-
정보는 있는데 AI가 못 찾는다?...데이터 바뀌어도 최신 정보 놓치지 않는다
회사 규정이 바뀌어 새 문서가 올라왔는데도 사내 AI가 예전 규정을 찾아 답한다면 어떨까. 새로운 정보가 계속 추가되고 오래된 정보가 사라지면, AI는 정답이 되는 자료가 있어도 이를 제대로 찾지 못할 수 있다. 우리 대학 연구진이 데이터가 계속 바뀌어도 필요한 정보까지 찾아가는 ‘검색 길’을 유지해, AI가 최신 정보를 더 정확하고 빠르게 찾는 기술을 개발했다.
우리 대학은 전산학부 김민수 교수 연구팀이 데이터가 지속적으로 추가되고 삭제되는 환경에서도 높은 검색 정확도를 안정적으로 유지하는 동적 벡터 검색 기술인 ‘콘다(CONDA, Connectivity-Aware Dynamic Index)’를 개발했다고 5일 밝혔다.
생성형 AI는 학습이 끝난 뒤 새롭게 등장한 정보를 스스로 알지 못한다. 이를 보완하기 위해 최신 뉴스나 기업 내부 문서 등을 검색해 답변에 활용하는 ‘검색증강생성(RAG·Retrieval-Augmented Generation)’ 기술이 널리 쓰이고 있다.
RAG가 제대로 작동하려면 수많은 자료 가운데 질문에 필요한 정보를 빠르고 정확하게 찾아내는 검색 기술이 중요하다. 현재 많은 AI 서비스는 문서나 이미지의 의미를 컴퓨터가 계산할 수 있는 숫자 묶음인 ‘벡터(Vector)’로 바꾼 뒤, 의미가 비슷한 정보들을 서로 연결해 필요한 자료를 찾는다.
문제는 실제 기업이나 인터넷의 데이터는 계속 변한다는 점이다. 새로운 문서와 뉴스, 상품 정보가 들어오는 동시에 오래된 정보는 수정되거나 삭제된다. 이런 변화가 반복되면 데이터 사이에 만들어 놓은 연결망이 조금씩 끊어지는 ‘연결성 붕괴’가 발생할 수 있다. 필요한 정보가 데이터베이스 안에 있는데도 AI가 그곳까지 찾아가지 못하면서 검색 정확도가 떨어지는 것이다.
내비게이션에 비유하면 이해하기 쉽다. 도시에는 목적지가 그대로 있지만 건물이 생기고 사라질 때마다 주변 도로를 수정하다 중요한 길까지 하나씩 끊어진다면 목적지까지 찾아가기 어려워진다. AI 검색에서도 마찬가지로 정보 자체가 사라진 것이 아니라, 그 정보까지 찾아가는 ‘길’이 끊어지는 문제가 발생할 수 있다.
연구팀이 개발한 CONDA는 데이터 사이의 거리뿐만 아니라, 필요한 정보까지 찾아갈 수 있도록 검색 경로가 제대로 연결돼 있는지를 함께 고려한다. 새로운 데이터가 추가되거나 기존 데이터가 삭제돼도 중요한 연결을 유지해 특정 정보가 검색망에서 고립되는 것을 막는 방식이다.
실험 결과, CONDA는 데이터가 쉴 새 없이 추가되고 삭제되는 환경에서도 기존 최신 기술 대비 검색 정확도를 최대 24.5% 높였으며, 데이터 처리 속도도 최대 1.90배 향상시켰다.
특히 연구팀은 1억 개의 데이터가 존재하는 대규모 환경에서 6시간 동안 검색과 데이터 업데이트를 동시에 수행했다. 그 결과 CONDA는 비교 기술 대비 가장 짧은 응답시간과 높은 검색 정확도를 유지해 대규모 AI 서비스에 적용할 수 있는 가능성을 확인했다.
이번 기술은 기업 내부 규정이나 업무 문서처럼 정보가 수시로 바뀌는 지식검색 시스템뿐만 아니라 최신 뉴스 검색, 상품 검색 및 추천 등 데이터가 지속적으로 변하는 다양한 AI 서비스에 활용될 수 있다. 특히 생성형 AI가 외부 정보를 찾아 답변에 활용하는 RAG 환경에서 최신 정보를 오랫동안 안정적으로 검색하는 기반 기술로 활용될 것으로 기대된다.
이번 연구 성과는 실제 제품에도 적용된다. 김민수 교수가 창업한 인공지능 데이터 인프라 기업 그래파이(GraphAI)의 데이터베이스 제품인 ‘아카식DB(AkasicDB)’에 CONDA 기술이 적용돼 올해 4분기 상용화될 예정이다.
김민수 교수는 “검색증강생성(RAG)의 중요한 가치는 대규모언어모델(LLM)이 미처 학습하지 못한 최신 정보를 필요한 순간 즉시 찾아 활용할 수 있다는 점”이라며, “이번 연구는 데이터가 끊임없이 변하는 현실 환경에서도 인공지능이 오랜 시간 정확하게 최신 지식을 활용할 수 있는 데이터 인프라를 제시했다는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 전산학부 이다래 석사과정 졸업생이 제1저자로 참여했으며 김민수 교수가 교신저자를 맡았다. 연구 결과는 지난 9월 2일 데이터베이스 분야 최고 권위 국제학술대회인 VLDB 2026에서 발표됐다.
※ 논문명: CONDA: A Connectivity-Aware Dynamic Index for Approximate Nearest Neighbor Search over Evolving Data, DOI: 10.14778/3836663.3836694
※ 저자정보: 이다래(NAVER Corporation, 제1저자), 김민수(KAIST)
한편, 이번 연구는 한국연구재단 중견연구자지원사업과 정보통신기획평가원 SW스타랩사업의 지원을 받아 수행됐다.
2026.10.06
조회수 605
-
움직임의 흐름 읽는 AI 반도체 개발…웨어러블 기기 활용 기대
몸에 착용하는 기기가 걷는 동작과 잠깐 팔을 흔드는 동작을 구별하려면 움직임의 흐름을 읽어야 한다. 한국 연구진은 반응 속도가 다른 반도체를 층층이 쌓아 방금 일어난 변화와 앞선 변화를 함께 읽는 기술을 개발했다. 향후 몸에 붙이거나 착용하는 작은 기기가 움직임과 몸의 신호를 분석하는 데 활용될 수 있다.
우리 대학은 AI시스템학과 권지민 교수 연구팀이 UNIST(총장 박종래), POSTECH(총장 김성근) 연구진과 함께 이온을 담은 소재를 단단한 얇은 막으로 만들고, 이를 이용해 반응 속도가 다른 반도체 소자를 여러 층으로 쌓는 데 성공했다고 29일 밝혔다.
이 반도체는 전기를 가하면 소재 안의 ‘이온’이 움직이면서 전류의 흐름이 바뀐다. 전기를 끊어도 이온이 원래 상태로 돌아오는 데는 시간이 걸린다. 종을 친 뒤 소리가 잠깐 남듯, 반도체에도 앞서 들어온 신호의 흔적이 잠시 남는 것이다. 연구팀은 그동안 단점으로 여겨졌던 이온의 느린 움직임을 지난 신호를 알아보는 데 활용했다.
관건은 그 흔적이 남는 시간을 조절하는 것이었다. 기존에는 이온을 담는 물질이 주로 액체나 부드러운 젤이어서 반도체를 정교하게 만들고 여러 층으로 쌓기도 어려웠다.
연구팀은 이온을 담은 물질을 단단한 얇은 막으로 만들고, 막 속 이온의 양과 두께를 조절했다. 그 결과 신호에 빠르게 반응하는 소자와 느리게 반응하는 소자를 만들 수 있었다. 두 소자를 층층이 쌓자 하나는 방금 들어온 신호에, 다른 하나는 조금 전부터 이어진 신호에 반응했다. 짧게 남는 메모와 오래 남는 메모를 함께 읽는 것과 비슷하다.
연구팀은 네 차례 들어오는 신호가 켜지고 꺼지는 순서에 따라 만들어지는 16가지 패턴을 소자가 구별할 수 있음을 확인했다. 또 측정한 소자의 반응을 바탕으로, 움직이는 숫자 영상을 판별하는 시스템을 모델링했다. 그 결과 서로 다른 속도의 영상 신호에 대해 90% 이상의 검증 정확도를 얻었다. 영상 판별 결과는 실제 소자의 측정값을 적용한 모델 검증 결과다.
연구팀은 이 소자를 4인치 웨이퍼 크기로 제작하고 휘어지는 기판에도 구현했다. 소자의 전기적 특성은 제작 후 55개월에 걸친 측정에서도 안정적으로 유지됐다.
이번 연구는 움직임이나 몸에서 나오는 신호처럼 시간에 따라 달라지는 정보를 작은 기기 안에서 처리하는 기술로 이어질 수 있다. 실제 스마트워치에 적용했을 때의 성능과 소비전력 절감 효과는 추가 검증이 필요하다.
권지민 교수는 “이번 소자는 기존의 얇은 반도체 제작 공정으로 넓은 기판에 만들 수 있고, 여러 층으로 쌓을 수도 있다”며 “앞으로 스마트워치처럼 전력을 적게 써야 하는 기기에서 움직임과 몸의 신호를 읽는 AI 반도체로 발전할 수 있을 것”이라고 말했다.
이번 연구에는 KAIST 정학순 연구교수가 제1저자로, POSTECH 노용영 교수와 KAIST 권지민 교수가 교신저자로 참여했다. 연구 결과는 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials)’에 6월 30일 게재됐다.
※ 논문명: Monolithic 3D-Integrated All-Solid Ion-Gated Carbon Nanotube Transistors With Tunable Ionic Conductance for Multi-Timescale Reservoir Computing, DOI: 10.1002/adma.202523703
이번 연구는 과학기술정보통신부·한국연구재단의 국가반도체연구실지원핵심기술개발사업 및 우수신진연구사업과 산업통상자원부·한국산업기술기획평가원의 초격차기술개발사업 지원을 받아 수행됐다.
2026.09.29
조회수 1523
-
KAIST, 국내 최초 범용인공지능(AGI) 연구소 출범
학습한 문제를 잘 푸는 현재의 인공지능을 넘어, 처음 접하는 문제와 환경에서도 스스로 판단하고 적응할 수 있는 범용인공지능(Artificial General Intelligence, AGI) 원천기술 개발을 위해 우리 대학이 AGI 전담 연구소를 출범했다.
우리 대학은 지난 18일 내부 승인 절차를 마치고 AI연구원 산하에 AGI 연구소(AGI Research Institute)를 공식 출범했다고 밝혔다.
전산학부, AI컴퓨팅학과, 김재철AI대학원, 전기및전자공학부 소속 교수 11명이 참여하며, 김태균 전산학부 교수가 초대 소장을 맡았다. 연구진은 향후 참여 범위를 점차 확대할 계획이다.
AGI 연구소는 기초연구를 통해 범용인공지능의 과학과 공학을 발전시키고 그 성과와 혜택을 사회에 환원하는 것을 목표로 한다. 특히 기존에 접하지 않은 과제와 환경, 데이터에서도 학습한 지식을 활용할 수 있는 AI의 ‘일반화(Generalization)’ 능력을 핵심 연구과제로 삼는다.
현재 AI는 방대한 데이터와 연산 자원을 활용하면서 빠르게 발전해 왔지만, 학습한 것과 비슷한 문제에는 강한 반면 조건이나 환경이 달라지면 성능이 떨어지는 한계가 있다.
AGI 연구소는 단순히 데이터와 연산 자원의 규모를 늘리는 방식에서 벗어나, 제한된 자원에서도 기존에 학습하지 않은 문제를 추론하고 새로운 환경에 적응할 수 있는 AI의 원천기술을 개발할 계획이다.
이를 위해 새롭고 효율적인 신경망 구조와 학습 원리, 현실 세계에 대한 이해와 지능의 구현 등 AI의 근본적인 작동 원리를 연구하고, 관련 분야를 이끌 차세대 연구자도 함께 양성한다.
연구소의 주요 연구 분야는 ▲적은 연산으로도 높은 성능을 구현하는 고효율 신경망 ▲스스로 가설을 세우고 새로운 지식을 발견하는 AI 메타과학자 ▲현실 세계의 구조와 변화를 이해하고 미래를 예측하는 월드 모델 ▲로봇과 같이 실제 환경을 인지하고 행동하는 피지컬 AI ▲AI가 인간의 의도에서 벗어나지 않도록 하는 AI 안전성 등이다.
이 가운데 고효율 신경망 분야에서는 기존 트랜스포머(Transformer)를 넘어서는 새로운 신경망 구조와 학습 방식을 개발해 자원이 제한된 환경에서도 AGI를 구현하는 기술을 연구한다. AI 메타과학자 분야에서는 AI가 지식을 탐색하는 수준을 넘어 스스로 가설을 만들고 과학 연구를 수행하며 새로운 지식을 발견할 수 있도록 하는 기술을 개발한다.
연구소는 이처럼 서로 연결된 연구 분야를 하나의 연구 체계로 결집해 KAIST를 세계적인 AGI 연구 거점으로 발전시키는 것을 목표로 한다.
김태균 AGI 연구소장은 “AI 데이터센터를 계속 늘리는 방식만으로는 AI 발전에 한계가 있다”며 “자원이 제한된 환경에서도 새로운 문제에 적응할 수 있는 AI 원천기술을 꾸준히 개발하는 것이 차세대 AI 경쟁에서 중요하다”고 말했다.
연구소는 과학기술정보통신부가 지원하는 국책과제를 기반으로 본격적인 연구에 나선다. 경량·저전력 차세대 신경망 개발에는 5년간 총 100억 원, AI 메타과학자 연구에는 5년간 총 187억5,000만 원이 투입된다. 또한 LG전자가 주관하는 월드 모델·로봇 기반 피지컬 AI 기술개발 사업에도 참여하며, 해당 사업은 2년간 총 340억 원 규모로 추진된다. 이 밖에도 물리적 세계에 기반한 지능 구현을 위한 연구과제를 수행하고 있다.
최성율 연구부총장은 “KAIST의 우수한 AI 연구팀들이 인류의 지속가능한 발전을 선도하는 차세대 AGI 핵심 기술을 개발하는 데 크게 기여할 것으로 기대한다”고 말했다.
정보통신기획평가원(IITP) 홍진배 원장은 “창의적인 아이디어와 도전적인 연구가 AI 기술 혁신의 원동력인 만큼, 새로운 AGI 연구소가 미래 인공지능의 새로운 가능성을 열어가는 혁신의 중심이 되기를 기대한다”고 말했다.
2026.09.22
조회수 3868
-
한 번 배운 풀이 기억…스마트폰 AI가 비슷한 문제 스스로 푼다
어려운 문제를 풀 때마다 전문가에게 다시 묻는 대신, 한 번 배운 풀이를 공책에 적어두고 비슷한 문제에 활용하는 AI 기술이 나왔다. 우리 대학 연구진은 스마트폰 속 소형 AI가 서버의 대형 AI에게서 얻은 지식을 기기에 쌓아두고 재사용하도록 해, 높은 정확도를 유지하면서 서버 호출을 평균 55.61% 줄였다. 비슷한 문제를 만날수록 서버에 덜 의존하고 더 빠르게 판단하는 모바일 AI의 가능성을 제시한 것이다.
우리 대학은 전산학부 이재길 교수 연구팀이 기기의 소형 AI와 서버의 대형 AI를 효율적으로 연결하는 기기-서버 협업 기술 ‘CURE(Cumulative Knowledge Reuse, 누적 지식 재사용)’를 개발했다고 21일 밝혔다.
스마트폰과 같은 기기는 계산 능력과 메모리가 제한돼 가벼운 소형 AI 모델을 주로 사용한다. 소형 모델은 간단한 문제는 빠르게 처리하지만, 복잡하거나 낯선 이미지를 구분할 때는 정확도가 떨어질 수 있다.
반대로 모든 문제를 고성능 서버의 대형 AI에 맡기면 정확도를 높일 수 있지만, 데이터를 보내고 답을 기다리는 시간이 길어진다. 통신량과 서버 연산량도 늘어나 이용자의 대기 시간과 서비스 운영 비용이 커진다.
이를 보완하기 위해 기기의 소형 AI가 먼저 판단하고 어려운 문제만 서버로 보내는 협업 방식이 연구돼 왔다. 그러나 기존 방식은 서버에서 받은 답을 그때만 사용하기 때문에, 비슷한 문제가 다시 들어와도 서버에 같은 도움을 반복해서 요청해야 했다. 마치 학생이 어려운 문제의 답을 듣고도 기록해 두지 않아, 같은 유형의 문제를 만날 때마다 다시 물어보는 것과 같다. 연구팀은 서버가 알려준 답을 일회성으로 사용하지 않고, 기기가 이후에도 활용할 수 있는 지식으로 축적하는 데 주목했다.
CURE는 먼저 기기의 소형 AI가 입력을 스스로 처리할 수 있는지 판단한다. 해결하기 어렵다면 기기에 저장된 서버 지식을 활용하고, 저장된 지식으로도 부족할 때만 서버에 도움을 요청한다. ‘혼자 풀기→배운 내용 찾아보기→전문가에게 묻기’의 3단계로 문제를 처리하는 방식이다.
예를 들어 소형 AI가 사진 속 특정 차종을 구분하지 못하면 서버의 대형 AI에 답을 요청한다. 이때 CURE는 서버의 판단 결과와 이미지의 특징을 기기의 지식 저장소에 반영한다. 이후 비슷한 차종의 사진이 들어오면 앞서 저장한 지식을 참고해 서버에 다시 묻지 않고 기기에서 직접 판단한다.
특히 CURE는 서버가 처리한 사진을 하나씩 그대로 저장하지 않는다. 여러 사진이 공유하는 특징과 서로 다른 점을 요약해 지식으로 보관한다. 자동차 사진을 통째로 외우는 대신 차체 모양이나 전조등처럼 차종을 구분하는 핵심 특징을 정리해 두는 것과 같다. 이를 통해 이전에 본 사진뿐 아니라 처음 접하는 유사한 사진을 판단할 때도 축적된 지식을 활용할 수 있다.
연구팀은 이미지와 글을 함께 이해하는 ‘비전-언어 모델’을 이용해 CURE의 성능을 검증했다. 비전-언어 모델은 사람처럼 이미지를 보고, 그 내용을 언어와 연결해 이해하는 AI다.
기기용 소형 모델로는 MobileCLIP2를, 서버용 대형 모델로는 180억 개의 매개변수를 가진 EVA-CLIP을 사용했다. 매개변수는 AI가 학습 과정에서 익힌 정보를 담고 있는 내부 수치로, 사물을 구분하고 관계를 판단할 때 활용하는 ‘판단 기준’과 같다.
다양한 이미지 분류 데이터셋을 이용한 실험에서 CURE는 모든 입력을 대형 서버 모델로 처리하는 방식에 근접한 정확도를 유지했다. 그러면서 서버의 지식을 축적하지 않는 기존 기기-서버 협업 방식보다 서버 호출 횟수를 평균 55.61% 줄였다.
처리 속도는 기존 기기-서버 협업 방식보다 최대 2.80배 빨랐으며, 모든 입력을 서버로 보내는 방식보다 최대 3.67배 빨랐다. 서버에 묻는 횟수를 줄여 데이터를 주고받고 답을 기다리는 시간을 단축한 결과다.
CURE는 소형 모델과 서버 모델을 별도로 다시 학습시키지 않고도 적용할 수 있다. 기존 AI 모델은 그대로 두고 서버에서 얻은 지식을 담는 별도의 저장소를 붙이는 방식이어서, 다양한 AI 모델과 서비스에 유연하게 적용할 수 있다는 것도 장점이다.
이번 기술은 모바일 사진 인식과 이미지 검색 등에서 반복적인 데이터 전송과 서버 연산을 줄여 이용자의 대기 시간과 서비스 운영 부담을 낮추는 데 활용될 수 있다.
스마트폰뿐 아니라 제한된 기기 자원으로 주변 환경을 인식해야 하는 로봇과 웨어러블 기기에도 응용할 수 있다. 특히 통신이 느리거나 불안정한 환경에서 로봇이 서버의 답을 기다리지 않고, 이전에 얻은 지식을 바탕으로 더 많은 상황을 현장에서 직접 판단하는 데 도움을 줄 수 있다.
다만 실제 적용 효과는 기기의 성능과 저장 공간, 통신 환경, 입력 데이터의 특성 등에 따라 달라질 수 있어 다양한 기기와 환경에서 추가 검증이 필요하다.
이재길 교수는 “CURE는 기기의 소형 AI가 서버에 같은 문제를 반복해서 묻지 않고, 한 번 얻은 지식을 기억해 다시 활용하도록 한 기술”이라며 “높은 정확도를 유지하면서 통신 부담과 응답 시간을 줄여 스마트폰과 로봇, 웨어러블 등 다양한 기기에서 고성능 AI를 효율적으로 활용하는 기반이 될 것으로 기대한다”고 말했다.
이번 연구에는 KAIST 정보전자연구소 이영준 박사후연구원이 제1저자로, 전산학부 이재길 교수가 교신저자로 참여했다. Amazon 김도영 연구원, LG AI연구원 강준혁 연구원, KAIST 산업및시스템공학과 송환준 교수가 공동저자로 참여했다. 연구 결과는 지난 9월 8일부터 12일까지 스웨덴 말뫼에서 열린 컴퓨터 비전 분야 주요 국제학술대회 ‘유럽컴퓨터비전학회(ECCV 2026, European Conference on Computer Vision)’에서 10일 발표됐다.
※ 논문명: CURE: Cumulative Knowledge Reuse for Efficient Device-Server Hybrid Inference in Vision-Language Models, DOI: https://doi.org/10.1007/978-3-032-37627-5_21
※ 저자정보: 이영준 박사후연구원(KAIST 정보전자연구소, 제1저자), 김도영 연구원(KAIST 졸업, 현 Amazon, 공동저자), 강준혁 연구원(KAIST 졸업, 현 LG AI연구원, 공동저자), 송환준 교수(KAIST 산업및시스템공학과, 공동저자), 이재길 교수(KAIST 전산학부, 교신저자)
※ 관련 영상 링크: https://drive.google.com/file/d/1oIn-eYW4IEI_dOFWeTeaDotf1IBDjRLt/view?usp=share_link
한편, 이번 연구는 과학기술정보통신부와 정보통신기획평가원의 ‘사람중심인공지능핵심원천기술개발사업’ 중 ‘AI학습능력개선기술개발’ 과제(과제번호 RS-2022-II220157)의 지원 등을 받아 수행됐다.
2026.09.21
조회수 3138
-
KAIST-POSTECH ‘사이언스 워’…AI가 마리오 카트 몰고, 생성형 AI로 해킹
AI가 직접 ‘마리오 카트’를 몰고, 학생들은 생성형 AI까지 활용해 8시간 동안 해킹 실력을 겨룬다. 대한민국을 대표하는 두 이공계 대학 KAIST와 POSTECH 학생들이 과학기술과 스포츠를 넘나들며 자존심을 건 승부를 펼친다.
우리 대학과 POSTECH(총장 김성근)은 양교 간 정기 교류전인 ‘제23회 KAIST-POSTECH 학생대제전(이하 카포전)’을 오는 18일부터 19일까지 이틀간 POSTECH에서 개최한다고 18일 밝혔다.
2002년 시작된 카포전은 양교 학생들이 과학경기와 운동경기, 공연 등 다양한 프로그램을 통해 경쟁하고 교류하는 학생 축제다. 매년 9월 대전과 포항을 번갈아 개최하며, 원정 대학의 명칭을 앞에 표기하는 원칙에 따라 올해는 ‘카포전’으로 불린다. 이공계 학생들이 과학기술 역량까지 겨룬다는 점에서 ‘사이언스 워(Science War)’라는 별칭으로도 잘 알려져 있다.
올해는 야구·축구·농구·e스포츠 등 운동경기 4종목과 해킹·인공지능(AI) 경연·과학퀴즈 등 과학경기 3종목을 합쳐 총 7개 종목에서 승부를 겨룬다.
특히 올해 과학경기는 생성형 AI와 자율주행 개념 등 최신 기술 흐름을 학생들의 대결에 접목한 것이 특징이다.
첫날 오후 2시부터 오후 10시까지 8시간 동안 진행되는 해킹대회에서는 암호학을 비롯한 정보보안 문제가 라운드별로 출제된다. 참가자들은 제한 시간 안에 문제를 해결해 점수를 획득하며, 생성형 AI 도구 사용도 전면 허용된다. 중계 화면을 통해 실시간 점수와 문제 풀이 과정이 공개돼 관람객들도 승부의 흐름을 함께 지켜볼 수 있다.
같은 날 오후 2시 POSTECH eSports 콜로세움에서는 인공지능 경연대회가 열린다. 양교 학생들이 직접 코딩하고 학습시킨 AI 프로그램이 인기 레이싱 게임 ‘마리오 카트 Wii(Mario Kart Wii)’의 카트를 조종해 맞붙는다. 사람이 직접 조종하지 않고 AI가 스스로 주행한다는 점에서 일종의 ‘AI 자율주행 대결’인 셈이다.
경기는 4개 코스의 주행 결과에 따라 점수를 합산해 라운드 승자를 결정하며, 총 3라운드 가운데 2라운드를 먼저 이긴 팀이 최종 승리한다.
둘째 날 오후 2시부터 포스플렉스(POSPLEX) 앞 무대에서 열리는 과학퀴즈에서는 과학 상식과 최신 연구 동향을 묻는 문제에 더해 전략 체스게임인 ‘가위바위보 체스’가 함께 진행된다. 참가자들은 과학 지식뿐 아니라 전략적 사고와 팀워크까지 겨루게 된다.
운동경기에서는 야구·축구·농구와 e스포츠 ‘리그 오브 레전드(League of Legends)’ 경기가 펼쳐진다. 각 경기에는 현장 이벤트도 마련돼 양교 학생과 관람객들이 함께 참여하는 축제 분위기를 더할 예정이다.
총 7개 종목 가운데 4개 이상에서 승리한 대학이 올해 종합우승을 차지한다. 현재까지 통산 전적에서는 KAIST가 13승 8패로 앞서 있다.
이동혁 카포전 기획단장(KAIST 신소재공학과 24학번)은 “이번 카포전이 단순한 친선 교류를 넘어 대한민국을 대표하는 두 이공계 대학 학생들이 자존심을 걸고 치열하게 경쟁하면서도 함께 웃고 즐기는 특별한 축제의 장이 되길 기대한다”고 말했다.
배충식 KAIST 총장은 “카포전은 KAIST와 POSTECH 학생들이 승패를 넘어 과학과 스포츠를 통해 서로의 열정과 역량을 나누는 특별한 축제”라며 “학생들이 대한민국 과학기술의 미래를 이끌 주역이라는 자부심을 갖고, 경쟁 속에서 서로 배우며 함께 성장하는 소중한 계기가 되길 바란다”고 말했다.
2026.09.18
조회수 2693
-
반도체 종류 달라도 ‘전기 잘 통하게’…AI 반도체 더 작고 효율적으로
더 작고 전기를 덜 쓰는 AI 반도체를 만들 수 있는 새로운 길이 열렸다. 우리 대학 공동 연구진이 원자 몇 개 두께의 초박막 반도체에서 전기가 잘 드나들지 못하던 문제를 하나의 소재로 해결했다. 앞으로 반도체를 더 얇게 만들고 여러 층으로 쌓아 성능을 높이는 차세대 AI·저전력 반도체 개발에 활용될 것으로 기대된다.
우리 대학은 생명화학공학과 서준기 교수 연구팀이 연세대학교(총장 윤동섭), 중국 베이징 계산과학연구센터, 한국과학기술연구원(KIST·원장 오상록), 울산과학기술원(UNIST·총장 박종래), 삼성전자 연구진과 공동으로 이셀레늄화주석(SnSe2)이라는 하나의 소재를 이용해 서로 다른 두 종류의 초박막 반도체에 모두 전기를 원활하게 공급할 수 있는 ‘범용 반데르발스 터널링 주입기’를 개발했다고 16일 밝혔다.
트랜지스터는 전기를 흐르게 하거나 막는 ‘초소형 스위치’다. 스마트폰부터 컴퓨터, AI 반도체까지 거의 모든 반도체 칩에는 수많은 트랜지스터가 들어간다. 트랜지스터는 크게 두 종류로 나뉜다. 전자가 움직여 전기를 전달하는 ‘n형’과, 전자가 빠진 빈자리인 ‘정공’이 움직여 전기를 전달하는 ‘p형’이다. 실제 반도체 칩에서는 이 두 종류를 짝지어 사용해 전력 소모를 줄이면서 빠르게 작동하도록 하는데, 이를 CMOS(상보형 금속산화물반도체) 방식이라고 한다.
최근에는 반도체를 더 작게 만들고 전력 소모를 줄이기 위해 두께가 원자 몇 개 수준에 불과한 ‘2차원 반도체’가 주목받고 있다. 매우 얇아 여러 층으로 쌓을 수 있어 같은 공간에 더 많은 소자를 넣는 데 유리하기 때문이다.
문제는 이렇게 얇은 반도체에 전기를 원활하게 넣기가 어렵다는 점이다. 기존처럼 금속 전극을 직접 붙이면 제조 과정에서 반도체가 손상되거나, 전자나 정공이 지나가기 어려운 장벽이 생길 수 있다.
아무리 빠른 고속도로를 만들어도 진입로가 막히면 자동차가 제대로 들어갈 수 없는 것과 같다. 초박막 반도체에서는 이 ‘전기가 드나드는 입구’가 성능을 높이는 데 중요한 걸림돌이었다. 게다가 n형과 p형은 필요한 조건이 달라 각각에 맞는 전극을 따로 사용해야 했다.
연구팀은 이 문제를 이셀레늄화주석(SnSe2) 하나로 해결했다. 이셀레늄화주석은 주석(Sn)과 셀레늄(Se)으로 이루어진 얇은 층상 소재다. 다른 반도체와 강한 화학결합을 하는 대신 원자 사이의 약한 인력인 ‘반데르발스 힘’으로 포개지듯 맞닿기 때문에, 원자 수준으로 얇은 반도체의 손상을 줄이면서 매끄러운 접촉면을 만들 수 있다.
특히 이셀레늄화주석은 연결되는 반도체에 따라 전자나 정공이 지나가기 좋은 길을 다르게 만들어준다. p형 이셀레늄화텅스텐(WSe2)에서는 높은 에너지 장벽을 넘어가지 않고 마치 터널을 통과하듯 지나가는 ‘밴드 간 터널링’이 일어나고, n형 이황화몰리브덴(MoS2)에서는 전기장을 이용해 전자가 지나가야 할 장벽을 얇게 만들어 터널링을 유도한다.
쉽게 말해 지금까지 n형과 p형에 각각 다른 진입로가 필요했다면, 이번에는 이셀레늄화주석 하나가 두 종류 모두에 맞는 ‘공용 진입로’ 역할을 하는 셈이다.
실제 성능도 크게 향상됐다. 이셀레늄화주석을 적용한 p형 WSe2 트랜지스터는 기존 니켈 전극을 사용한 소자보다 최대 구동 전류가 1,000배 이상 증가했다. 이는 트랜지스터를 켰을 때 흘려보낼 수 있는 최대 전류가 그만큼 크게 늘어났다는 의미다.
n형 MoS2 트랜지스터도 전류를 켜고 끄는 성능이 개선돼 ‘온·오프 전류비’가 10억(109) 이상을 기록했다. 스위치를 켰을 때는 전기가 잘 흐르고, 껐을 때는 거의 흐르지 않도록 뚜렷하게 제어할 수 있다는 뜻이다.
연구팀은 n형과 p형 트랜지스터를 결합한 실제 반도체 회로의 기본 구조인 ‘CMOS 인버터’도 제작해 반복적인 전기 신호에도 안정적으로 작동하는 것을 확인했다. 이번 연구의 핵심은 n형과 p형에 각각 다른 전극을 사용하던 기존 방식에서 벗어나, 하나의 소재로 두 종류의 초박막 반도체 모두에 전기를 효과적으로 공급할 수 있음을 보여줬다는 점이다.
향후 대면적 제조와 집적 공정 기술이 더해지면 원자 수준으로 얇은 2차원 반도체를 아파트처럼 여러 층으로 쌓아 같은 공간에 더 많은 트랜지스터를 넣는 3차원 반도체로 발전시킬 수 있다. 이를 통해 같은 크기에서 더 많은 기능을 수행하면서 전력 소모는 줄이는 차세대 AI 반도체와 초저전력 전자기기 개발에 활용될 것으로 기대된다.
서준기 교수는 “이번 연구는 단층 2차원 반도체에서 전하가 드나드는 가장 까다로운 관문을 한 종류의 소재로 해결할 수 있음을 보여준 성과”라며 “향후 직접 성장과 대면적 공정 기술이 더해지면 저전력 2차원 CMOS 집적회로의 실용화를 앞당길 수 있을 것으로 기대한다”고 말했다.
KAIST 조한빈 박사과정생이 제1저자로, 연세대학교 고경민 교수와 KAIST 서준기 교수가 공동교신저자로 참여한 이번 연구는 국제학술지 ‘어드밴스드 머티리얼즈(Advanced Materials)’에 8월 12일 온라인 게재됐다.
※ 논문명: A Universal van der Waals Tunneling Injector for Monolayer CMOS, DOI: 10.1002/adma.74597
※ 저자 정보: 조한빈(KAIST, 제1저자), 고경민(연세대학교, 공동교신저자), 서준기(KAIST, 공동교신저자)
이번 연구는 삼성전자 신진산학연구과제와 과학기술정보통신부·한국연구재단이 지원하는 우수신진연구사업 및 개척연구사업의 지원을 받아 수행됐다.
2026.09.16
조회수 3066
-
롯데와 지속가능 미래 위한 연구거점 ‘LOTTE x KAIST R&D CENTER’ 준공
기후변화와 탄소중립 등 인류가 직면한 지속가능성 문제를 해결하기 위해 대학과 기업이 연구개발부터 사업화까지 함께하는 새로운 산학협력 거점이 우리 대학에 문을 열었다.
우리 대학은 11일 대전 본원에서 신동빈 롯데그룹 회장을 비롯한 롯데그룹 관계자와 KAIST 주요 보직자, 생명화학공학과 교수 및 관계자 등이 참석한 가운데 ‘LOTTE x KAIST R&D CENTER’ 준공식을 개최했다고 13일 밝혔다.
LOTTE x KAIST R&D CENTER는 롯데그룹이 지원한 건축기부금 100억 원과 KAIST 생명화학공학과의 자체 기금 등을 바탕으로 조성됐다. 미래기술의 기초·원천연구부터 실험, 시제품 제작, 기술사업화까지 연구개발 전 과정을 아우르는 산학협력형 연구 거점으로 운영될 예정이다.
특히 대학의 연구역량과 기업의 산업·사업화 경험을 하나의 공간에서 연결해 기존 산학협력의 경계를 넘어선 ‘초경계 협업’의 새로운 모델을 제시한다는 점에서 의미가 있다. 대학과 기업이 연구 결과를 주고받는 데 그치지 않고, 미래의 문제를 함께 발굴하고 연구해 그 성과를 산업과 사업화로 연결하는 협력체계를 구축한다는 구상이다.
이는 배충식 총장이 추진하는 ‘Beyond Laboratory’ 전략과도 맞닿아 있다. KAIST는 연구성과가 연구실과 논문에 머물지 않고 산업과 사회의 혁신으로 이어질 수 있도록 기업과 문제 발굴 단계부터 함께하는 공동연구를 확대하고, 기초·원천연구에서 실증·사업화까지 연결되는 연구 생태계를 강화하고 있다.
우리 대학과 롯데의 협력은 10여 년 전부터 이어져 왔다. 양 기관은 2012년부터 롯데 임직원을 대상으로 석·박사 위탁교육을 운영해 왔으며, 롯데케미칼과의 기술이전과 인력 교류 등 연구와 교육 전반에서 협력을 확대해 왔다.
2022년에는 탄소중립 실현을 위한 핵심기술 확보와 전문인재 양성을 목표로 ‘롯데케미칼-KAIST 탄소중립연구센터’를 개소하며 탄소중립 분야의 공동연구를 본격화했다. 이번 LOTTE x KAIST R&D CENTER 건립은 10여 년간 축적해 온 양 기관의 협력과 신뢰를 공동연구에서 미래기술 개발과 사업화까지 아우르는 연구 인프라로 확장한 결과다.
센터는 지하 1층, 지상 6층, 연면적 약 4,298㎡(약 1,300평) 규모로 조성됐다. 연구자들이 분야와 소속의 경계를 넘어 자유롭게 교류하고 공동연구를 수행할 수 있도록 개방형 연구공간과 협업공간을 유기적으로 배치했다.
센터에서는 지속가능한 미래사회 구현을 목표로 크게 세 가지 분야의 연구가 이뤄진다.
첫 번째는 ‘바이오 지속가능성(Bio-Sustainability)’ 분야다. 시스템 대사공학을 기반으로 바이오 연료와 바이오 플라스틱 등 기존 화석자원을 대체할 수 있는 지속가능한 바이오 기술을 연구한다.
두 번째는 ‘탄소중립 에너지·소재·공정(Carbon-Neutral Energy, Materials and Processes)’ 분야다. 그린수소와 신재생에너지, 배터리 등 탄소중립 사회 구현에 필요한 에너지·소재·공정 분야의 핵심기술 개발을 추진한다.
세 번째는 ‘첨단 식품·헬스케어(Advanced Food and Healthcare)’ 분야다. 미래 식품과 헬스케어 분야의 첨단기술을 연구해 건강하고 지속가능한 미래사회를 위한 새로운 기술적 해법을 모색한다.
이와 함께 AI를 연구 전반에 활용해 새로운 소재와 기술을 발굴하고 연구개발의 속도와 효율을 높인다. 이를 통해 KAIST의 ‘AI 네이티브 캠퍼스’ 전략을 실제 연구 현장으로 확장한다.
센터에는 롯데와 KAIST 연구진이 공동으로 활용할 수 있는 협업연구공간과 함께 연구자 간 소통과 교류를 위한 ‘신동빈홀’도 마련됐다. 우리 대학은 센터를 중심으로 연구자와 기업이 문제 발굴부터 연구개발, 실증과 사업화까지 함께하는 개방형 산학협력 생태계를 확대해 나갈 계획이다.
신동빈 롯데그룹 회장은 R&D센터 준공을 축하하며 “R&D센터가 학교와 기업의 경계를 넘어 더 큰 가능성을 만들어 나가는 산학협력의 거점으로 자리 잡기를 기대한다”며 “교수진과 학생들이 실패를 두려워하지 않고 자유롭게 연구하고 도전할 수 있도록 롯데가 든든한 동반자로 함께하겠다”고 말했다.
배충식 KAIST 총장은 “오랜 기간 KAIST의 인재양성과 연구에 함께해 온 롯데의 지원과 협력에 깊이 감사드린다”며, “오늘의 준공은 건물의 완성이 아니라 새로운 협력의 시작이다. KAIST의 연구역량과 롯데의 산업·사업화 역량을 결합해 연구실의 아이디어와 기술을 산업 현장의 실제 가치로 연결하고, 대한민국의 새로운 성장동력과 지속가능한 미래의 해법을 함께 만들어가겠다”고 말했다.
2026.09.14
조회수 3334
-
파네시아·메타 ‘하나의 칩처럼 움직이는 AI 데이터센터 (AI DC)’ 구조 제시
우리 대학에서 축적된 반도체·컴퓨터 시스템 연구가 교원 창업을 거쳐 글로벌 빅테크 메타(Meta)와의 협력으로 확장되며 차세대 AI 데이터센터(AI DC)의 새로운 설계 방향을 제시했다. CPU·AI 가속기·메모리를 하나로 묶어 데이터센터 전체가 마치 ‘하나의 거대한 칩’처럼 움직이도록 하는 구조다.
우리 대학은 전기및전자공학부 정명수 교수와 교원창업기업인 팹리스(fabless, 반도체 설계 전문기업) 파네시아 연구진이 메타 연구진과 함께 차세대 AI 데이터센터 구조를 제시한 리뷰 논문을 네이처(Nature)가 발행하는 국제 학술지 ‘네이처 리뷰 일렉트리컬 엔지니어링(Nature Reviews Electrical Engineering, NREE)’에 게재했다고 9일 밝혔다.
이번 성과는 KAIST에서 시작된 연구가 교원 창업을 통해 실제 반도체 기술로 발전하고, 글로벌 기업과의 공동 연구로 이어져 미래 AI 데이터센터의 기술 방향을 제시했다는 데 의미가 있다. 연구–창업–산업–글로벌 협력으로 이어지는 KAIST 연구·창업 생태계를 보여주는 사례다.
특히 배충식 KAIST 총장이 추진하는 5대 혁신 전략 가운데 연구성과를 산업과 창업으로 연결하는 ‘Beyond Laboratory’와 글로벌 협력을 확대하는 ‘Beyond KAIST–Global Connect’의 방향과도 맞닿아 있다.
배충식 KAIST 총장은 “KAIST의 연구성과가 창업을 통해 산업으로 이어지고, 다시 세계적인 기업과의 협력으로 확장돼 미래 기술의 방향을 제시한 의미 있는 사례”라며 “KAIST는 연구와 창업, 산업과 세계를 연결해 우리 기술이 글로벌 혁신의 새로운 기준을 만들어갈 수 있도록 지원하겠다”고 말했다.
최근 생성형 AI와 초거대 AI가 발전하면서 AI 연산에 수백~수천 개의 가속기(AI의 대규모 계산을 빠르게 처리하는 반도체)를 동시에 사용하는 시대가 되고 있다.
하지만 가속기를 많이 연결한다고 무조건 빨라지는 것은 아니다. 여러 사람이 한 줄로 물건을 전달할 때 한 사람만 늦어도 전체 작업이 밀리는 것처럼, 일부 가속기의 데이터 전달이 늦어지면 전체 AI 연산도 느려질 수 있다. 따라서 개별 반도체의 성능뿐 아니라 수많은 가속기와 메모리를 얼마나 빠르고 효율적으로 연결하느냐가 중요하다.
KAIST 정명수 교수와 파네시아·메타 연구진은 이를 해결하기 위해 CXL(Compute Express Link, CPU·가속기·메모리를 빠르게 연결하고 자원을 공유하는 국제표준 기술)을 활용해 CPU와 AI 가속기, 메모리를 하나로 묶고 이를 데이터센터 전체로 확장하는 구조를 제시했다.
기존 데이터센터가 여러 컴퓨터가 네트워크를 통해 협업하는 방식이라면, 이번 구조는 서버 간 경계를 낮춰 CPU·가속기·메모리를 긴밀하게 연결한다. 데이터센터 전체를 ‘하나의 거대한 컴퓨터’처럼 움직이게 하는 것이 핵심이다.
현재 엔비디아의 NVLink나 UALink 등도 여러 가속기를 빠르게 연결하지만 주로 랙(rack, 여러 서버와 장비를 층층이 설치하는 구조) 내부 연결에 초점을 둔다. 반면 이번 구조는 가속기뿐 아니라 CPU와 메모리까지 CXL로 연결하고 그 범위를 데이터센터 전체로 확대한다.
연구진이 제시한 구조에서는 하나의 연결 영역에 최대 960개의 가속기를 연결할 수 있다. 연구진에 따르면 현행 NVLink 기반 랙보다 약 13배 큰 규모다.
데이터 이동 시간도 기존 네트워크 기반 구조의 마이크로초(μs, 100만분의 1초) 수준에서 수백 나노초(ns, 10억분의 1초) 수준으로 줄일 수 있다. AI 데이터센터에서는 이러한 작은 지연도 반복되면 전체 성능에 큰 영향을 미친다.
운영도 유연해질 수 있다. CPU·가속기·메모리를 각각의 자원처럼 연결해 문제가 생긴 부품만 교체하거나, 남는 연산·메모리 자원을 필요한 곳에 활용할 수 있기 때문이다.
결국 이번 연구는 AI 데이터센터의 기본 단위를 ‘서버’에서 ‘데이터센터 전체’로 확장하는 설계 방향을 제시한 것이다. 수많은 컴퓨터의 집합에서 한발 더 나아가 데이터센터 자체가 하나의 거대한 컴퓨터처럼 작동하도록 하는 개념이다.
이번 연구가 게재된 NREE의 리뷰 논문(review article, 특정 분야의 주요 연구와 기술을 종합적으로 분석하고 발전 방향을 제시하는 논문)은 학술지 측이 해당 분야 전문가에게 직접 집필을 요청하는 초청 방식으로 기획된다.
이번 논문에서 KAIST 정명수 교수와 파네시아 연구진은 메타의 데이터센터 인프라 연구진과 함께 CXL 기술의 발전 현황을 분석하고 차세대 AI 데이터센터의 설계 방향을 제시했다.
정 교수 연구진은 KAIST에서 CXL 기반 컴퓨터 시스템과 반도체 기술을 지속적으로 연구해 왔으며, 창업 이후에는 관련 핵심 기술을 실제 반도체 칩으로 제작해 작동을 검증하는 등 연구성과의 실용화를 이어가고 있다.
정명수 KAIST 전기및전자공학부 교수 겸 파네시아 대표는 “AI가 거대해질수록 개별 가속기의 성능만큼 수많은 가속기와 메모리를 얼마나 빠르고 효율적으로 연결하느냐가 중요하다”며 “이번 연구는 CXL을 기반으로 데이터센터 전체를 하나의 컴퓨팅 시스템처럼 동작시키는 차세대 AI 인프라의 방향을 제시했다는 데 의미가 있다”고 말했다.
※ 논문명: One-Chip-Like Datacenter Design Enabled by CXL-Based Scale-Up Fabrics, 논문원본: https://www.nature.com/articles/s44287-026-00315-5
한편 이번 연구는 네이처 리뷰 일렉트리컬 엔지니어링(Nature Reviews Electrical Engineering)에 8월 10일 게재됐다.
2026.09.09
조회수 4024
-
AI 업무비서 실수해도 ‘처음부터 다시’ 없다…틀린 곳만 고친다
“지난해 가장 많이 팔린 상품을 찾아줘.” AI가 회사 자료를 찾는 과정에서 존재하지 않는 항목을 잘못 사용하면 검색이 실패할 수 있다. 지금까지는 작은 오류 하나에도 검색 명령 전체를 다시 만들어야 했지만, 우리 대학 연구진이 틀린 부분만 찾아 바로잡는 기술을 개발했다. AI의 데이터 검색을 더 빠르고 정확하게 만들어 기업의 ‘AI 업무비서’ 활용을 앞당길 것으로 기대된다.
우리 대학은 전산학부 김민수 교수 연구팀이 사람의 일상적인 질문을 데이터베이스에서 원하는 정보를 찾는 컴퓨터 명령어인 SQL(Structured Query Language)로 바꾸는 과정에서 발생하는 오류를 찾아 수정하는 기술 ‘세이프큐엘(SafeQL)’을 개발했다고 4일 밝혔다.
최근에는 “지난해 매출이 가장 많이 늘어난 상품은?”, “재고가 부족한 상품은?”처럼 일상적인 말로 질문하면 AI가 이를 SQL로 바꿔 회사의 매출·고객·재고 자료를 찾아주는 ‘Text-to-SQL’ 기술이 활용되고 있다. 복잡한 컴퓨터 명령어를 몰라도 말이나 글로 질문해 필요한 데이터를 찾을 수 있게 해주는 기술이다.
문제는 AI가 검색 명령을 만들면서 데이터베이스에 실제로 없는 테이블이나 항목의 이름을 잘못 사용하거나, 자료를 잘못 연결하는 등의 실수를 할 수 있다는 것이다. 이 경우 SQL이 실행되지 않아 AI가 필요한 데이터를 가져오지 못한다.
기존에는 이런 작은 오류 하나에도 오류 내용을 챗GPT와 같은 생성형 AI의 기반인 대형언어모델(LLM)에 다시 보내 검색 명령 전체를 새로 만들게 했다. 보고서에서 단어 하나가 틀렸다는 이유로 문서 전체를 다시 쓰는 것과 비슷하다. 이미 맞았던 부분까지 달라지거나 새로운 오류가 생길 수 있고, AI를 반복해서 사용하는 만큼 비용과 시간도 늘어난다.
SafeQL은 이 방식을 바꿨다. AI에게 검색 명령 전체를 다시 만들게 하는 대신, 데이터베이스가 알려주는 오류와 실제 저장된 정보를 이용해 어디가 잘못됐는지 찾아 해당 부분만 고친다. 존재하지 않는 테이블이나 항목을 사용했는지 확인하고, 빠진 자료의 연결이나 잘못 사용한 함수·검색값 등도 찾아 수정한다.
연구팀은 이를 위해 데이터베이스에서 실제로 실행할 수 있는 여러 수정안 가운데 원래 AI가 만든 명령과 가장 가까운 답부터 찾아가는 ‘안전 질의 공간(Safe Query Space)’ 방식을 설계했다. 쉽게 말해 가능한 수정안을 모두 확인하는 대신, 제대로 작동할 가능성이 높은 답부터 골라 확인하는 방식이다. 맞지 않는 후보를 미리 제외해 수정에 필요한 시간도 줄였다.
또한 SafeQL을 세계적으로 널리 사용되는 공개형 데이터베이스 관리 프로그램인 PostgreSQL 내부에 구현해 복잡한 명령에서도 오류가 발생한 위치를 정확하게 찾도록 했다. 틀린 부분만 고쳐서는 해결하기 어려운 경우에만 LLM을 다시 사용하도록 해 불필요한 AI 사용도 줄였다.
연구팀은 전 세계 연구자들이 AI의 데이터베이스 검색 능력을 비교하는 데 널리 사용하는 BIRD와 Spider 벤치마크를 통해 SafeQL의 성능을 검증했다.
특히 BIRD 벤치마크 평가에서 SafeQL은 AI가 처음 만든 SQL의 실행 오류를 최대 87.4% 해결했으며, 원하는 답을 정확하게 찾아내는 실행 정확도도 기존 최고 기술보다 최대 5.8%포인트 높였다. 검색 명령 전체를 AI에게 다시 만들게 하는 기존 방식과 비교하면 토큰 사용량은 최대 15.1배 줄이고, 오류 수정 시간은 최대 29.6배 단축했다.
SafeQL은 많은 데이터 요청을 처리하는 기업에서 특히 유용할 것으로 기대된다. AI가 매출·고객·재고 등 사내 데이터를 찾는 과정에서 오류가 발생해도 검색 명령 전체를 다시 만들지 않고 잘못된 부분만 빠르게 수정할 수 있기 때문이다. 이를 통해 AI 운영에 필요한 비용과 시간을 줄이고, 기업 데이터를 보다 정확하고 안정적으로 활용하는 ‘AI 에이전트’ 기반 업무 자동화를 앞당길 수 있을 것으로 기대된다.
김민수 교수는 “기업에서 AI가 실제 업무를 맡으려면 필요한 데이터를 정확하게 찾는 것이 중요하다”며 “SafeQL은 AI가 검색 과정에서 실수하더라도 처음부터 다시 하는 대신 틀린 부분만 바로잡아 오류와 비용, 시간을 함께 줄이는 기술로, 신뢰할 수 있는 AI 업무 자동화를 앞당길 것으로 기대한다”고 말했다.
이번 연구에는 KAIST 전산학부 이건호 연구원이 제1저자로 참여했으며 김민수 교수가 교신저자를 맡았다. 연구 결과는 9월 1일부터 5일까지 미국 보스턴에서 열리는 세계적인 데이터베이스 분야 국제학술대회 VLDB(International Conference on Very Large Data Bases)에서 발표될 예정이다.
※ 논문명: SafeQL: Search-based Refinement for Safe and Efficient LLM-based Text-to-SQL, DOI: 10.14778/3819518.3819545
※ 저자정보: 이건호(KAIST, 제1저자), 김민수(KAIST, 교신저자)
한편, 이번 연구는 과학기술정보통신부의 지원을 받은 한국연구재단(NRF)과 정보통신기획평가원(IITP)의 SW스타랩 사업의 지원을 받아 수행됐다.
2026.09.04
조회수 2464
-
KAIST-Caltech, 연구 넘어 ‘인재도 함께 키운다’…글로벌 공동지도 모델 구축
우리 대학이 세계적인 연구기관인 미국 캘리포니아공과대학교(California Institute of Technology, 이하 ‘Caltech’)와 공동연구를 넘어 차세대 연구자까지 함께 키우는 새로운 글로벌 협력 모델을 구축한다.
우리 대학은 9월 1일부터 2일까지 Caltech과 ‘제1회 KAIST-Caltech 분자과학 및 화학혁신 공동 워크숍(1st KAIST-Caltech Joint Workshop on Molecular Science and Chemical Innovation)’을 개최한다고 2일 밝혔다.
이번 워크숍은 양 기관이 첨단 분자과학과 미래 화학기술 분야의 연구성과를 공유하는 데 그치지 않고, 공동연구와 인재양성, 연구시설 활용까지 연결하는 지속 가능한 협력체계를 구축하기 위해 마련됐다.
특히 KAIST와 Caltech 교수가 박사후연구원(Postdoctoral Researcher)을 함께 선발하고 지도하는 ‘KAIST-Caltech 글로벌 연구 펠로우(KAIST-Caltech Global Research Fellow, KCGRF)’ 프로그램의 구축과 운영 방안을 중점적으로 논의한다.
KCGRF는 양 기관 교수들이 공동 연구주제를 발굴하고 이에 적합한 박사후연구원을 함께 선발·지도하는 프로그램이다. 참여 연구자가 KAIST와 Caltech 양 기관의 연구환경을 모두 경험하면서 세계적 연구자들과 공동연구를 수행하도록 해 국제적 연구역량을 갖춘 차세대 연구자로 성장하도록 지원하는 것이 목표다.
이는 KAIST가 추진하는 ‘Global Connect’ 전략의 구체적인 실천 모델이기도 하다. 해외 대학과의 단순 교류를 넘어 인재와 지식, 연구 아이디어가 양 기관을 오가며 공동연구와 인재 양성으로 이어지는 ‘함께 만드는 국제화’를 구현한다는 구상이다.
Caltech은 화학·물리 등 자연과학 분야에서 오랜 연구 전통을 이어오며 다수의 노벨상 수상자를 배출한 세계적인 연구기관이다. KAIST는 Caltech의 기초과학 연구역량과 KAIST가 강점을 가진 AI·자율화 기반 연구역량을 결합해 미래 화학 분야의 새로운 연구주제를 공동으로 개척할 계획이다.
양 기관의 협력은 2024년 우수연구자교류지원사업(BrainLink)을 계기로 시작됐다. ‘질소-수소 시너지 허브연구센터’(센터장 KAIST 화학과 김형준 교수)를 중심으로 공동연구와 연구자 교류를 이어왔으며, 올해에는 과학기술정보통신부 ‘탑티어 연구기관 간 협력플랫폼 구축 및 공동연구 지원사업’에 선정돼 ‘지능형 순환 화학 생태계 혁신센터’(센터장 KAIST 화학과 한상우 교수)를 출범시키며 협력 범위를 확대했다.
이러한 협력을 바탕으로 KAIST 화학과와 Caltech 화학·화학공학부는 2026년 3월 학술·연구협력 협정(MOU)을 체결하며 협력체계를 한층 강화했다. 양 기관은 매년 공동 워크숍을 개최하고 공동지도 교수 매칭과 박사후연구원 발굴, 상호 연구 방문을 추진하는 한편 지속 가능한 공동지도 프로그램 운영체계도 함께 마련할 계획이다.
이번 워크숍에서는 AI for Chemistry, 자율화 실험실(Autonomous Laboratory), 계산·이론화학, 분자과학, 촉매·합성·전기화학, 지속가능·순환화학 등 미래 화학의 핵심 분야를 중심으로 새로운 공동연구 가능성을 모색한다.
특히 KAIST가 구축 중인 합성 및 전기화학 분야 자율화 실험실을 Caltech 연구진과 공동 활용하는 방안도 추진한다. AI가 실험 설계와 수행, 데이터 분석 등을 지원하는 첨단 연구환경을 양 기관 연구자가 함께 활용함으로써 공동연구의 속도와 범위를 확대한다는 계획이다.
또한 대학원생의 단기 상호 방문을 추진해 대학원생-박사후연구원-교수로 이어지는 지속 가능한 인적·학술 교류 체계를 구축한다. 연구과제를 중심으로 한 일회성 협력을 넘어 양 기관의 차세대 연구자들이 자연스럽게 교류하고 새로운 공동연구를 만들어내는 장기적 협력 기반을 마련한다는 구상이다.
한편, ‘지능형 순환 화학 생태계 혁신센터’는 화학산업 부산물을 고부가가치 화학제품과 소재로 전환하는 지능형 화학 업사이클링 기술을 개발해 탄소중립과 순환경제에 기여하는 새로운 화학기술 플랫폼 구축을 목표로 한다.
사라 라이즈먼(Sarah E. Reisman) Caltech 화학·화학공학부 학부장은 “Caltech과 KAIST 화학 분야 교수진은 오랜 기간 학생 교류와 연구 협력을 이어오며 긴밀한 관계를 구축해 왔다”며 “이번 워크숍은 양 기관의 교수진이 한자리에 모여 교류하고, 지능형 순환 화학 생태계 혁신센터의 지원을 바탕으로 새로운 공동 연구 프로젝트를 시작할 수 있는 뜻깊은 기회”라고 말했다. 이어 “KAIST와의 굳건한 파트너십을 앞으로도 지속해 나갈 수 있어 매우 기쁘게 생각한다”고 덧붙였다.
한상우 KAIST 화학과 교수는 “이번 워크숍을 계기로 KAIST와 Caltech의 협력을 공동연구에서 차세대 연구자를 함께 키우는 단계로 확대하고자 한다”며 “양 기관의 강점을 연결해 미래 화학 분야의 새로운 연구주제와 성과를 만들어가겠다”고 말했다.
배충식 KAIST 총장은 “KAIST의 국제협력은 세계의 우수한 대학과 사람과 지식이 오가며 함께 성장하는 관계를 만드는 것”이라며 “Caltech과 같은 세계적 연구기관과의 협력을 확대해 KAIST의 ‘Global Connect’를 구체적인 성과로 이어가겠다”고 강조했다.
2026.09.02
조회수 4213
-
“신약 설계해줘”... 소버린 바이오 AI 'K-Fold' 공개
“이 단백질에 잘 결합하는 신약 후보를 설계해줘.”
연구자가 AI에게 이렇게 요청하면 AI가 단백질의 3차원 구조를 예측하고, 어떤 물질이 잘 결합할지 분석해 유망한 신약 후보를 설계한다. 우리 대학 연구진이 세계에서 가장 빠르게 단백질 구조 예측을 수행하는 바이오 AI 모델 ‘K-Fold(케이폴드)’를 국내 독자 기술로 개발했다.
우리 대학은 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 ‘팀 KAIST’를 구성하고, 차세대 바이오 AI 모델 ‘K-Fold’를 공개했다고 28일 밝혔다.
‘팀 KAIST’는 화학과 김우연 교수가 연구를 총괄하고, 김우연 교수 그룹과 김재철AI대학원 황성주·안성수 교수 그룹 연구원들이 AI 모델 개발을, 생명과학과 오병하·김호민·이규리 교수가 단백질 데이터 구축과 검증을 담당한다. KAIST 교원창업기업 히츠(HITS)는 K-Fold를 연구자가 실제 활용할 수 있도록 웹 기반 AI 연구 플랫폼 ‘하이퍼랩(HyperLab)’과 연계해 서비스로 구현했다. K-Fold의 성과 확산과 산업계 활용 촉진은 한국제약바이오협회와 한국바이오협회가 맡는다.
K-Fold의 가장 큰 특징은 신약 개발에 필요한 단백질과 약물의 ‘결합’을 AI로 예측한다는 것이다.
신약을 개발하려면 먼저 질병과 관련된 단백질이 어떤 모양인지 파악하고, 수많은 물질 가운데 어떤 것이 그 단백질에 잘 붙어 원하는 작용을 하는지 찾아야 한다. K-Fold는 단백질의 3차원 구조를 예측하는 것은 물론 약물 후보가 단백질의 어디에, 어떤 모습으로 결합할지까지 미리 계산해 유망한 후보를 빠르게 찾도록 돕는다.
단백질 하나의 구조만 예측하는 데 그치지 않는다. 단백질과 단백질, 단백질과 약물 후보 물질, DNA·RNA 등 여러 생체분자가 서로 만났을 때 어떤 구조를 만드는지까지 예측할 수 있다.
성능도 세계적인 수준이다. 지난 3월 과제 단계평가에서 K-Fold의 분자 복합체 구조 예측 정확도는 구글 딥마인드의 AlphaFold3(알파폴드3)에 근접한 수준으로 평가됐다. 연구팀이 8월 자체 수행한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능도 확인했다.
특히 암을 비롯한 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병을 일으키는 단백질을 직접 제거하는 새로운 신약 기술인 표적단백질분해(TPD) 분야에서 약물이 표적 단백질에 어떻게 결합하고 작용하는지를 예측하는 데 높은 성능을 보였다.
구조 예측 속도도 크게 높였다.
기존 단백질 구조 예측 AI는 구조를 계산하기 전에 비슷한 단백질의 서열 정보를 대량으로 찾아 비교하는 복잡한 사전 작업이 필요했다. K-Fold는 이러한 과정에 의존하지 않는 새로운 방식을 적용해 사전 계산 단계를 없애고, 기존 모델 대비 구조 예측 속도를 최대 25배 높였다.
이는 같은 시간에 더 많은 신약 후보를 살펴볼 수 있다는 의미다. 구조 예측에 필요한 시간과 컴퓨팅 자원을 줄이면서 수많은 후보 가운데 가능성이 높은 물질을 빠르게 골라내 연구자가 실제 실험할 대상을 좁히는 데 도움을 줄 수 있다.
배충식 KAIST 총장은 “AI 시대의 국가 경쟁력은 핵심 기술을 우리 스스로 개발하고 활용할 수 있는 ‘소버린 AI’ 역량에 달려 있다”며 “K-Fold는 국내 독자 AI 기술을 바이오와 결합해 세계 수준의 기술에 도전하고, 실제 신약 연구에 활용할 수 있는 서비스로 연결했다는 데 의미가 크다. KAIST는 앞으로도 AI 원천기술과 과학기술의 융합을 통해 대한민국의 AI 기술 주권과 미래 경쟁력을 높여가겠다”고 말했다.
연구팀은 K-Fold를 개발하는 데서 그치지 않고 연구자가 웹에서 대화하듯 사용할 수 있는 AI 연구 서비스로 구현했다.
KAIST 교원창업기업 히츠의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-Fold를 탑재해 별도의 고성능 컴퓨터를 직접 구축하거나 복잡한 AI 프로그램을 다루지 않아도 사용할 수 있도록 했다.
예를 들어 연구자가 “이 단백질에 강하게 결합하는 항체를 설계해줘”라고 요청하면 AI가 단백질 구조를 예측하고, 결합 가능성이 높은 후보를 설계한 뒤 계산을 통해 결과를 평가하는 과정을 단계적으로 지원한다. “이 암 표적 단백질에 적합한 펩타이드 후보를 찾아줘”라고 요청하는 것도 가능하다. 쉽게 말해 연구자가 직접 여러 프로그램을 옮겨 다니며 구조를 계산하고 결과를 분석하는 대신, AI에게 연구 목표를 말하면 필요한 분석과 설계를 차례로 수행하도록 한 것이다.
하이퍼랩은 이를 위해 구조 예측과 약물 설계, 유전체·단백질 등 생명과학 데이터 분석에 활용할 수 있는 120여 개의 계산 도구와 160여 개의 전문 기능을 갖췄다. 또한 100여 개의 전문 데이터베이스와 대규모 지식그래프를 연결해 필요한 연구 정보를 찾아 분석에 활용할 수 있도록 했다.
연구 질문을 이해하고 필요한 도구를 선택해 구조를 예측하고, 결과를 분석한 뒤 다시 설계를 개선하는 일련의 과정을 지원한다는 점에서 연구자를 돕는 ‘AI 공동연구자(Co-Scientist)’를 지향한다.
바이오 AI는 신약 개발의 시간과 비용을 줄일 수 있는 핵심 기술로 떠오르면서 미국·영국·중국의 글로벌 빅테크와 주요 연구기관들이 치열한 개발 경쟁을 벌이고 있다. 이번 K-Fold 개발은 바이오 AI 핵심 기술을 해외 모델에만 의존하지 않고 국내 기술로 확보해 실제 연구에 활용할 수 있는 ‘소버린 바이오 AI’ 기반을 마련했다는 데 의미가 있다.
이번 성과는 지난 6월 23일 열린 ‘2026 한국생체분자과학연합학술대회’에서 김우연 교수가 ‘에이전틱 AI 기반 생성형 신약 설계(Generative Drug Design Powered by Agentic AI)’를 주제로 한 기조강연을 통해 처음 공개했다.
김우연 KAIST 화학과 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.
‘팀 KAIST’ 컨소시엄은 K-Fold를 무료로 배포할 예정이며, 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.
한편 K-Fold의 산업 현장 확산을 위한 교육도 본격화됐다. 8월 27일 한국바이오협회 온라인 교육에는 85명이 참여했으며, 9월 1일 한국제약바이오협회와 진행하는 온·오프라인 교육에는 현재 118명이 신청했다. 교육에서는 제약·바이오 기업 실무자를 대상으로 K-Fold 활용법과 신약 설계 적용 사례를 소개해 소버린 바이오 AI의 산업 현장 도입을 지원한다.
※ 관련 사이트: HyperLab Co-Scientist: https://hyperlab.ai/features-co-scientist
K Fold-하이퍼랩 3.0 소개영상: https://drive.google.com/file/d/1MxhZr-C3pQdIVn1EP44hQICj8G70is3_/view
한편, 이번 연구는 과기정통부 ‘차세대 바이오 파운데이션 모델 K-Fold 개발’ 과제(PJT-25-100009) 의 지원을 받아 수행됐다.
2026.08.28
조회수 7323
-
산소 ‘전용 통로’로 3차원 메모리 난제 풀었다…AI 반도체 성능 높이고 전력 낮춘다
AI가 똑똑해질수록 더 많은 데이터를 빠르게 처리할 수 있는 ‘고성능 메모리’가 필요하다. 하지만 기존처럼 반도체를 계속 작게 만드는 데는 한계가 있다. 우리 대학 연구진이 반도체를 위로 쌓는 3차원 구조의 약점까지 해결하면서, AI 반도체의 성능은 높이고 전력 소모는 낮출 새로운 길을 열었다.
우리 대학은 전기및전자공학부 권지민 교수 연구팀이 UNIST(총장 박종래), 연세대학교(총장 윤동섭) 등 국내 연구진과 공동으로 차세대 메모리 소자인 산화물 수직 채널 트랜지스터(Vertical Channel Transistor, VCT)의 결함을 줄이고 성능과 안정성을 크게 높일 수 있는 새로운 다층 층간 절연막 구조를 개발했다고 20일 밝혔다.
컴퓨터의 주기억장치로 사용되는 DRAM은 컴퓨터가 작업 중인 데이터를 임시로 저장해 빠르게 꺼내 쓸 수 있도록 하는 메모리다. 지난 수십 년간 DRAM은 반도체 소자의 크기를 줄여 같은 면적에 더 많은 데이터를 저장하고, 전력 소모를 낮추는 방향으로 발전해 왔다.
그러나 반도체를 평면에서 계속 작게 만드는 방식은 점차 물리적 한계에 가까워지고 있다. 이에 최근에는 소자를 옆으로만 줄이는 대신 위로 쌓아 올려 집적도를 높이는 3차원 구조가 주목받고 있다. 좁은 땅에 단층 주택을 계속 촘촘하게 짓는 대신 고층 아파트를 세워 더 많은 가구를 수용하는 것과 비슷한 원리다.
이 가운데 수직 채널 트랜지스터(VCT)는 전류가 흐르는 길인 ‘채널’을 기존의 수평 방향이 아닌 수직 방향으로 만든 소자다. 이를 활용하면 제한된 면적에 더 많은 소자를 배치할 수 있어 고집적 메모리 구현에 유리하다.
특히 채널 소재로 산화물 반도체(Oxide Semiconductor)를 사용하면 전류가 새어나가는 현상을 크게 줄일 수 있어, 전력 소모가 적은 차세대 메모리를 만드는 데 유리하다.
하지만 해결해야 할 문제가 있었다. 바로 ‘산소 공공(Oxygen Vacancy)’이다. 이는 산화물 반도체에서 원래 산소 원자가 있어야 할 자리가 비어 있는 상태를 말한다. 즉, 벽돌담에서 벽돌 몇 장이 빠지면 벽 전체가 불안정해지는 것처럼, 이러한 빈자리가 많아지면 반도체의 전기적 특성이 달라져 소자가 안정적으로 작동하기 어려워진다.
그렇다고 산소를 무작정 많이 공급할 수도 없다. 부족한 산소를 채우려다가 산소가 금속 전극까지 이동하면 전극이 산화돼 오히려 소자의 성능을 떨어뜨릴 수 있기 때문이다. 즉, 산소가 필요한 곳에는 보내고, 필요하지 않은 곳에는 가지 못하도록 정밀하게 조절하는 기술이 필요했다.
연구팀은 이를 해결하기 위해 질화규소/이산화규소/질화규소(SiN/SiO₂/SiN)로 구성된 새로운 다층 층간 절연막을 개발했다. 층간 절연막은 반도체 내부의 여러 소자와 배선 사이를 전기적으로 분리하는 막으로, 쉽게 말해 아파트의 층과 층 사이를 나누는 바닥과 천장 같은 역할을 한다.
연구팀은 이 절연막을 단순히 전기를 차단하는 용도로 사용하는 데서 한발 더 나아가, 산소의 이동까지 조절하는‘산소 터널(Oxygen Tunnel)’로 활용했다.
마치 복잡한 건물 안에서 사람이 아무 곳으로나 돌아다니지 않고 정해진 통로를 따라 필요한 장소로 이동하도록 동선을 설계한 것과 같다. 산소가 필요한 산화물 반도체 쪽으로는 이동할 수 있도록 하면서, 산화되면 안 되는 전극 쪽으로는 이동을 억제한 것이다. 그 결과 산화물 반도체 내부의 빈 산소 자리를 안정적으로 채우면서도 전극의 불필요한 산화를 동시에 억제할 수 있었다.
이를 통해 연구팀은 산화물 수직 채널 트랜지스터 분야에서 세계 최고 수준의 전류 흐름과 데이터 유지 시간(Retention Time)을 달성했다. 데이터 유지 시간이란 메모리가 저장된 정보를 얼마나 오랫동안 안정적으로 유지할 수 있는지를 나타내는 지표다.
내구성도 확인했다. 연구팀이 소자에 1,000만 회(10⁷) 이상의 가혹한 동작 스트레스를 가한 뒤에도 문턱전압(트랜지스터가 켜지기 시작하는 기준 전압)의 변화는 50밀리볼트(mV) 이하에 그쳤다. 이는 수많은 반복 동작에도 소자의 특성이 크게 흔들리지 않았다는 의미로, 높은 메모리 동작 안정성을 보여준다.
연구팀은 여기서 한발 더 나아가 기존 실리콘(Si) 기반 CMOS 반도체와 새로운 산화물 반도체를 하나로 결합하는 기술도 구현해 시스템 성능을 평가했다. CMOS는 현재 대부분의 컴퓨터와 스마트폰 반도체를 구성하는 기본 회로 기술이다.>
이번 기술은 향후 차세대 반도체 기술인 컴퓨트 인 메모리(Compute-in-Memory, CIM)의 성능을 높이는 데 활용될 것으로 기대된다.
현재 컴퓨터는 데이터를 저장하는 ‘메모리’와 계산을 담당하는 ‘프로세서’가 분리돼 있어 연산할 때마다 데이터를 서로 주고받아야 한다. 주방에 있는 재료를 요리할 때마다 멀리 떨어진 조리실로 옮겼다가 다시 가져오는 것과 같다. AI처럼 처리해야 할 데이터가 많아질수록 이 이동 과정에서 시간과 전력이 많이 소모된다.
컴퓨트 인 메모리는 이러한 문제를 해결하기 위해 데이터가 저장된 메모리 내부 또는 가까운 곳에서 연산까지 수행하는 기술이다. 재료가 있는 곳에서 바로 요리하는 셈이어서 데이터 이동을 줄이고 연산 속도와 전력 효율을 높일 수 있다.
이번 연구처럼 저전력 산화물 반도체와 기존 실리콘 회로를 3차원으로 결합하면, 좁은 면적에 더 많은 메모리와 연산 기능을 넣을 수 있어 AI가 대규모 데이터를 더 빠르고 적은 전력으로 처리할 수 있을 것으로 기대된다.
권지민 교수는 “고층 건물을 높이 지으려면 층수를 늘리는 것만큼 건물을 안정적으로 만드는 것이 중요하듯, 3차원 반도체도 많이 쌓으면서 안정적으로 작동하게 만드는 것이 핵심”이라며 “이번 기술은 AI 연산 속도를 높이면서 전력 소모는 줄이는 차세대 메모리 반도체 개발을 앞당길 것으로 기대한다”고 말했다.
이번 연구에는 KAIST 구현호 연구원이 제1저자로 참여했으며, 이용우 박사, 정학순 박사, 권지민 교수가 교신저자로 참여했다. UNIST, 연세대학교, 한국화학연구원, 서울과학기술대학교, 서울대학교 연구진도 공동 연구에 참여했다.
연구 결과는 재료과학 분야 국제학술지 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)’에 5월 20일 게재됐으며, 연구의 학술적 중요성과 독창성을 인정받아 표지 논문(Front Cover)으로 선정됐다.
※ 논문명 : Oxygen-Tunnel Indium Tin Oxide Vertical Channel Transistors with Enhanced Current Density and Reliability for Monolithic 3D Compute-in-Memory Systems DOI : https://doi.org/10.1002/adfm.202531989
※ 저자 정보 : 구현호 (KAIST, 제1 저자) 및 이용우 (KAIST, 교신저자), 정학순 (KAIST, 교신저자), 권지민 (KAIST, 교신저자), 정회창 (UNIST, 공동저자), Yanfeng Zhao (UNIST, 공동저자), 양희수 (UNIST, 공동저자), 박민호 (UNIST, 공동저자), 이현진 (UNIST, 공동저자), 백승훈 (UNIST, 공동저자), 송민주 (UNIST, 공동저자), 김정환 (UNIST, 공동저자), 조영민 (KAIST, 공동저자), 박현진 (한국화학연구원, 공동저자), 김문현 (서울과학기술대학교, 공동저자), 김재준 (서울대학교, 공동저자), 이규호 (연세대학교, 공동저자), 김병조 (UNIST, 공동저자)
이번 연구는 과학기술정보통신부 한국연구재단 국가반도체연구실지원핵심기술개발사업 및 우수신진연구사업, 정보통신기획평가원 방송통신산업기술개발사업, 산업통상자원부 한국산업기술기획평가원 초격차기술개발사업 등의 지원을 받아 수행됐다.
2026.08.20
조회수 4292