-
KAIST, 2025 세계에서 가장 영향력 있는 연구자(HCR) 5명 선정
우리 대학 이상엽 특훈교수 등 4명이 미국 글로벌 학술정보 분석기업 클래리베이트(Clarivate Plc)가 발표한 ‘2025년 세계에서 가장 영향력 있는 연구자(Highly Cited Researchers, HCR)’ 명단에 선정됐다.
HCR은 Web of Science에 수록된 논문의 피인용도를 기반으로 각 분야에서 상위 1% 영향력을 보인 연구자를 선별하는 프로그램으로, 세계 대학·연구기관 평가에서 중요한 지표로 활용된다. 클래리베이트는 올해도 엄격한 정성·정량 심사를 바탕으로 연구 성과의 탁월성과 학문적 영향력을 검증해 최종 명단을 발표했다.
올해 우리 대학에서는 생물학 및 생화학 분야에 생명화학공학과 이상엽 특훈교수와 공학생물학대학원 김진수 교수*, 크로스필드 분야에 생명화학공학과 김범준 교수, 서장원 교수, 김현욱 교수*가 선정됐다.
* 김진수 교수는 현재 HCR명단에는 Edgene소속으로 표기, 12월 말 KAIST로 업데이트 예정
* 김현욱 교수는 현재 세종대학교로 오류 표기되어 있으나 KAIST로 소속 표기 정정 중
크로스필드 분야는 단일 학문 영역을 넘어 여러 분야에서 동시에 영향력을 발휘한 연구자를 인정하기 위해 마련된 항목이다. 융합 연구의 확산과 함께 중요성이 커지고 있으며, 연구자가 다양한 학문적 파급력을 갖고 있음을 보여주는 지표로 평가된다.
올해 HCR에는 전 세계 60개국 1300여 개 기관에서 총 6,868명의 연구자가 이름을 올렸으며, 국내에서는 12개 분야에서 총 76명이 선정됐다. 국내 대학 중 여러 기관이 HCR을 배출한 가운데, KAIST는 생명공학·바이오·융합 분야에서 세계적으로 인정받는 연구 성과를 기반으로 HCR 선정자를 배출하였다.
2025.11.17
조회수 965
-
김성용 교수, 영문 도서 'A Cup of Coffee and the Ocean' 출간
우리 대학 기계공학과 김성용 교수가 영문 도서 ‘A Cup of Coffee and the Ocean: Basics of Ocean Dynamics for Everyone’를 세계적 학술출판사 Springer Nature에서 8월 22일 출간했다고 밝혔다.
이번 저서는 고등학생, 대학생, 일반 대중을 대상으로 바다의 기초와 다양한 물리 현상, 그리고 안전 상식을 커피라는 친숙한 소재를 통해 쉽게 설명하고자 기획됐다.
김 교수는 2019년 한국과학기술한림원의 지원으로 ‘석학, 과학기술을 말하다’ 시리즈 제34권 ‘커피와 바다’를 출간한 바 있으며, 이번 영문판은 그 내용을 바탕으로 국제 독자를 겨냥해 새롭게 집필한 것이다.
책에서는 일상 속 커피에서 발견되는 유체의 특성을 바다의 유체 현상으로 확장하여 설명하고, 바다와 관련된 다양한 안전 상식을 함께 담았다. 이를 통해 독자들이 유체의 원리를 이해하고, 해양 안전에 대한 인식을 높일 수 있도록 했다. 또한 바다를 이해하는 것이 국가적 역량과 직결됨을 강조하며, 해양학자로서의 당부도 담고 있다.
김 교수는 “바다는 전 지구의 공유 공간으로, 특정 지역의 경계에 국한되지 않는 곳이다. 이번 영문 도서는 국내에만 머무르지 않고 전 세계 독자를 대상으로 바다에 대한 이해를 넓히고자 출간했다. 이를 통해 더 멀리 바라보고 사명감을 지닌 해양학자들이 많아지기를 기대한다”라고 소감을 전했다.
한편, 본 도서는 UN Ocean Decade 공식 웹사이트에 소개되었으며, 그 주제가 UN 지속가능발전목표(SDGs)와도 긴밀히 맞닿아 있어 그 의의가 더욱 크다. 아울러 이탈리아 볼로냐 대학교(Università di Bologna) 해양물리학 전공의 Nadia Pinardi 교수는, 동 대학에서 본 도서를 이탈리아어로 번역해 2027년부터 이탈리아 전역의 해양 교육 교재로 활용할 계획이라고 전해왔다.
https://oceandecade.org/publications/a-cup-of-coffee-and-the-ocean-the-basics-of-ocean-dynamics/
관련 도서 링크:
(KAIST 내부인을 위한 링크)
https://link-springer-com.libra.kaist.ac.kr/book/10.1007/978-981-96-6835-9
(일반인을 위한 링크)
https://link.springer.com/book/10.1007/978-981-96-6835-9
2025.08.27
조회수 1227
-
웨어러블 로봇 디자인 '2025 레드닷 어워드 최우수상' 수상
우리 대학 산업디자인과 박현준 교수 연구팀인 ‘무브랩(Move Lab)’이 차세대 웨어러블 로봇 디자인 ‘엔젤로보틱스 WSF1 비전 콘셉트(VISION Concept)’로 세계적 권위를 자랑하는 ‘2025 레드닷 디자인 어워드(Red dot Design Award)’에서 디자인 콘셉트-프로페셔널(Design Concept-Professional) 부문 ‘베스트 오브 더 베스트(Best of the Best)’를 수상했다고 8일 밝혔다.
독일의 ‘레드닷 디자인 어워드’는 세계에서 가장 잘 알려진 디자인 공모전 중 하나로, 독일 iF 디자인 어워드, 미국 IDEA와 함께 세계 3대 디자인 어워드로 꼽힌다. ‘베스트 오브 더 베스트(Best of the Best)’상은 해당 부문에서 최고의 디자인에 수여되는 상으로, 레드닷 어워드 전체 수상작 중에서도 극히 일부의 최상위(상위 1% 이내) 디자인에만 주어지는 상이다.
박현준 교수팀은 2024년 사이배슬론 금메달, 2025 iF 디자인 어워드를 수상한 ‘워크온슈트F1 프로토타입’의 사용자 친화형으로 후속 개발한 작품으로, 이번 2025 레드닷 디자인 어워드에서 최우수상에 해당하는 ‘베스트 오브 더 베스트’를 수상하는 영예를 안았다.
이번 수상작은 우리 대학 기계공학과 공경철 교수가 창업한 ㈜엔젤로보틱스와의 산학협력 결과물로, 하지마비가 있는 장애인이 일상적인 사용 환경에서 사용할 수 있는 차세대 웨어러블 로봇(초개인형 이동수단)의 모습을 제안한 콘셉트 디자인이다.
연구팀은 ㈜엔젤로보틱스의 고도화된 엔지니어링 플랫폼을 직관적이고 감성적인 사용자 중심 경험으로 전환하는 데 집중했으며, 기능성과 심미성, 그리고 사회적 포용성을 동시에 갖춘 디자인 솔루션을 구현했다.
WSF1 비전 콘셉트는 기계공학과 공경철 교수의 연구실 엑소랩(Exo Lab)에서 구현한 혁신적인 기능들인 ▲로봇이 사용자를 스스로 찾아가는 자율 접근 기능 ▲사용자가 앉은 자리에서 혼자 장착할 수 있도록 설계된 프론트 로딩 메커니즘 ▲12개의 강력한 토크 액추에이터와 최신 제어 알고리즘을 통해 구현된 다방향 보행 기능 ▲AI 비전 기술을 포함하고 있다. 이와 함께 내비게이션과 전 방향 시야를 제공하는 다중 시각 디스플레이 시스템을 통해 사용자에게 더욱 안전하고 편리한 이동 경험을 제공한다.
강인하면서도 유려한 실루엣은 기존 웨어러블 로봇에서 볼 수 없던 비례와 면, 디테일의 완성도를 추구한 디자인 과정을 통해 이뤄졌다. 특별히 로봇의 힙 조인트부터 허벅지 전체를 감싸는 패브릭 소재 커버는 패셔너블한 운동복처럼 착용자의 자존감과 개성을 존중하는 스타일 요소이자 착용자가 심리적으로 안전하게 로봇과 교감하고 일반인들과 어우러질 수 있는 장치로, 기능과 형태가 조화된 착용형 로봇의 새로운 미학을 제시하고 있다.
산업디자인학과 박현준 교수는 이번 수상에 대해 “기술과 심미성, 인간 중심 혁신을 통해 고도의 기술 솔루션을 사용자에게 쉽고, 즐겁고 멋진 경험으로 풀어내는 데 집중하고 있다”라며, “이번 WSF1 비전 콘셉트는 ‘기술로 인간의 능력을 재창조한다'는 ㈜엔젤로보틱스의 비전을 바탕으로 기존 웨어러블 로봇의 틀에서 벗어나 사용자의 삶에 존엄성과 독립성, 새로운 스타일을 더하는 디자인 경험을 전달하고자 했다”라고 소감을 밝혔다.
한편, WSF1 비전 컨셉의 실물 모형은 오는 8월 30일부터 11월 2일까지 ‘포용지덕(包容之德)’을 주제로, 디자인 언어를 통한 포용성 있는 미래 사회 디자인의 역할을 선보이는 2025 광주디자인비엔날레 미래관에서 공개될 예정이다.
※관련 무브랩 디자인 등 참고사이트: www.movelab.design, www.instagram.com/movelab.design
2025.08.08
조회수 2812
-
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 3774
-
이산화탄소만 잡아내는 유망 소재를 AI로 쉽게 찾는다
기후 위기를 막기 위해 이미 배출된 이산화탄소를 적극적으로 줄이는 것이 필수적이며, 이를 위해 공기 중 이산화탄소만 직접 포집하는 기술(Direct Air Capture, 이하 DAC)이 주목받고 있다. 하지만 공기 중에 존재하는 수증기(H₂O)로 인해 이산화탄소만 효과적으로 포집하는 것이 쉽지 않다. 이 기술의 핵심 소재로 연구되는 금속–유기 구조체(Metal-Organic Frameworks, 이하 MOF)를 활용해 우리 연구진이 AI 기반 기계학습 기술을 적용, MOF 중에서 가장 유망한 탄소 포집 후보 소재들을 찾아내는 데 성공했다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 임페리얼 칼리지 런던(Imperial College London) 연구팀과 공동 연구를 통해 대기 중 이산화탄소 포집에 적합한 MOF를 빠르고 정확하게 선별할 수 있는 기계학습 기반 시뮬레이션 기법을 개발했다고 29일 밝혔다.
복잡한 구조와 분자 간 상호작용의 예측 한계로 인해 고성능 소재를 찾는 데 큰 제약을 극복하기 위해, 연구팀은 MOF와 이산화탄소(CO2), 물(H2O) 사이의 상호작용을 정밀하게 예측할 수 있는 기계학습(머신러닝) 기반 역장(Machine Learning Force Field, MLFF)을 개발하고, 이를 통해 양자역학 수준의 예측 정확도를 유지하면서도 기존보다 월등히 빠른 속도로 MOF 소재들의 흡착 물성을 계산할 수 있도록 했다.
연구팀은 개발된 시스템을 활용해 8,000여 개의 실험적으로 합성된 MOF 구조를 대규모 스크리닝한 결과, 100개 이상의 유망한 탄소 포집 후보 소재를 발굴했다. 특히 기존의 고전 역장 기반 시뮬레이션으로는 확인되지 않았던 새로운 후보 소재들을 제시했으며, MOF의 화학 구조와 흡착 성능 간의 상관관계를 분석해 DAC용 소재 설계에 유용한 7가지 핵심 화학적 특징도 함께 제안했다.
이번 연구는 MOF–CO2 및 MOF-H2O 간 상호작용을 정밀하게 예측함으로써, DAC 분야의 소재 설계 및 시뮬레이션 기술을 크게 향상한 사례로 평가된다.
우리 대학 생명화학공학과 임윤성 박사과정과 박현수 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `매터 (Matter)'에 지난 6월 12일 게재됐다.
※논문명: Accelerating CO2 direct air capture screening for metal-organic frameworks with a transferable machine learning force field
※DOI: 10.1016/j.matt.2025.102203
한편, 이번 연구는 Saudi Aramco-KAIST CO2 Management Center와 과학기술정보통신부의 글로벌 C.L.E.A.N. 사업의 지원을 받아 수행됐다.
2025.06.30
조회수 3576
-
21개 화학반응 동시 분석..AI 신약 개발 판 바꾼다
임산부의 입덧 완화 목적으로 사용됐던 약물인 탈리도마이드(Thalidomide)는 생체 내에서는 광학 이성질체*의 특성으로 한쪽 이성질체는 진정 효과를 나타내지만, 다른 쪽은 기형 유발이라는 심각한 부작용을 일으킨다. 이런 예처럼, 신약 개발에서는 원하는 광학 이성질체만을 선택적으로 합성하는 정밀 유기합성 기술이 중요하다. 하지만, 여러 반응물을 동시에 분석하는 것 자체가 어려웠던 기존 방식을 극복하고, 우리 연구진이 세계 최초로 21종의 반응물을 동시에 정밀 분석하는 기술을 개발해, AI와 로봇을 활용하는 신약 개발에 획기적인 기여가 기대된다.
*광학 이성질체: 동일한 화학식을 가지며 거울상 관계에 있으면서 서로 겹칠 수 없는 비대칭 구조로 존재하는 분자 쌍을 말한다. 이는 왼손과 오른손처럼 형태는 유사하지만 포개어지지 않는 관계와 유사하다.
우리 대학 화학과 김현우 교수 연구팀이 인공지능 기반 자율합성* 시대에 적합한 혁신적인 광학이성질체 분석 기술을 개발했다고 16일 밝혔다. 이번 연구는 다수의 반응물을 동시에 투입해 진행하는 비대칭 촉매 반응을 고해상도 불소 핵자기공명분광기(19F NMR)를 활용해 정밀 분석한 세계 최초의 기술로, 신약 개발 및 촉매 최적화 등 다양한 분야에 획기적인 기여가 기대된다.
* 인공지능 기반 자율합성: 인공지능(AI)을 활용해 화학 물질 합성 과정을 자동화하고 최적화하는 첨단 기술로, 미래 실험실의 자동화 및 지능형 연구 환경을 구현할 핵심 요소로 주목받고 있다. AI가 실험 조건을 예측·조절하고 결과를 해석해 후속 실험을 스스로 설계함으로써 반복 실험 수행 시 인간 개입을 최소화해 연구 효율성과 혁신성을 크게 높인다.
현재 자율합성 시스템은 반응 설계부터 수행까지는 자동화가 가능하지만, 반응 결과 분석은 전통적 장비를 활용한 개별 처리 방식에 의존하고 있어 속도 저하와 병목 현상이 발생하며 고속 반복 실험에는 적합하지 않다는 문제점이 제기돼 왔다.
또한, 1990년대에 제안된 다기질 동시 스크리닝 기법은 반응 분석의 효율을 극대화할 전략으로 주목받았지만, 기존 크로마토그래피 기반 분석법의 한계로 인해 적용 가능한 기질 수가 제한적이었다. 특히 원하는 광학 이성질체만 선택하여 합성하는 비대칭 합성 반응에서는 10종 이상의 기질을 동시에 분석하는 것이 불가능에 가까웠다.
이러한 한계를 극복하기 위해, 연구팀은 다수의 반응물을 하나의 반응 용기에 투입하여 동시에 비대칭 촉매 반응을 수행한 뒤 불소 작용기를 생성물에 도입하고, 자체 개발한 카이랄 코발트 시약을 적용해 모든 광학 이성질체를 명확하게 정량 분석할 수 있는 불소 핵자기공명분광기(19F NMR) 기반 다기질 동시 스크리닝 기술을 구현했다.
연구팀은 19F NMR의 우수한 분해능과 민감도를 활용해, 21종 기질의 비대칭 합성 반응을 단일 반응 용기에서 동시에 수행하고 생성물의 수율과 광학 이성질체 비율을 별도의 분리 과정 없이 정량 측정하는 데 성공했다.
김현우 교수는 “여러 기질을 한 반응기에 넣고 비대칭 합성 반응을 동시에 수행하는 것은 누구나 할 수 있지만, 생성물 전체를 정확하게 분석하는 것은 지금까지 풀기 어려운 과제였다”며, “세계 최고 수준의 다기질 스크리닝 분석 기술을 구현함으로써 AI 기반 자율합성 플랫폼의 분석 역량 향상에 크게 기여할 수 있을 것으로 기대된다”고 말했다.
이어 “이번 연구는 신약 개발에 필수적인 비대칭 촉매 반응의 효율성과 선택성을 신속히 검증할 수 있는 기술로, AI 기반 자율화 연구의 핵심 분석 도구로 활용될 전망이다”라고 밝혔다.
이번 연구에는 우리 대학 화학과 김동훈 석박통합과정 학생(제1 저자), 최경선 석박통합과정 학생(제2 저자) 가 참여했으며, 화학 분야 세계적 권위의 국제 학술지 미국화학회지(Journal of the American Chemical Society) 에 2025년 5월 27일 자 온라인 게재됐다.
※ 논문명: One-pot Multisubstrate Screening for Asymmetric Catalysis Enabled by 19F NMR-based Simultaneous Chiral Analysis
※ DOI: 10.1021/jacs.5c03446
이번 연구는 한국연구재단 중견연구자 지원사업, 비대칭 촉매반응 디자인센터, KAIST KC30 프로젝트의 지원을 받아 수행됐다.
2025.06.16
조회수 7106
-
논문 마이닝부터 합성 조건 추천까지, MOF 연구를 혁신하는 대규모 언어 모델
우리 연구진이 챗GPT를 활용해 금속 유기 골격체(Metal-Organic Frameworks, MOFs) 연구 논문에서 실험 데이터를 자동으로 추출하는 데이터 마이닝 툴(이하 L2M3)을 개발했다. L2M3는 MOF의 합성 조건 및 물성 정보를 체계적으로 수집하며, 분류, 정보 식별 및 데이터 추출 작업에서 각각 98.3%, 97.3%, 95.3%의 높은 정확도를 기록했다. 또한, 추출한 데이터를 기반으로 MOF의 합성 조건을 추천하는 시스템을 개발하여 연구자들의 실험 과정 최적화를 지원하고 있어 화제가 되고 있다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 대규모 언어 모델(이하 LLMs) 급격한 발전에 주목하며, 이를 활용을 통해 금속 유기 골격체 문헌에서 MOF의 합성 및 물성 정보를 대량으로 추출하는 데이터 마이닝 툴(L2M3)를 개발했다고 7일 발표했다.
최근 MOF에 대한 연구들이 활발히 진행되어 MOF 실험 데이터가 축적되고 있다. 이에 따라 MOF 연구의 발전을 위해서는 신뢰할 수 있는 실험 데이터 확보가 필수적이며, 특히 논문에 산재한 합성 조건과 물성 정보를 효과적으로 정리하는 것이 큰 과제로 남아 있다. 기존에도 MOF 관련 데이터를 활용하려는 시도가 있었으나, 대부분 일부 특정 특성에 국한되어 있어 있다는 한계점이 존재했다.
김지한 교수 연구팀이 개발한 L2M3는 LLM을 활용하여 쉽고 효율적인 데이터 마이닝 환경을 구축함으로써, 데이터 마이닝에 익숙하지 않은 연구자들도 손쉽게 사용할 수 있는 강력한 도구로의 잠재력을 갖추고 있다.
기존 데이터 마이닝 방식으로는 다양한 특성에 대한 정확한 정보 추출이 어려웠으나, L2M3는 LLM의 자연어 처리 능력을 활용하여 더 정밀한 데이터 추출이 가능하다. 특히, 분류(98.3%)와 정보 식별(97.3%)에서 높은 정확도를 기록했으며, 과정이 복잡하여 정확도 확보가 어려운 데이터 추출 단계에서도 95.3%라는 뛰어난 성능을 보였다.
뿐만 아니라, L2M3는 추출된 합성 조건 데이터를 대규모 언어 모델로 미세 조정해 합성 조건 추천 시스템을 개발하였다. 연구자가 전구체 정보를 입력하면 최적의 합성 조건을 제안하여 실험 과정에서 발생하는 시행착오를 줄이고, MOF 합성을 더욱 효율적으로 수행할 수 있도록 지원한다. 이러한 접근 방식은 MOF 연구뿐만 아니라 다양한 재료 과학 분야에서도 데이터 마이닝과 인공지능을 활용한 연구 패러다임을 새롭게 정의할 수 있는 가능성을 제시하고 있다.
김지한 교수는 “이번 연구는 인공지능을 활용한 재료 과학 연구의 새로운 기준을 제시하는 중요한 진전을 의미한다. L2M3는 방대한 과학 문헌에서 실험 데이터를 체계적으로 수집하고 분석함으로써, 기존 데이터 부족 문제를 해결하고 보다 신뢰성 높은 데이터 기반 연구를 가능하게 한다. 향후 L2M3의 데이터 처리 성능과 합성 조건 추천 모델이 더욱 정교화된다면, MOF뿐만 아니라 다양한 재료 연구에서도 혁신적인 발견을 가속화할 것으로 기대된다.” 라고 말했다.
생명화학공학과 강영훈, 이원석 박사, 배태언 박사과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `미국 화학회지(Journal of the American Chemical Society)'에 지난 1월 21일 게재됐다. (논문명: Harnessing Large Language Models to Collect and Analyze Metal–Organic Framework Property Data Set)
한편 이번 연구는 과학기술정보통신부의 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업, 한국연구재단(NRF)의 나노 및 소재기술개발사업, 그리고 국가슈퍼컴퓨팅센터의 지원을 받아 수행됐다.
2025.02.07
조회수 6813
-
원하는 소재 개발 인공지능 모퓨전(MOFFUSION)으로
최근 생성형 인공지능은 텍스트, 이미지, 비디오 생성 등 다양한 분야에서 널리 사용되고 있지만, 소재 개발 분야에서는 아직 충분히 활용되지 못하고 있다. 이러한 상황에서 KAIST 연구진이 구조적 복잡성을 지닌 다공성 소재를 생성하는 인공지능 모델을 개발하여, 사용자가 원하는 특성의 소재를 선택적으로 생성할 수 있게 되었다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 원하는 물성을 가진 금속 유기 골격체(Metal-Organic Frameworks, MOF)를 생성하는 인공지능 모델을 개발했다고 23일 밝혔다.
김지한 교수 연구팀이 개발한 생성형 인공지능 모델인 모퓨전(MOFFUSION)은 금속 유기 골격체의 구조를 보다 효율적으로 표현하기 위해, 이들의 공극 구조를 3차원 모델링 기법을 활용해 나타내는 혁신적인 접근 방식을 채택했다. 이 기법을 통해 기존 모델들에서 보고된 낮은 구조 생성 효율을 81.7%로 크게 향상시켰다.
또한, 모퓨전은 생성 과정에서 사용자가 원하는 특성을 다양한 형태로 표현하여 인공지능 모델에 입력할 수 있는 특징이 있다. 연구진은 사용자가 원하는 물성을 숫자, 카테고리, 텍스트 등 다양한 형태로 입력할 수 있으며, 데이터 형태와 관계없이 높은 생성 성능을 보임을 확인했다.
예를 들어, 사용자가 생성하고자 하는 물질의 특성값을 텍스트 형태(예:“30 g/L의 수소 흡착량을 갖는 구조”)로 모델에 입력하면, 모델은 이에 상응하는 물질을 선택적으로 생성한다. 이러한 특징은 소재 개발에 있어 인공지능 모델의 활용성과 편의성을 크게 개선하는 요소로 작용한다.
김지한 교수는 “원하는 물성의 소재를 개발하는 것은 소재 분야의 가장 큰 목표이며 오랜 연구 주제”라며, “연구팀이 개발한 기술은 인공지능을 활용한 다공성 소재 개발에 있어 큰 발전을 이뤘으며, 앞으로 해당 분야에서 생성형 인공지능의 도입을 촉진할 것”이라고 말했다.
우리 대학 생명화학공학과 박준길 박사, 이유한 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 1월 2일 게재됐다. (논문명 : Multi-modal conditional diffusion model using signed distance functions for metal-organic frameworks generation) (https://doi.org/10.1038/s41467-024-55390-9)
한편 이번 연구는 과학기술정보통신부의 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업, 나노 및 소재기술 개발사업, 그리고 한국연구재단 (NRF) 중견연구자 지원사업의 지원을 받아 수행됐다.
2025.01.23
조회수 9242
-
난치성 뇌종양 치료의 새로운 가능성 열다
면역항암제는 암세포를 제거하는 T세포의 항암 면역작용을 강화하는 가장 주목받는 항암치료 요법이다. 하지만 난치성 뇌종양인 교모세포종의 경우 면역관문억제제를 활용한 수차례 임상시험에서 그 효과를 확인할 수 없었다. 우리 연구진이 난치성 암종에서 T세포가 만성적 항원에 노출되어 기능이 상실되거나 약화된 원인을 분석하여 T세포 활성 제어 인자를 발굴하고 치료 효능 증진 원리를 규명했다.
우리 대학 생명과학과 이흥규 교수 연구팀이 한국화학연구원(원장 이영국) 감염병예방진단기술연구센터와 협력하여, 교모세포종 실험 쥐 모델에서 억제성 Fc 감마수용체(FcγRIIB)의 결손을 통한 면역관문억제제의 세포독성 T세포 불응성을 회복해, 항암 작용 증대를 유도함으로 생존율 개선 효능을 확인했다고 6일 밝혔다.
연구팀은 최근 세포독성 T세포에서 발견된 억제 수용체(FcγRIIB)가 종양 침윤 세포독성 T세포의 특성과 면역관문억제제(항 PD-1)의 치료 효능에 미치는 영향을 확인했다.
연구 결과, 억제 수용체(FcγRIIB)가 결손되었을때 종양항원 특이적 기억 T세포의 증가를 유도했다. 이 같은 T세포 아형은 탈진화를 억제하고 줄기세포 특성을 강화했고, 이를 통한 항 PD-1 치료의 회복된 T세포 항암 면역반응을 이끌었다. 또한, 연구팀은 항원 특이적 기억 T세포가 FcγRIIB 결손 시 상대적으로 높은 수의 증가와 함께 지속적인 종양 조직 내 T세포 침투를 이끈다는 결과를 확인했다.
해당 연구는 면역관문억제제에 불응성을 보이는 종양에 대한 새로운 치료 타깃을 제시했으며, 특히 교모세포종과 같은 항 PD-1 치료에 반응하지 않는 종양에 FcγRIIB 억제와 항 PD-1 치료를 병행함으로써 시너지 효과를 발휘할 수 있음을 증명했다.
연구팀은 이러한 FcγRIIB 억제를 통한 항암 면역작용 증진 전략이 면역관문억제제의 효능을 높이는 데 중요한 기여를 할 것으로 기대하고 있다.
생명과학과 이흥규 교수는 “면역관문 치료제를 이용한 뇌종양 치료 임상 실패를 극복할 가능성과 다른 난치성 종양으로의 범용적 적용 가능성을 제시한 결과로 추후 세포독성 T 세포의 종양 세포치료 활용과 접근 가능성도 확인한 결과”라고 소개했다.
우리 대학 구근본 박사(現, 한국화학연구원 감염병예방진단기술연구센터 선임연구원)가 제1 저자로 참여한 이번 연구는 암 면역치료 학회(Society for Immunotherapy of Cancer)에서 발간하는 종양면역 및 치료 분야 국제 학술지 `Journal for ImmunoTherapy of Cancer'에 10월 26일 온라인판에 게재됐다. (논문명: Inhibitory Fcγ receptor deletion enhances CD8 T cell stemness increasing anti-PD-1 therapy responsiveness against glioblastoma, http://dx.doi.org/10.1136/jitc-2024-009449)
한편 이번 연구는 한국연구재단 개인기초연구사업, 바이오의료기술개발사업 및 삼성미래육성재단의 지원을 받아 수행됐다.
2024.11.06
조회수 9074
-
인공지능 화학 학습으로 새로운 소재 개발 가능
새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다.
우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 ‘프로핏-넷(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다.
연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다.
PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을 크게 높였다는 점이다. 최외각 전자 배치, 이온화 에너지, 전기 음성도와 같은 내용은 화학을 배울 때 가장 먼저 배우는 기본 개념 중 하나다.
기존 AI 모델과 달리, PROFiT-Net은 이러한 기본 화학적 속성과 이들 간의 상호작용을 직접적으로 학습함으로써 더욱 정밀한 예측을 할 수 있다. 이는 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 있어 더 높은 정확도를 제공하며, 화학 및 소재 과학 분야에서 크게 기여할 것으로 기대된다.
김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 한층 더 발전할 수 있다는 가능성을 보여주었다ˮ고 말했으며 “추후 반도체 소재나 기능성 소재 개발과 같은 다양한 응용 분야에서 AI가 중요한 도구로 자리 잡을 수 있는 발판을 마련했다ˮ고 말했다.
이번 연구는 KAIST의 김세준 박사가 제1 저자로 참여하였고, 국제 학술지 `미국화학회지(Journal of the American Chemical Society)' 에 지난 9월 25일 字 게재됐다.
(논문명: PROFiT-Net: Property-networking deep learning model for materials, PROFiT-Net 링크: https://github.com/sejunkim6370/PROFiT-Net)
한편 이번 연구는 한국연구재단(NRF)의 나노·소재 기술개발(In-memory 컴퓨팅용 강유전체 개발을 위한 전주기 AI 기술)과 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업으로 진행됐다.
2024.10.10
조회수 12488
-
미생물로 계란을 만든다고?
우리 연구진이 미생물로 계란의 대체제를 개발하는 논문을 발표해서 화제다. 비동물성 원료를 활용한 계란 대체제 개발을 통해 온실가스 배출 및 폐기물 문제 등을 가져오는 공장식 축산의 문제를 해결하고 손쉽게 단백질 섭취가 가능한 지속가능한 식량 체계 구축에 기여할 수 있을 것으로 기대한다.
우리 대학 생물공정연구센터 최경록 연구교수와 생명화학공학과 이상엽 특훈교수가 ‘미생물 유래 친환경 액상 계란 대체물 개발’논문을 발표했다고 4일 밝혔다.
연구진은 미생물 용해물의 가열을 통해 형성된 젤이 삶은 계란과 유사한 미시적 구조와 물리적인 특성을 가지는 것을 확인하였고, 미생물 유래의 식용 효소나 식물성 재료를 첨가하여 다양한 식감을 구현할 수 있음을 밝혔다. 더 나아가, 액체 상태인 용해물을 이용하여 머랭 쿠키를 굽는 등, 미생물 용해물이 난액을 기능적으로 대체할 수 있음을 규명하였다.
현재까지 비동물성 단백질을 기반으로 한 계란 대체제 개발이 진행돼왔으나, 계란의 온전한 영양을 제공하는 동시에 젤화, 거품 형성 등 난액(卵液)이 요리 재료로서 지니는 중요한 핵심 기능적 특성을 함께 구현하는 대체제는 개발되지 못했다. 이러한 배경에서, 연구진은 단위 건조 질량당 단백질 함량이 육류에 비견될 정도로 많은 미생물 바이오매스를 난액 대체제로 개발하고자 했다.
특히, 인류의 오랜 섭취 경험을 통해 효모, 고초균, 유산균 및 기타 프로바이오틱스 균주 등 다양한 미생물들의 안정성이 검증됐고, 미생물 바이오매스는 생산 시 발생하는 이산화탄소뿐만 아니라 물, 토지 등 요구되는 자원이 적으면서도 고품질의 영양성분을 가지고 있기에, 연구진은 미생물 바이오매스를 대체 난액으로 활용하는 기술을 개발할 수 있다면 지속 가능한 미래 식량자원의 확보에 기여할 수 있을 것으로 기대했다.
하지만 미생물 배양을 통해 회수한 반고체 상태의 미생물 바이오매스를 가열하면 난액과 달리 액상으로 변하는 것이 관찰됐다. 이에 연구진은 계란찜을 만들기 위해선 먼저 계란의 껍데기[난각(卵殼)]를 깨트리고 난액을 모아야 한다는 사실에 착안해 미생물의 세포 구조 중 난각에 상응하는 세포벽과 세포막을 파쇄해 미생물 용해물을 제조했고, 이를 가열할 경우 난액처럼 단백질이 응고돼 젤 형태로 변하는 것을 확인했다.
이상엽 특훈교수는 “영양 측면에서도 우수한 성분들을 갖추고 있어 평소 식량에도 사용될 수 있지만, 특히 미래 장거리 우주여행 식량, 전시 상황 등 긴급 상황 시의 대비를 위한 비상식량 등으로도 활용할 수 있으며, 무엇보다 지속 가능한 식량 체계 확보에 도움이 된다”고 말했다.
이번 논문은 네이처(Nature) 誌가 발행하는 'npj 식품 과학(npj Science of Food)'에 6월 19일자 온라인 게재됐다.
※ 논문명 : Microbial lysates repurposed as liquid egg substitutes
※ 저자 정보 : 최경록(한국과학기술원, 제1 저자), 안다희(한국과학기술원, 제2 저자), 정석영(한국과학기술원, 제3 저자), 이유현(한국과학기술원, 제4 저자) 및 이상엽(한국과학기술원, 교신저자) 포함 총 5명
이번 연구는 과기정통부가 지원하는 석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제 (과제책임자 KAIST 이상엽 특훈교수)와 농촌진흥청이 지원하는 농업미생물사업단(단장 장판식 교수)의 ‘미생물 대사시스템 제어를 통한 무기물로부터의 단백질 생산 기술 개발’ 과제 (과제책임자 KAIST 최경록 연구교수) 및 의 지원을 받아 수행됐다.
2024.07.04
조회수 9503
-
챗MOF로 96.9% 금속 유기 골격체 물성 예측하다
우리 대학 연구진이 챗GPT를 활용해 큰 다공성, 높은 표면적, 그리고 뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보여 화제다.
생명화학공학과 김지한 교수 연구팀이 인공지능(AI)의 급격한 발전에 주목하며, 대규모 언어 모델(이하 LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks, MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했다.
최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했다.
김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에서 전통적인 머신러닝 모델과 LLM을 결합한 혁신적인 접근 방식으로 계산 및 머신러닝 도구에 대한 초보자들과의 격차를 상당히 줄일 수 있는 잠재력을 가지고 있다.
또한 이 독특한 시스템은 인공지능의 변혁적인 능력과 재료 과학의 복잡한 측면들을 연결하며, 다양한 작업에서 뛰어난 성능을 보여준다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보고한다. 한편, 더 복잡한 구조 생성 작업은 그 복잡함에도 불구하고 주목할 만한 87.5%의 정확도를 달성한다. 이러한 유망한 결과는 챗MOF가 가장 요구가 많은 작업을 관리하는 데도 효과적임을 강조한다.
김지한 교수는 “연구팀이 개발한 기술은 재료 과학 분야에서 인공지능의 더 높은 자율성을 달성하기 위한 중요한 진전을 나타낸다. 기술이 발전함에 따라, 모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적인 개선을 통해 챗MOF의 성능을 더욱 최적화할 수 있으며, 이는 금속 유기 골격체 연구 분야에서 놀라운 진전을 촉진할 수 있다.”라고 말했다.
생명화학공학과 강영훈 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature communications)'에 지난 6월 3일 게재됐다. (논문명: ChatMOF: An Artificial Intelligence System for Predicting and Generating Metal-Organic Frameworks Using Large Language Models)
한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.
2024.06.26
조회수 11148