%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5
-
美케이던스社, 80억 상당 AI반도체 장비 우리 대학에 기증
“케이던스 사의 통 큰 기부에 감사드리며, 대한민국 AI 인재 100만 명 양성이라는 원대한 목표 달성과 세상을 혁신할 반도체 연구 실현에 앞장서겠습니다”(이광형 총장)
우리 대학은 미국 소프트웨어 기업인 케이던스 디자인 시스템즈 코리아(Cadence Design Systems, 이하 케이던스)가 반도체 설계 특화 장비인 ‘케이던스 팔라디움 제트원(Cadence Palladium Z1)’*을 우리 대학에 기증한다고 밝혔다.
*팔라디움 제트원: 반도체 설계 검증을 위한 초고성능 에뮬레이터 장비로, 하드웨어-소프트웨어 검증 및 디버깅 작업을 1개의 랙 당 5.76억 게이트까지 대용량으로 구현 가능함. 동 장비를 통해 SoC(System On Chip) 개발 단계에서 설계 검증을 더 원활히 수행할 수 있음.
케이던스는 1995년 반도체설계교육센터(IDEC) 설립 이후 우리 대학에 EDA(Electronic Design Automation) 툴 라이센스 및 실습 교육을 약 30년간 지원해왔다. 이 인연을 계기로 반도체 설계 인력 양성에 도움이 되고자 하는 뜻을 담아 기증이 성사됐다.
17일(화) 오전 열리는 기증식에는 이광형 총장, 유회준 인공지능반도체대학원장, 박인철 반도체설계교육센터 소장, 케이던스 신용석 사장, 케이던스 도지훈 상무 등 교내외 관계자들이 참석한다.
기증식에서 박인철 반도체설계교육센터 소장과 조우영 PIM반도체설계연구센터 교수가 기증 경과와 운영 계획을 발표하고, 우리 대학과 케이던스가 업무협약을 체결할 예정이다.
이후 반도체설계교육센터(IDEC)는 팔라디움 제트원 사용법 교육을 신설하고 국내 대학 연구실에서 본 장비를 활용할 수 있도록 시스템·기술 기반을 마련한다.
PIM 반도체설계연구센터와 인공지능반도체대학원은 산학협력 연구기관 및 스타트업을 중심으로 장비 사용 환경을 구축한다. 케이던스는 실제 운용을 위한 관리자 교육과 필요한 소프트웨어 등을 지원하기로 하였다.
신용석 케이던스 코리아 사장은 “이번 기증과 우리 대학과의 협력을 통해 반도체 산업을 이끌어갈 우수 인재가 더 많아지길 바란다. 앞으로도 케이던스는 선진 반도체 기술 구현을 위해 최선을 다할 것”이라고 밝혔다.
이광형 총장은“케이던스코리아의 우수 장비 기증에 감사드리며, 이를 통해 반도체 역량 성장의 중요한 발판이 마련된 것을 기쁘게 생각한다. 우리 대학은 반도체 분야 선도기관으로서, 새로운 교육 기회와 혁신적인 연구를 통해 대한민국 반도체 산업의 글로벌 경쟁력 강화에 기여할 것”이라고 전했다.
케이던스는 1983년에 설립된 미국의 다국적 기술 및 컴퓨팅 소프트웨어 기업으로 집적회로, 시스템 온 칩(SoC), 인쇄 회로 기판 및 다중물리 시스템 분석(MSA) 등의 제품 설계를 위한 소프트웨어 및 하드웨어를 제작하는 곳이다. 현재 삼성전자 파운드리 사업부의 EDA 공식 파트너로서 국내 반도체 기업의 칩 설계를 위한 소프트웨어와 하드웨어를 공급하고 있다.
2024.12.17 조회수 4016 -
KAIST 설명가능 인공지능연구센터, 2024 XAI 튜토리얼 시리즈 성황리 종료
국내 최대의 설명가능 인공지능(XAI) 연구조직인 KAIST 설명가능 인공지능연구센터(센터장 KAIST 최재식 교수)는 11월 5일부터 22일까지 7회에 걸쳐 설명가능 인공지능 튜토리얼 시리즈를 성공적으로 개최했다. 이번 튜토리얼에는 학생, 연구자, 기업 실무자 등 누적인원 총 530여 명이 참여하여 설명가능 인공지능 기술에 대한 높은 관심과 수요를 보여주었다.
행사는 XAI의 주요 알고리즘부터 최신 연구 주제까지, 총 16개 세션 발표로 진행되었다. 개회 강연으로 ‘설명가능 인공지능 최신 연구 동향’에 대해 최재식 교수가 발표하였고, 이어서 KAIST 설명가능 인공지능연구센터 소속 석·박사 과정 연구원들이 △주요 XAI 알고리즘 △XAI 알고리즘의 평가기법 △거대 언어모델(LLM), 이미지 생성모델, 시계열 데이터에 대한 설명성 △ XAI Framework, 의료 도메인 적용 사례를 주제로 발표했다. 튜토리얼 마지막날에는 독일 Fraunhofer HHI(Heinrich Hertz Institute) 소속 연구원들이 개념 기반 설명(Concept-based Explanations)을 주제로 최신 연구 결과를 공유했다. 또한 이강혜 변호사(법무법인(유) 태평양)가 AI의 신뢰성과 안전성을 확보하기 위한 국내외 AI규제 동향에 대해 초청강연을 했다.
행사를 주관한 최재식 교수는 “최근 국내외에서 AI규제와 입법화가 본격화되면서, AI시스템의 신뢰성, 안전성, 설명성 등이 필수적으로 요구되는 상황에서 학계와 산업계에 관련 기술 교육 프로그램을 폭넓게 제공하고자 했다”고 말했다. 특히 이번 행사는 KAIST 김재철 AI대학원 성남연구센터와 공동으로 주최해 성남시 소재 유관 기업들의 적극적인 참여를 이끌어냈다.
튜토리얼의 발표자료와 녹화영상은 행사 홈페이지에서 제공된다.
(https://xai.kaist.ac.kr/Tutorial/2024/)
KAIST 설명가능 인공지능연구센터는 AI 모델의 내부 구조를 해석하고, 모델의 의사결정 과정을 설명할 수 있는 알고리즘을 연구하며, 이를 의료, 금융, 제조 등 다양한 실제 도메인에 적용하는 산학 공동연구를 활발히 수행하고 있다. 본 연구센터는 사람중심인공지능 핵심원천기술개발사업의 일환으로 과학기술정보통신부와 정보통신기획평가원(IITP)의 지원을 받아 설립되었으며, 현재 KAIST 김재철AI대학원 성남연구센터에 위치하고 있다.
2024.11.29 조회수 4062 -
바이오 경로 이미지 분석하는 AI 최초 개발
유전자, 단백질, 대사물질 등 복잡한 정보를 표현하는 바이오 경로 이미지는 중요한 연구 결과를 내포하고 있지만, 이미지 기반 정보 추출에 대해 그동안 충분한 연구가 이뤄지지 않았다. 이에 우리 연구진은 바이오 경로 정보를 자동으로 추출할 수 있는 인공지능 프레임워크를 개발했다.
우리 대학 생명화학공학과 김현욱 교수 연구팀이 바이오 경로 이미지에서 유전자와 대사물질 정보를 자동으로 추출하는 기계학습 기반의 ‘바이오 경로 정보 추출 프레임워크(이하 EBPI, Extraction of Biological Pathway Information)’를 개발했다고 28일 밝혔다.
연구팀이 개발한 EBPI는 문헌에서 추출한 이미지 속의 화살표와 텍스트를 인식하고, 이를 기반으로 바이오 경로를 편집 가능한 표의 형태로 재구성한다. 객체 감지 모델 등의 기계학습을 사용해 경로 이미지 내 화살표의 위치와 방향을 감지하고, 이미지 속 텍스트를 유전자, 단백질, 대사물질로 분류한다. 그 후 추출된 정보를 통합해 경로 정보를 표 형식으로 제공한다.
연구팀은 74,853편의 논문에서 추출한 바이오 경로 이미지와 기존 수작업으로 작성된 경로 지도를 비교하며 EBPI의 성능을 검증했다. 그 결과, 높은 정확도로 바이오 경로 정보가 자동으로 추출됐음을 확인했다.
EBPI를 사용해 대표적인 바이오 경로 데이터베이스에 포함되지 않은 생화학 반응 정보를 대량의 문헌 내 바이오 경로 이미지로부터 추출하는 데에도 성공했다.
다양한 산업적 가치를 지닌 대사물질들의 생합성 관련 문헌을 EBPI로 분석한 결과, 문헌에서는 보고가 됐지만, 기존 데이터베이스에서는 누락된 생화학 반응들이 확인된 것이다. 화학산업에서 다양한 응용분야를 갖는 1,4-부탄디올, 2-메틸부티르산, 하이드록시티로솔, 레불린산 및 발레로락탐의 생합성 경로를 예시로 이러한 발견을 제시했다.
연구를 총괄한 김현욱 교수는 “이번 연구에서 개발된 EBPI는 대규모 문헌 데이터 분석에 있어 중요한 도구가 될 것이며 생명공학, 대사공학 및 합성생물학 분야에서 바이오 경로 이미지를 AI로 분석하는 최초의 사례로, 관련 연구의 실험 디자인 및 분석 시 유용하게 활용될 수 있을 것”이라고 밝혔다.
생명화학공학과 권문수 박사과정생과 이준규 박사과정생이 공동 제1 저자인 이번 연구는 대사공학 및 합성생물학 분야의 대표적 국제학술지인 대사공학(Metabolic Engineering, JCR 분야 상위 10% 이내)에 11월호에 게재됐다.
※ 논문명 : A machine learning framework for extracting information from biological pathway images in the literature
※ 저자 정보 : 권문수(한국과학기술원, 공동 제1 저자), 이준규(한국과학기술원, 공동 제1 저자), 김현욱(한국과학기술원, 교신저자) 포함 총 3명
한편 이번 연구는 과학기술정보통신부 한국연구재단 및 농촌진흥청의 농업미생물사업단의 지원을 받아 수행됐다.
2024.11.28 조회수 5268 -
반도체 정밀 공정 흐린 영상 복원 가능하다
생물학 연구에 사용되는 형광 현미경이나 반도체 산업에 사용되는 주사전자현미경의 공통점은 불안정성으로 인해 흐려진 영상(블러, blur)을 보정하는 과정이 반드시 필요하다는 점이다. 우리 연구진이 굉장히 강한 잡음에 의해 손상된 왜곡 영상에 대해 적응형 필터와 생성형 인공지능 모델을 융합해 영상을 복원하는 데 성공했다.
우리 대학 바이오및뇌공학과 장무석 교수 연구팀이 삼성전자 DS부문 반도체연구소 차세대공정개발실과 공동 연구를 통해 왜곡 및 강한 잡음이 존재하는 의료·산업 영상을 복원하는 기술을 개발했다고 26일 밝혔다.
스마트폰 카메라 사진에 영상의 흐림·왜곡이 생겼을 때 보정하는 문제를 디컨볼루션(deconvolution) 또는 디블러링(deblurring)이라고 하며, 흐려진 영상 정보만 이용해 선명한 영상을 복원하는 기술을 블라인드 디컨볼루션(blind deconvolution)이라고 한다. 흥미롭게도 디컨볼루션 문제는 일상뿐만 아니라 생물학 연구, 반도체 산업 등 다양한 분야에서 공통적으로 발생한다.
예를 들어, 형광 현미경은 세포와 분자 수준의 미세 구조를 시각화하기 때문에 측정된 형광 신호는 산란이나 회절, 수차 등의 효과로 인해 흐려지기 때문에 디컨볼루션 기법을 통해 보정하는 과정이 반드시 필요하다.
또한, 반도체 산업에서는 수천 개의 생산 공정 중간에 검사·계측 기술을 통해 발생할 수 있는 미세 공정 오류를 감지하고, 공정 수율 개선을 위한 프로세스 개선 과정에 사용되는 주사전자현미경이 전자 빔의 불안정성으로 인해 영상이 흐려지기 쉬우며, 이를 보정하는 과정이 반드시 필요하다.
연구팀은 이처럼 영상이 흐려지는 원인은 움직임, 빛의 산란, 전자의 불안정성 등과 같이 다양하지만, 공통적으로 ‘영상의 흐려짐을 없앤다’라는 점에서 수학적으로 동일한 접근 방법이 활용될 수 있다고 생각했다.
특히 잡음 수준이 높은 영상의 경우, 영상의 잡음을 효과적으로 억제함과 동시에 블러 효과가 제거된 선명한 영상을 복원하는 과정의 균형을 맞추는 것이 매우 중요하다는 점을 착안했다.
연구팀은 위너 디컨볼루션*을 기반으로 영상을 복원하는 접근법을 개발했다. 이를 적응형 잡음 억제 변수, 영상 생성형 인공지능 모델과 결합해 영상 복원 과정에서 발생할 수 있는 잡음을 억제하고 영상 선명도도 높였다.
*위너 디컨볼루션(Wiener deconvolution)은 왜곡된 영상을 역 필터(inverse filter)를 기반으로 깨끗한 영상으로 복원하는 전통적인 방식임.
연구팀은 잡음 민감도가 높은 주사전자현미경으로부터 측정된 왜곡된 영상으로부터 깨끗하고 초점이 맞는 나노미터 단위의 반도체 구조에 대한 영상을 성공적으로 복원해 냄으로써 반도체 검사·계측에 매우 효과적으로 적용할 수 있음을 실험적으로 증명했다.
바이오및뇌공학과 이찬석 연구원은 “이번 연구를 통해 강한 잡음 속에서 왜곡된 영상을 복원하는 난제를 해결했다ˮ며, 이어 "이번 연구에서는 무작위적 잡음을 극복하는 영상 복원 기술을 개발하는 데에 집중했고, 향후 비균일 영상 복원 및 다양한 손상 형태를 극복하는 영상 복원 기술 개발에 주력할 것이다ˮ라고 밝혔다.
바이오및뇌공학과 이찬석 박사과정이 제1 저자로 참여한 이번 연구는 컴퓨터 비전 분야 최고 학회인 ‘제18회 유럽 컴퓨터 비전 학회(The 18th European Conference on Computer Vision)’ 에서 지난 10월 1일에 이탈리아 밀란에서 발표됐고, Springer Nature에서 출판하는 Lecture Notes in Computer Science의 ECCV 2024 프로시딩 집에 게재될 예정이다. (논문명: Blind image deblurring with noise-robust kernel estimation).
2024.11.26 조회수 4033 -
AI가 그린수소와 배터리 미래 신소재 찾아낸다
그린수소 또는 배터리 분야 등 청정 에너지의 성능을 높이는데 가장 큰 영향을 미치는 소재 중 하나는 전극이다. 한국 연구진이 차세대 전극 및 촉매로 활용될 수 있는 신소재를 효율적으로 설계하는 인공지능 기술을 개발했다. 이 기술을 통해 친환경 에너지 사회를 촉진하는데 중요한 역할을 할 것으로 기대된다.
우리 대학 기계공학과 이강택 교수 연구팀의 주도로 한국에너지기술연구원 (원장 이창근), 한국지질자원연구원 (원장 이평구), KAIST 신소재공학과 공동 연구팀들과 함께, 인공지능(AI)과 계산화학을 결합해 그린수소 및 배터리에 활용될 수 있는 스피넬 산화물 신소재를 설계하고, 성능과 안정성을 예측할 수 있는 새로운 지표를 개발하는 데 성공했다고 21일 밝혔다.
스피넬 산화물(AB2O4)은 그린수소 또는 배터리 분야의 차세대 촉매 및 전극 물질로 활용되어 산소 환원 반응(ORR)과 산소 발생 반응(OER)의 속도를 향상시킬 수 있는 잠재력이 높은 물질이다. 하지만, 수천 개 이상의 후보군을 일일이 실험으로 성능을 확인하기 위해서는 많은 시간과 노력이 소요된다.
연구팀은 이를 해결하기 위해 AI와 계산화학을 동시에 사용해 1,240개의 스피넬 산화물 후보 물질을 체계적으로 선별하고, 그중 기존 촉매보다 뛰어난 성능을 보일 촉매 물질들을 찾는 데 성공했다.
그뿐만 아니라, 연구팀은 이번 연구를 통해서 전공 서적에서 손쉽게 찾아볼 수 있는 원자들의 전기음성도를 바탕으로 스피넬 촉매의 안정성과 성능을 예측할 수 있는 지표를 개발했다.
이로써 기존의 실험 방식에 비해 촉매 설계 과정을 훨씬 더 빠르고 효율적으로 진행할 수 있게 되었다. 또한, 연구팀은 스피넬 산화물에서 산소 이온이 움직일 수 있는 3차원 확산 경로를 발견해, 촉매의 성능을 더욱 향상할 수 있는 메커니즘을 처음으로 규명했다.
이강택 교수는 “이번 연구는 인공지능을 통해 신소재의 성능을 빠르고 정확하게 예측할 수 있는 새로운 방법을 제시했다”며, “특히, 이를 통해 그린수소와 배터리 분야에 활용될 수 있는 촉매 및 전극의 개발을 가속화해, 고성능의 친환경 에너지 기술의 발전에 기여할 것”이라고 전했다.
연구팀이 제시한 예측 방법은 기존 실험 방식에 비해 신소재 개발의 효율성을 70배 이상 크게 높였으며, 이러한 성과가 차세대 에너지 변환 및 저장 장치를 위한 소재 개발 연구에 핵심 기술로 자리 잡을 가능성을 높게 보고 있다.
한국에너지기술연구원 이찬우 박사가 공동 교신 저자로 참여하였으며, 한국지질자원연구원 정인철 박사, KAIST 신소재공학과 심윤수 박사가 공동 제1 저자로 참여하고, KAIST 신소재공학과 육종민 교수, 한국지질자원연구원 노기민 박사가 공동 저자로 참여한 이번 연구 결과는 세계적인 학술지‘어드밴스드 에너지 머터리얼즈, Advanced Energy Materials (IF:24.4)’에 중요한 연구 결과임을 인정받아 표지(Inside Front cover) 에 선정됐으며, 24년 10월 21일에 게재됐다. (논문명: A Machine Learning-Enhanced Framework for the Accelerated Development of Spinel Oxide Electrocatalysts)
한편, 이번 연구는 과학기술정보통신부의 개인기초 연구사업, 집단기초연구사업, 그리고 국가과학기술연구회 창의형 융합연구사업의 지원을 받아 수행됐다.
2024.11.21 조회수 5601 -
제1회 한국인공지능시스템포럼(이하 KAISF) 조찬 강연회 개최
우리 대학이 12일(화) 오전 대전 인터시티호텔에서 ‘제1회 한국인공지능시스템포럼(이하 KAISF) 조찬 강연회’를 개최했다.
이는 우리 대학 인공지능반도체대학원이 AI 기술에 관련 미래와 혁신 등에 대해 다양한 분야의 전문가들이 함께 논의하는 장을 열고자 추진됐다.
총 77명의 전문가가 참석한 이번 행사에는 이광형 총장, 홍진배 정보통신기획평가원장, 방승찬 한국전자통신연구원장 등이 축사를 전했다.
이어서 ▲칩렛 이종 집적 첨단 패키지 기반 페타플롭스급 고성능 PIM 설계(한진호 한국전자통신연구원 PIM인공지능반도체연구실장) ▲자율주행·자율 행동체 연구개발사업 소개(최정단 한국전자통신연구원 모빌리티로봇연구본부장)에 대해 발표했다.
이후 인공지능 반도체 설계 전문 기업인 리벨리온(Rebellions)의 박성현 대표가 ‘인공지능 반도체와 리벨리온의 여정’을 주제로 강연을 진행했다. 박성현 리벨리온 대표는 강연에서 “AI 반도체의 발전은 단순히 기술적인 변화가 아닌 세계를 기반으로 한 기술 경쟁을 새롭게 구축하는 패러다임의 변화”임을 강조했다.d
유회준 인공지능반도체대학원장 및 KAISF 의장은 “본 행사는 거대언어 모델을 비롯한 생성형 AI 기술이 우리의 삶과 사회를 변화시키는 핵심 동력임을 확인하는 장이다. AI는 반도체, 알고리즘·소프트웨어, 응용 시스템 총 3가지 기술을 동시에 최적화해야 하는 복잡하고 중요한 기술”이라고 말했다. 이어 “KAISF는 종합 AI 연구를 바탕으로 사회, 산업, 국방을 첨단화하고, 우리나라의 국가경쟁력을 강화해 글로벌 AI 선도국으로 자리매김하도록 최선을 다할 것”이라고 포부를 밝혔다.
한편, KAISF는 제1회 조찬 강연회를 시작으로 AI 혁신을 이끄는 플랫폼으로서 최신 동향을 공유하는 포럼과 산학연 협력 강화 프로그램 등 다양한 활동을 본격적으로 펼칠 예정이다.
2024.11.12 조회수 3812 -
천천히 걸음 속도 높여도 다 아는 인공지능 기술 개발
최근 건강에 관한 관심이 점차 커지면서 일상생활에서 스마트 워치, 스마트 링 등을 통해 자기 신체 변화를 살펴보는 일이 보편화되었다. 그런데 기존 헬스케어 앱에서는 걷기에서 뛰기로 갑자기 변화를 줄 경우는 잘 측정이 되지만 천천히 속도를 높이는 경우는 측정이 안 되는 현상이 발생했다. 우리 연구진이 완만한 변화에도 동작을 정확하게 파악하는 기술을 개발했다.
우리 대학 전산학부 이재길 교수 연구팀이 다양한 착용 기기 센서 데이터에서 사용자 상태 변화를 정확하게 검출하는 새로운 인공지능 기술을 개발했다고 12일 밝혔다.
보통 헬스케어 앱에서는 센서 데이터를 통해 사용자의 상태 변화를 탐지하여 현재 동작을 정확히 인식하는 기능이 필수이다. 이를 변화점 탐지라 부르며 다양한 인공지능 기술이 변화점 탐지 품질을 향상하기 위해 적용되고 있다.
이재길 교수팀은 사용자의 상태가 급진적으로 변하거나 점진적으로 변하는지에 관계없이 정확하게 잘 동작하는 변화점 탐지 방법론을 개발했다.
연구팀은 각 시점의 센서 데이터를 인공지능 기술을 통해 벡터*로 표현하였을 때, 이러한 벡터가 시간이 지남에 따라 이동하는 방향을 주목하였다. 같은 동작이 유지될 때는 벡터가 이동하는 방향이 급변하는 경향이 크고, 동작이 바뀔 때는 벡터가 직선상으로 이동하는 경향이 크게 나타났다.
*벡터: 사용자의 시점별 상태 특성(이동속도, 자세, 움직임 등)을 나타내는 가장 좋은 수학적 개념
연구팀은 제안한 방법론을 ‘리커브(RECURVE)’라고 명명했다. 리커브(RECURVE)는 양궁 경기에 쓰이는 활의 한 종류이며, 활이 휘어 있는 모습이 데이터의 이동 방향 변화 정도(곡률)로 변화점을 탐지하는 본 방법론의 동작 방식을 잘 나타낸다고 보았다. 이 방법은 변화점 탐지의 기준을 거리에서 곡률이라는 새로운 관점으로 바라본 매우 신선한 방법이라는 평가를 받았다.
연구팀은 변화점 탐지 문제에서 다양한 헬스케어 센서 스트림 데이터를 사용하여 방법론의 우수성을 검증하여 기존 방법론에 비해 최대 12.7% 정확도 향상을 달성했다.
연구팀을 지도한 이재길 교수는 "센서 스트림 데이터 변화점 탐지 분야의 새로운 지평을 열 만한 획기적인 방법이며 실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
데이터사이언스대학원을 졸업한 신유주 박사가 제1 저자, 전산학부 박재현 석사과정 학생이 제2 저자로 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2024'에서 올 12월 발표될 예정이다. (논문명 : Exploiting Representation Curvature for Boundary Detection in Time Series)
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(RS-2020-II200862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2024.11.12 조회수 4671 -
전우정 교수, 한국 법학자 최초 군사 AI통제 과학적 도전 밝혀
우리 대학 문술미래전략대학원 전우정 교수가 우리나라 법학자 최초로 세계 최고 과학 학술지인 네이처(Nature)의 자매지 ‘네이처 일렉트로닉스(Nature Electronics)'의 코리스판던스(Correspondance) 섹션에 군사 AI 통제의 과학적 도전에 관한 기고문을 게재했다고 8일 밝혔다.
지난 9월 9일부터 10일까지 서울에서 개최된 ‘2024 인공지능(AI)의 책임 있는 군사적 이용에 관한 고위급 회의(REAIM 2024)'에서 군사 AI 거버넌스에 중요한 진전이 이뤄졌다. 우리나라 뿐만 아니라 네덜란드, 싱가포르, 케냐, 영국이 공동 주최국으로 참여한 이 회의에서 미국, 독일, 프랑스, 일본 등 61개국이 ‘행동을 위한 청사진(Blueprint for Action)'을 채택했다. 이후 두 개 국가가 추가로 동참해 현재 총 63개국이 채택하고 있다.
전우정 교수는 이번 기고문에서 군사 분야의 AI 활용에 대한 이러한 원칙들을 과학적·기술적 조치로 실천하는 데 상당한 어려움이 있음을 강조했다. 이는 전 세계 과학계의 관심과 노력이 필요하다고 밝혔다.
전 교수는 현대 전쟁에서 AI의 역할을 강조하며, AI가 육군, 해군, 공군뿐만 아니라 우주와 사이버 영역을 포함한 5개 군사 분야를 연결하는 핵심 요소라고 지적했다. AI는 신속 정확한 의사 결정, 물류 최적화, 작전 계획, 인공위성 영상 분석, 드론 공격 목표 식별, 리스크 평가 등을 통해 전투 효율성을 높일 수 있지만, 알고리즘 결함이나 상황 오판 등으로 인해 의도치 않은 결과가 발생할 위험도 존재한다고 설명했다.
이러한 도전을 해결하기 위해 전 교수는 몇 가지 핵심 분야에서의 집중적인 연구와 국제 협력이 필요하다고 제안했다. 적군 AI 시스템과의 경쟁시 초(秒)를 다퉈 작전을 수행해야 하는 상황에서 의미 있는 인간의 통제를 보장하고, 핵 무기 통제 시스템에 AI를 통합할 때 발생할 수 있는 잠재적 리스크를 해결하며, 투명성과 작전 보안을 균형 있게 유지하는 설명 가능한 AI (eXplainable AI, XAI)를 개발해야 한다고 강조했다.
자세한 내용은 다음 ‘네이처 일렉트로닉스' 링크에서 확인할 수 있다.
https://www.nature.com/articles/s41928-024-01275-0
https://doi.org/10.1038/s41928-024-01275-0
(기고문 제목: Scientific challenges in governing military AI)
한편, 문술미래전략대학원 전우정 교수는 공군 예비역 대위로, 공군학사장교회 국제위원장으로 봉사하고 있다.
2024.11.08 조회수 3743 -
KAIST-Nature, ‘2025 네이처 컨퍼런스' 공동 개최
인공지능 차세대 반도체, 자율 실행 실험실 (Self-Driving Lab), 소재 개발 자율 로봇(Robotics for Autonomous Materials Development) 등 최신 연구 동향과 네이처 편집위원들을 만나 토론을 할 수 있는 국제행사가 KAIST에서 열린다.
우리 대학이 2025년 2월 5일부터 7일까지 3일간 대전 KAIST 본원 학술문화관에서 ‘2025 네이처 컨퍼런스’를 개최한다고 4일(월) 밝혔다. 국제학술지 네이처와 공동으로 개최하는 이번 행사에서는 5일 네이처 인텍스(Nature Index)와 정책포럼으로 시작하여 6~7일은 ‘인공지능을 위한 신소재, 신소재를 위한 인공지능(Materials for AI, AI for Materials)’을 주제로 인공지능과 신소재 분야의 최신 연구 동향을 공유한다.
네이처 인덱스는 올해 특집호에서 한국의 과학기술 분야 연구개발(R&D) 성과가 인력과 예산 투입 대비 놀라울 정도로 낮다는 분석 결과를 발표하였으며, 산학협력 부족, 출생률 저하에 따른 학생 수 감소, 극명한 성별 불균형, 국제협력 부족 등을 원인으로 지적한 바 있다. 이런 분석에 대해서 본 정책포럼에서는 이에 대응할 수 있는 미래의 발전방향을 심도있게 토의하고 위기를 기회로 바꿀 수 있는 방안들을 도출할 예정이다.
네이처 인덱스 정책포럼에는 캐시디 수기모토(Cassidy Sugimoto) 조지아텍 공공정책대학원장, 소타로 시바야바(Sotaro Shibayama) 도쿄대 교수와 함께 존 월시(John Walsh) KAIST 김보정 석좌 초빙교수가 참여한다.
올해 노벨화학상을 받은 단백질 구조를 규명하는 알파폴드(AlphaFold)도 AI를 통한 신소재 개발의 중요성을 보여주는 대표적인 사례로 ‘인공지능을 위한 신소재, 신소재를 위한 인공지능’네이처 컨퍼런스에서는 기조연설자 4명 등 17명의 강연자, 네이처 편집장 4명, 우리 대학 교수 등 총 25명의 전문가가 참여해 기조 강연과 발표, 토론을 진행한다.
기조 강연은 먼저 크리스틴 페르손(Kristin Persson)이 ‘소재 과학을 위한 데이터 기반의 패러다임 활용하기’를 주제로 이야기한다. 그녀는 AI 신소재 분야의 글로벌 석학으로 현재 미국 캘리포니아대 버클리 캠퍼스에 교수로 재직 중이다.
이 외에도 미쉘 시몬스(Michelle Simmons) 뉴사우스웨일즈대 교수, 우화창(Huaqiang Wu) 칭화대 교수, 앤디 쿠버(Andy Cooper) 영국 리버풀대 교수 등 쟁쟁한 석학들이 기조연설을 진행한다.
이어지는 발표 주제로는 ▴AI 하드웨어 ▴신소재 개발을 위한 AI 도구들 ▴자율 실행 실험실 (Self-Driving Lab) 소재 기술 ▴ 신소재 개발 자율 로봇 (robotics for Autonomous Materials Development) ▴인공지능을 위한 2차원 소재 ▴인공지능을 위한 퀀텀 소재 ▴인공지능을 위한 신경망 컴퓨팅 기술 등이다.
또한, 논문 초록 접수자 중 우리 대학과 네이처가 우수자를 선정해 발표 기회를 주는 숏 토크(Short talk) 시간을 갖는다. 컨퍼런스 마지막 순서로 시상식을 열어 세션 참가자 중 최우수자를 시상한다.
아울러, 네이처 편집자 4명이 참석해 우리 대학 교수진 등 주요 참석자들과 1대 1 면담을 진행하고, 이를 통해 최신 연구 방향을 논의하며 상호 네트워크 형성의 시간을 가질 예정이다.
구체적으로 크리스티나 카레(Kristina Kareh) 네이처 선임 편집장, 스테판 쉐블린(Stephen Shevlin) 네이처 머티리얼스 선임 편집장, 올가 부부노바(Olga Bubnova) 네이처 리뷰 전기 전자부문 수석 편집장, 실비아 콘티(Silvia Conti) 네이처 리뷰 전기 전자부문 부편집장 등이 참석한다.
네이처 인덱스 정책포럼을 기획한 과학기술정책대학원 우석균 교수와 이다솜 교수는 “이번 네이처 인덱스 정책 포럼을 통해 보다 근본적인 한국 R&D 시스템과 연구개발 환경의 장단점을 심도 있게 분석하고 건설적인 방안을 모색하는 데 크게 기여할 수 있기를 바란다”라고 말했다.
이어 신병하 신소재공학과 학과장은 “이번 행사를 통해 미래 신소재 연구방법론을 고민하는 연구자와 학생에게 새로운 동기부여의 장이 되길 바란다”라고 말했다.
전체 행사를 총괄하고 있는 홍승범 교무처장은 “우리 대학과 네이처의 협업을 통한 이번 컨퍼런스는 국내 연구진의 글로벌 네트워크 구축과 국제 연구 협력에 많은 도움이 될 것이며, 앞으로 한국의 과학기술 성과가 국제적으로 한층 더 드러날 수 있도록 깊이있는 토론을 진행할 것이다”이라고 전했다.
영어로 진행되는 이번 컨퍼런스는 재료과학·물리학·화학 분야의 연구와 산업 종사자는 누구나 참여할 수 있고, 참가 등록비는 일반인 800달러(조기등록 700달러), 학생 350달러(조기 등록 250달러)이다.
조기 등록 마감일은 2024년 11월 8일, 최종 등록 마감일은 2025년 1월 31일이다. 컨퍼런스 참가 등록은 네이처 컨퍼런스 홈페이지(https://conferences.nature.com) 에서 가능하며 기타 문의는 우리 대학 신소재공학과 행정팀(042-350-3304/ poongkum@kaist.ac.kr)으로 하면 된다.
2024.11.04 조회수 6756 -
인공지능으로 고성능 양자물성 계산시간 획기적 단축
인공지능과 고성능 과학계산 간의 밀접한 관련성은 최근 2024년도 노벨 물리학상과 화학상이 동시에 수상된 것을 보면 알 수 있다. 우리 연구진이 인공지능을 활용하여 3차원 공간에 분포하는 원자 수준의 화학결합 정보를 예측하여 양자역학적 고성능 컴퓨터 시뮬레이션의 계산 시간을 획기적으로 단축하는데 성공했다.
우리 대학 전기및전자공학부 김용훈 교수팀이 물질의 특성을 도출하기 위해 슈퍼컴퓨터를 활용해 수행되는 원자 수준 양자역학적 계산에 필요한 복잡한 알고리즘을 우회하는 3차원 컴퓨터 비전 인공신경망 기반 계산 방법론을 세계 최초로 개발했다고 30일 밝혔다.
슈퍼컴퓨터를 활용한 양자역학적 밀도범함수론(density functional theory, DFT)* 계산은 빠르면서도 정확하게 양자 물성을 예측할 수 있게 해 첨단 소재 및 약물 설계를 포함한 광범위한 연구·개발 분야에서 표준적인 도구로 자리 잡아 필수 불가결한 역할을 하고 있다.
*밀도범함수론(DFT): 원자 단위에서부터 양자역학적으로 물성을 계산하는 제1원리 계산의 대표적인 이론
그러나 실제 밀도범함수론 계산에서는 3차원적인 전자밀도를 생성한 후 양자역학 방정식을 푸는 복잡한 자기일관장 과정(self-consistent field, SCF)*을 수십에서 수백 번씩 반복해야 해서 그 적용 범위가 수백~수천 개의 원자로 제한되는 한계가 있었다.
*자기일관장(SCF): 상호 연결된 여러 개의 연립 미분 방정식으로 기술해야 하는 복잡한 다체 문제(many-body problem)를 해결하기 위해 널리 사용되는 과학계산법
김용훈 교수 연구팀은 자기일관장 과정을 최근 급속한 발전을 이룬 인공지능 기법으로 회피하는 것이 가능한지 질문했다. 그 결과 3차원 공간에 분포된 화학 결합 정보를 컴퓨터 비전 분야의 신경망 알고리즘을 통해 학습해 계산을 가속화하는 딥SCF(DeepSCF) 모델을 개발했다.
연구진은 밀도범함수론에 따라 전자밀도가 전자들의 양자역학적 정보를 모두 포함하고 있으며 이에 더해 전체 전자밀도와 구성 원자들의 전자밀도의 합 간의 차이인 잔여 전자밀도가 화학결합 정보를 담고 있는 점에 주목하고 기계학습의 목표물로 선정했다.
이후 다양한 화학결합 특성을 포함한 유기 분자들의 데이터 세트를 채택했고 그 안에 포함된 분자들의 원자구조들에 임의의 회전과 변형을 가해 모델의 정확도 및 일반화 성능을 더욱 높였다. 최종적으로 연구팀은 복잡하고 큰 시스템에 대해 딥SCF 방법론의 유효성 및 효율성을 입증했다.
이번 연구를 지도한 김용훈 교수는“3차원 공간에 분포된 양자역학적 화학결합 정보를 인공 신경망에 대응시키는 방법을 찾았다”며 “양자역학적 전자구조 계산이 모든 스케일의 물성 시뮬레이션의 근간이 되므로 인공지능을 통한 물질 계산 가속화의 전반적인 기반 원리를 확립한 것”이라고 연구의 의의를 부여했다.
전기및전자공학부 이룡규 박사과정이 제 1저자로 수행한 이번 연구는 소재 계산 분야의 권위 있는 학술지 '네이쳐 파트너 저널 컴퓨테이셔널 머터리얼즈(Npj Computational Materials)'에 10월 24일 字 온라인판에 게재됐다. (논문명 : Convolutional network learning of self-consistent electron density via grid-projected atomic fingerprints)
한편, 이번 연구는 KAIST 석박사 모험사업, 한국연구재단 중견연구자지원사업 등의 지원을 받아 수행되었다.
2024.10.30 조회수 5704 -
‘국가 인공지능 연구거점(National AI Research Lab)’ 개소식 개최
과학기술정보통신부(장관 유상임, 이하 과기정통부)와 정보통신기획평가원(원장 홍진배, 이하 IITP)은 10. 28일(월) 양재 서울 인공지능 중심지에서 ｢국가 인공지능 연구거점(National AI Research Lab)｣ 개소식을 개최하였다.
이날 개소식에서 우리 대학 이광형 총장, 오세훈 서울시장 등의 참석자들은 ｢국가 인공지능 연구거점｣의 성공적 출범을 축하하며, 대한민국 인공지능 세계 3개 강국 도약을 위한 민관 한 팀 등에 대한 의지를 다졌다.
｢국가 인공지능 연구거점｣ 주관기관인 우리 대학 이광형 총장은 “이 곳에서 국내외 인공지능 연구자들이 교류하며 창의적 인공지능 연구를 펼치길 바란다”고 밝혔고, ｢국가 인공지능 연구거점｣이 위치할 서울시의 오세훈 시장은 “｢국가 인공지능 연구거점｣에 기반하여 서울시가 세계적인 인공지능 연구자들이 모여드는 국제 인공지능 중심지로 성장할 수 있도록 전폭 지원하겠다”고 강조하였다.
이어진 기조연설에서, ｢국가 인공지능 연구거점｣ 책임자인 한국과학기술원 김기응 교수가 “국가 인공지능 연구거점 운영계획”을, 국제공동연구에 참여할 캐나다 워털루대(Waterloo U.) 교수이자 벡터연구소(Vector Institute) 겸직교수인 파스칼 푸파(Pascal Poupart) 교수가 “인공지능 : 기술개발의 특이점”을 주제로 ｢국가 인공지능 연구거점｣과 인공지능의 미래 전망을 제시하였다.
마지막으로 개소식 참석자들은 ｢국가 인공지능 연구거점｣의 연구 현장을 찾아, 연구자들의 인공지능 국제공동연구 준비 상황과 앞으로의 운영 방향 등에 대한 심도있는 논의를 진행하였다.
｢국가 인공지능 연구거점｣은 대한민국을 대표하는 인공지능 연구 구심점으로서, 양재서울 인공지능 중심지(허브)*(약 2,132평, `25년까지 2,300평 규모로 확충 계획)에 설치되며, 국내외 유수 연구진이 역동적으로 교류하며 세계적 인공지능 국제공동연구를 수행하고, 국제 인공지능 지도자 양성 기능과 인공지능 산∙학∙연 생태계를 집약하는 온라인 체제 기반(플랫폼, Platform) 역할을 할 계획이다.
또한, ｢국가 인공지능 연구거점｣을 통해 미국, 캐나다, 프랑스, 아랍 에미리트 등 해외 유수기관의 연구자들도 일정기간 국내에 상주하여, 파괴적 혁신을 지향하는 뉴럴 스케일링 법칙 초월연구, 로봇 파운데이션 모델 연구 등의 도전적 인공지능 국제공동연구를 수행하며, 정기적인 국제 발표회 개최 등 국제 협력 관계망도 구축, 지속 확장해나갈 예정이다.
2024.10.29 조회수 4647 -
뇌 기반 인공지능의 난제 해결
인간의 두뇌는 외부 세상으로부터 감각 정보를 받아들이기 이전부터 자발적인 무작위 활동을 통해 학습을 시작한다. 우리 연구진이 개발한 기술은 뇌 모방 인공신경망에서 무작위 정보를 사전 학습시켜 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 가능하게 하며, 향후 뇌 기반 인공지능 및 뉴로모픽 컴퓨팅 기술 개발의 돌파구를 열어줄 것으로 기대된다.
우리 대학 뇌인지과학과 백세범 교수 연구팀이 뇌 모방 인공신경망 학습의 오래된 난제였던 가중치 수송 문제(weight transport problem)*를 해결하고, 이를 통해 생물학적 뇌 신경망에서 자원 효율적 학습이 가능한 원리를 설명했다고 23일 밝혔다.
*가중치 수송 문제: 생물학적 뇌를 모방한 인공지능 개발에 가장 큰 장애물이 되는 난제로, 현재 일반적인 인공신경망의 학습에서 생물학적 뇌와 달리 대규모의 메모리와 계산 작업이 필요한 근본적인 이유임.
지난 수십 년간 인공지능의 발전은 올해 노벨 물리학상을 받은 제프리 힌튼(Geoffery Hinton)이 제시한 오류 역전파(error backpropagation) 학습에 기반한다. 그러나 오류 역전파 학습은 생물학적 뇌에서는 가능하지 않다고 생각되어 왔는데, 이는 학습을 위한 오류 신호를 계산하기 위해 개별 뉴런들이 다음 계층의 모든 연결 정보를 알고 있어야 하는 비현실적인 가정이 필요하기 때문이다.
가중치 수송 문제라고 불리는 이 난제는 1986년 힌튼에 의해 오류 역전파 학습이 제안된 이후, DNA 구조의 발견으로 노벨 생리의학상을 받은 프랜시스 크릭(Francis Crick)에 의해 제기됐으며, 이후 자연신경망과 인공신경망 작동 원리가 근본적으로 다를 수밖에 없는 이유로 여겨진다.
인공지능과 신경과학의 경계선에서, 힌튼을 비롯한 연구자들은 가중치 수송 문제를 해결함으로써 뇌의 학습 원리를 구현할 수 있는, 생물학적으로 타당한 모델을 만들고자 하는 시도를 계속해 왔다.
지난 2016년, 영국 옥스퍼드(Oxford) 대학과 딥마인드(DeepMind) 공동 연구진은 가중치 수송을 사용하지 않고도 오류 역전파 학습이 가능하다는 개념을 최초로 제시해 학계의 주목을 받았다. 그러나, 가중치 수송을 사용하지 않는 생물학적으로 타당한 오류 역전파 학습은 학습 속도가 느리고 정확도가 낮은 등 효율성이 떨어져, 현실적인 적용에는 문제가 있었다.
연구팀은 생물학적 뇌가 외부적인 감각 경험을 하기 이전부터 내부의 자발적인 무작위 신경 활동을 통해 이미 학습을 시작한다는 점에 주목했다. 이를 모방해 연구팀은 가중치 수송이 없는 생물학적으로 타당한 신경망에 의미 없는 무작위 정보(random noise)를 사전 학습시켰다.
그 결과, 오류 역전파 학습을 위해 필수적 조건인 신경망의 순방향과 역방향 신경세포 연결 구조의 대칭성이 만들어질 수 있음을 보였다. 즉, 무작위적 사전 학습을 통해 가중치 수송 없이 학습이 가능해진 것이다.
연구팀은 실제 데이터 학습에 앞서 무작위 정보를 학습하는 것이 ‘배우는 방법을 배우는’메타 학습(meta learning)의 성질을 가진다는 것을 밝혔다. 무작위 정보를 사전 학습한 신경망은 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 수행하며, 가중치 수송 없이 높은 학습 효율성을 얻을 수 있음을 보였다.
백세범 교수는 “데이터 학습만이 중요하다는 기존 기계학습의 통념을 깨고, 학습 전부터 적절한 조건을 만드는 뇌신경과학적 원리에 주목하는 새로운 관점을 제공하는 것”이라며 “발달 신경과학으로부터의 단서를 통해 인공신경망 학습의 중요한 문제를 해결함과 동시에, 인공신경망 모델을 통해 뇌의 학습 원리에 대한 통찰을 제공한다는 점에서 중요한 의미를 가진다”고 언급했다.
뇌인지과학과 천정환 석사과정이 제1 저자로, 같은 학과 이상완 교수가 공동 저자로 참여한 이번 연구는 12월 10일부터 15일까지 캐나다 벤쿠버에서 열리는 세계 최고 수준의 인공지능 학회인 제38회 신경정보처리학회(NeurIPS)에서 발표될 예정이다. (논문명: Pretraining with random noise for fast and robust learning without weight transport (가중치 수송 없는 빠르고 안정적인 신경망 학습을 위한 무작위 사전 훈련))
한편 이번 연구는 한국연구재단의 이공분야기초연구사업, 정보통신기획평가원 인재양성사업 및 KAIST 특이점교수 사업의 지원을 받아 수행됐다.
2024.10.23 조회수 6026