%ec%a0%95%eb%b3%b4%ec%b2%98%eb%a6%ac
-
뇌처럼 생각·반응하는 반도체 나왔다
뉴랜지스터(Neuransistor)는 ‘뉴런(Neuron) + 트랜지스터(Transistor)’의 합성어로 뇌의 뉴런 특성을 구현하는 트랜지스터라는 의미로 만들어진 새로운 용어이다. 이는 뇌 속 신경세포(뉴런)의 흥분과 억제 반응을 모방하여 시간에 따라 달라지는 정보를 스스로 처리하고 학습할 수 있는 차세대 인공지능 하드웨어의 핵심 반도체 소자다. KAIST 연구진이 뉴랜지스터의 개념을 제시하고 최초로 뉴랜지스터를 개발하는데 성공했다.
우리 대학 신소재공학과 김경민 교수 연구팀이 시간에 따라 변화하는 정보를 효과적으로 처리할 수 있는 액체 상태 기계(Liquid State Machine, 이하 LSM)*의 하드웨어 구현을 가능케 하는 뉴랜지스터 소자 개발에 성공했다.
* 액체상태 기계(LSM): 생물학적 신경망의 동적 특성을 모사해, 시간에 따라 변화하는 입력 데이터를 처리하는 스파이킹 뉴럴 네트워크 모델
현재의 컴퓨터는 동영상과 같이 시간 흐름에 따라 변하는 데이터인 시계열 데이터를 분석하는데 복잡한 알고리즘을 사용하며, 이는 매우 많은 시간과 전력 소모를 필요로 했다.
김경민 교수 연구팀은 이러한 난제를 해결하며 뇌 속 뉴런처럼 흥분하거나 억제되는 반응을 전기 신호만으로 동시에 구현하여 시계열 데이터의 정보 처리에 특화된 단일 반도체 소자를 새롭게 설계했다.
해당 소자는 산화 티타늄(TiO2)과 산화 알루미늄(Al2O3)이라는 두 산화물층을 쌓아 만든 구조로, 두 층이 맞닿는 계면에서는 전자가 자유롭게 빠르게 이동하는 이차원 전자가스(2DEG)** 층이 형성된다. 그리고, 이 층의 양 끝에는 흥분성 및 억제성 신호에 모두 반응하는 뉴런형 소자가 연결되어 있다.
**2DEG(Two-Dimensional Electron Gas): 계면에서 전도성이 우수한 전자 층이 형성되는 현상으로, 높은 이동도와 빠른 응답속도를 제공함
이러한 독특한 구조 덕분에 뉴랜지스터는 게이트 전압의 극성에 따라 소스와 드레인 간에 흥분성(EPSP) 또는 억제성(IPSP) 반응을 선택적으로 구현할 수 있다.
이 소자는 또한 기존 LSM 구현에서 필수적이었던 복잡한 입력 신호 전처리 과정(마스킹)도 간단히 해결했다. 기존에는 '마스킹' 기능 구현이 매우 복잡했으나, 뉴랜지스터는 소스 전극에 가해지는 전압을 조절함으로써 간단하게 마스킹 기능을 구현하고, 시계열 입력 신호를 다차원의 출력 정보로 정확하게 변환하였다. 또한, 높은 내구성과 소자 간의 균일성도 확보해 실용성도 역시 뛰어났다.
연구팀은 뉴랜지스터를 기반으로 복잡한 시계열 데이터를 처리하는 ‘두뇌형 정보처리 시스템’인 LSM을 구현하였다. 실험 결과, 뉴랜지스터를 활용하는 경우 기존의 방식보다 10배 이상 낮은 오차율과 높은 예측 정확도를 기록했고, 학습 속도도 더 빨라졌다.
김경민 교수는 “이번 연구는 인간 뇌의 신호 처리 방식과 유사한 구조를 실제 반도체 소자로 구현했다는 데 큰 의의가 있다”며 “이 기술은 향후 뇌신경 모사형 AI, 예측 시스템, 혼돈 신호 제어 등 다양한 분야에서 중요한 역할을 할 것으로 기대된다”고 전했다.
이번 연구는 신소재공학과 정운형 박사, 김근영 박사가 공동 제1 저자로 참여했으며, 재료 분야 세계적 권위의 국제 학술지 ‘어드밴스드 머터리얼즈(Advanced Materials, IF: 27.4)’에 2025년 4월 8일 字 게재됐다.
(논문명: A Neuransistor with Excitatory and Inhibitory Neuronal Behaviors for Liquid State Machine, DOI: 10.1002/adma.202419122)
한편, 이번 연구는 나노종합기술원, 한국연구재단의 지원을 받아 수행됐다.
2025.04.16 조회수 6572 -
구글딥마인드와 공동연구를 통해 인공지능으로 시각을 상상하다
‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다.
우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다.
인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다.
체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러닝 분야에서 큰 도전 과제로 남아 있다. 이 문제는 언어뿐만 아니라 시각 정보에서도 발생하지만, 지금까지는 주로 언어의 체계적 일반화에만 초점이 맞춰져 있었고, 시각 정보에 관한 연구는 상대적으로 부족했다.
안성진 교수가 이끄는 국제 공동 연구팀은 이러한 공백을 메우고자 시각 정보에 대한 체계적 일반화를 연구할 수 있는 벤치마크를 개발했다. 시각 정보는 언어와는 달리 명확한 `단어'나 `토큰'의 구조가 없어, 이 구조를 학습하고 체계적 일반화를 달성하는 것이 큰 도전이다.
연구를 주도한 안성진 교수는 “시각 정보의 체계적 일반화가 범용 인공지능을 달성하기 위해 필수적인 능력이며 이 연구를 통해 인공지능의 추론능력과 상상능력 관련 분야의 발전을 가속할 것으로 기대한다”고 말했다.
또한, 딥마인드의 책임 연구원으로 연구에 참여한 연구원이자 현재 스위스 로잔연방공과대학교(EPFL)의 찰라 걸셔(Caglar Gulcehre) 교수는 “체계적 일반화가 가능해지면 현재보다 훨씬 적은 데이터로 더 높은 성능을 낼 수 있게 될 것이다”라고 전했다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Imagine the Unseen World: A Benchmark for Systematic Generalization in Visual World Models”, Yeongbin Kim, Gautam Singh, Junyeong Park, Caglar Gulcehre, Sungjin Ahn, NeurIPS 23
2023.11.30 조회수 10787 -
KAIST, 세계적 권위의 AI 학회에서 연구 역량 입증
우리 대학 연구진이 인공지능 분야에서 세계 최고의 권위를 자랑하는 신경정보처리시스템학회(이하, NeurIPS)에서 왕성한 연구 역량과 위상을 입증했다. NeurIPS는 산업계와 학계에서 최신 인공지능 연구를 발표하는 권위 있는 국제학회다. 우리 대학은 2020년에 20편, 2021년에 45편의 논문을 발표했고, 올해도 작년 수준과 비슷한 37편을 게재해 인공지능 분야에서의 왕성한 연구 능력을 학계에 선보였다. 특히, 예종철 김재철AI대학원 교수의 논문(Energy-Based Contrastive Learning of Visual Representations)이 상위 6%만을 선정하는 구두 발표 논문으로 선정되어 질적으로도 우수한 연구 수준을 인정받았다. 이뿐만이 아니라 지난달 28일부터 미국 루이지애나주 뉴올리언스에서 열린 NeurIPS 2022 학회에서 우리 대학 교수진과 동문이 눈에 띄게 활약했다. 오혜연 전산학부 교수(KAIST 인공지능연구원 부원장)와 조경현 동문(KAIST 전산학부 학사 졸업)은 학술위원장 (Program chair)을, 안성진 전산학부 교수는 워크숍위원장(Workshop chair)을 맡았다. 김주호 전산학부 교수는 기조 강연자로 초청되어 ‘인터렉션 센트릭 AI(Interaction-Centric AI)’를 주제로 발표했다. 오혜연 교수는 “다수의 KAIST 연구진이 국제학회 조직위원 및 기조 강연자로 선정되었다는 것은 인공지능 연구 분야에서 KAIST의 위상이 세계적으로 높아졌음을 시사한다”라고 설명했다.
2022.12.11 조회수 11123 -
세계 최초로 사람처럼 사물의 개념을 스스로 학습하는 장면 인식 기술 개발
우리 대학 전산학부 안성진 교수 연구팀이 미국 럿거스(Rutgers) 대학교와 공동연구를 통해 사람의 라벨링 없이 스스로 영상 속 객체를 식별할 수 있는 인공지능 기술을 개발했다고 1일 밝혔다. 이 모델은 복잡한 영상에서 각 장면의 객체들에 대한 명시적인 라벨링 없이도 객체를 식별하는 최초의 인공지능 모델이다.
기계가 주변 환경을 지능적으로 인지하고 추론하기 위해서는 시각적 장면을 구성하는 객체들과 그들의 관계를 파악하는 능력이 필수적이다. 하지만 이 분야의 연구는 대부분 영상의 각 픽셀에 대응하는 객체의 라벨을 사람이 일일이 표시해야 하는 지도적 학습 방식을 사용했다. 이 같은 수작업은 오류가 발생하기 쉽고 많은 시간과 비용을 요구한다는 단점이 있다.
이에 반해 이번에 연구팀이 개발한 기술은 인간과 유사하게 환경에 대한 관측만으로 객체의 개념을 스스로 자가 학습하는 방식을 취한다. 이렇게 인간의 지도 없이 스스로 객체의 개념을 학습할 수 있는 인공지능은 차세대 인지 기술의 핵심으로 기대돼왔다.
비지도 학습을 이용한 이전 연구들은 단순한 객체 형태와 배경이 명확히 구분될 수 있는 단순한 장면에서만 객체를 식별하는 단점이 있었다. 이와 달리 이번에 안성진 교수 연구팀이 개발한 기술은 복잡한 형태의 많은 객체가 존재하는 사실적인 장면에도 적용될 수 있는 최초의 모델이다.
이 연구는 그림 인공지능 소프트웨어인 DALL-E와 같이 텍스트 입력을 통해 사실적인 이미지를 생성할 수 있는 이미지 생성 연구에서 영감을 얻었다. 연구팀은 텍스트를 입력하는 대신, 모델이 장면에서 객체를 감지하고 그 객체의 표상(representation)으로부터 이미지를 생성하는 방식으로 모델을 학습시켰다. 또한, 모델에 DALL-E와 유사한 트랜스포머 디코더를 사용하는 것이 사실적이고 복잡한 영상을 처리할 수 있게 한 주요 요인이라고 밝혔다.
연구팀은 복잡하고 정제되지 않은 영상뿐만 아니라, 많은 물고기가 있는 수족관과 교통이 혼잡한 도로의 상황을 담은 유튜브 영상과 같이 복잡한 실제 영상에서도 모델의 성능을 측정했다. 그 결과, 제시된 모델이 기존 모델보다 객체를 훨씬 더 정확하게 분할하고 일반화하는 것을 확인할 수 있었다.
연구팀을 이끈 안성진 교수는 "인간과 유사한 자가 학습 방식으로 상황을 인지하고 해석하는 혁신적인 기술ˮ이라며 "시각적 상황인지 능력을 획기적으로 개선해 지능형 로봇 분야, 자율 주행 분야뿐만 아니라 시각적 인공지능 기술 전반에 비용 절감과 성능향상을 가져올 수 있다ˮ고 말했다.
이번 연구는 미국 뉴올리언스에서 지난 11월 28일부터 개최되어 12월 9일까지 진행 예정인 세계 최고 수준의 기계학습(머신러닝) 학회인 제36회 신경정보처리학회(NeurIPS)에서 발표됐다.
2022.12.02 조회수 10821 -
이성주, 신진우 교수팀, 스스로 새로운 환경 적응하는 인공지능 기술 개발
우리 대학 전기및전자공학부 이성주 교수와 AI대학원 신진우 교수 연구팀이 공동연구를 통해 스스로 환경변화에 적응하는 테스트타임 적응 인공지능 기술을 개발했다고 밝혔다.
해당 연구는 “NOTE: Robust Continual Test-time Adaptation Against Temporal Correlation”라는 제목으로 인공지능 분야 최고권위 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2022'에서12월 발표될 예정이다.
이성주 교수와 신진우 교수 공동 연구팀이 스스로 새로운 환경에 적응하는 “테스트타임 적응 (Test-Time Adaptation)” 인공지능 기술을 개발하였다. 연구팀이 제안한 알고리즘은 기존의 최고 성능 알고리즘보다 평균 11% 향상된 정확도를 보였다.
기계학습 모델들의 한계점은 학습했던 데이터와 다른 분포의 데이터에 적용되면 성능이 급격히 하락한다는 것이다. 이를 푸는 여러 방법 중에서 데이터를 미리 수집할 필요없이 모델이 스스로 테스트 데이터를 분석하여 변하는 환경에 적응하고 성능을 향상시키는 기술인 테스트타임 도메인 적응 (Test-Time Adaptation) 방법이 최근 산학계에서 크게 각광을 받고 있었다.
연구팀은 기존의 테스트타임 도메인 적응 기술들이 모두 데이터가 이상적인 균일분포를 따른다는 가정을 한다는 문제점에 착안했다. 실제 데이터는 환경 변화나 시간 변화에 따라 데이터 분포가 변하거나 비균일분포의 데이터에 대해서는 기존 기술을 동작하지 않는다. 하지만 연구팀이 제시한 “NOTE” 기술은 비균일분포의 데이터에서도 기존 최대 성능 알고리즘 보다 평균 11%만큼 향상된 정확도를 보였다.
이성주 교수 연구팀과 신진우 교수 연구팀의 공동연구로, 공태식 박사과정이 제1저자로 연구를 이끌었고, 정종헌 박사과정, 김태원 학사과정, 김예원 석사과정이 공동 저자로 기여하였다.
이성주 교수와 신진우 교수는 ”테스트타임 도메인 적응은 인공지능이 스스로 환경 변화에 적응하여 성능을 향상시키는 기술로, 활용도가 무궁무진하다. 이번에 발표될 NOTE 기술은 실제 데이터 분포에서 성능향상을 보인 최초의 기술이고 자율주행, 인공지능 의료, 모바일 헬스케어 등 다양한 분야에 적용이 가능할 것으로 기대된다.” 라고 밝혔다.
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2020R1A2C1004062)과 방위사업청과 국방과학연구소의 지원(UD190031RD)으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행된 연구이다.
2022.10.21 조회수 13425 -
소량의 데이터로 딥러닝 정확도 향상기술 발표
최근 다양한 분야에서 심층 학습(딥러닝) 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, 낙타 사진에 `낙타'라고 정답을 적어줌), 이 과정은 일반적으로 수작업으로 진행되므로 엄청난 노동력과 시간이 소요된다. 따라서 훈련 데이터가 충분하지 않은 상황을 효과적으로 타개하는 방법이 요구되고 있다.
우리 대학 전산학부 이재길 교수 연구팀이 적은 양의 훈련 데이터가 존재할 때도 높은 예측 정확도를 달성할 수 있는 새로운 모델 훈련 기술을 개발했다고 27일 밝혔다.
심층 학습 모델의 훈련은 주어진 훈련 데이터에서 레이블과 관련성이 높은 특성을 찾아내는 과정으로 볼 수 있다. 예를 들어, `낙타'의 주요 특성이 등에 있는 `혹'이라는 것을 알아내는 것이다. 그런데 훈련 데이터가 불충분할 경우 바람직하지 않은 특성까지도 같이 추출될 수 있는 문제가 발생한다. 예를 들어, 낙타 사진의 배경으로 종종 사막이 등장하기에 낙타에 대한 특성으로 `사막'이 추출되는 것도 가능하다. 사막은 낙타의 고유한 특성이 아닐뿐더러, 이러한 바람직하지 않은 특성으로 인해 사막이 아닌 곳(예: 동물원)에 있는 낙타는 인식하지 못할 수 있다.
이 교수팀이 개발한 기술은 심층 학습 모델의 훈련에서 바람직하지 않은 특성을 억제해 충분하지 않은 훈련 데이터를 가지고도 높은 예측 정확도를 달성할 수 있게 해준다.
우리 대학 지식서비스공학대학원에 재학 중인 박동민 박사과정 학생이 제1 저자, 송환준 박사, 김민석 박사과정 학생이 제2, 제3 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2021'에서 올 12월 발표될 예정이다. (논문명 : Task-Agnostic Undesirable Feature Deactivation Using Out-of-Distribution Data)
바람직하지 않은 특성을 억제하기 위해서 분포 外(out-of-distribution) 데이터를 활용한다. 예를 들어, 낙타와 호랑이 사진의 분류를 위한 훈련 데이터에 대해 여우 사진은 분포 외 데이터가 된다. 이때 이 교수팀이 착안한 점은 훈련 데이터에 존재하는 바람직하지 않은 특성은 분포 외 데이터에도 존재할 수 있다는 점이다.
즉, 위의 예에서 여우 사진의 배경으로도 사막이 나올 수 있다. 따라서 다량의 분포 외 데이터를 추가로 활용해 여기에서 추출된 특성은 영(0) 벡터가 되도록 심층 학습 모델의 훈련 과정을 규제해 바람직하지 않은 특성의 효과를 억제한다. 훈련 과정을 규제한다는 측면에서 정규화 방법론의 일종이라 볼 수 있다. 분포 외 데이터는 쓸모없는 것이라 여겨지고 있었으나, 이번 기술에 의해 훈련 데이터 부족을 해소할 수 있는 유용한 보완재로 탈바꿈될 수 있다.
연구팀은 이 정규화 방법론을 `비선호(比選好) 특성 억제'라고 이름 붙이고 이미지 데이터 분석의 세 가지 주요 문제에 적용했다. 그 결과, 기존 최신 방법론과 비교했을 때, 이미지 분류 문제에서 최대 12% 예측 정확도를 향상했고, 객체 검출 문제에서 최대 3% 예측 정확도를 향상했으며, 객체 지역화 문제에서 최대 8% 예측 정확도를 향상했다.
제1 저자인 박동민 박사과정 학생은 "이번 기술은 훈련 데이터 부족 현상을 해결할 수 있는 새로운 방법ˮ 이라면서 "분류, 회귀 분석을 비롯한 다양한 기계 학습 문제에 폭넓게 적용될 수 있어, 심층 학습의 전반적인 성능 개선에 기여할 수 있다ˮ 고 밝혔다.
연구팀을 지도한 이재길 교수도 "이 기술이 텐서플로우(TensorFlow) 혹은 파이토치(PyTorch)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(2020-0-00862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다. (끝).
2021.10.27 조회수 14766 -
김광조 교수, 한국인 최초 세계암호학회 석학회원 선정
〈 김 광 조 교수 〉
우리 대학 전산학부 정보보호대학원 김광조 교수가 한국인 최초로 세계암호학회(IACR) 석학회원에 선정됐다.
세계암호학회는 2004년부터 매년 암호 연구에 지대한 공헌과 학술 활동 진흥에 기여한 회원 중 2~6명을 석학회원으로 선정한다. 아시아, 태평양 지역에서는 일본과 호주에서 각 2명이 선정된 사례가 있으나 한국에서는 김 교수가 최초로 선정됐다.
1981년에 설립된 세계암호학회는 암호학 이론과 응용 관련된 비영리 국제 학회로 매년 3대 암호학회인 유로크립트, 크립토, 아시아크립트(Eurocrypt. Crypto, Asiacrypt) 및 암호이론 워크숍(TCC), 고속 소프트웨어 보안 워크숍(FSE), 공개키 암호 워크숍(PKC), 암호 하드웨어 및 임배디드 시스템 워크숍(CHES) 등을 주관하고 있다.
김광조 교수는 암호와 정보보호 이론 및 응용에 대해 34년 간 종사한 국내를 대표하는 제1세대 전문가로 세계적 수준의 전문성을 갖고 있다.
아시아, 태평양 지역 암호 학계에 우수한 인재를 양성한 점, 국제적 연구 성과를 낸 탁월한 지도력으로 세계 암호학회에 큰 공헌을 한 점을 인정받았다.
김 교수는 2000년부터 2004년까지 세계암호학회 이사를 역임했고 2005년부터 2008년까지는 아시아크립트 조정위원회 의장 업무를 수행했다.
아시아크립트 1996 및 2001, 공개키 암호 워크숍(PKC) 2001, 암호 하드웨어 및 임배디드 시스템 워크숍(CHES) 2014 등의 국내 개최를 유치해 우리나라 암호학 발전에 기여했다.
김 교수는 SCI급 논문 80편 이상을 저술했고 2만 건 이상의 피인용 횟수를 기록하고 있다.
크립토그라피(Cryptography)라는 온라인 저널의 주편집자이자 JMC(Journal of Mathematical Cryptology)의 부편집자, 국제정보처리연합 산하 정보보호위원회(IFIP TC-11)의 한국 대표, 한국정보보호학회 명예회장, 아시아크립트 조정위원회 한국 대표 등으로 활동하고 있다.
김 교수는 “34년간 연구한 암호와 정보보호 성과와 세계 및 국내 암호학회 발전에 기여한 노력이 높은 평가를 받아 세계적 수준의 학자들과 대등한 학술적 지위를 가질 수 있다는 것을 무한한 영광으로 생각한다”고 말했다.
또한 “한국의 암호 연구 위상을 전 세계에 알릴 수 있는 계기를 만들어서 대단히 기쁘고, 국가 사이버 보안 고급 인력을 양성하는 데 전력을 다하고자 한다”고 밝혔다.
2017.03.13 조회수 24313 -
최기선 교수, 한글발전 공로로 옥조근정훈장 수훈
우리 대학 전산학부 최기선 교수가 ‘한글 발전’에 기여한 유공자로 선정돼 옥조근정훈장을 받는다.
수훈식은 10월 9일(금) 오전 세종문화회관에서 열리는 ‘제569돌 한글날 경축식’에서 진행된다.
최기선 교수는 △ 한글과 국어 문장 정보처리를 가능하게 하는 ‘국어 자연언어 정보처리 분석기’를 만들었고 △ 한글 자연언어 처리 공유 소프트웨어를 국제적으로 실용화하였으며△ 한국어를 중심으로 한 컴퓨터용 사전을 개발하는 등 한글의 정보화에 크게 기여하였다.
아울러 한글 정보처리 분야의 능력을 국내외에서 인정받아 국제학술대회와 표준화기구에서 선구적 역할을 지속하고 있다.
이와함께 옥관문화훈장에 고(故) 정재도 선생, 문화포장에 아리타 키르기스스탄 비슈케크 한국어교육원 교사, 고(故) 김진평 선생, 터키 앙카라대학교 마흐무트에르탄 괴크멘 교수가 수상자로 각각 결정됐다.
이밖에 원광호 한국바른말연구원 원장, 최은숙 프랑스 르아브르대학교 부교수가 대통령표창을 받으며, 신경호 일본 고쿠시칸대학교 교수, 다바삼부 에르데네수렌 몽골인문대학교 교수, 비자얀티 라가반 인도 자와할랄 네루대학교 교수가 국무총리표창을 받는다. 끝.
2015.10.08 조회수 11506 -
제9회 엔터테인먼트 컴퓨팅 국제학술대회 개최
- 보다 즐겁고 정교한 가상 세계 구현을 위해 세계 전문가 한 자리에 모여 -
- 현실과 컴퓨터, 디지털 미디어 공간의 간극을 좁히는 미래 방향 제시 -
하루 중 대부분의 시간을 컴퓨터 앞에서 보내고 있는 현대인에게 가상세계는 더 이상 비현실적인 공간이 아니다. 가상세계를 구현하는 엔터테인먼트 컨텐츠 산업은 세계의 신지식경제를 주도하고 고부가가치를 창출하는 새로운 성장 동력원으로 떠오르고 있다.
첨단과학, 디자인, 예술이 인간의 창의력, 감성, 지능과 결부될 때, 가상세계는 우리의 일상과 한층 더 닮게 되고, 이 세계에서 겪는 간접 경험을 통해 우리는 현실에서 부딪치는 문제점을 새로운 시각에서 보고 해결 할 수 있는 안목을 키우게 된다.
가상세계를 보다 더 정교하고 즐거운 공간으로 만들 수 있는 방법은 없을까. 전 세계 엔터테인먼트 컴퓨팅(Entertainment Computing) 전문가가 한 자리에 모여 이 고민을 함께 나눈다.
우리학교는 국제정보처리총연합회(IFIP, UNESCO산하기관)와 공동 주관으로 “제9회 엔터테인먼트 컴퓨팅 국제학술대회(9th International Conference on Entertainment Computing, ICEC 2010, 대표 조직위원장 KAIST 양현승 전산학과 교수)“를 9월8일부터 11일까지, 4일간 서울 COEX에서 개최한다.
“21세기 창조적이고 혁신적인 디지털 엔터테인먼트 컴퓨팅/디자인/컨텐츠”라는 주제로 열리게 될 이번 학회(ICEC 2010)에는 조지 잡러브 소니 픽쳐스 부사장, 맥시밀리아노 가스파리 워너 브라더스 부사장, 돈 마리넬리 카네기멜론대학 엔터테인먼트공학연구소장, 키이스 데블린 스탠포드대학 H-STAR 연구소장, 미디어아트 계의 최고 원로인 로이 애스콧 플래니터리 콜리지움 회장, 아바타/매트릭스/스파이더맨/수퍼맨 등의 특수효과를 담당했던 남가주대학(USC)의 폴 데베벡 교수, 일본 가상현실학회설립자 수수무 다치 동경대 교수, 시게루 사이토 Tose(닌텐도게임제작사) 회장, 준이치 오사다 NEC 수석디자이너 등 산학연 글로벌 리더 15명이 기조 및 초청연사로 참여한다.
컴퓨터그래픽스, 가상현실, Telepresence, 3D/4D, 모바일게임, 애니메이션, 특수효과, 로봇디자인, 콘텐츠 제작 및 배급, 미디어 아트 등 최첨단 디지털엔터테인먼트 산업과 관련해 초청강연, 워크샵, 논문발표, 전시 등 다양한 프로그램이 학회에서 진행될 예정이다.
이 행사는 국제전기전자공학회(IEEE), 국제컴퓨팅학회(ACM), 일본정보처리학회(IPS), 아시아디지털아트 앤드 디자인학회(ADADA), Elsevier 출판사,
한국전자통신연구원(ETRI), SK텔레컴, 한국정보과학회, 한국멀티미디어학회, 한국HCI학회, 한국컴퓨터그래픽스학회, 한국게임학회 등이 후원한다.
행사 관련 상세 내용: www.icec2010.or.kr
2010.09.07 조회수 28302 -
전기및전자공학과 이수영 교수, APNNA 수상
전기및전자공학과 이수영 교수가 지난 12월 3일 방콕에서 열린 ICONIP2009 기간 중에 뇌정보처리 메카니즘의 이해 및 공학적 응용에 대한 연구업적으로 APNNA (Asia-Pacific Neural Network Assembly) Outstanding Achievement Award 를 수상했다.
APNNA는 1994년에 아시아와 태평양 지역의 신경정보처리 연구단체의 협의회로 구성되어, 매년 ICONIP2009 (International Conference on Neural Information Processing)을 개최하는 등 연구자들의 구심체 역할을 수행했다. 뇌정보처리 메카니즘의 이해 및 공학적 응용을 연구하는 신경회로망 분야에서 미국 주도의 INNS (International Neural network Society),유럽의 ENNS (European Neural Network Society)와 대응하는 아시아-태평양 지역의 대표기관으로 일본, 한국, 중국, 대만, 싱가폴, 호주, 뉴질랜드, 인도, 태국 등이 참여하고 있다.
2004년부터 APNNA Outstanding Achievement Award 와 APNNA Excellent Service Award를 수여하고 있다.특히, Outstanding Achievement Award 는 평생의 연구업적을 기반으로 매년 한 사람에게만 수여하는 최고의 상이다.
일본 RIKEN Brain Science Institute 의 소장이던 Shun-ichi Amari 박사,Neocognitron 신경회로망 모델의 창시자인 Kunihiko Fukushima 박사 등이 수상했다.
2009.12.21 조회수 21798