%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5
-
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 3655 -
숨겨진 다자 간 관계를 추적·복원하는 AI '마리오' 개발
회의실에 여러 사람이 동시에 모여 회의하는 경우처럼, 다수의 객체가 동시에 상호작용하는 고차원 상호작용(higher-order interaction)은 다양한 분야에서 발생하며, 실세계의 복잡한 관계를 담고 있다. 하지만 기술적 제약으로 인해 많은 분야에서는 주로 개별 쌍 간의 저차원 정보만 수집돼, 전체 맥락이 손실되고 활용에 제약이 따랐다. KAIST 연구진이 이처럼 불완전한 정보만으로도 고차원 상호작용을 정밀하게 복원*하는 AI ‘마리오(MARIOH)’를 개발하며, 소셜 네트워크, 뇌과학, 생명과학 등 다양한 분야에서 혁신적 분석 가능성을 열었다.
*복원: 사라지거나 관측되지 않은 원래 구조를 추정/재구성하는 것
우리 대학 김재철AI대학원의 신기정 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원할 수 있는 인공지능 기술인 ‘마리오(이하 MARIOH, Multiplicity-Aware Hypergraph Reconstruction)’를 개발했다고 5일 밝혔다.
고차원 상호작용 복원이 어려운 이유는 동일한 저차원 상호작용 구조로부터 파생될 수 있는 고차원 상호작용의 가능성이 무수히 많기 때문이다.
연구팀이 개발한 MARIOH의 핵심 아이디어는 저차원 상호작용의 다중도(multiplicity) 정보를 활용해, 해당 구조로부터 파생될 수 있는 고차원 상호작용의 후보 수를 획기적으로 줄이는 데 있다.
더불어, 효율적인 탐색 기법을 통해 유망한 상호작용 후보를 신속하게 식별하고, 다중도 기반의 심층 학습 기술을 활용해 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.
연구팀은 10개의 다양한 실세계 데이터 셋을 대상으로 한 실험 결과, MARIOH는 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 복원하는 데 성공했다.
예를 들어, 논문 공저 관계 데이터(출처: DBLP)에서는 98% 이상의 복원 정확도를 달성해, 약 86% 수준에 머무는 기존 기술을 크게 앞질렀다. 또한, 복원된 고차원 구조를 활용할 경우, 예측, 분류 등 다양한 작업에서의 성능이 향상되는 것으로 나타났다.
신기정 교수는 “MARIOH는 단순화된 연결 정보 정보에만 의존하던 기존 접근에서 벗어나, 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어 준다”라며, “단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것”이라고 밝혔다.
김재철AI대학원의 이규한 석박통합과정(現 GraphAI 소프트웨어 엔지니어)과 이건 석박사통합과정, 신기정 교수가 저자로 참여한 이번 연구는 지난 5월에 홍콩에서 열린 제41회 IEEE 국제 데이터공학 학회(IEEE International Conference on Data Engineering, IEEE ICDE)에서 발표됐다.
※논문명: MARIOH: Multiplicity-Aware Hypergraph Reconstruction
※DOI: https://doi.ieeecomputersociety.org/10.1109/ICDE65448.2025.00233
한편, 이번 연구는 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.
2025.08.05 조회수 3077 -
연구자 없이 로봇팔·AI로 소재 혁신 실현
이차전지 양극 소재는 높은 충전 속도, 에너지 밀도, 안정성 등 어려운 기준들을 전부 충족해야 하기 때문에 소재 개발을 위해서는 수많은 소재 후보군을 고려해 탐색을 진행해야만 한다. 국내 산학 협력 연구진이 AI 및 자동화 시스템을 활용해 연구자의 개입 없이 이차전지 양극 소재의 개발을 진행하는 자율 탐색 실험실*을 구축했다. 이를 통해 개발 과정 중 발생하는 연구자의 노동을 최소화하며 탐색 기간을 93% 단축했다.
*자율 탐색 실험실: 자율적으로 실험을 설계, 수행, 분석하여 최적의 소재를 탐색하는 플랫폼
우리 대학 신소재공학과 서동화 교수 연구팀이 포스코홀딩스 미래기술연구원(원장 김기수) 에너지소재연구소 LIB소재연구센터 연구팀과 산학 협력 연구를 통해, AI 및 자동화 기술을 활용해 이차전지 양극 소재를 탐색하는 자율 탐색 실험실을 구축했다고 3일 밝혔다.
이차전지 양극 소재 개발은 필연적으로 시료의 무게를 칭량하고 이송하는 정량, 혼합, 소결* 및 분석 과정을 거쳐 광범위한 양극 조성(화합물 내 성분 원소들이 섞이는 비율) 및 실험 변수 탐색해야 해서 숙련된 연구자의 많은 노동력이 필요하고 긴 개발 시간을 필요로 한다.
*소결: 시료를 가열하여 분말 입자들이 열적 활성화 과정을 거쳐 하나의 덩어리로 되는 과정
연구팀은 연구자의 개입 없이 시료 정량, 혼합, 펠렛화, 소결 및 분석을 수행하는 자동화 시스템과 분석된 데이터를 해석하고 이를 학습해 최선의 후보군을 선택하는 AI 모델을 기반으로 자율 탐색 실험실을 구축했다.
연구팀은 자동화 시스템을 구축하기 위해 정량, 혼합, 펠렛화, 소결 및 분석 과정을 각각 개별 장치 모듈로 구축하고 이를 중앙 로봇팔이 핸들링하는 방법으로 로봇팔의 비중을 줄여 실험 효율을 증대시켰다.
또한, 연구팀은 기존 저속 소결 방법과 다른 고속 소결 방법을 도입하여 합성 속도를 비약적으로 개선했다. 그 결과 소결 공정에 필요한 시간을 50배 단축할 수 있었고, 이를 기반으로 자율 탐색 실험실은 기존 연구자 기반 실험 대비 12배 많은 소재 데이터의 확보가 가능하다.
확보된 많은 소재 데이터는 AI 모델을 통해 자동으로 해석되어 합성된 상 정보 및 불순물 비율 등이 추출된다. 이를 합성 성공 여부와 관계없이 체계적으로 저장하여 양질의 데이터베이스를 구축하며 해당 데이터는 이후 최적화 AI 모델의 학습 데이터로 활용하여 다음에 자동화 시스템이 실험할 양극 조성 및 합성 조건을 추천하는 폐루프 실험 시스템*을 구현했다.
*폐루프 (Closed-loop) 실험 시스템: 실험 전 과정을 연구자의 개입 없이 스스로 수행하는 시스템
지능형 실험 자동화 시스템을 24시간 운용할 경우, 약 12배 이상의 실험 데이터 확보 및 93%의 소재 탐색 시간 단축이 가능하며, 이는 소재 탐색에 필요한 실험 횟수가 500회라고 가정할 시 연구자가 직접 실험을 수행하는 기존 방식으로는 84일이 소요되는 반면, 자동화 시스템은 약 6일 만에 완료할 수 있는 것으로 시간 및 인력 효율을 크게 향상시킬 수 있다.
자율 탐색 실험실 개발 과정에서 포스코홀딩스는 프로젝트 전반의 기획과 총괄 운영을 맡고, 전체 플랫폼 설계에 대한 검토와 부분 모듈 설계 및 AI 기반 실험 설계 모델에 대한 공동 개발을 수행했으며, 서동화 교수팀은 전체 플랫폼 설계, 부분 모듈 설계 및 제작, 알고리즘 제작, 자동화 시스템 기반 실험 검증 및 오류 개선 등 실질적 시스템 구현과 운영을 담당했다.
서동화 교수는 "이번 연구를 통해 구축된 시스템은 저출산으로 인한 연구 인력 감소를 해결할 기술”이라며 "양질의 소재 데이터를 확보하여 이차전지 소재 개발을 가속화 하여 글로벌 경쟁력을 강화 가능할 것으로 기대된다”고 설명했다.
또한, 포스코홀딩스 미래기술연구원은 이번에 개발된 자율 탐색 실험실 시스템을 기반으로, 2026년 이후 업그레이드된 버전을 자체 연구소 실험실에 적용하여 차세대 이차전지 소재 개발 속도를 획기적으로 높이는 것을 목표로 하고 있다. 이를 위해 설비의 안정성과 확장성을 강화하는 후속 개발을 계획 중이며, 산학연이 협력해 개발한 기술이 실제 연구개발 현장에서 활용되는 사례로 이어질 것으로 기대된다.
한편, 이번 연구는 신소재공학과 서동화 교수 연구실의 이현기 박사과정 연구원을 비롯해 배성재, 김동우 석사과정 연구원의 주도로 진행됐으며, 포스코홀딩스 미래기술연구원 에너지소재연구소(소장 홍정진)와 LIB소재연구센터의 박정우 수석연구원, 박인철 수석연구원이 공동으로 참여했다.
2025.08.05 조회수 2943 -
제1회 국가미래전략기술포럼 성료...AI 대전환의 미래-피지컬 AI 전략 제시
우리 대학은 7월 31일 오전 국회의원회관에서 ‘인공지능 대전환(AX)의 미래: 피지컬 AI’를 주제로, 한국의 AI 반도체 및 제조업 강점을 활용한 기술패권 전략을 논의하기 위한 초당적 정책 포럼인 ‘제1회 국가미래전략기술포럼’을 성공적으로 개최했다고 31일 밝혔다.
이번 포럼은 KAIST가 주관하고, 국회 과학기술정보방송통신위원회 간사 최형두 의원(국민의힘)과 산업통상자원중소벤처기업위원회 위원 김한규 의원(더불어민주당)이 공동 주최하였다. 본 포럼은 10월을 제외하고 매월 한 차례씩 총 5회 개최되는 국가미래전략기술포럼의 첫 출발점이다.
포럼의 대주제인 ‘인공지능 대전환(Artificial Intelligence Transformation, AX)’은 생성형 AI의 확산으로 산업, 경제, 사회 전반에 걸쳐 촉발된 구조적 변화에 대응하기 위해 기획됐다.
제1회 포럼의 주제는 ‘피지컬 AI(Physical AI)’였다. 거대언어모델(LLM)의 확산으로 촉발된 AI 혁신이 초저전력·초경량 반도체 기반의 물리 세계—즉 로봇, 센서, 엣지 디바이스 등—로 급속히 확장되고 있는 흐름을 반영한 것이다. 피지컬 AI는 로보틱스, 자율주행, 스마트팩토리 등과 AI 기술이 융합돼 현실 세계와 직접 상호작용하는 기술로, 특히 반도체와 제조업에 강점을 지닌 한국이 글로벌 기술 경쟁에서 전략적 우위를 확보할 수 있는 차세대 유망 분야로 주목받고 있다.
유회준 인공지능반도체대학원장은 ‘초저전력 AI 반도체와 AI 모델 경량화에 따른 제2의 AI 혁신’을 주제로, 피지컬 AI 구현을 위한 반도체 기술 동향, 학계 및 산업계의 로봇·반도체 전략, 그리고 한국의 K-Physical AI 개발 방향을 소개했다.
이어 김정 기계항공공학부장은 ‘피지컬 AI와 휴머노이드 로봇 동향’을 주제로, AI와 로봇의 융합이 촉진할 새로운 산업 패러다임을 전망하고, 인간의 지적·물리적 활동을 보완하거나 대체할 휴머노이드 로봇의 글로벌 동향과 한국의 개발 방향 및 생존 전략을 설명했다.
포럼 후, 이어진 자유토론에서 참석 의원들과 전문가들은 초당적 기술전략 수립의 필요성과 협력 방안을 심도 있게 논의했다. 좌장을 맡은 이영 KAIST 초빙석학교수는 AI 기술이 물리적 현실과 융합하면서 사회 시스템 전반에 지각변동을 일으키고 있으며, 이번 포럼이 미래 국가전략의 기초를 설계하는 기반이 되기를 바란다고 마무리했다.
국민의 힘 최형두 의원은 “이번 포럼이라는 공론의 장을 통해, 입법·정책이 과학기술 현장과 방향성을 일치시키고, 앞으로 필요한 조치들이 제때 추진되어 국가 경쟁력으로 이어질 수 있도록 최선을 다하겠다”고 밝혔다.
더불어민주당 김한규 의원은 “과학기술 전략화가 가속화되면서, 단일 전략기술에도 여러 부처가 관여해 정책 조율이 쉽지 않은 상황 속에서 이번 포럼처럼 이해당사자 간의 지속적인 소통은 해법 마련에 큰 도움이 된다”고 강조했다.
이광형 총장은 “비록 한국이 생성형 AI 분야에서는 후발주자이지만, 제조, 반도체, 로봇 등에서의 기술 역량을 바탕으로 피지컬 AI 영역에서는 전략적 우위를 확보할 수 있는 기회가 있다”며, “여야 의원들과 전문가들이 자주 머리를 맞대고 실효성 있는 정책을 마련해 우리나라 과학기술 발전에 힘을 보태주길 바란다”고 밝혔다.
이번 시리즈는 AI, 반도체, 바이오, 에너지 등 전략기술이 국가안보와 경제 주권을 좌우하는 국제 정세 속에서, 한국이 기술 주도권을 확보할 수 있는 정책적·제도적 해법을 모색하기 위한 포럼이다. 과학기술정보방송통신위원회 및 산업통상자원중소벤처기업위원회 소속 여야 의원들이 지속적으로 참여해 초당적 논의의 장을 이어갈 예정이다. 실무는 KAIST 국가미래전략기술 정책연구소가 담당한다.
2025.07.31 조회수 3871 -
전기및전자공학부 유회준 교수, 대한민국학술원 신임회원으로 선출
우리 대학 전기및전자공학부 교수이자 ICT 석좌교수인 유회준 교수가 2025년 대한민국학술원 신임회원으로 선출됐다. 유 교수는 7월 11일 개최된 대한민국학술원 총회를 통해 공식 선출되었으며, 전자공학 분야에서의 지속적인 연구 성과와 학술 기여를 바탕으로 선임되었다. 당월 18일 서울 서초구에 위치한 대한민국학술원에서 열린 신임회원 회원증서 수여식에 참석하여 선임장을 수여받았다.
대한민국학술원은 1954년 설립된 교육부 산하의 국가 학술기관으로, 국내 학문 발전에 이바지한 석학을 대상으로 매년 각 학문 분과별로 극소수의 신임회원만을 엄정한 심사를 통해 선발하고 있다. 올해는 전국에서 총 8명이 신임회원으로 선정되었으며, 유 교수는 자연과학분과 제3분과(공학)에서 유일하게 선출되었다.
학술원은 학문적 업적이 탁월하고 해당 분야의 발전에 기여한 석학을 회원으로 선출하여, 이들의 연구를 지원하고 학술 정책 자문, 국내외 학술 교류, 우수학술도서 선정, 학술원상 시상 등의 다양한 사업을 수행하고 있다.
회원으로 선출되기 위해서는 단순한 연구 성과뿐 아니라 장기적인 학계 기여와 공적이 함께 평가되며, 그 선임은 국내 학계에서 가장 높은 수준의 학문적 권위를 상징한다. 2025년 현재, 자연과학·인문사회과학 통틀어 총 회원 수는 150명 내외에 불과하며, 자연과학분과는 전국적으로 약 70명 규모로 구성되어 있다.
대한민국학술원 회원은 일종의 '국가가 공인한 학계 대표자'로서, 학문을 통해 국가와 사회에 공헌하는 역할을 수행하게 된다. 또한, 학술원은 주요 국가 간 학술원과의 협력을 통해 국제 학술 네트워크의 허브 역할도 하고 있다.
유회준 교수는 인공지능 반도체, 뉴로모픽 칩, 초저전력 SoC(System on Chip), 웨어러블 반도체 등 반도체 설계 및 융합 시스템 분야에서 세계적 수준의 연구를 수행해왔다. 그는 우리 대학 전자공학과 교수이자 ICT 석좌교수로 재직 중이며, AI반도체대학원 원장, IT융합연구소 소장, PIM반도체설계 연구센터장을 맡고 있다.
특히 유 교수는 1995년 세계 최초로 256M SDRAM을 개발하고 관련 논문을 발표한 것을 시작으로, 2000년부터 2023년까지 62편의 주요 논문을 발표하였다. 이 중에는 『DRAM의 설계』와 같은 반도체 설계 전문서적을 비롯해 AI 반도체, 웨어러블 AR 반도체, 저전력 무선통신 칩, 바이오메디컬 IC 등 다양한 응용 분야에 대한 연구가 포함된다. 특히 2014년에는 세계 최초로 DNN(Deep Neural Network) 가속기 칩을 공개하며, 2025년까지 18편의 AI 반도체 연구 성과를 발표하였다.
그는 또한 미국 전기전자학회(IEEE)에서 석학회원(Fellow)으로도 선임됐으며, ISSCC(국제고체회로학회) 70주년 기념식에서 동양인으로는 유일하게 '최다 논문 발표자 톱5'에 선정되는 성과를 기록하여 국제적으로 그 연구력을 인정받고 있다.
유 교수는 과거 벨연구소에서 표면 광방출 레이저 개발을 주도했고, 현대전자(현 SK하이닉스)에서는 256M DRAM 개발을 이끈 바 있다. 또한 2005년에는 정보통신부 정책자문관으로서 SoC 및 차세대 컴퓨팅 기술 정책 수립에도 기여하였다.
그는 현재까지 250편 이상의 논문과 5권의 전문서적을 집필 또는 편집하였으며, ISSCC, A-SSCC, ISWC 등 세계 주요 회로 설계 학회의 조직위원과 TPC 위원장, IEEE SSCS Distinguished Lecturer 등으로 활동해왔다.
전기및전자공학부는 이번 선임이 반도체 및 전자공학 분야의 지속적인 학문적 기여와 국제적 위상을 인정받은 결과라고 평가하며, 향후 유 교수의 지속적인 연구 활동과 후학 양성을 기대한다고 밝혔다.
이번 대한민국학술원 신임회원 선출은 유회준 교수가 전자공학 및 시스템 반도체 설계 분야에서 장기간 축적해온 연구 성과와 학문적 기여가 국가적으로 공인된 결과로, 그의 전문성과 지속적인 학술 활동이 공공연히 평가받은 의미 있는 사례로 볼 수 있다.
2025.07.22 조회수 3068 -
'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 3802 -
고온 실험 없이 AI로 '최적 합금' 예측 시대 연다
자동차와 기계 부품 등에 사용되는 강철 합금은 일반적으로 고온에서 녹이는(융해) 공정을 거쳐 제조된다. 이때 성분이 변하지 않고 그대로 녹는 현상을 ‘합치 융해(congruent melting)’라고 한다. 우리 연구진은 이처럼 고온 실험을 통해서만 가능했던 합금의 융해 특성을 인공지능(AI)으로 해결했다. 이번 연구는 고질적인 난제였던 합금이 녹을 때 서로 얼마나 잘 섞이는지를 미리 예측함으로써, 미래 합금 개발의 방향성을 제시한다는 점에서 주목받고 있다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 미국 노스웨스턴대 크리스 울버튼(Chris Wolverton) 교수팀과 국제 공동연구를 통해, 밀도범함수이론(DFT)* 기반의 형성에너지(합금이 얼마나 안정적인지를 나타내는 값) 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다.
*밀도범함수이론(Density Functional Theory, DFT): 전자 밀도(electron density)를 기반으로 시스템의 전체 에너지를 계산하는 방법
연구팀은 밀도범함수이론을 통해 계산한 형성에너지와, 기존의 실험적 융해 반응 데이터를 머신러닝에 결합해 4,536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후, 그 예측 모델을 구성했다.
다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였으며, 약 82.5%의 예측 정확도를 달성했다.
연구팀은 또한 샤플리(Shapley) 기법*을 활용해 모델의 주요 특징(feature)들을 분석했으며, 이 중에서도 기울기 변화가 크다는 것은 그 조성에서 에너지적으로 매우 유리한(=안정한) 상태가 형성된다는 뜻으로 ‘형성에너지 곡선의 기울기 변화(convex hull sharpness)’가 가장 중요한 인자로 도출됐다.
*샤플리기법: AI가 어떤 이유로 그렇게 판단했는지를 알려주는 설명 도구
이번 연구의 가장 큰 의의는 고온 실험 없이도 소재의 융해 반응 경향성을 예측할 수 있다는 점이다. 이는 특히 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재 군에서 매우 유용하며, 향후 복잡한 다성분계 합금 설계에도 확장될 수 있다.
또한, AI 모델이 도출한 주요 물리량은 합금이 잘 변하고, 안정적인지 등에 대한 실제 실험 결과와 높은 일치도를 보였고, 향후 다양한 금속재료 개발 및 구조 안정성 예측 등 널리 활용될 수 있을 것으로 기대된다.
홍승범 교수는 “이번 연구는 계산과 실험 데이터, 그리고 머신러닝의 융합을 통해 기존의 경험적 합금 설계 방식에서 벗어나 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여준 사례”라며 “향후 생성형 모델, 강화학습 등의 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것”이라고 말했다.
신소재공학과 최영우 박사과정 연구원이 제1 저자로 참여한 이번 연구는 미국물리협회(American Institute of Physics, AIP)에서 발간하는 머신러닝 분야의 권위 있는 학술지인 ‘APL 머신러닝(Machine Learning)’ 5월호에 게재 및 ‘특집 논문(Featured article)’로 선정됐다.
※ 논문 제목: Machine learning-based melting congruency prediction of binary compounds using density functional theory-calculated formation energy
※ DOI: https://doi.org/10.1063/5.0247514
한편, 이번 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.
2025.07.14 조회수 3125 -
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 3753 -
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 4559 -
기계공학과 윤국진 교수 연구팀, 세계 최고 권위 컴퓨터비전 국제학술대회 ICCV 2025에 논문 12편 채택
우리 대학 기계공학과 윤국진 교수 연구팀의 논문 12편이 세계 최고 권위 컴퓨터비전 국제 학술 대회 중 하나인 IEEE/CVF International Conference on Computer Vision 2025(ICCV 2025)에 채택되어, 연구팀의 독보적인 연구 역량을 다시 한번 국제적으로 인정받았다.
ICCV는 CVPR, ECCV와 함께 컴퓨터비전 및 인공지능 분야에서 가장 영향력 있는 국제 학술대회 중 하나로, 1987년부터 격년으로 개최되어 왔다. 이번 ICCV 2025에는 총 11,152편의 논문이 제출되었고, 이 중 2,698편이 채택되어 약 24.19%의 낮은 채택률을 기록하였다. 학술대회에 제출할 수 있는 논문 편수에 대한 제한이 있음에도 불구하고 단일 연구실에서 12편의 논문이 동시 채택되는 것은 매우 드문 성과다.
윤국진 교수 연구팀은 학습 기반의 시각 지능 구현을 목표로 연구를 진행하고 있으며, 이번에 발표된 12편의 논문들은 3D 객체 탐지 및 재구성, 동작 예측 및 계획, 악천후나 모션 블러와 같은 극한 환경에서의 영상 인식 및 개선, 테스트 시점 적응 및 멀티태스크 학습, 4D 맵을 활용한 재구성과 같은 컴퓨터비전 분야의 핵심 주제들에 대한 논문들이다.
특히 연구팀은 지난해 CVPR 2024와 ECCV 2024에서도 각각 9편과 12편의 논문을 발표하여 학계의 주목을 받은 바 있는데, 이번 ICCV 2025에서의 성과를 통해 전 세계 컴퓨터 비전 분야의 선두 연구실로서 입지를 더욱 확고히 했다. 연구팀은 앞으로도 도전적인 연구를 이어가며 학문적·기술적 한계를 확장해 나갈 계획이다.
ICCV 2025는 오는 10월 19일부터 23일까지 미국 하와이 호놀룰루에서 개최될 예정이다.
2025.06.30 조회수 5495 -
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 4424 -
G3 AI 강국 위한 인재 양성과 과학기술 혁신 나선다
새 정부 출범과 함께 AI 및 과학기술 분야에 대한 사회적 관심이 크게 높아진 가운데, 우리 대학은 과학기술을 기반으로 국가 혁신을 주도하고 인류의 문제 해결에 앞장서는‘AI 중심 가치 창출형 과학기술특성화대학’으로 거듭날 계획임을 24일 밝혔다.
대한민국이 기술 주도형 사회로 대전환을 맞이하는 시점에서 KAIST는 지난 반세기 동안 국가 발전사의 '스타터킷(Starter Kit)' 역할을 수행해온 경험을 토대로, 단순한 교육·연구기관을 넘어 새로운 사회적 가치를 창출하는 글로벌 혁신 허브로의 도약을 준비하고 있다.
특히 우리 대학은 대한민국이 인공지능 주요 3개국(G3)에 도약할 수 있도록 전 국민이 소외 없이 AI를 활용할 수 있는 'AI 기본사회' 실현을 비전으로 제시했다. 이를 위해 KAIST가 주관하는 대한민국을 대표하는 ‘국가AI연구거점’사업(책임자 김기응)을 통해 AI 기술을 기반으로 산업 경쟁력을 제고하고 사회 문제를 실질적으로 해결하는 데 매진하고 있다.
우리 대학 AI 분야 연구 성과는 국제적으로도 주목받는다. 머신러닝 분야 최고 3대 학회(ICML, NeurIPS, ICLR)에서 최근 5년간(2020~2024) 세계 5위, 아시아 1위를 기록하고 있으며, 같은 기간동안 머신러닝, 자연어처리, 컴퓨터비전 Top 학회(ICML, NeurIPS, ICLR, ACL, EMNLP, NAACL, CVPR, ICCV, ECCV)의 논문 수 기준으로 세계 5위, 아시아 4위를 차지했다. 또한, 세계 최고 권위의 반도체 집적회로 학술대회인 ISSCC(International Solid-State Circuits Conference)에서 19년간(2006~2024) 평균 논문 채택 수 세계 1위를 차지하며 독보적인 연구력을 입증했다.
우리 대학은 초거대 AI 모델(한국형 LLM), 뉴로모픽 반도체, 저전력 AI 프로세서 등 핵심 AI 기술 개발을 비롯해 자율주행, 도심항공교통(UAM), 정밀의료, 설명 가능한 AI(XAI) 등 다양한 응용 분야에서도 연구를 지속 확대 중이다.
제조업 분야에서도 KAIST의 AI 기술은 현장 혁신을 주도한다. 장영재 교수팀은 제조 현장 데이터를 활용한 디지털 트윈과 AI 기반 예측 기술로 반도체 및 디스플레이 등 첨단 제조 분야의 생산성을 높였으며, 김성민 교수팀은 센티미터 이하의 정밀도로 위치 추적이 가능한 초저전력 무선 태그 기술을 개발해 스마트 팩토리 구현을 앞당기고 있다. 최재식 교수가 창업한 ㈜인이지의 산업 공정 최적화, 설비 고장 예측과 같은 기술은 실제 산업 현장에 빠르게 적용되어 성과를 내고 있다. 한편, ㈜인이지는 지난 3월 정부가 추진하는 '설명가능한 AI(XAI)' 분야 국가전략기술로 지정되기도 했다.
AI와 밀접한 연관을 지닌 로봇 분야에서도 실용화 사례가 잇따른다. 기계공학과 황보제민 교수팀은 재난 구조, 험지 탐사, 등 고위험 환경에서 활용 가능한 사족보행 로봇 '라이보(RAIBO) 2'를 새롭게 개발해 주목을 받았다. 공경철 교수팀과 ㈜엔젤로보틱스는 외골격 로봇 '워크온 슈트'를 개발해 하반신 완전마비 또는 보행 장애인의 삶의 질을 획기적으로 개선하는 데 기여한다.
이외에도 AI 반도체, 양자암호통신, 초소형 위성, 수소연료전지, 차세대 배터리, 생체모사 센서 등 미래 핵심 기술 분야에서도 괄목할 만한 연구가 이어지고 있다. 특히 소형 위성을 기반으로 한 우주탐사 기술과 소행성 탐사 프로젝트, 에너지 하베스팅 및 고속 충전 기술 등이 주목받는다.
특히 첨단 바이오 및 생명과학 분야에서도 KAIST는 독일 머크(Merck)사와 협력하여 합성생물학, mRNA 등 다양한 연구를 진행 중이며, 대전에 4,300억 원 규모의 머크 바이오센터 건립에 기여하며 지역 경제 활성화와 일자리 창출에도 기여한다.
이런 첨단 연구 역량을 바탕으로 KAIST는 산업계는 물론 글로벌 무대에서도 영향력을 지속 확대하고 있다. MIT, 스탠퍼드대, 뉴욕대(NYU) 등 세계 유수 대학들과 전략적 파트너십을 구축했으며, 특히 NYU와는 뉴욕에 공동캠퍼스를 설립하여 인적 교류, 공동연구 등을 강화하고 있다. 구글, 인텔, TSMC 등 글로벌 기업들과의 산학협력도 활발히 이어가며 미래 기술 개발과 혁신생태계 조성에 중추적인 역할을 한다.
이러한 활동은 대한민국 산업을 이끄는 강력한 창업 생태계로도 이어진다.큐닉스컴퓨터, 넥슨, 네이버 등으로 이어진 창업 흐름은 지금까지 총 1,914개 기업으로 확산됐으며, 이들의 누적 자산은 94조 원, 매출 36조 원, 고용 6만 명에 이른다. 이 중 90% 이상이 교수 및 학생 연구실 기반의 기술창업이라는 점에서 과학기술에 기반하여 실질적으로 경제에 기여하는 모델을 제시하고 있다.
이처럼 다양한 성과를 지속적으로 창출해 온 KAIST는 도전과 실패를 통해 혁신을 만들어 온 카이스티안(KAISTian) 약 8만 명을 이미 사회로 배출했으며, 지금도 새로운 인재를 영입해 대한민국과 세계를 변화시키는 혁신을 이어가는 중이다.
이광형 총장은 "KAIST는 대한민국과 인류의 미래를 설계하고 실질적인 가치를 만들어내는 글로벌 과학기술 리더로 자리매김할 것“이라며 ”새 정부의 국정과제인 G3 AI 강국 실현을 위하여 인재 양성과 연구개발에 주력할 예정“이라고 강조했다.
그는 이어 ”KAIST가 특히 역점을 두는 AI 분야에 대한 비전은 모든 사람이 AI를 자유롭게 활용할 수 있는 사회를 실현하기 위해 노력할 것"이라며 "AI를 통해 제조업 경쟁력을 회복하고, 피지컬 AI, AI 로봇, AI 모빌리티 기술을 산업 현장에 적극 보급하여 생산성을 획기적으로 끌어올리는 데 기여하겠다"고 밝혔다.
2025.06.24 조회수 5047