고 있다는 것을 입증했다.
바이오및뇌공학과 박제균 교수는 “이번 연구는 뇌 조직의 복잡한 다층 구조와 기능을 동시에 재현할 수 있는 통합 플랫폼의 공동개발 성과”임을 강조하며, “기존 기술로 14일 이상은 신호 측정이 불가했던 것에 비해 27일 이상 안정적인 미세 전극 칩 인터페이스를 유지하면서 구조-기능 관계를 실시간으로 분석할 수 있어, 향후 신경질환 모델링, 뇌 기능 연구, 신경독성 평가 및 신경 보호 약물 스크리닝 등 다양한 뇌 연구 분야에 활용할 수 있을 것”이라고 말했다.
바이오및뇌공학과 김수지 박사와 윤동조 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘바이오센서스 앤 바이오일렉트로닉스(Biosensors and Bioelectronics)’에 2025년 6월 11일 자로 온라인판에 게재됐다.
※논문명: Hybrid biofabrication of multilayered 3D neuronal networks with structural and functional interlayer connectivity
※DOI: https://doi.org/10.1016/j.bios.2025.117688
한편, 이번 연구는 한국연구재단 글로벌 기초연구실지원사업, 중견연구 및 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2025.07.16
조회수 4214