-
최정우 교수팀, 세계 최고 음향 AI 챌린지 세계 1위 쾌거
‘음향 분리 및 분류 기술’은 드론, 공장 배관, 국경 감시 시스템 등에서 이상 음향을 조기에 탐지하거나, AR/VR 콘텐츠 제작 시 공간 음향(Spatial Audio)을 음원별로 분리해 편집할 수 있도록 하는 차세대 인공지능(AI) 핵심 기술이다.
우리 대학 전기및전자공학부 최정우 교수 연구팀이 세계 최고 권위의 음향 탐지 및 분석 대회인 ‘IEEE DCASE 챌린지 2025’에서 ‘공간 의미 기반 음향 장면 분할(Spatial Semantic Segmentation of Sound Scenes)’ 분야에서 우승을 차지했다고 11일 밝혔다.
이번 대회에서 연구팀은 전 세계 86개 참가팀과 총 6개 분야에서 경쟁 끝에 최초 참가임에도 세계 1위 성과를 거두었다. KAIST 최정우 교수 연구팀은 이동헌 박사, 권영후 석박통합과정생, 김도환 석사과정생으로 구성되었다.
연구팀이 참가한 ‘공간 의미 기반 음향 장면 분할’의 ‘태스크(Task) 4’분야는 여러 음원이 혼합된 다채널 신호의 공간 정보를 분석해 개별 소리를 분리하고 18종으로의 분류를 수행해야 하는 기술 난이도가 매우 높은 분야이다. 연구팀은 오는 10월, 바르셀로나에서 열리는 DCASE 워크숍에서 기술을 발표할 예정이다.
연구팀의 이동헌 박사는 올해 초 트랜스포머(Transformer)와 맘바(Mamba) 아키텍처를 결합한 세계 최고 성능의 음원 분리 인공지능을 개발했으며, 챌린지 기간 동안 권영후 연구원을 중심으로 1차로 분리된 음원의 파형과 종류를 단서로 해 다시 음원 분리와 분류를 수행하는‘단계적 추론 방식’의 AI 모델을 완성했다.
이는 사람이 복잡한 소리를 들을 때 소리의 종류나 리듬, 방향 등 특정 단서에 기반해 개별 소리를 분리해 듣는 방식을 AI가 모방한 모델이다.
이를 통해, 순위를 결정하는 척도인 AI가 소리를 얼마나 잘 분리하고 분류했는지 평가하는‘음원의 신호대 왜곡비 향상도(CA-SDRi)*’에서 참가팀 중 유일하게 두 자릿수 대의 성능(11 dB)을 보여, 기술적인 우수성을 입증하였다.
*음원의 신호대 왜곡비 향상도(CA-SDRi): 기존의 오디오와 비교해 얼마나 더 선명하게(덜 왜곡되게) 원하는 소리를 분리했는지를 dB(데시벨) 단위로 측정하고 숫자가 클수록 더 정확하고 깔끔하게 소리를 분리했다는 뜻임
최정우 교수는 "연구팀은 최근 3년간 세계 최고의 음향 분리 AI 모델을 선보여 왔으며, 그 결과를 공식적으로 인정받는 계기가 되어 기쁘다”면서 “난이도가 대폭 향상되고, 타 학회 일정과 기말고사로 불과 몇 주간만 개발이 가능했음에도 집중력 있는 연구를 통해 1위를 차지한 연구팀 개개인이 자랑스럽다”고 소감을 밝혔다.
‘IEEE DCASE 챌린지 2025’는 온라인으로 진행됐으며, 4월 1일부터 시작해 6월 15일 인공지능 모델 투고를 마감했고 지난 6월 30일 결과가 발표됐다. 각종 음향 관련 탐지 및 분류 기술을 평가하는 IEEE 신호처리학회(Signal Processing Society) 산하 국제대회인 본 챌린지는 2013년 개최된 이래 음향 분야 인공지능 모델의 세계적인 경연의 장으로 자리매김해 왔다.
https://dcase.community/challenge2025/task-spatial-semantic-segmentation-of-sound-scenes
한편, 해당 연구는 교육과학기술부의 재원으로 한국연구재단 중견연구자지원사업, STEAM 연구사업 지원 및 방위사업청 및 국방과학연구소 재원으로 미래국방연구센터 지원을 받아 수행됐다.
2025.07.11
조회수 265
-
부작용·내성 극복한 신개념 칸디다증 치료제 개발
칸디다증은 곰팡이균(진균)의 일종인 칸디다(Candida)가 혈액을 통해 전신으로 퍼지며 장기 손상과 패혈증을 유발할 수 있는 치명적인 감염 질환이다. 최근 면역 저하 치료, 장기 이식, 의료기기 사용 등이 증가함에 따라 칸디다증 발병이 급증하고 있다. 한국 연구진이 기존 항진균제와 달리, 칸디다균에만 선택적으로 작용해 높은 치료 효능과 낮은 부작용을 동시에 갖춘 차세대 치료제를 개발하는데 성공했다.
우리 대학 생명과학과 정현정 교수 연구팀이 서울아산병원 정용필 교수팀과의 협력을 통해, 칸디다 세포벽의 두 핵심 효소를 동시에 저해하는 유전자 기반 나노치료제(FTNx)를 개발했다고 8일 밝혔다.
현재 사용 중인 칸디다의 항진균제들은 표적 선택성이 낮아 인체 세포에도 영향을 미칠 수 있으며, 이에 내성을 가지는 새로운 균의 출현으로 인해 치료 효과가 점차 떨어지고 있다. 특히 면역력이 저하된 환자들에게는 감염의 진행이 빠르고 예후도 좋지 않아, 기존 치료제의 한계를 극복할 수 있는 새로운 치료법의 개발이 시급한 상황이다.
이에 연구팀이 개발한 치료제는 전신 투여가 가능하며, 유전자 억제 기술과 나노소재 기술을 융합함으로써 기존 화합물 기반의 약물들이 가지는 구조적 한계를 효과적으로 극복하고, 칸디다균에만 선택적으로 치료하는데 성공했다.
연구팀은 칸디다라는 곰팡이균의 세포벽을 만드는 데 중요한 두 가지 효소 — β‑1,3‑글루칸 합성효소(FKS1)와 키틴 합성효소(CHS3)를 동시에 표적하는 짧은 DNA 조각(antisense oligonucleotide, ASO)을 탑재한 금 나노입자 기반의 복합체를 제작했다.
여기에 칸디다 세포벽의 특정 당지질 구조(당과 지방이 결합된 구조)와 결합하는 표면 코팅 기술을 적용하여 표적유도장치를 장착함으로써, 인체 세포에는 아예 전달되지 않고 칸디다에만 선택적으로 작용하는 정밀 타겟팅 효과를 구현하는 데 성공했다.
이 복합체는 칸디다 세포 내로 진입한 후, FKS1 및 CHS3의 유전자가 만들어내는 mRNA를 잘라버려서 번역을 억제해 세포벽 성분인 β‑1,3‑글루칸과 키틴의 합성을 동시에 차단한다. 이로 인해 칸디다 세포벽은 구조적 안정성을 유지하지 못하고 붕괴되며, 세균의 생존과 증식이 억제된다.
실제로 쥐에서 전신 칸디다증 모델 실험을 통해 치료 효과를 검증한 결과, 치료군에서 칸디다의 장기 내 균 수 감소, 면역 반응 정상화, 그리고 생존율의 유의미한 증가가 관찰됐다.
연구를 주도한 정현정 교수는 “이번 연구는 기존 치료제가 인체 독성과 약제내성 확산 문제를 극복하는 방법을 제시하며, 유전자 치료의 전신 감염 적용 가능성을 보여주는 중요한 전환점”이라며, “향후 임상 적용을 위한 투여 방식 최적화 및 독성 검증 연구를 지속적으로 진행할 계획”이라고 밝혔다.
해당 연구는 생명과학과 정주연 학생 및 서울아산병원 홍윤경 박사가 제1 저자로 참여했으며, 국제학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 7월 1일 자로 게재됐다.
※ 논문명 : Effective treatment of systemic candidiasis by synergistic targeting of cell wall synthesis
※ DOI : 10.1038/s41467-025-60684-7
이번 연구는 보건복지부 및 한국연구재단의 지원을 받아 수행됐다.
2025.07.08
조회수 767
-
최문정 교수, 유엔 AI 국제회의 자문위원 선임...한국인 유일
우리 대학 과학기술정책대학원 최문정 교수가 유엔(UN) 산하 국제전기통신연합(ITU, International Telecommunication Union)*에서 주관하는 『AI 포 굿 글로벌 서밋(AI for Good Global Summit)』의 ‘사회적 가치를 위한 혁신(Innovate for Impact)’ 자문위원으로 선임되었다고 8일 밝혔다.
*ITU(International Telecommunication Union): 정보통신기술(ICT) 분야에서 가장 오랜 역사를 가진 유엔(UN) 전문기구로, 전 세계 ICT 정책과 표준을 조율하는 핵심 기관이다.
이번 위원회는 인공지능(AI)의 사회적 가치 실현과 지속가능한 발전을 위한 글로벌 협력 방안을 모색하기 위해 구성되었으며, 전 세계 각지의 전문가들이 위원으로 참여한다. 한국인으로는 최문정 교수가 유일하게 이름을 올렸다.
AI 포 굿 글로벌 서밋은 7월 8일부터 11일까지 스위스 제네바에서 열리며, ITU가 주관하고 약 40여 개의 유엔 산하 기관들이 공동으로 참여한다. 본 서밋은 AI 기술을 활용해 인류가 직면한 글로벌 과제를 해결하는 것을 목표로, ▲AI 활용 사례 발굴 ▲국제적 정책 및 기술 표준 논의 ▲글로벌 파트너십 강화 등을 핵심 의제로 다룰 예정이다.
최문정 교수는 이번 서밋에서 ‘사회적 가치를 위한 혁신(Innovate for Impact)’ 자문위원으로서 세계 각국의 AI 활용 사례를 평가하고 공공성과 사회적 영향을 중심으로 사례 분석에 참여한다.
이번 서밋에서 기술 성능 경쟁을 넘어 AI가 공익에 어떻게 기여할 수 있는지 논의하고 세계 각국의 다양한 사례를 모아 함께 토론한다. 특히 서밋 내 정책 패널 토론에서는‘책임있는 AI 개발(Responsible AI Development)’을 주제로 AI의 투명성, 포용성, 공정성을 위한 정책적 프레임워크에 대해 논의할 예정이다.
최 교수는 “기술의 사회적 영향은 각국의 가치관과 시스템을 반영하는 거울과 같다고 생각한다. 각 사회의 핵심 가치가 기술에 스며들어, 국가마다 AI가 개발되고 사용되는 방식이 매우 다르게 나타나는데, 이러한 차이는 AI가 사회에 미치는 영향에서도 다른 양상으로 나타난다”라고 말했다.
이어 “한국이 지향하는 ‘AI 강국’의 모습은 단순히 기술력에서 앞서는 것이 아니라, 사람 중심의 AI를 통해 사회자본을 증진하고, 함께 살아가는 공동체적 가치를 실현하는 방향이어야 한다고 생각한다”고 강조했다.
최문정 교수는 현재 과학기술정책대학원장으로 재직 중이며, 한국지능정보사회진흥원 비상임이사(2023년~), 한·OECD 디지털사회 이니셔티브 의장(2024년~)을 맡고 있다.
AI 포 굿 글로벌 서밋에 대한 자세한 정보는 웹사이트(https://aiforgood.itu.int)에서 확인할 수 있다.
2025.07.08
조회수 573
-
항암제 내성 없앤다! 당뇨병 등 난치성 질환 치료도 기대
암 치료의 큰 걸림돌 중 하나는 항암제에 대한 암세포의 내성이다. 기존에는 내성 암세포를 제거할 수 있는 새로운 표적을 찾는 방식이 주를 이뤘지만, 오히려 더 강한 내성을 유도할 수 있다는 한계가 있었다. 이에 우리 연구진이 내성 암세포를 다시 약물에 반응하게 만들 수 있는 핵심 유전자를 자동으로 예측하는 컴퓨터 기반 방법론을 개발했다. 이 기술은 다양한 암 치료뿐 아니라 당뇨병 등 난치성 대사 질환에도 활용될 수 있어 주목된다.
우리 대학 생명화학공학과 김현욱 교수와 김유식 교수 연구팀이 인체 대사를 시뮬레이션할 수 있는 컴퓨터 모델인 대사 네트워크 모델을 활용해, 항암제에 내성을 가진 유방암 세포를 약물에 민감화시킬 수 있는 새로운 약물 표적을 예측하는 컴퓨터 기반 방법론을 개발했다고 7일 밝혔다.
연구진은 암세포의 대사 변형이 약물 내성 형성에 관여하는 주요한 특징으로 주목하고, 항암제 내성 유방암 세포의 대사를 조절해 약물 반응성을 높일 유전자 표적을 예측하는 대사 네트워크 모델 기반 방법론을 개발했다.
연구진은 먼저 독소루비신(doxorubicin)과 파클리탁셀(paclitaxel)에 각각 내성을 지닌 MCF7 유방암 세포주에서 얻은 단백체 데이터를 통합해 세포별 대사 네트워크 모델을 구축했다. 이어 모든 대사 유전자에 대해서 유전자 낙아웃(결실) 시뮬레이션*을 수행하고, 그 결과를 분석했다.
*유전자 낙아웃 시뮬레이션: 특정 유전자를 가상으로 제거한 상태에서 생물학적 네트워크의 변화를 계산적으로 예측하는 방법
그 결과, 특정 유전자의 단백질을 억제하면, 항암제에 잘 듣지 않던 내성 암세포가 다시 항암제에 반응하도록 만들 수 있다는 것을 알아냈다. 독소루비신 내성 세포에서는 GOT1 유전자를, 파클리탁셀 내성 세포에서는 GPI 유전자를 선별했으며, 두 약물 공통으로는 SLC1A5 유전자를 표적으로 선별했다.
예측하여 선별한 유전자를 실제로 억제해 본 결과, 내성 암세포가 항암제에 다시 반응하게 됨을 실험적으로 검증했다.
나아가 같은 항암제에 내성을 갖는 다른 종류의 유방암 세포에서도 같은 유전자를 억제했을 때 항암제에 다시 민감해지는 효과가 일관되게 나타나는 것을 확인할 수 있었다.
김유식 교수는 “세포 대사는 감염병, 퇴행성 질환 등 다양한 난치성 질환에서 중요한 역할을 한다”며, “이번에 개발된 대사 조절 스위치 예측 기술은 약물 내성 유방암 치료를 넘어, 치료제가 없는 다양한 대사 질환에도 적용될 수 있는 기반 기술이 될 것”이라고 말했다.
연구를 총괄한 김현욱 교수는 “이번 연구의 가장 큰 의의는 컴퓨터 시뮬레이션만과 최소한의 실험 데이터만으로 내성 암세포를 다시 약물에 반응하게 만들 수 있는 핵심 유전자를 정밀하게 예측할 수 있다는 점”이라며, “이 방법론은 다양한 암종과 대사 관련 난치성 질환의 새로운 치료 표적 발굴에도 폭넓게 활용될 수 있을 것”이라고 강조했다.
우리 대학 생명화학공학과 임진아 박사과정생과 정해덕 박사과정생이 공동 제1 저자로 참여한 이번 연구는 생명과학·물리·공학·사회과학 등 다양한 분야의 최고 수준 연구를 다루는 다학제 국제 학술지인 미국국립과학원회보(PNAS) 6월 25일 자 온라인에 게재됐다.
※ 논문명 : Genome-scale knockout simulation and clustering analysis of drug-resistant breast cancer cells reveal drug sensitization targets
※ 저자 정보 : 임진아(한국과학기술원, 공동 제1 저자), 정해덕(한국과학기술원, 공동 제1 저자), 유한석(서울대학교병원, 교신저자), 김유식(한국과학기술원, 교신저자), 김현욱(한국과학기술원, 교신저자) 포함 총 10명
※ DOI: https://doi.org/10.1073/pnas.2425384122
이번 연구는 과학기술정보통신부 한국전자통신연구원 및 한국연구재단의 지원을 받아 수행됐다.
2025.07.07
조회수 651
-
마이크로 OLED로 난치성 뇌질환 치료 '게임 체인저' 기술 제시
광유전학 기술은 빛에 반응하는 광 단백질이 발현된 뉴런에 특정 파장의 빛 자극을 통해 뉴런의 활성을 조절하는 기술로 다양한 뇌질환의 원인을 규명하며 난치성 뇌질환의 새로운 치료 방법을 개발할 가능성을 열고 있다. 이 기술은 인체의 뇌에 삽입하여 자극을 주는 의료 기기인 ‘뉴럴 프로브’를 통해 정확하게 자극하고 무른 뇌 조직의 손상을 최소화해야 한다. 이에 우리 연구진이 마이크로 OLED를 활용해 얇고 유연한 인체 삽입형 의료기기로 구현함으로써 뉴럴 프로브의 새로운 패러다임을 제시했다.
우리 대학 전기및전자공학부 최경철 교수와 이현주 연구팀이 공동 연구를 통해, 유연한 마이크로 OLED가 집적된 광유전학용 뉴럴 프로브 개발에 성공했다고 6일 밝혔다.
광유전학 연구에서 주요 기술은 광원의 빛을 뇌로 전달하는 방식으로 외부 광원으로부터의 깊은 뇌 영역까지 빛을 전달하기 위해 수십 년간 광섬유를 사용해 왔다. 하지만 단일 뉴런을 자극하기 위한 유연 광섬유, 초미세 광원 집적 뉴럴 프로브 등 관련 연구가 이뤄지고 있다.
연구팀은 마이크로 OLED는 높은 공간적 해상도와 유연성을 가져, 매우 작은 영역의 뉴런에서도 정확하게 빛을 조사할 수 있어 세밀한 뇌 회로 분석이 가능하고 동물의 움직임에 불편함을 주지 않으면서 부작용을 최소화하는 장점에 주목했다. 그뿐만 아니라, 미세한 파장 조절을 통해 정밀한 빛 조절이 가능하며 다중 자극을 통한 복잡한 뇌 기능 연구가 가능하다.
하지만, 체내 수분이나 물에 의해 전기적 특성이 쉽게 열화되기 때문에 생체 삽입형 전자장치로 활용되는데 한계가 있었고, 얇고 유연한 탐침 위 고해상도 집적 공정에 대한 세부적인 최적화도 필요했다.
공동연구팀은 수분과 산소가 많은 생체 내 환경에서 OLED의 구동 신뢰성을 높이며 생체 삽입 시 조직 손상을 최소화하고자, 산화알루미늄/파릴렌-C(Al2O3/parylene-C)로 구성된 초박막 유연 봉지막*을 얇은 탐침 형태인 260~600마이크로미터(μm) 너비로 패터닝해 생체친화성을 유지했다.
* 봉지막: 소자를 외부 환경요인인 산소와 물 분자로부터 완전히 차단하는 막 기술로 소자의 수명을 유지시키고 신뢰성을 줌
또한, 고해상도 마이크로 OLED를 집적함에 있어 전체 소자의 유연성과 생체친화성을 유지하기 위해, 봉지막과 동일한 생체친화 재료인 파릴렌-C(parylene-C)를 활용하였다. 아울러, 인접한 OLED 픽셀 간 전기적 간섭 현상을 제거하고 각 픽셀을 공간적으로 분리하기 위해 구조적 레이어인 ‘화소 정의막(pixel define layer)’을 도입함으로써, 8개의 마이크로 OLED를 독립적으로 개별 구동할 수 있도록 구현했다.
마지막으로, 소자 내 다중 박막층의 잔류 응력과 두께를 정밀하게 조절함으로써, 생체 내 환경에서도 소자의 유연성을 유지할 수 있도록 하였다. 이를 통해 외부 셔틀이나 바늘과 같은 보조 장치 없이도 단일 탐침만으로 휘어짐 없이 삽입이 가능하도록, 소자의 기계적 스트레스를 최적화해 설계했다.
결론적으로 연구팀은 채널로돕신2의 활성화에 적합한 470나노미터(nm) 파장에서 1밀리와트/제곱밀리미터(mW/mm2)이상의 광 파워 밀도를 가지는 즉, 광유전학 및 생체조직 자극 응용에서 상당히 높은 수준의 광출력을 가진 마이크로 OLED 집적 유연 뉴럴 프로브를 개발했다.
또한, 초박막 유연 봉지막은 2.66×10⁻⁵ g/m²/day의 낮은 수분 투습률을 보이며 소자 수명은 10년 이상 유지할 수 있고, 패릴렌-C(parylene-C)를 기반으로 생체 내 높은 봉지막 성능을 발휘하며, 전기적 간섭과 휨 이슈 없이 집적된 OLED의 개별 구동을 성공적으로 시연했다.
이번 연구를 주도한 최경철 교수 연구팀의 이소민 박사는 “고유연·고해상도의 마이크로 OLED를 얇은 유연 탐침 위에 집적하는 세부 공정 및 생체 적용성, 친화성 향상에 집중했다”며 “이번 연구는 기존 연구를 넘어 유연 프로브 형태에 최초로 개발해 보고된 사례로, 유연 OLED가 인체 삽입형 측정 및 치료 의료기기로서의 새로운 패러다임을 제시할 것으로 기대된다”고 말했다.
이번 연구는 전기및전자공학부 이소민 박사가 제1 저자로 나노 분야의 권위 있는 국제 학술지 `어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials, IF 18.5)'에 지난 3월 26일 字로 온라인 게재됐으며, 전면 표지 논문으로 이번 7월에 선정됐다.
※ 논문명: Advanced Micro-OLED Integration on Thin and Flexible Polymer Neural Probes for Targeted Optogenetic Stimulation
※ DOI: https://doi.org/10.1002/adfm.202420758
한편, 이번 연구는 과학기술정보통신부 한국연구재단의 전자약 기술개발사업(연구 과제명: 뇌인지-정서 향상 빛 자극 전자약의 핵심원천기술 개발 및 생체 적용가능성 검증)의 지원을 받아 수행됐다.
2025.07.07
조회수 520
-
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 916
-
KAIST-사우디 킹사우드대, AI 공동 연구 협력 추진
우리 대학과 사우디아라비아 킹사우드대학교(King Saud University, 총장 압둘라 알살만)는 7월 3일 서울 도곡캠퍼스에서 회의를 갖고, 인공지능(AI) 및 디지털 플랫폼 구축을 위한 전략적 협력을 추진하기로 했다고 4일 밝혔다.
글로벌 AI 생태계는 사용자나 개발자의 활용이 제한된 미국의 클로즈드(폐쇄형) 모델(OpenAI, Google 등)과 중국의 자국 중심 기술 체계를 중심으로 양분화되는 추세다. 이러한 미·중 양강 구도 속에서, 한국을 비롯한 여러 국가들은 기술적 다양성과 접근성을 보장할 수 있는 제3의 협력 모델 구축 필요성을 꾸준히 제기해 왔다. 이에 대해 이광형 총장은 오픈소스 기반의 국제 협력체 구상을 바탕으로, 기존의 양극적 디지털 질서를 넘어 상호협력·공존하는 AI 신질서인 ‘삼분지계(三分之計)’ 전략을 제안한 바 있다.
이번 KAIST-킹사우드대 협력은 기술적 다양성과 접근성을 확보하기 위한 새로운 AI 모델을 공동으로 모색하려는 시도다. 이러한 흐름은 앞서 언급한 국제적 논의와도 맞닿아 있다. 특히 오픈 AI 모델을 기반으로 한 협력 체제를 통해 중동과 동남아시아 지역에서 혁신적인 다자 협력 기반을 마련하고자 하는 취지다.
양 기관은 각기 다른 강점을 바탕으로 상호 보완적인 협력 구도를 기대하고 있다. 사우디아라비아는 대규모 자본력과 디지털 인프라를 기반으로 전략적 투자가 가능한 국가이며, 한국은 AI 원천기술과 응용 역량, 그리고 우수한 인재 생태계에서 경쟁력을 갖추고 있다.
양국은 이러한 역량을 결합해 '투자-기술-인재'가 선순환하는 지속 가능한 협력 모델을 구현할 방침이다. 이를 통해 기존의 AI 기술 패권 구조와는 차별화된 개방형 플랫폼을 구축하고, 글로벌 AI 생태계의 다양성 증진에 기여할 것으로 기대된다.
이번 면담에서 양 기관은 향후 협력의 구체적 방향에 대해 의견을 모았다. 주요 협력 사항으로는 ▲오픈소스 기반 AI 기술 및 디지털 플랫폼 공동 개발 ▲KAIST-KSU 공동 학위 과정의 개설 및 운영 ▲양교 간 학생·교수·연구 인력 교류 프로그램의 확대 ▲기초과학 및 STEM(과학·기술·공학·수학) 분야의 공동연구 활성화 등이 논의됐다.
특히 AI 분야에서는 공동 연구소 설립을 통해 오픈 AI 모델 개발과 실제 산업 적용을 위한 프로젝트를 추진하기로 했다. 이는 기술의 접근성 확대를 통해 더 많은 국가와 기관이 AI 혁신에 참여할 수 있는 환경을 조성하는 것을 목표로 한다.
압둘라 알살만 총장은 "사우디아라비아는 비전 2030 하에 개방 정책과 전략적 투자를 통해 과학기술 혁신을 추진하고 있다"며, "KAIST와의 협력은 중동 지역의 AI 생태계 구축과 디지털 경쟁력 확보에 실질적인 기반이 될 것"이라고 밝혔다.
이광형 총장은 "사우디의 투자 역량과 KAIST의 기술 혁신력, 그리고 양국의 우수한 인재 자원을 결합하면 글로벌 AI 생태계의 다양성 증진에 크게 기여할 수 있다"라고 강조했다.
이어 이총장은 “ 양교가 AI 공동연구를 통해 독자적인 AI 모델을 개발한다면 미국-중국 중심의 디지털 질서에 새로운 영역을 창출하는 ‘삼분지계(三分之計)’의 구도를 실현함으로써 중동·북아프리카(MENA) 및 아세안(ASEAN) 지역을 넘어 세계 시장으로 나아갈 수 있을 것”이라는 미래 비전을 제시했다.
양 기관은 이번 논의 내용을 바탕으로 조만간 공식 업무협약(MOU)을 체결할 예정이다. 이후 구체적 협력 방안을 마련하고, 공동 연구소 설립과 글로벌 인재 양성 프로그램 추진에 본격 착수할 계획이다.
이번 협력은 외교부 산하 한국국제교류재단(KF)의 '해외 유력 인사 초청사업'을 통해 시작되었으며, KF의 지속적 지원 하에 장기적이고 전략적인 파트너십으로 발전할 것으로 기대된다.
2025.07.04
조회수 714
-
정확도·효율성 높인 생명과학 데이터 분석 도구 'scICE' 개발
기존보다 최대 30배 빠른 속도로 안정적인 결과만을 자동으로 선별하여 대규모 생명과학 데이터 분석의 정확도와 효율성을 획기적으로 향상하는 방법이 나왔다. 우리 대학 수리과학과 김재경 교수 연구팀은 세포 분류(클러스터링) 결과의 안정성을 수학적으로 평가해 불안정한 결과를 걸러내는 새로운 분석 도구인 ‘scICE(single-cell Inconsistency Clustering Estimator)’를 개발했다.
단일세포 수준에서 유전자 발현을 분석하는 기술인 단일세포 전사체 분석법(scRNA-seq)은 현대 생명과학 연구의 핵심 도구로 자리 잡았다. 이 과정에서 클러스터링은 유사한 유전자 발현 특성을 가진 세포들을 그룹으로 묶는 작업으로, 암세포와 정상 세포를 구분하거나 새로운 세포 유형을 발견하는 데 중요한 첫걸음이다. 하지만 클러스터링 알고리즘은 무작위로 세포를 분류해 같은 데이터를 분석해도 결과가 달라지는 경우가 많다.
제1 저자인 김현 선임연구원은 “일부 정상 세포가 암세포로 잘못 분류되거나 중요한 세포 유형이 누락되는 불안정성으로 인해 연구자들은 다시 분석하거나 복잡한 계산을 통해 신뢰도가 높은 결과를 선별해야 했다”며, “기존 방법들은 분석을 여러 번 반복해 합의된 결과를 도출하는 방식으로, 계산량이 방대하고 수만 개 이상의 세포가 포함된 대용량 데이터에는 적합하지 않다”고 말했다.
연구팀이 개발한 scICE는 한 번의 분석만으로도 얼마나 일관성 있게 결과가 도출됐는지를 수학적으로 평가한다. 새로 도입한 ‘불일치 계수(Inconsistency Coefficient, IC)’를 통해 많은 계산량이 요구되는 연산 없이도 클러스터 간 안정성을 정량적으로 판단할 수 있다. 모든 세포를 일일이 비교하던 기존 방식과 달리, 불일치 계수를 활용한 안정성 평가는 클러스터 구조 간 유사성만 평가해 비교 대상을 획기적으로 줄일 수 있어 분석 시간을 크게 단축한다.
연구팀은 뇌, 폐, 혈액 등 다양한 조직에서 수집된 48개의 실제 및 모의 scRNA-seq 데이터에 scICE를 적용하여 그 유효성을 입증했다. 그 결과, 기존 분석 결과 중 약 3분의 2는 통계적으로 불안정하며 신뢰하기 어렵다는 사실을 밝혀냈다. 반면, scICE는 신뢰할 수 있는 결과만을 선별해 연구자의 시간과 계산 자원을 절약하면서도 정확도를 한층 높였다.
또한, scICE는 일반적인 클러스터링으로는 놓치기 쉬운 희귀한 세포 유형을 효과적으로 탐지했다. 실제로 일부 데이터에서 찾기 어려웠던 희귀 면역세포들을 scICE 기반의 서브클러스터링을 통해 안정적으로 식별해냈다. 예를 들어, 매우 복잡한 분석을 거쳐야만 식별할 수 있던 여러 대식세포(macrophage) 아형들을 훨씬 간편하고 정확하게 구분해냈다.
scICE에 관심 있는 연구자는 누구나 깃허브 사이트(https://github.com/Mathbiomed/scICE)를 통해 쉽게 활용해볼 수 있다.
김재경 교수는 “이번 연구는 수학적 아이디어가 어떻게 생명과학의 핵심 문제를 해결하고 분석 과정을 혁신할 수 있는지를 보여주는 성과”라며, “클러스터링 신뢰도의 중요성이 간과되어 온 측면이 있는데, 이번 기회로 scICE가 생명과학 분야에서 신뢰도 높은 데이터 해석을 가능케 하는 표준 도구로 자리 잡기를 기대한다”고 전했다.
우리 대학 박종은 교수 연구팀, POSTECH 김종경 교수 연구팀, 고려대 서민석 교수 연구팀과 공동으로 참여한 이번 연구결과는 세계적인 국제학술지 네이처 커뮤니케이션즈(Nature Communications, IF 14.7)에 7월 2일 온라인 게재됐다.
2025.07.03
조회수 843
-
24시간 말하는 AI비서 가능성 여는 '스피치SSM' 개발
최근 음성 언어 모델(Spoken Language Model, SLM)은 텍스트 없이 인간의 음성을 학습해 음성의 언어적, 비언어적 정보를 이해 및 생성하는 기술로 텍스트 기반 언어 모델의 한계를 넘어서는 차세대 기술로 각광받고 있다. 하지만 기존 모델은 장시간 콘텐츠 생성이 요구되는 팟캐스트, 오디오북, 음성비서 등에서 한계가 두드러졌는데, 우리 연구진이 이런 한계를 뛰어넘어, 시간 제약 없이 일관되고 자연스러운 음성 생성을 실현한 ‘스피치SSM’을 개발하는데 성공했다.
우리 대학 전기및전자공학부 노용만 교수 연구팀의 박세진 연구원(박사과정)이 장시간 음성 생성이 가능한 음성 언어 모델 ‘스피치SSM(SpeechSSM)’을 개발했다고 3일 밝혔다.
이번 연구는 국제 최고 권위 머신러닝 학회인 ICML(International Conference on Machine Learning) 2025에 전체 제출된 논문 중 약 1%만이 선정되는 구두 논문 발표에 확정돼 뛰어난 연구 역량을 입증할 뿐만 아니라 우리 대학의 인공지능 연구 능력이 세계 최고 수준임을 다시 한번 보여주는 계기가 될 전망이다.
음성 언어 모델(SLM)은 중간에 텍스트로 변환하지 않고 음성을 직접 처리함으로써, 인간 화자 고유의 음향적 특성을 활용할 수 있어 대규모 모델에서도 고품질의 음성을 빠르게 생성할 수 있다는 점이 큰 강점이다.
그러나 기존 모델은 음성을 아주 세밀하게 잘게 쪼개서 아주 자세한 정보까지 담는 경우, ‘음성 토큰 해상도’가 높아지고 사용하는 메모리 소비도 증가하는 문제로 인해 장시간 음성의 의미적, 화자적 일관성을 유지하기 어려웠다.
연구팀은 이러한 문제를 해결하기 위해 하이브리드 상태공간 모델(Hybrid State-Space Model)을 사용한 음성 언어 모델인‘스피치SSM’를 개발해 긴 음성 시퀀스를 효율적으로 처리하고 생성할 수 있게 설계했다.
이 모델은 최근 정보에 집중하는 ‘어텐션 레이어(attention layer)’와 전체 이야기 흐름(장기적인 맥락)을 오래 기억하는 ‘순환 레이어(recurrent layer)’를 교차 배치한 ‘하이브리드 구조’를 통해 긴 시간 동안 음성을 생성해도 흐름을 잃지 않고 이야기를 잘 이어간다. 또한, 메모리 사용량과 연산량이 입력 길이에 따라 급격히 증가하지 않아, 장시간의 음성을 안정적이고 효율적으로 학습하고 생성할 수 있다.
스피치SSM은 음성 데이터를 짧은 고정된 단위(윈도우)로 나눠 각 단위별로 독립적으로 처리하고, 전체 긴 음성을 만들 경우에는 다시 붙이는 방식을 활용해 쉽게 긴 음성을 만들 수 있어 무한한 길이의 음성 시퀀스(unbounded speech sequence)를 효과적으로 처리할 수 있게 했다.
또한 음성 생성 단계에서는 한 글자, 한 단어 차례대로 천천히 만들어내지 않고, 여러 부분을 한꺼번에 빠르게 만들어내는 ‘비자기회귀(Non-Autoregressive)’방식의 오디오 합성 모델(SoundStorm)을 사용해, 고품질의 음성을 빠르게 생성할 수 있게 했다.
기존은 10초 정도 짧은 음성 모델을 평가했지만, 연구팀은 16분까지 생성할 수 있도록 자체 구축한 새로운 벤치마크 데이터셋인 ‘LibriSpeech-Long'을 기반으로 음성을 생성하는 평가 태스크를 새롭게 만들었다.
기존 음성 모델 평가 지표인 말이 문법적으로 맞는지 정도만 알려주는 PPL(Perplexity)에 비해, 연구팀은 시간이 지나면서도 내용이 잘 이어지는지 보는 'SC-L(semantic coherence over time)', 자연스럽게 들리는 정도를 시간 따라 보는 'N-MOS-T(naturalness mean opinion score over time)' 등 새로운 평가 지표들을 제안해 보다 효과적이고 정밀하게 평가했다.
새로운 평가를 통해 스피치SSM 음성 언어 모델로 생성된 음성은 긴 시간 생성에도 불구하고 초기 프롬프트에서 언급된 특정 인물이 지속적으로 등장하며, 맥락적으로 일관된 새로운 인물과 사건들이 자연스럽게 전개되는 모습을 확인했다. 이는 기존 모델들이 장시간 생성 시 쉽게 주제를 잃고 반복되는 현상을 보였던 것과 크게 대조적이다.
박세진 박사과정생은 “기존 음성 언어 모델은 장시간 생성에 한계가 있어, 실제 인간이 사용하도록 장시간 음성 생성이 가능한 음성 언어 모델을 개발하는 것이 목표였다”며 “이번 연구 성과를 통해 긴 문맥에서도 일관된 내용을 유지하면서, 기존 방식보다 더 효율적이고 빠르게 실시간으로 응답할 수 있어, 다양한 음성 콘텐츠 제작과 음성비서 등 음성 AI 분야에 크게 기여할 것으로 기대한다”라고 밝혔다.
이 연구는 제1 저자인 우리 대학 박세진 박사과정 학생이 구글 딥마인드(Google DeepMind)와 협력해, ICML(국제 머신러닝 학회) 2025에서 7월 16일 구두 발표로 소개될 예정이다.
※ 논문제목: Long-Form Speech Generation with Spoken Language Models
※ DOI: 10.48550/arXiv.2412.18603
한편, 박세진 박사과정생은 비전, 음성, 언어를 통합하는 연구를 수행하며 CVPR(컴퓨터 비전 분야 최고 학회) 2024 하이라이트 논문 발표, 2024년 ACL(자연어 처리 분야 최고 학회)에서 우수논문상(Outstanding Paper Award) 수상 등을 통해 우수한 연구 역량을 입증한 바 있다.
[데모 페이지 링크]
https://google.github.io/tacotron/publications/speechssm/
2025.07.03
조회수 1000
-
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 633
-
AI로 방사성 오염 '아이오딘' 제거용 최적 신소재 발굴
원자력 에너지 활용에 있어 방사성 폐기물 관리는 핵심적인 과제 중 하나다. 특히 방사성 ‘아이오딘(요오드)’는 반감기가 길고(I-129의 경우 1,570만 년), 이동성 및 생체 유독성이 높아 환경 및 인체에 심각한 위험을 초래할 수 있다. 한국 연구진이 인공지능을 활용해 아이오딘을 제거할 원자력 환경 정화용 신소재 발굴에 성공했다. 연구팀은 향후 방사성 오염 흡착용 분말부터 오염수 처리 필터까지 다양한 산학협력을 통해 상용화를 추진할 예정이다.
우리 대학 원자력및양자공학과 류호진 교수 연구팀이 한국화학연구원 디지털화학연구센터 노주환 박사가 협력하여, 인공지능을 활용해 방사성 오염 물질이 될 수 있는 아이오딘을 효과적으로 제거하는 신소재를 발굴하는 기술을 개발했다고 2일 밝혔다.
최근 보고에 따르면 방사능 오염 물질인 아이오딘이 수용액 환경에서 아이오딘산염(IO3-) 형태로 존재하는 것으로 밝혀졌으나, 기존의 은 기반 흡착제는 이에 대해 낮은 화학적 흡착력을 가져 비효율적이었다. 따라서 아이오딘산염을 효과적으로 제거할 수 있는 새로운 흡착제 신소재 개발이 시급한 실정이다.
류호진 교수 연구팀은 기계학습을 활용한 실험 전략을 통해 다양한 금속원소를 함유한 ‘이중층 수산화물(Layered Double Hydroxide, 이하 LDH)’이라는 화합물 중 최적의 아이오딘산염 흡착제를 발굴했다.
이번 연구에서 개발된 구리-크롬-철-알루미늄 기반의 다중금속 이중층 수산화물 Cu3(CrFeAl)은 아이오딘산염에 대해 90% 이상의 뛰어난 흡착 성능을 보였다. 이는 기존의 시행착오 실험 방식으로는 탐색이 어려운 방대한 물질 조성 공간을 인공지능 기반의 능동학습법을 통해 효율적으로 탐색해 얻어낸 성과다.
연구팀은 이중층 수산화물(이하 LDH)이 고엔트로피 재료와 같이 다양한 금속 조성을 가질 수 있고 음이온 흡착에 유리한 구조를 지녔다는 점에 주목했다. 그러나 다중금속 LDH의 경우 가능한 금속 조합이 너무 많아 기존의 실험 방식으로는 최적의 조합을 찾기 어려웠다.
이를 해결하기 위해 연구팀은 인공지능(기계학습)을 도입했다. 초기 24개의 2원계 및 96개의 3원계 LDH 실험 데이터로 학습을 시작해, 4원계 및 5원계 후보 물질로 탐색을 확장했다. 이 결과 전체 후보 물질 중 단 16%에 대해서만 실험을 수행하고도 아이오딘산염 제거에 최적인 신소재 물질을 찾아낼 수 있었다.
류호진 교수는 “인공지능을 활용하면 방대한 신소재 후보 물질 군에서 방사성 오염 제거용 물질을 효율적으로 찾아낼 가능성을 보여, 원자력 환경 정화용 신소재 개발에 필요한 연구를 가속화하는데 기여할 것으로 기대된다”고 말했다.
류 교수 연구팀은 개발된 분말 기술에 대한 국내 특허를 출원했으며 이를 기반으로 해외 특허 출원을 진행 중이다. 연구팀은 향후 방사성 오염 흡착용 분말의 다양한 사용 환경에서의 성능을 고도화하고, 오염수 처리 필터 개발 분야에서 산학 협력을 통한 상용화 방안을 추진할 예정이다.
우리 대학 신소재공학과를 졸업한 이수정 박사와 한국화학연구원 디지털화학연구센터 노주환 박사가 제1 저자로 참여한 이번 연구는 이번 연구 결과는 환경 분야 국제 저명 학술지인 ‘위험물질 저널(Journal of Hazardous Materials)'에 5월 26일 온라인 게재됐다.
※논문명: Discovery of multi-metal-layered double hydroxides for decontamination of iodate by machine learning-assisted experiments
※DOI: https://doi.org/10.1016/j.jhazmat.2025.138735
이번 연구는 과학기술정보통신부 한국연구재단의 원자력기초연구지원사업과 나노·소재기술개발사업의 지원으로 수행됐다.
2025.07.02
조회수 863
-
전산학부 허기홍 교수 연구팀, 세계 최고 소프트웨어공학 학술대회 FSE 2025에서 최우수 논문상 수상
우리 대학 전산학부 허기홍 교수 연구팀이 지난 6월 노르웨이 트론헤임에서 열린 ACM FSE 2025 (ACM International Conference on the Foundations of Software Engineering)에서 최우수 논문상(Distinguished Paper Award)을 수상했다.
FSE는 ACM(Association for Computing Machinery) 주최로 매년 개최되며, 소프트웨어공학 분야에서 세계적으로 가장 높은 권위를 지닌 국제 학술대회 중 하나다. 최신 연구 성과 발표와 전 세계 연구자 간 교류의 장이며, 제출된 논문 중 극소수만이 본 상을 수상할 만큼 경쟁이 치열하다. 최우수 논문상은 독창성, 기술적 완성도, 학술적 기여도, 실용적 영향력 등을 종합적으로 평가해 가장 우수한 논문에만 수여된다.
수상 논문은 박사과정 장수진, 류연희 연구원과 학부생 이희원 연구원이 공동 저자로 참여했으며, 기존보다 훨씬 효과적으로 소프트웨어 오류를 검출할 수 있는 ‘목표 지향 단위 테스트 자동 생성 시스템’을 새롭게 제안했다. 이 시스템은 소프트웨어 내부의 기능상 핵심 지점 또는 오류 가능성이 높은 지점을 집중적으로 테스트하는 프로그램을 자동 생성한다. 이를 통해 테스트 시간을 줄이면서도 오류 검출률을 높일 수 있으며, 특히 대규모 소프트웨어를 여러 개발자가 협업하는 환경에서 높은 실용성을 보인다.
연구팀은 실제로 이 시스템을 적용해 세계적으로 널리 사용되는 다양한 오픈소스 소프트웨어에서 수십 건의 미확인 오류를 새롭게 발견하며 기술의 실효성과 확장 가능성을 입증했다. 발표 당시 현장에서도 논문의 내용은 큰 관심을 끌며 주목을 받았다.
허기홍 교수는 “학생들의 열정과 협업이 만들어낸 값진 성과”라며 “이번 연구를 바탕으로 기술을 더욱 고도화해 세계적인 수준으로 발전시켜 나가겠다”고 밝혔다.
연구 소개 페이지: https://prosys.kaist.ac.kr/unitcon/
연구 논문: https://dl.acm.org/doi/10.1145/3729362
2025.06.30
조회수 590