%ec%8b%9c%ec%8a%a4%ed%85%9c
-
작은 칩으로 약물 부작용·급성 신장 손상 예측 가능성 제시
횡문근융해증은 약물 복용 등으로 근육이 손상되면서, 그 영향이 신장 기능 저하와 급성 신부전으로 이어질 수 있는 질환이다. 그러나 근육과 신장이 인체 내에서 어떻게 서로 영향을 주며 동시에 손상되는지를 직접 관찰하는 데에는 한계가 있었다. 우리 대학 연구진이 이러한 장기 간 상호작용을 실험실 환경에서 정밀하게 재현할 수 있는 새로운 장치를 개발했다.
우리 대학은 기계공학과 전성윤 교수 연구팀이 기계공학과 심기동 교수팀, 분당서울대학교병원 김세중 교수와의 공동 연구를 통해, 약물로 인한 근육 손상이 신장 손상으로 이어지는 과정을 실험실에서 재현할 수 있는 ‘바이오 미세유체시스템(Biomicrofluidic system)’을 개발했다고 5일 밝혔다.
*미세유체시스템: 아주 작은 칩 위에서 인체 장기 환경을 구현한 장치
이번 연구는 근육과 신장을 동시에 연결·분리할 수 있는 모듈형(조립형) 장기칩을 활용해, 약물 유발 근육 손상이 신장 손상으로 이어지는 인체 장기 간 연쇄 반응을 실험실에서 처음으로 정밀하게 재현했다는 점에서 의미가 크다.
연구팀은 실제 인체 환경과 유사한 조건을 구현하기 위해, 입체적으로 구현한 근육 조직과 근위세뇨관 상피세포(신장에서 핵심 역할을 하는 세포)를 하나의 작은 칩 위에서 연결할 수 있는 구조를 개발했다.
해당 시스템은 필요에 따라 장기 조직을 연결하거나 다시 분리할 수 있는 플러그-앤-소켓 방식의 모듈형 미세유체 칩이다. 작은 칩 위에서 실제 사람의 장기처럼 세포와 조직을 배양하고, 서로 영향을 주고받도록 설계됐다.
이 장치에서는 근육과 신장 조직을 각각 가장 적합한 조건에서 따로 배양한 뒤, 실험이 필요한 시점에만 연결해 장기 간 상호작용을 유도할 수 있다. 실험이 끝난 후에는 두 조직을 다시 분리해 각각의 변화를 독립적으로 분석할 수 있으며, 손상된 근육에서 나온 독성 물질이 신장에 미치는 영향을 수치로 확인할 수 있다는 점이 특징이다.
연구팀은 해당 플랫폼을 활용해 실제 임상에서 근육 손상을 유발하는 것으로 알려진 아토르바스타틴(고지혈증 치료제)과 페노피브레이트(중성지방 치료제)를 실험에 적용했다.
그 결과, 칩 위의 근육 조직에서는 근육이 힘을 내는 능력이 떨어지고 구조가 망가졌으며, 마이오글로빈*과 CK-MM** 등 근육 손상 정도를 보여주는 물질의 수치가 증가하는 등 횡문근융해증의 전형적인 변화가 관찰됐다.
*마이오글로빈(Myoglobin): 근육 세포 안에 있는 단백질로 산소를 저장하는 역할을 하며, 근육이 손상되면 혈액이나 배양액으로 유출됨
**CK-MM (Creatine Kinase-MM): 근육에 많이 존재하는 효소로, 근육 세포가 파괴될수록 많이 검출됨
동시에 신장 조직에서는 정상적으로 살아 있는 세포 수가 감소하고 세포 사멸이 증가했으며, 급성 신손상이 발생할 때 증가하는 지표인 NGAL*과 KIM-1**의 발현도 유의미하게 증가했다. 특히 손상된 근육에서 나온 독성 물질이 신장 손상을 단계적으로 더욱 악화시키는 연쇄적인 손상 과정까지 함께 확인할 수 있었다.
*NGAL: 신장 세포가 손상될 때 빠르게 증가하는 단백질
**KIM-1: 신장 세포, 특히 근위세뇨관이 손상될수록 많이 나타나는 단백질
전성윤 교수는 “이번 연구는 근육과 신장 사이에서 발생하는 상호작용과 독성 반응을 실제 인체와 유사하게 분석할 수 있는 기반을 마련했다”며, “이를 통해 앞으로 약물 부작용을 사전에 예측하고, 급성 신손상*이 발생하는 원인을 규명하며, 개인별 맞춤형 약물 안전성 평가로까지 확장할 수 있을 것으로 기대한다”고 말했다.
* 급성 신손상: 신장이 짧은 시간 안에 갑자기 제 기능을 제대로 하지 못하게 되는 상태
김재상 박사가 제1저자로 참여한 이번 연구 성과는 국제 학술지 ‘어드밴스드 펑셔널 머티리어스(Advanced Functional Materials)’에 25년 11월 12일 자로 게재됐다.
※논문명: Implementation of Drug-Induced Rhabdomyolysis and Acute Kidney Injury in Microphysiological System, DOI: 10.1002/adfm.202513519
이번 연구는 과학기술정보통신부와 한국연구재단 등의 지원을 받아 수행됐다.
2026.01.05 조회수 533 -
KAIST IDEC, 전국 단위 시스템반도체 설계 챌린지대회 첫 개최
우리 대학 반도체설계교육센터(IDEC, 소장 박인철)가 주최한 ‘제1회 시스템반도체 설계 챌린지 대회’가 지난 23일 KAIST 학술문화관 정근모 홀에서 성황리에 개최됐다.
이번 대회는 IDEC이 전국 단위로 처음 개최한 반도체 설계 경진대회로, 전국 6개 지역 캠퍼스(경북대, 광운대, 부산대, 전남대, 충북대, 한양대)에서 진행된 예선을 통과한 17개 팀이 본선에 진출해 실력을 겨뤘다.
IDEC은 그동안 지역 캠퍼스를 중심으로 시스템반도체 및 SoC(System on Chip) 설계 전문 인력 양성과 지역 교육 인프라 구축에 핵심적인 역할을 수행해 왔다.
이번 대회는 6개 지역 캠퍼스에서 개별적으로 운영되던 경진대회를 하나의 전국 대회로 통합 개최했다는 점에서 의미가 크다. 특히 지역 교육 활성화는 물론, 전국 단위의 잠재 인재 발굴을 위한 국가적 플랫폼으로서 IDEC의 역할을 강화하는 계기가 됐다.
올해 9월부터 11월까지 약 3개월간 진행된 예선 경진대회에는 전국 6개 지역 캠퍼스에서 총 84개 팀, 학부생 208명이 참가했으며, 캠퍼스별 상위 팀이 선발돼 총 17개 팀이 본선 무대에 올랐다.
이번 대회의 운영위원장은 고려대학교 전상근 교수가 맡았으며, KAIST를 포함한 전국 대학의 교수 10여 명이 평가위원으로 참여해 심사의 공정성과 전문성을 높였다.
박인철 KAIST IDEC 소장은 “이번 대회는 그동안 지역에 국한돼 있던 반도체 설계 경진대회를 전국 단위로 통합·확산했다는 점에서 큰 의미가 있다”며, “IDEC은 앞으로도 지역 거점 캠퍼스를 중심으로 한 교육 플랫폼 역할을 강화해, 반도체 산업을 이끌 잠재적 인재를 조기에 발굴하고 체계적으로 육성해 나가겠다”고 말했다.
본선에서 가장 우수한 성과를 거둔 대상 ‘Avant(아방)’팀과 금상 ‘부산의 인재’팀, 2개 팀에게는 산업통상부 장관상이 수여됐으며, 박인철 KAIST IDEC 소장이 직접 시상해 수상팀의 노력을 격려했다.
대상을 차지한 한양대 ERICA 이건호 학생은 “회로를 공부하며 진로에 대한 고민이 많았는데, 이번 수상을 통해 그간의 노력이 헛되지 않았다는 확신을 얻었다”며 “팀명인 ‘Avant(아방)’의 의미처럼 앞으로는 스스로를 믿고 학업에 더욱 정진해 나가겠다”고 소감을 전했다.
KAIST 반도체설계교육센터(IDEC)는 1995년 설립 이후 국내 반도체 설계 인력 양성의 핵심 기관으로서 역할을 수행해 왔다.
한편 IDEC은 내년에도 제2회 시스템반도체 설계 챌린지 대회를 더욱 발전된 형태로 개최할 예정이며, 지역 거점 교육 플랫폼으로서의 역할을 지속 강화해 대한민국 반도체 산업의 미래를 이끌 우수 인재 발굴과 육성에 기여할 계획이다.
2025.12.24 조회수 685 -
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 1236 -
첨단제조지능혁신센터(연구소장 윤정환 교수) 교육부 글로컬랩 거점형 선정
우리 대학 첨단제조지능혁신센터-AI Plastform Center for Manufacturing (연구소장 윤정환 교수)가 교육부에서 주관하는 글로컬랩 거점형에 선정됐다. 9년간의 연구지원사업으로 연간 15억의 연구비가 지원된다. 25개의 글로컬 산학연 참여기관과 함께 핵심연구로 스마트 소재물성/공정 AI 플랫폼, 인간-로봇 협업, 이기종 장비 자율 협업, 스마트 생산/물류 분야의 융합을 통해 미래자율제조공장 2040을 실현하는 비젼을 가지고 있다. 4개의 핵심과제는 기계공학과(1.윤정환 - 이승철, 2.윤희택 - 경기욱, 3.노민균 - 김산하) 와 산업및시스템공학과(4.장영재 - 김현정) 소속 8명의 교수가 참여한다. 참여기관의 멤버쉽 개념을 도입하여, 9년 후에는 센터의 자립을 목표로 하고 있다.
학문후속세대 사업으로 9년간 석/박사급의 AI 인력 150명 이상을 양성하여 국가 AI 인재풀에 기여하고, 박사인력과 포스트-닥의 해외 파견을 통해 국제화에 이바지할 계획이다. 또한 AI 제조관련 융합 교과목을 개발하고, 도전과제를 통해 학부 및 석/박사 학생들의 창의적 연구를 지원한다. 최신 테스트베드를 설치하여, 지역 및 국내 산업체 인력의 AI 교육에 기여할 계획이다. 특히 작업자가 AI 기술을 습득하여, Knowledge 를 AI 에게 훈련시키는 역할로 전환할 수 있도록 하는 재교육 프로그램을 개발할 예정이다.
첨단제조지능혁신센터 (초대센터장 기계공학과 이두용 교수)는 2020년 기계공학과와 산업및시스템공학과가 공동으로 설립하여 정부출연금사업으로 운영하고 있다.
2025.09.11 조회수 1421 -
제4회 한국인공지능시스템포럼 조찬 강연회 성료
인공지능이 물리적 세계와 직접 맞닿으며 산업 현장에 빠르게 스며드는 ‘Physical AI’ 시대의 흐름을 짚어보는 자리가 마련되었다. 우리 대학 인공지능반도체대학원은 9월 8일(월) 오전 대전 오노마 호텔에서 ‘제4회 한국인공지능시스템포럼(KAISF)’ 조찬 강연회를 개최하였다.
이번 강연회에서는 ㈜로보티즈 표윤석 이사가“Physical AI 연구 동향과 작업형 휴머노이드 AI Worker 개발 히스토리”를 주제로 초청 강연을 진행했다. 표 이사는 글로벌 Physical AI 연구 현황을 소개하며, 로보티즈가 추진 중인 산업 현장 맞춤형 휴머노이드 로봇 개발 전략을 구체적으로 설명하였다.
특히, 모방 학습(Imitation Learning)을 통한 로봇의 작업 습득, 소형·고출력 액추에이터 및 자체 개발 감속기 등 핵심 부품의 기술적 진보는 참가자들에게 실제 산업 현장에서 적용 가능한 로봇 플랫폼의 가능성을 보여주었다. 그는 로보티즈가 제시하는 “노동으로부터의 자유(Freedom from Work)”라는 비전을 바탕으로, 제조·물류·서비스 분야에 특화된 ‘AI Worker’ 개발 사례를 공유하였다.
참석자들은 단순한 기술 개념을 넘어, 현장에서 안정적이고 효율적으로 활용될 수 있는 Physical AI 로봇의 필요성에 깊이 공감하며 활발히 의견을 나누었다.
한국인공지능시스템포럼 유회준 의장(KAIST 교수)은“Physical AI는 세계 각국이 선도권을 확보하기 위해 치열하게 경쟁하는 분야입니다. KAISF는 한국형 산업 생태계를 구축해, 우리 기업들이 글로벌 시장에서 앞서 나갈 수 있도록 지원하겠다.”고 밝혔다.
KAISF는 앞으로 산업계와 학계, 연구기관을 긴밀히 연결하여 한국형 Physical AI 기술이 글로벌 무대에서 경쟁력을 확보할 수 있도록 집중할 계획이다. 이를 통해 AI 반도체, 로보틱스, 시스템 통합을 아우르는 차별화된 산업 생태계 조성을 추진할 것이다.
2025.09.09 조회수 1286 -
복잡한 변형 유전자 네트워크 제어해 정상 회복 성공
기존에는 세포의 한 가지 자극-반응에 따라 유전자 네트워크를 조절하는 방식의 제어 연구가 이루어졌으나, 최근에는 복잡한 유전자 네트워크를 정밀 분석해 제어 타겟을 찾는 연구가 제안되고 있다. 우리 연구진이 세포의 변형된 유전자 네트워크에 적용해 유전자 제어 타겟을 찾아 회복시키는 범용 기술 개발에 성공했다. 이번 연구 성과는 암 가역화와 같은 새로운 항암치료법 및 신약 개발, 정밀의료, 세포치료를 위한 리프로그래밍 등 폭넓게 활용될 것으로 기대된다.
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 대수적 접근법을 활용해 변형된 세포의 자극-반응 양상을 정상으로 회복시킬 수 있는 유전자 제어 타겟을 체계적으로 발굴하는 기술을 개발했다고 28일 밝혔다. 대수적 접근법은 유전자 네트워크를 수학 방정식으로 표현한 뒤 대수 계산을 통해 제어 타겟을 찾아내는 방식이다.
연구팀은 세포 속 유전자들이 서로 얽혀 조절하는 복잡한 관계를 하나의 ‘논리 회로도(불리언 네트워크, Boolean network)’로 표현했다. 이를 바탕으로 세포가 외부 자극에 어떻게 반응하는지를 ‘지형 지도(표현형 지형, phenotype landscape)’로 시각화했다.
그리고 ‘세미 텐서 곱(semi-tensor product)*’이라는 수학적 기법을 활용해 이 지도를 분석한 결과, 어떤 유전자를 조절하면 세포 전체 반응이 어떻게 달라질지 빠르고 정확하게 계산할 수 있는 방법을 만들어 낸 것이다.
*세미텐서곱: 모든 가능한 유전자 조합과 제어 효과를 하나의 대수적 공식으로 계산함
하지만 실제 세포의 반응을 결정하는 주요 유전자들은 수천 개 이상이어서 계산이 매우 복잡하다. 이를 해결하기 위해 연구팀은 ‘수치학적 근사(테일러 근사)’ 기법을 적용해 계산을 단순화했다. 쉽게 말해, 복잡한 문제를 풀기 쉽게 간단한 공식으로 바꾸어도 결과는 거의 똑같이 나오도록 만든 것이다.
이를 통해 연구팀은 세포가 어떤 안정 상태(=끌개, attractor)에 도달하는지를 계산하고, 특정 유전자를 제어했을 때 세포가 어떤 새로운 상태로 바뀌는지를 예측할 수 있게 됐다. 그 결과, 비정상적인 세포 반응을 정상 상태와 가장 유사한 상태로 되돌릴 수 있는 핵심 유전자 제어 타겟을 찾아낼 수 있었다.
조광현 교수팀은 개발한 제어 기술을 다양한 유전자 네트워크에 적용해 실제로 세포의 변형된 자극-반응 양상을 정상으로 회복시킬 수 있는 유전자 제어 타겟을 높은 정확도로 예측할 수 있음을 검증했다.
특히 방광암 세포 네트워크에 적용해, 변형된 반응을 정상으로 회복시킬 수 있는 유전자 제어 타겟들을 찾아냈으며, 또한 면역세포 분화 시 대규모 왜곡된 유전자 네트워크에서도 정상적인 자극-반응 양상을 회복시킬 수 있는 유전자 제어 타겟들을 찾아냈다. 이를 통해 기존에는 매우 오랜 시간의 컴퓨터 시뮬레이션만으로 근사적인 탐색만 가능했던 문제를 빠르고 체계적으로 해결할 수 있게 되었다.
조광현 교수는 “이번 연구는 세포 운명을 결정짓는 유전자 네트워크의 표현형 지형을 분석·제어하는 디지털 셀 트윈(Digital Cell Twin) 모델* 개발의 핵심 원천기술로 평가된다”며 “향후 암 가역화를 통한 새로운 항암치료법, 신약 개발, 정밀의료, 세포치료를 위한 리프로그래밍 등 생명과학·의학 전반에 폭넓게 응용될 수 있을 것으로 기대된다”고 말했다.
*디지털 셀 트윈 모델: 세포 내부에서 실제로 일어나는 복잡한 반응 과정을 디지털 모델로 옮겨와, 실제 실험 대신 가상으로 세포 반응을 시뮬레이션하는 기술
우리 대학 정인수 석사, 코빈 하퍼 박사과정 학생, 장성훈 박사과정 학생, 여현수 박사과정 학생이 참여한 이번 연구 결과는 미국 과학진흥협회(AAAS)에서 출간하는 국제저널 `사이언스 어드밴시스(Science Advances)' 8월 22일 字 온라인판 논문으로 출판됐다.
※ 논문명: Reverse Control of Biological Networks to Restore Phenotype Landscapes
※ DOI: https://www.science.org/doi/10.1126/sciadv.adw3995
한편 이번 연구는 과학기술정보통신부 한국연구재단의 중견연구사업과 기초연구실 사업 등의 지원을 통해 수행됐다.
2025.08.28 조회수 2666 -
윤인수 교수 연구팀이 참여한 '팀 애틀랜타' 미국 DARPA AI 사이버챌린지 우승 쾌거..상금 55억 원
우리 대학은 삼성리서치 김태수 상무가 이끄는 전기및전자공학부 윤인수 교수 연구팀이 POSTECH, 조지아공과대학교(Georgia Tech) 연구진과 함께 구성한 연합팀 ‘팀 애틀랜타(Team Atlanta)’가 8월 8일(현지 시각) 미국 라스베이거스에서 열린 세계 최대 해킹 콘퍼런스‘DEF CON 33’에서, 미국 국방고등연구계획국(DARPA) 주관‘AI 사이버 챌린지(AIxCC)’에서 최종 우승을 차지했다고 9일 밝혔다.
이번 성과로 팀은 미화 400만 달러(약 55억 원)의 상금을 수상하며, 인공지능 기반 자율 사이버 방어 기술의 우수성을 세계 무대에서 입증했다.
AI 사이버 챌린지(AIxCC)는 DARPA와 미국 보건첨단연구계획국(ARPA-H)이 공동 주관하는 2년간의 글로벌 경연으로, 인공지능 기반 CRS를 활용해 소프트웨어의 취약점을 자동 분석·탐지·수정하는 능력을 겨룬다. 대회 총상금은 2,950만 달러이며, 최종 우승팀에는 400만 달러가 수여된다.
대회 결선에서 팀 애틀랜타는 총점 392.76점을 기록해, 2위 Trail of Bits를 170점 이상 차이로 따돌리며 압도적인 성적으로 정상에 올랐다.
팀 애틀랜타가 이번 대회를 통해서 개발한 사이버 추론 시스템(CRS, Cyber Reasoning System)은 대회에서 투입된 다양한 유형의 취약점을 자동으로 탐지하고 상당수를 실시간 패치하는데 성공했다.
결선에 진출한 7개 팀은 총 70개의 인위적(injected) 취약점 중 평균 77%를 발견하고, 그 중 61%를 패치했다. 또한 실제 소프트웨어에서 알려지지 않은 취약점 18건을 추가로 찾아내 AI 보안 기술의 잠재력을 입증했다.
우승팀을 포함한 모든 CRS 기술은 오픈소스로 제공될 예정이며, 병원·수도·전력 등 핵심 인프라 보안 강화에 활용될 전망이다.
팀 애틀랜타의 우리 대학 전기및전자공학부 윤인수 교수는 “엄청난 성과를 이루게 되어 매우 기쁘다. 이번 성과는 한국의 사이버 보안 연구가 세계 최고 수준에 도달했음을 보여주는 쾌거이며, 한국 연구진의 역량을 세계 무대에 보여주게 되어 뜻깊었다”라며, “앞으로도 AI와 보안 기술의 융합을 통해 국가와 글로벌 사회의 디지털 안전을 지키는 연구를 지속하겠다”고 밝혔다.
이광형 우리 대학 총장은 “이번 우승은 KAIST가 미래 사이버 보안과 인공지능 융합 분야에서 세계적인 선도 기관임을 다시 한번 입증한 사례”라며, “우리 연구진이 세계 무대에서 당당히 경쟁하고 성과를 창출할 수 있도록 전폭적인 지원을 이어가겠다”고 말했다.
2025.08.10 조회수 3408 -
60% 이상 챗GPT 추론 성능 향상할 NPU 핵심기술 개발
오픈AI 챗GPT4, 구글 Gemnini 2.5 등 최신 생성형AI 모델들은 높은 메모리 대역폭(Bandwidth) 뿐만 아니라 많은 메모리 용량(Capacity)를 필요로 한다. 마이크로소프트, 구글 등 생성형AI 클라우드 운영 기업들이 엔비디아 GPU를 수십만 장씩 구매하는 이유다. 이런 고성능 AI 인프라 구축의 핵심 난제를 해소할 방안으로, 한국 연구진이 최신 GPU 대비 약 44% 낮은 전력 소모에도 평균 60% 이상 생성형 AI 모델의 추론 성능을 향상할 NPU(신경망처리장치)* 핵심 기술을 개발하는데 성공했다.
*NPU(Neural Processing Unit): 인공신경망(Neural Network)을 빠르게 처리하기 위해 만든 AI 전용 반도체 칩
우리 대학 전산학부 박종세 교수 연구팀과 (주)하이퍼엑셀(전기및전자공학부 김주영 교수 창업기업)이 연구 협력을 통해, 챗GPT와 같은 생성형AI 클라우드에 특화된 고성능·저전력의 NPU(신경망처리장치) 핵심기술을 개발했다고 4일 밝혔다.
연구팀이 제안한 기술은 컴퓨터 아키텍처 분야에서 최고 권위를 자랑하는 국제 학회인 ‘2025 국제 컴퓨터구조 심포지엄(International Symposium on Computer Architecture, ISCA 2025)’에 채택됐다.
이번 연구의 핵심은 추론 과정에서 경량화를 통해 정확도 손실을 최소화하면서도 메모리 병목 문제를 해결해 대규모 생성형AI 서비스의 성능을 개선하는 것이다. 이번 연구는 AI인프라의 핵심 구성요소인 AI반도체와 AI시스템SW를 통합 설계했다는 점에서 그 가치를 높게 인정받았다.
기존 GPU 기반 AI 인프라는 높은 메모리 대역폭과 메모리 용량 요구를 충족하기 위해 다수의 GPU 디바이스가 필요한 반면, 이번 기술은 메모리 사용의 대부분을 차지하는 KV 캐시의 양자화*를 통해 적은 수의 NPU 디바이스만으로 동일 수준의 AI 인프라를 구성할 수 있어, 생성형 AI 클라우드 구축 비용을 크게 절감할 수 있다.
*KV 캐시(Key-Value Cache)의 양자화: 생성형 AI 모델을 작동할 때 성능을 높이기 위해 사용하는 일종의 임시 저장 공간에 데이터 크기를 줄이는 것을 의미(32비트로 저장된 수를 4비트로 바꾸면, 데이터 크기는 1/8로 줄어듬)
연구팀은 기존 NPU 아키텍처의 연산 로직을 변경하지 않으면서 메모리 인터페이스와 통합될 수 있도록 설계했다. 이번 하드웨어 아키텍처 기술은 제안된 양자화 알고리즘을 구현할 뿐만 아니라, 제한된 메모리 대역폭 및 용량을 효율적으로 활용하기 위한 페이지 단위 메모리 관리 기법*과 양자화된 KV 캐시에 최적화된 새로운 인코딩 기법 등을 개발했다.
*페이지 단위 메모리 관리 기법: CPU처럼 메모리 주소를 가상화하여 NPU 내부에서 일관된 방식으로 접근할 수 있게 함
또한, 최신 GPU 대비 비용·전력 효율성이 우수한 NPU 기반 AI 클라우드를 구성할 경우, NPU의 고성능, 저전력 특성을 활용해 운영 비용 역시 크게 절감할 수 있을 것으로 기대된다.
박종세 교수는 “이 연구는 (주)하이퍼엑셀과의 공동연구를 통해 생성형AI 추론 경량화 알고리즘에서 그 해법을 찾았고 ‘메모리 문제’를 해결할 수 있는 NPU 핵심기술 개발에 성공했다. 이 기술을 통해 추론의 정확도를 유지하면서 메모리 요구량을 줄이는 경량화 기법과, 이에 최적화된 하드웨어 설계를 결합해 최신 GPU 대비 평균 60% 이상 성능이 향상된 NPU를 구현했다” 고 말했다.
이어 “이 기술은 생성형AI에 특화된 고성능·저전력 인프라 구현 가능성을 입증했으며, AI클라우드 데이터센터뿐 아니라 능동적인 실행형 AI인 ‘에이전틱 AI ’등으로 대표되는 AI 대전환(AX) 환경에서도 핵심 역할이 기대된다”고 강조했다.
이 연구는 김민수 박사과정 학생과 ㈜하이퍼엑셀 홍성민 박사가 공동 제1 저자로 지난 6월 21일부터 6월 25일까지 일본 도쿄에서 열린 ‘2025 국제 컴퓨터구조 심포지엄(ISCA)’에 발표됐다. 국제적 저명학회인 ISCA는 올해는 570편의 논문이 제출됐으며 그중 127편 만이 채택됐다. (채택률 22.7%).
※논문 제목: Oaken: Fast and Efficient LLM Serving with Online-Offline Hybrid KV Cache Quantization
※DOI: https://doi.org/10.1145/3695053.3731019
한편 이번 연구는 한국연구재단 우수신진연구자지원사업, 정보통신기획평가원(IITP), 인공지능반도체대학원지원사업의 지원을 받아 수행됐다.
2025.07.04 조회수 5280 -
신기정 교수 연구팀, PAKDD 최우수 서베이 논문상 수상
우리 대학 김재철AI대학원 소속 김경호 석사과정, 김선우 박사과정, 이건 석박통합과정(지도교수 신기정)이 지난 6월 호주 시드니에서 열린 제29회 Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)에서 최우수 서베이 논문상(Best Survey Paper Award)을 수상했다.
PAKDD는 데이터 마이닝 분야의 권위 있는 국제 학술대회 중 하나로, 올해는 총 168편의 논문이 발표되었으며, 그 중 김경호, 김선우, 이건 학생이 참여한 논문을 포함한 세 편이 최우수 논문으로 선정되었다.
수상 논문의 제목은 “다중 행동 추천 시스템: 서베이” (Multi-Behavior Recommender Systems: A Survey)이다. 본 서베이 논문은 클릭, 장바구니 담기, 관심 목록 추가, 구매 등 다양한 사용자 행동을 활용해 추천 시스템을 고도화하는 다중 행동 추천 시스템에 대해 체계적으로 정리하고 비교 분석하였다. 또한, 기존 연구의 한계와 향후 개선 방향을 도출함으로써 관련 연구의 발전 가능성을 제시하였다.
신기정 교수는“복합적인 사용자 행동을 통합적으로 이해하고 모델링하는 것이 추천 시스템의 정확도 고도화에 중요한 열쇠가 된다”고 설명했다. 또한 “다중 행동 추천 시스템은 여전히 해결해야 할 기술적 과제가 많고 역동적인 분야”라며, “본 논문이 해당 분야의 기초를 다지고, 이후 연구들이 더욱 창의적이고 실용적인 방향으로 나아가는 데 디딤돌 역할을 하기를 기대한다”고 덧붙였다.
이 연구에는 KAIST 연구팀 이외에도 숭실대학교 정진홍 교수가 참여하였으며, 정보통신기획평가원의 지원을 받은 “EntireDB2AI: 전체 관계형 데이터베이스를 종합적으로 활용하는 심층 표현 학습 및 예측 원천기술과 소프트웨어 개발”과제와 한국연구재단의 지원을 받은 “그래프 파운데이션 모델: 다양한 모달리티 및 도메인에 적용 가능한 그래프 기반 기계 학습”과제의 성과다.
2025.07.02 조회수 2619 -
미생물로 친환경 나일론 유사 플라스틱 개발 성공
폴리에스터 아마이드는 일반적으로 많이 사용되는 플라스틱인 PET(폴리에스터)와 나일론(폴리아마이드)의 장점을 모두 갖춘 차세대 소재다. 하지만 지금까지는 화석 연료에서만 생산할 수 있어 환경오염 문제를 피할 수 없었다. 우리 연구진이 플라스틱을 대체할 미생물을 이용한 신규 바이오 기반 플라스틱을 개발하는데 성공했다.
우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 시스템 대사공학을 이용하여 미생물 균주를 개발하고 여러 가지 신규 유형의 친환경 바이오 플라스틱인 폴리에스터 아마이드를 생산하여, 한국화학연구원(원장 이영국) 연구진과 공동 분석을 통해 생산된 이 플라스틱의 물성 확인까지 성공했다고 20일 밝혔다.
이상엽 특훈교수 연구팀은 자연계에 존재하지 않는 새로운 미생물 대사회로를 설계해 폴리(3-하이드록시뷰티레이트-ran-3-아미노프로피오네이트), 폴리(3-하이드록시뷰티레이트-ran-4-아미노뷰티레이트) 등을 포함한 9종의 다른 폴리에스터 아마이드를 생산할 수 있는 플랫폼 미생물 균주를 개발했다.
폐목재, 잡초 등 지구상에서 가장 풍부한 바이오매스의 주원료인 포도당을 원료로 사용해 폴리에스터 아마이드를 친환경적으로 생산할 수 있도록 했다. 또한 연구팀은 해단 균주의 유가 배양식 발효 공정을 이용해 고효율 생산 (54.57 g/L)을 보임으로써 추후 산업화될 가능성도 확인했다.
우리 연구진은 한국화학연구원 정해민, 신지훈 연구원과 함께 바이오 기반 플라스틱의 물성을 분석한 결과, 기존의 고밀도 폴리에틸렌(HDPE)과 유사한 성질을 갖고 있는 것으로 나타났다. 즉, 친환경적이면서도 기존 플라스틱을 대체할 수 있을 만큼 강도와 내구성이 뛰어나다는 것을 확인했다.
이번 연구에서 개발된 균주 및 전략들은 여러 가지 폴리에스터 아마이드 뿐만 아니라 다른 그룹의 여러가지 고분자들을 생산하는 대사회로들을 구축하는데 유용하게 쓰일 것으로 예상된다.
이상엽 특훈교수는 “이번 연구는 석유화학 산업 기반에 의존하지 않고도 폴리에스터 아마이드(플라스틱)을 재생가능한 바이오기반 화학산업을 통해 만들수 있는 가능성을 세계 최초로 제시한 것으로 앞으로 생산량과 생산성을 더욱 높이는 연구를 이어갈 계획”이라 말했다.
해당 연구 결과는 국제 학술지인 `네이쳐 케미컬 바이올로지(Nature Chemical Biology)'에 3월 17일자로 온라인 게재됐다.
※ 논문명 : Biosynthesis of poly(ester amide)s in engineered Escherichia coli, DOI:10.1038/s41589-025-01842-2)
※ 저자 정보 : 채동언(KAIST, 제1저자), 최소영(KAIST, 제2저자), 안다희(KAIST, 제3저자), 장우대(KAIST, 제4저자), 정해민(한국화학연구원, 제5저자), 신지훈(한국화학연구원, 제6저자), 이상엽(KAIST, 교신저자) 포함 총 7명
한편, 이번 연구는 과기정통부가 지원하는 석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제(과제 책임자 이상엽 특훈교수)의 지원을 받아 수행됐다.
2025.03.20 조회수 9863 -
챗GPT 등 대형 AI모델 학습 최적화 시뮬레이션 개발
최근 챗GPT, 딥시크(DeepSeek) 등 초거대 인공지능(AI) 모델이 다양한 분야에서 활용되며 주목받고 있다. 이러한 대형 언어 모델은 수만 개의 데이터센터용 GPU를 갖춘 대규모 분산 시스템에서 학습되는데, GPT-4의 경우 모델을 학습하는 데 소모되는 비용은 약 1,400억 원에 육박하는 것으로 추산된다. 한국 연구진이 GPU 사용률을 높이고 학습 비용을 절감할 수 있는 최적의 병렬화 구성을 도출하도록 돕는 기술을 개발했다.
우리 대학 전기및전자공학부 유민수 교수 연구팀은 삼성전자 삼성종합기술원과 공동연구를 통해, 대규모 분산 시스템에서 대형 언어 모델(LLM)의 학습 시간을 예측하고 최적화할 수 있는 시뮬레이션 프레임워크(이하 vTrain)를 개발했다고 13일 밝혔다.
대형 언어 모델 학습 효율을 높이려면 최적의 분산 학습 전략을 찾는 것이 필수적이다. 그러나 가능한 전략의 경우의 수가 방대할 뿐 아니라 실제 환경에서 각 전략의 성능을 테스트하는 데는 막대한 비용과 시간이 들어간다.
이에 따라 현재 대형 언어 모델을 학습하는 기업들은 일부 경험적으로 검증된 소수의 전략만을 사용하고 있다. 이는 GPU 활용의 비효율성과 불필요한 비용 증가를 초래하지만, 대규모 시스템을 위한 시뮬레이션 기술이 부족해 기업들이 문제를 효과적으로 해결하지 못하고 있는 상황이다.
이에 유민수 교수 연구팀은 vTrain을 개발해 대형 언어 모델의 학습 시간을 정확히 예측하고, 다양한 분산 병렬화 전략을 빠르게 탐색할 수 있도록 했다.
연구팀은 실제 다중 GPU 환경에서 다양한 대형 언어 모델 학습 시간 실측값과 vTrain의 예측값을 비교한 결과, 단일 노드에서 평균 절대 오차(MAPE) 8.37%, 다중 노드에서 14.73%의 정확도로 학습 시간을 예측할 수 있음을 검증했다.
연구팀은 삼성전자 삼성종합기술원와 공동연구를 진행하여 vTrain 프레임워크와 1,500개 이상의 실제 학습 시간 측정 데이터를 오픈소스로 공개(https://github.com/VIA-Research/vTrain)하여 AI 연구자와 기업이 이를 자유롭게 활용할 수 있도록 했다.
유민수 교수는 “vTrain은 프로파일링 기반 시뮬레이션 기법으로 기존 경험적 방식 대비 GPU 사용률을 높이고 학습 비용을 절감할 수 있는 학습 전략을 탐색하였으며 오픈소스를 공개하였다. 이를 통해 기업들은 초거대 인공지능 모델 학습 비용을 효율적으로 절감할 것이다”라고 말했다.
이 연구 결과는 방제현 박사과정이 제1 저자로 참여하였고 컴퓨터 아키텍처 분야의 최우수 학술대회 중 하나인 미국 전기전자공학회(IEEE)·전산공학회(ACM) 공동 마이크로아키텍처 국제 학술대회(MICRO)에서 지난 11월 발표됐다. (논문제목: vTrain: A Simulation Framework for Evaluating Cost-Effective and Compute-Optimal Large Language Model Training, https://doi.org/10.1109/MICRO61859.2024.00021)
이번 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단, 정보통신기획평가원, 그리고 삼성전자의 지원을 받아 수행되었으며, 과학기술정보통신부 및 정보통신기획평가원의 SW컴퓨팅산업원천기술개발(SW스타랩) 사업으로 연구개발한 결과물이다.
2025.03.13 조회수 6445 -
암세포 발생 순간 되돌리는 분자스위치 발견
조광현 교수 연구팀은 암세포를 죽이지 않고 그 상태만을 변환시켜 정상 세포와 유사한 상태로 되돌리는 암 가역 치료 원천기술을 개발한 바 있다. 이번에는 정상세포가 암세포로 변화되는 순간의 유전자 네트워크에 암 가역화를 유도할 수 있는 분자스위치가 숨겨져 있음을 최초로 밝히는데 성공하였다.
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 정상세포에서 암세포로 변화하는 순간의 임계 전이(臨界轉移, critical transition) 현상을 포착하고 이를 분석해 암세포를 다시 정상세포로 되돌릴 수 있는 분자스위치를 발굴하는 기술 개발에 성공했다고 5일 밝혔다.
임계 전이란 물이 섭씨 100도에서 증기로 변하는 것처럼 특정 시점에 갑작스러운 상태변화가 일어나는 현상을 말한다. 정상세포가 유전적, 후성유전적 변화의 축적으로 인해 특정 시점에 암세포로 변화되는 과정에도 이러한 임계 전이 현상이 나타난다.
연구팀은 암 발생 과정에서 정상세포가 암세포로 전환되기 직전, 정상세포와 암세포들이 공존하는 불안정한 임계 전이 상태에 놓일 수 있음을 발견하고 이러한 임계 전이 상태를 시스템생물학 방법으로 분석해 암화 과정을 역전시킬 수 있는 암 가역화 분자스위치 발굴 기술을 개발했다. 그리고 이를 대장암세포에 적용해 암세포가 정상세포의 특징을 회복할 수 있음을 분자세포실험으로 확인했다.
암 발생의 임계 전이를 관장하는 유전자 네트워크의 컴퓨터 모델을 단일세포 유전자 발현 데이터로부터 자동 추론해내고 이를 시뮬레이션 분석해 암 가역화 분자스위치를 체계적으로 찾아내는 원천기술을 개발한 것이어서 향후 다른 암종의 가역 치료제 개발에도 응용될 수 있을 것으로 기대된다.
조광현 교수는 "정상세포가 되돌릴 수 없는 암세포 상태로 변화되기 직전의 임계 전이 순간을 포착해 암세포의 운명을 다시 정상세포 상태로 되돌릴 수 있는 분자스위치를 발굴해 낸 것이다ˮ라고 말했다.
이어 “특히 이번 연구에서는 그동안 수수께끼로 여겨졌던 암 발생 과정 이면의 세포 내에 어떠한 변화가 일어나는지를 유전자 네트워크 차원에서 상세히 밝혀냈다”며 “암세포의 운명을 다시 정상세포로 되돌릴 수 있는 중요한 단서가 바로 이러한 변화의 순간에 숨어있다는 것을 처음으로 규명한 연구다”라고 강조했다.
우리 대학 신동관 박사(現 국립암센터), 공정렬 박사, 정서윤 박사과정 학생 등이 참여했으며 서울대학교 연구팀이 대장암 환자 오가노이드(체외배양조직)를 제공해 진행된 이번 연구 결과는 와일리(Wiley)에서 출간하는 국제저널 `어드밴스드 사이언스(Advanced Science)' 1월 22일 字 온라인판 논문으로 출판됐다. (논문명: Attractor landscape analysis reveals a reversion switch in the transition of colorectal tumorigenesis) (DOI: https://doi.org/10.1002/advs.202412503)
한편 이번 연구는 과학기술정보통신부 한국연구재단의 중견연구사업과 기초연구실사업, 그리고 보건복지부 한국보건산업진흥원의 질병중심 중개연구사업의 지원을 통해 수행됐다.
2025.02.05 조회수 13113