-
김갑진 교수,‘제 6회 현우 KAIST 학술상’수상
우리 대학은 물리학과 김갑진 교수가 양자역학 분야에서의 탁월한 연구 성과를 인정받아 현우문화재단(이사장 곽수일)이 후원하는‘제6회 현우 KAIST 학술상’ 수상자로 선정됐다고 12일 밝혔다.
김갑진 교수는 양자컴퓨터를 만드는 새로운 방법을 제시한 연구 성과로 이번 학술상을 받았다. 기존 양자컴퓨터는 초전도체나 이온, 빛과 같은 복잡한 방식에 주로 의존해 왔으며, 극저온 환경이 필요해 비용과 기술적 부담이 크다는 한계가 있었다.
김 교수는 이러한 한계를 넘어, 자석처럼 우리가 비교적 쉽게 접할 수 있는 자기 성질을 가진 ‘자성 물질’을 활용해 양자컴퓨터를 구현할 수 있다는 가능성을 제시했다는 점에서 주목을 받았다.
김 교수는 자석 물질 내부의 스핀 움직임(마그논)과 빛 신호를 하나의 칩에서 결합한 ‘광자–마그논 하이브리드 칩’을 개발했다. 이를 통해 자성체 내에서 여러 양자 신호가 동시에 작동하고 서로 영향을 주고받는 현상인 다중 펄스 간섭 현상을 세계 최초로 구현하는 데 성공했다.
이번 성과는 양자컴퓨터가 반드시 특별하고 제한적인 재료로만 만들어져야 한다는 기존 인식을 깨고, 보다 현실적이고 확장 가능한 양자컴퓨팅 기술로 나아갈 수 있는 새로운 방향을 제시했다는 평가를 받고 있다.
관련 연구 성과는 네이처 커뮤니케이션스(Nature Communications)와 npj 스핀트로닉스(npj Spintronics) 등 국제 저명 학술지에 연이어 게재되며 세계적인 주목을 받았다.
또한 김 교수는 공동 연구를 통해 상온에서도 양자 효과가 나타날 수 있음을 실험적으로 보여주는 ‘상온 양자 스핀 펌핑 현상’ 연구를 통해, 양자 기술이 실험실을 넘어 실제 환경에서도 활용될 수 있음을 제시했다.
김갑진 교수는 “자성체를 활용한 양자 연구는 아직 많은 연구자들이 시도하지 않은 분야로, 때로는 무모해 보일 수도 있다”며 “그러나 새로운 양자 기술을 개척하기 위해 반드시 필요한 도전이라고 믿어왔다”고 말했다. 이어 “이번 수상은 남들이 가지 않은 길을 향한 이러한 도전을 격려해 주는 뜻깊은 상이라 생각하며, 앞으로도 새로운 양자 기술을 개척하는 연구에 매진하겠다”고 밝혔다.
한편, 올해로 6회째를 맞은 ‘현우 KAIST 학술상’은 KAIST에서 우수한 학술 성과를 창출한 교원을 포상하기 위해 현우문화재단 곽수일 이사장의 기부로 제정된 상이다.
현우재단 선정위원과 KAIST 교원 포상 추천위원회의 엄정한 심사를 거쳐 매년 1명의 교원을 선정해 상패와 함께 1,000만 원의 포상금을 수여한다. 올해 시상식은 12일 오전 10시 대강당에서 열린 개교기념식 행사에서 개최됐다.
2026.02.12
조회수 345
-
‘올해의 KAIST인상’에 물리학과 이경진 교수 선정
우리 대학은 개교 55주년을 맞아 ‘올해의 KAIST인상’ 수상자로 이경진 물리학과 교수를 선정했다고 12일 밝혔다.
‘올해의 KAIST인상’은 탁월한 학술 및 연구 성과를 통해 국내외에서 KAIST의 발전과 위상 제고에 기여한 구성원에게 수여하는 상으로, 2001년 제정됐다.
제25회 수상자로 선정된 이경진 물리학과 교수는 30여 년간 당연하게 여겨져 온 스핀 전달 이론의 기존 가정을 뒤집고, ‘양자 스핀펌핑(Quantum Spin Pumping)’ 현상을 세계 최초로 규명한 공로를 인정받았다.
기존 이론이 스핀을 단순한 고전적 물리량으로 취급해 온 것과 달리, 이 교수는 실제 물질 속 스핀 역시 전자처럼 본질적인 양자적 성질을 지닌다는 점에 주목했다.
이를 검증하기 위해 이 교수는 스핀의 크기가 특정 조건에서 갑자기 변하는 독특한 성질을 지닌 철-로듐(FeRh) 자성 물질을 연구 대상으로 선택했다. 이 물질에서 로듐(Rh) 원자의 스핀 크기가 점진적으로 변하는 것이 아니라 갑자기 증가하는 양자적 변화를 처음으로 관측했으며, 이러한 스핀 변화 자체가 전자의 움직임을 유도하는 새로운 메커니즘임을 밝혀 ‘양자 스핀펌핑’으로 이론화했다. 실험 결과, 해당 효과는 기존 이론이 예측한 값보다 10배 이상 큰 것으로 확인됐다.
이번 성과는 30년간 유지돼 온 스핀 전달 이론의 핵심 전제를 새롭게 정립한 연구로 평가받고 있으며, 차세대 초저전력 자성 메모리와 양자 정보 소자 개발의 이론적 토대를 제시했다. 해당 연구는 지난해 국제 학술지 ‘네이처(Nature)’에 게재돼 세계적인 주목을 받았다.
한편, 이날 기념식에서는 교육·학술·국제협력 분야에서 탁월한 성과를 거두거나 KAIST의 위상 제고에 크게 기여한 총 58명의 교원에 대한 포상도 함께 진행된다.
최원호 원자력및양자공학과 교수는 저온 대기압 플라즈마의 물리 현상을 세계 최초로 규명하고, 의료·우주 분야 원천기술 확보와 세계 최고 수준의 논문 실적 및 진단 역량을 통해 KAIST의 학술적 위상을 높인 공로로 ‘학술대상’을 수상한다.
‘창의강의대상’은 체험 기반 스포츠 유체역학 교과와 혁신적인 수업 모델을 개발해 유체역학 교육의 새로운 패러다임을 제시한 기계공학과 김형수 교수가 수상한다.
박범순 과학기술정책대학원 교수는 과학·예술·정책을 융합한 ‘인류세 인문학’ 등 혁신적인 융합 교과를 개설하고, 학문 간 경계를 넘나드는 창의적 교수법을 통해 학생들에게 사회를 바라보는 새로운 통찰을 제공한 공로로 ‘우수강의대상’을 받는다.
‘공적대상’은 배현민 전기및전자공학부 교수가 수상한다. 배 교수는 딥테크 시제품 제작 기간 단축과 창업 경진대회의 전국화를 추진하는 등 KAIST 인프라 기반 창업 생태계 확산에 기여했다. 또한 기후테크 육성과 산학 협력 기반 조인트 벤처 모델을 정립해 창업 선순환 구조 구축에 힘썼다.
생명화학공학과 김신현 교수는 ‘국제협력대상’을 수상한다. 김 교수는 교육부 캠퍼스 아시아 사업을 수주해 한·일·중·아세안 간 T2KN 컨소시엄을 구축하고, 총 129명의 학생 교류와 공동 연구를 성공적으로 운영하며 글로벌 교육·연구 네트워크 강화에 기여한 공로를 인정받았다.
이광형 총장은 “남들이 가지 않은 새로운 분야에 도전하고 기존의 한계를 뛰어넘기 위해 헌신하는 구성원들의 노력이야말로 KAIST의 정신”이라며, “오늘은 수상자를 비롯해 성과를 이루기 위해 힘쓴 모든 구성원이 함께 기쁨을 나누고 축하받는 날이 되길 바란다”고 말했다.
2026.02.12
조회수 237
-
화학 원리 이해한 AI 등장...신약·신소재 개발 속도 높인다
스마트폰 배터리가 얼마나 오래 가는지, 난치병을 치료할 신약이 나올 수 있을지는 모두 재료 물질을 구성하는 원자들이 얼마나 안정적으로 결합하느냐에 달려 있다. 이 수많은 원자를 어떻게 배치해야 가장 안정적인 분자가 되는지를 찾는 과정이 ‘분자 설계’의 핵심 과정인데, 그동안은 거대한 산에서 가장 낮은 골짜기를 찾는 것처럼 어려워 막대한 시간과 비용이 필요했다. 우리 대학 연구진이 인공지능으로 이 과정을 빠르고 정확하게 해결하는 신기술을 개발했다.
우리 대학은 화학과 김우연 교수 연구팀이 분자의 안정성을 좌우하는 물리 법칙을 스스로 이해해 구조를 예측하는 인공지능 모델 ‘리만 확산 모델(R-DM)’을 개발했다고 10일 밝혔다.
이 모델의 가장 큰 특징은 분자의 ‘에너지’를 직접 고려한다는 점이다. 기존 인공지능이 분자의 모양을 단순히 흉내 냈다면, R-DM은 분자 내부에서 어떤 힘이 작용하는지를 고려하여 구조를 스스로 다듬는다. 연구팀은 분자 구조를 에너지가 높을수록 언덕, 낮을수록 골짜기로 표현한 지도로 나타내고, 인공지능이 가장 에너지가 낮은 골짜기를 찾아 이동하도록 설계했다.
R-DM은 이러한 에너지 지형 위에서 불안정한 구조를 피해 가장 안정적인 상태를 찾아가며 분자를 완성한다. 이는 수학 이론인 ‘리만 기하학’을 적용한 것으로, 화학의 기본 원리인 ‘물질은 에너지가 가장 낮은 상태를 선호한다’는 법칙을 인공지능이 스스로 학습한 결과다.
실험 결과, R-DM은 기존 인공지능보다 최대 20배 이상 높은 정확도를 보였으며, 예측 오차는 정밀 양자역학 계산과 거의 차이가 없는 수준까지 줄어들었다. 이는 AI 기반 분자 구조 예측 기술 중 세계 최고 수준의 성능이다.
이 기술은 신약 개발은 물론 차세대 배터리 소재, 고성능 촉매 설계 등 다양한 분야에서 활용될 수 있다. 많은 시간이 걸리던 분자 설계 과정을 크게 단축해 연구개발 속도를 획기적으로 높여줄 ‘AI 시뮬레이터’로 기대된다. 또한 화학 사고나 유해 물질 확산처럼 실험이 어려운 상황에서도 화학 반응 경로를 빠르게 예측할 수 있어, 환경·안전 분야에서도 활용 가능성이 크다.
김우연 교수는 “인공지능이 화학의 기본 원리를 이해하고 분자의 안정성을 스스로 판단한 첫 사례”라며 “신소재 개발 방식을 근본적으로 바꿀 수 있는 기술”이라고 말했다.
본 연구는 KISTI 슈퍼컴퓨팅센터 우제헌 박사와 KAIST 혁신신약연구단 김성환 박사가 공동 1저자로 연구를 주도했으며 연구 결과는 세계적 학술지 네이퍼 컴퓨테이셔널 사이언스(Nature Computational Science)에 1월 2일에 게재됐다.
※ 논문명: Riemannian Denoising Model for Molecular Structure Optimization with Chemical Accuracy, DOI: 10.1038/s43588-025-00919-1
한편, 이번 연구는 한국환경산업기술원의 화학사고 예측-예방 고도화 기술개발사업, 과학기술정보통신부 과학기술원 인노코어(InnoCore) 사업, 과학기술정보통신부의 지원을 받아 한국연구재단이 수행하는 데이터사이언스 융합인재양성사업의 지원으로 수행되었다.
2026.02.10
조회수 627
-
이상엽 특훈교수, 호주 퀸즐랜드대 AIBN 중개연구상 수상
우리 대학은 생명화학공학과 이상엽 특훈교수(연구부총장)가 호주 브리즈번에 위치한 퀸즈랜드대학교(University of Queensland, UQ) 산하 호주생명공학나노기술연구소(Australian Institute of Bioengineering and Nanotechnology, AIBN)로부터 2월 3일(현지시간) 중개연구상인 AIBN 메달(AIBN Translational Research Award)을 수상했다고 9일 밝혔다.
AIBN 메달은 생명공학 분야에서 연구 성과를 산업과 사회적 가치로 확장한 중개연구 성과를 인정해 수여되는 상으로, 흔히 ‘연구를 연구로 끝내지 않은 성과’를 평가하는 상으로 불린다. 논문 수나 인용도보다 산업 적용성, 기술 확산, 국제 협력, 사회적 영향력을 중시하며, 합성생물학·대사공학·바이오제조 분야의 세계적 연구 허브인 AIBN이 수여하는 글로벌 중개연구 분야의 상징적 상이다. 이번 시상은 퀸즈랜드대학교 연구부총장인 수 해리슨(Sue Harrison) 교수가 직접 메달을 수여했다.
이상엽 특훈교수는 수상 기념 강연에서 ‘시스템 대사공학을 통한 화학물질 생산(Systems Metabolic Engineering for Chemical Production)’을 주제로 강연을 진행하며, 지속가능한 바이오제조와 합성생물학 기술의 미래 비전을 제시했다.
이상엽 특훈교수는 KAIST에서 약 32년간 대사공학·합성생물학·시스템 생명공학 분야 연구를 선도해 왔으며, 지금까지 국제 학술지 논문 798편, 특허 868건(등록·출원), 국내외 학술대회 발표 3,000여 편, 기조·초청 강연 690여 회를 기록하는 등 세계적 연구 성과를 축적해 왔다.
또한 ‘대사공학’, ‘대장균의 시스템 생물학 및 생명공학’, ‘시스템 대사공학’등 다수의 저서를 통해 해당 분야의 학문적 체계를 정립하는 데 기여했다.
AIBN은 공식 발표를 통해 “이상엽 특훈교수는 시스템 대사공학 분야의 세계적 석학으로, 학문적 영향력뿐 아니라 퀸즈랜드대학교와 호주 연구 생태계에 지속적이고 의미 있는 공헌을 해왔다”며 수상 배경을 밝혔다. 특히 이상엽 교수는 AIBN 설립 초기(2006~2007년) 연구 전략 수립에 핵심적인 역할을 했으며, 설탕 기반 바이오제조 연구를 시작으로 합성항공연료, 폐가스 발효 기반 바이오공정 등으로 협력 범위를 확장했다.
이러한 협력은 미국의 바이오 기반 화학·연료 기업 아미리스(Amyris), 미국 캘리포니아대학교 버클리, 폐가스 발효 기술을 보유한 글로벌 기업 란자테크(LanzaTech), 지속가능 항공연료(SAF) 개발을 선도하는 네덜란드 기업 스카이엔알지(SkyNRG) 등과의 글로벌 공동연구로 이어졌으며, 퀸즈랜드대학교가 합성생물학 및 시스템 대사공학 분야에서 호주를 대표하는 연구 거점으로 자리매김하는 데 중요한 기반이 됐다.
이상엽 특훈교수는 미국 국립과학원(NAS)과 국립공학원(NAE) 국제회원, 영국 왕립학회(The Royal Society) 외국회원, 중국공정원 외국회원으로 활동하고 있으며, 세계경제포럼(WEF) 생명공학 글로벌 미래위원회 공동의장을 역임하는 등 학문·정책·산업을 아우르는 국제 활동을 이어오고 있다.
이상엽 연구부총장은 수상 소감에서 “이번 AIBN 메달은 개인의 연구 성과를 넘어, KAIST와 퀸즈랜드대학교를 비롯한 한–호주 연구자들이 오랜 시간 쌓아온 협력의 결실이라 생각한다”며, “시스템 대사공학과 합성생물학 연구가 지속가능한 산업과 사회 문제 해결로 이어질 수 있음을 보여주는 의미 있는 상”이라고 말했다. 이어 “앞으로도 글로벌 연구 협력과 중개연구를 강화해 바이오 기술이 인류의 삶에 실질적인 가치를 제공하는 데 기여하겠다”고 밝혔다.
이광형 KAIST 총장은 “이번 수상은 이상엽 특훈교수 개인의 탁월한 성과를 넘어, KAIST의 연구 역량과 국제 협력 전략이 세계적으로 인정받은 사례”라며, “KAIST는 앞으로도 글로벌 파트너들과의 협력을 바탕으로 연구 성과가 산업과 사회로 확산되는 중개연구를 선도하며, 지속가능한 바이오산업과 인류 난제 해결에 기여해 나가겠다”고 말했다.
한편 이상엽 특훈교수는 2016년 제1회 AIBN 메달(초대 수상자)로 선정됐으나, 일정과 코로나19 팬데믹으로 공식 수상이 지연됐으며, 이번에 약 10년 만에 공식 시상식에 참석해 수상하게 됐다.
2026.02.09
조회수 431
-
KAIST-NYU, AI 거버넌스 서밋 뉴욕서 개최
우리 대학은 뉴욕대학교(New York University, NYU)와 공동 주최한 ‘KAIST-NYU AI 및 디지털 거버넌스 서밋(KAIST-NYU AI and Digital Governance Summit)’이 지난 2월 6일부터 7일까지(현지 시각) 미국 뉴욕 NYU에서 개최됐다고 9일 밝혔다.
이번 서밋은 인공지능(AI)이 사회 전반에 미치는 영향이 급격히 확대되는 가운데, 기술 혁신과 안전·윤리적 책임이 조화를 이루는 실질적인 AI 거버넌스 해법을 모색하기 위해 비공개 합의 회의와 공개 토론을 결합한 방식으로 기획됐다.
서밋에는 매튜 리아오, 데이비드 차머스 NYU 교수, 비키 내쉬 옥스퍼드 인터넷 연구소 소장, 빈센트 코니쳐 카네기멜론대 교수, 이아손 가브리엘 구글 딥마인드 수석과학자, 필립 골드버그 전 주한미국대사 등 학계·산업계·시민사회를 대표하는 글로벌 AI 거버넌스 리더 60명이 참여했다. 특히 둘째 날 공개 토론에는 450여 명의 청중이 참석해 높은 관심을 보였다.
이번 행사는 단순 포럼을 넘어 실행 가능한 AI 거버넌스 틀을 도출하기 위한 ‘실험적 합의 모델’로 주목받았다. KAIST 과학기술과 글로벌발전 연구센터(G-CODEs)와 NYU 생명윤리 연구센터는 지난해 12월부터 △거버넌스 필수 요건 △제도적 아키텍처 △이행 경로 등 3개 워킹그룹을 구성해 사전 논의를 진행했으며, 뉴욕 현장에서는 합의 회의 방식의 집중 토론과 투표를 통해 실천 지향적 권고안을 도출했다.
‘거버넌스 필수 요건’ 분과에서는 고위험 AI 시스템에 대한 강화된 감독과 모니터링 필요성이 논의됐고, ‘제도적 아키텍처’ 분과에서는 FDA·IRB·FAA 등 기존 고위험 기술 감독 모델을 참고한 AI 감독기구 설계 원칙이 검토됐다. ‘이행 경로’ 분과에서는 국제 규제 공백기에도 적용 가능한 단기적 거버넌스 수단과 기업 책임 기준이 주요 쟁점으로 다뤄졌다.
이번 서밋에는 메타, 구글 딥마인드, IBM, 아마존, 앤쓰로픽, 틱톡, 허깅페이스 등 주요 글로벌 빅테크 전문가들이 참여했으며, KAIST에서는 김소영 국제협력처장, 박경렬 과학기술정책대학원 교수(G-CODEs 센터장), 김형준 AI 대학 미래학과장 등 연구진이 한국의 AI 거버넌스 연구 성과를 공유했다. 이번 행사는 한국국제교류재단(KF)의 국제공동연구 프로그램 지원을 받아 진행됐다.
박경렬 KAIST 교수는 “이번 서밋은 AI 거버넌스를 기술 규제를 넘어 국제 협력과 제도 설계의 문제로 확장한 의미 있는 시도였다”며 “KAIST와 NYU의 협력을 통해 한국이 글로벌 AI 거버넌스 논의를 주도할 수 있는 토대를 만들어가겠다”고 말했다.
이광형 KAIST 총장은 “책임 있는 AI 혁신을 위해 거버넌스 논의의 중요성은 더욱 커지고 있다”며 “KAIST는 국제 파트너십을 통해 AI 거버넌스 분야의 학제 간 연구와 정책 논의를 선도해 나가겠다”고 밝혔다.
2026.02.09
조회수 442
-
K-바이오 핵심 거점 ‘오송 KAIST 바이오 스퀘어’ 개소
우리 대학이 충북 오송에서 세계적 바이오 메디컬 허브 도약을 위한 본격적인 행보에 나선다.
우리 대학은 충청북도, 청주시와 함께 6일 충북화장품임상연구지원센터에서 ‘KAIST 바이오 스퀘어’ 개소식을 개최할 예정이라고 밝혔다.
KAIST 바이오 스퀘어는 K-바이오 스퀘어 조성의 핵심 거점으로, 바이오 기술을 중심으로 AI, 물리, 기계 등 다양한 학문의 경계를 허무는 융합 연구·교육 플랫폼이다. KAIST는 이곳을 전초기지로 삼아 서울대병원, 충북대병원, 한국생명공학연구원, 오송첨단의료산업진흥재단 등과 협력 체계를 구축하고, 파킨슨병 치료제 및 의료기기 개발을 포함한 노화 대응 R&D 분야에서 혁신 성과를 창출할 계획이다.
또한 미래 바이오 산업 혁신을 이끌 창업기업을 유치하고 관련 산업 생태계를 발전시키는 한편, 연간 120개 벤처기업을 배출하는 KAIST의 창업 역량을 집적한 바이오 창업 전초기지로 육성할 방침이다.
개소식에는 김영환 충청북도지사, 이광형 KAIST 총장, 이연희 국회의원을 비롯해 김대수 KAIST 생명과학기술대학장, 김용진 서울대병원 연구부원장, 한상배 충북대 약학대학장, 이규선 한국생명공학연구원 연구본부장, 이명수 오송첨단의료산업진흥재단 이사장 등 산·학·연·병 주요 관계자들이 참석할 예정이다.
KAIST 바이오 스퀘어가 들어서는 건물(구 충북화장품임상연구지원센터)은 지하 1층, 지상 3층 규모로, 현재 1층은 세미나실과 네트워킹 공간으로 활용되고 있다. 오는 6월부터는 건물 전체 리모델링을 통해 강의실, 교수 연구실, 대학원 학과 사무실, 오픈랩(Lab) 등을 갖춘 최첨단 연구·교육 공간으로 조성될 예정이다.
김영환 충북도지사는 “K-바이오 스퀘어는 KAIST 오송 바이오메디컬 캠퍼스타운과 서울대병원 R&D 임상병원, 한국생명공학연구원과 오송첨단의료산업진흥재단이 함께 참여하는 R&D 등 총 3개의 큰 축으로 구성되어 있는데, KAIST 바이오 스퀘어는 이를 실현하기 위한 전초 기지가 될 것”이라며, “큰 결단을 해준 KAIST 이광형 총장과 김대수 생명과학기술대학장에게 감사드린다”고 전했다.
이광형 KAIST 총장은 “K-바이오 스퀘어는 국가 바이오 전략과 중장기 국정과제의 일환으로 추진되고 있는 중요한 사업”이라며 “KAIST의 역량을 총결집해 오송 바이오메디컬 캠퍼스타운이 조기에 안착할 수 있도록 적극 추진하겠다”고 밝혔다. 이어 서울대병원 및 충북대병원과의 AI 헬스케어 대학원 설립, 의사과학자 양성 프로그램 공동 개발 등 미래 의료 혁신을 위한 협력 방안도 제시할 예정이다.
김대수 KAIST 생명과학기술대학장은 “이번 개소는 KAIST가 그동안 추진해 온 R&D 기획과 글로벌 바이오랩스 유치, 혁신 규제자유특구 공동 대응 등 오픈 이노베이션 전략의 실질적인 결실”이라며 “이곳에서 신약 개발과 뇌·역노화 연구를 주도해 산·학·연·병이 공생하는 AI 바이오 혁신 생태계를 조성하겠다”고 말했다.
2026.02.06
조회수 536
-
엔비디아보다 2.1배 빠른 유튜브 추천...‘버벅임’없앴다
유튜브 영상 추천이나 금융 사기 탐지처럼 사람 사이의 복잡한 관계를 빠르게 분석하는 핵심 AI 기술로 ‘그래프 신경망(GNN, Graph Neural Network)’이 있다. 여기서 말하는 그래프는 우리가 떠올리는 그래프 그림이 아니라, 사람과 사람 사이의 연결 관계를 뜻한다. 우리 대학 연구진은 엔비디아보다 추천 속도는 2.1배 빠르고, 지연은 줄이며, 전력 소모까지 낮춘 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 개발해 주목받고 있다.
우리 대학은 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망 기반 인공지능의 추론 속도를 획기적으로 높일 수 있는 AI 반도체 기술 ‘오토GNN’을 세계 최초로 개발했다고 5일 밝혔다.
연구팀은 서비스 지연의 주된 원인이 인공지능 추론 이전 단계인 그래프 전처리(Graph Preprocessing) 과정에 있음을 밝혀냈다. 이 과정은 전체 계산 시간의 70~90%를 차지하지만, 기존 GPU는 복잡한 관계 구조를 정리하는 연산에 한계가 있어 병목 현상이 발생해 왔다.
이를 해결하기 위해 연구팀은 입력 데이터 구조에 따라 반도체 내부 회로를 실시간으로 바꾸는 적응형 AI 가속기 기술을 설계했다. 분석해야 할 데이터의 연결 방식에 맞춰 반도체가 스스로 가장 효율적인 구조로 바뀌는 방식이다.
연구팀은 필요한 데이터만 골라내는 UPE 모듈과 이를 빠르게 정리·집계하는 SCR 모듈을 반도체 안에 구현했다. 데이터의 양이나 형태가 바뀌면 이에 맞춰 최적의 모듈 구성이 자동으로 적용돼, 어떤 상황에서도 안정적인 성능을 유지할 수 있도록 했다.
성능 평가 결과, 오토GNN은 엔비디아의 고성능 GPU(RTX 3090) 대비 2.1배 빠른 처리 속도를 기록했으며, 일반 CPU 대비 9배 빠른 성능과 함께 에너지 소모를 3.3배 줄이는 효율성을 보였다.
이번 기술은 추천 시스템이나 금융 사기 탐지처럼 복잡한 관계 분석과 빠른 응답이 필요한 인공지능 서비스에 즉시 적용할 수 있다. 데이터 구조에 따라 스스로 최적화되는 AI 반도체 기술을 확보함으로써, 향후 대규모 데이터를 다루는 지능형 서비스의 속도와 에너지 효율을 동시에 높일 수 있는 기반이 마련됐다는 평가다.
정명수 교수는 “이번 연구는 불규칙한 데이터 구조를 효과적으로 처리할 수 있는 유연한 하드웨어 시스템을 구현했다는 점에서 의미가 크다”며 “추천 시스템은 물론 금융·보안 등 실시간 분석이 필요한 다양한 AI 분야에 활용될 것”이라고 말했다.
이번 연구는 2026년 1월 31일부터 호주 시드니에서 열리는 컴퓨터 아키텍처 분야 최우수 국제학술대회인 제32회 ‘IEEE International Symposium on High-Performance Computer Architecture (HPCA 2026)’에서 2월 4일 발표됐다.
※ 논문명: AutoGNN: End-to-End Hardware-Driven Graph Preprocessing for Enhanced GNN Performance, https://2026.hpca-conf.org/details/hpca-2026-main-conference/69/AutoGNN-End-to-End-Hardware-Driven-Graph-Preprocessing-for-Enhanced-GNN-Performance
이 연구는 삼성미래기술육성사업의 지원을 받았다.
2026.02.05
조회수 815
-
AI로 물질의 ＇빛의 지문＇을 실시간으로 읽다
사람마다 지문이 다르듯, 모든 물질에는 고유한 ‘빛의 지문’이 있다. 반도체 공정부터 환경 감시, 질병 진단, 우주 연구까지 접촉 없이 물질을 식별해 온 분광학은 ‘과학의 눈’으로 불려왔다. KAIST 연구진은 전문가의 경험에 의존하던 분광 분석을 AI 기반 자동·실시간 판독 기술로 구현해, 반도체·환경·의료 등 다양한 산업 현장에서 활용 가능성을 크게 확장했다.
우리 대학 원자력및양자공학과 박상후 교수 연구팀은 잡음·오염·결손이 많고 복잡하고 겹친 신호 등의 다양한 분광 데이터의 한계를 뛰어넘어, 인공지능이 실시간으로 자동 해석하는 ‘AI 기반 심층 분광해석 기술’을 개발했다고 3일 밝혔다.
스펙트럼이란, 물질이 내거나 흡수한 빛을 무지개처럼 펼쳐 놓은 그래프를 말한다. 기존 분광 분석은 이 스펙트럼 속 숫자로 나타나는 신호를 잘 알려진 참고 데이터와 하나하나 비교하여 수동으로 분석해야 했다. 연구팀은 이런 방식 대신, 스펙트럼 전체를 하나의 ‘이미지’처럼 인식하게 하고 인공지능이 그 패턴을 학습하도록 했다.
그 결과 데이터에 잡음이 섞이거나 일부가 손실된 상황에서도, AI는 마치 사진 속 사물을 알아보듯 정확하게 물질 정보를 찾아냈다. 더 나아가 예측 결과가 과학적으로 타당한지까지 스스로 점검하는 기능을 갖춰, 분석의 신뢰성을 크게 높였다.
연구팀은 이 기술을 대기화학·플라즈마화학 분야에서 널리 쓰이는 흡수 분광 데이터에 적용해 검증했다. 그 결과, 복잡하게 뒤섞인 신호 속에서도 오존과 질소산화물 등 8종의 화학 물질 농도를 매우 높은 정확도로 예측하는 데 성공했다. 기존 수작업 분석보다 정확할 뿐 아니라, 데이터 품질이 나쁜 환경에서도 안정적인 성능을 보였다.
이번 연구는 그동안 분석의 어려움 때문에 현장에서 충분히 활용되지 못하고 버려지던 방대한 분광 데이터를 ‘즉시 활용 가능한 정보’로 바꾸는 전환점이 될 것으로 기대된다.
특히 반도체 플라즈마 공정의 수율 향상, 핵융합 플라즈마의 안정적 제어는 물론, 스마트 시티 환경 감시, 비접촉식 질병 진단 등 다양한 첨단 산업 분야에서 활용 가능성이 크다.
박상후 교수는 “이번 기술은 전문가의 경험에 의존하던 분광 데이터 분석의 진입장벽을 획기적으로 낮춘 성과”라며, “환경 모니터링, 헬스케어, 플라즈마 진단 등 스펙트럼 분석이 필요한 산업 전반에 즉각 적용할 수 있을 것”이라고 말했다.
이번 연구는 원자력및양자공학과 김종찬 박사과정과 허성철 박사과정이 공동 제1 저자로 참여하였고, 계측 및 분석화학 분야의 권위 있는 국제 학술지 ‘센서 앤 액추에이터 B: 케미칼(Sensors and Actuators B: Chemical)’에 1월 12일자로 온라인 게재됐다.
※ 논문명: Deep spectral deconvolution for image-based broadband spectral data analysis DOI: https://doi.org/10.1016/j.snb.2025.139369
한편, 이번 연구는 과학기술정보통신부 글로벌 TOP 전략연구단 지원사업과 KAIST 도약연구사업, 한국재료연구원 기본사업의 지원을 받아 수행됐다.
2026.02.03
조회수 521
-
GPU 덜쓰고 챗GPT 쓴다..카카오 AI 육성 프로젝트 대상 수상
지금의 챗GPT 등 대규모 언어모델(LLM) 서비스는 대부분 고가의 GPU 서버에 의존해 운영되고 있다. 이러한 구조는 서비스 규모가 커질수록 비용과 전력 소모가 급격히 증가하는 한계를 안고 있다. 우리 대학 연구진이 이러한 문제를 해결할 수 있는 차세대 AI 인프라 기술을 개발했다.
우리 대학은 전산학부 박종세 교수를 중심으로 한 애니브릿지(AnyBridge) AI 팀이 GPU에만 의존하지 않고, 다양한 AI 가속기를 통합해 LLM을 효율적으로 서비스할 수 있는 차세대 AI 인프라 소프트웨어를 개발했다고 30일 밝혔다. 해당 기술은 카카오가 주최한 ‘4대 과학기술원×카카오 AI 육성 프로젝트’에서 대상을 수상했다.
이번 프로젝트는 카카오와 KAIST, GIST, DGIST, UNIST 등 4대 과학기술원이 공동으로 추진한 산학 협력 프로그램으로, AI 기술을 기반으로 한 예비 창업팀들의 기술력과 사업성을 종합적으로 평가해 우수 팀을 선발했다. 대상 팀에는 총 2,000만 원의 상금과 함께 최대 3,500만 원 규모의 카카오클라우드 크레딧이 제공된다.
애니브릿지 AI는 KAIST 전산학부 박종세 교수(대표)를 중심으로 권영진 교수, 허재혁 교수가 함께 참여한 기술 창업팀으로, AI 시스템과 컴퓨터 아키텍처 분야에서 축적한 연구 성과를 바탕으로 실제 산업 현장에서 활용 가능한 기술 개발을 목표로 하고 있다. 또한 미국 실리콘밸리 AI 반도체 시스템 스타트업 삼바노바(SambaNova)의 공동창업자이자 스탠포드대 교수인 쿤레 올루코툰(Kunle Olukotun) 교수가 자문위원으로 참여해, 글로벌 시장을 염두에 둔 기술 및 사업 확장을 함께 추진하고 있다.
애니브릿지 팀은 현재 대부분의 LLM 서비스가 고가의 GPU 인프라에 의존하고 있어, 서비스 규모가 확대될수록 운영 비용과 전력 소모가 급격히 증가하는 구조적 한계를 안고 있다는 점에 주목했다. 연구진은 이러한 문제의 근본 원인이 특정 하드웨어 성능이 아니라, GPU 뿐만 아니라 NPU(AI 계산에 특화된 반도체), PIM(메모리 안에서 AI 연산을 처리하는 차세대 반도체) 등 다양한 AI 가속기를 효율적으로 연결·운용할 수 있는 시스템 소프트웨어 계층의 부재에 있다고 분석했다.
이에 애니브릿지 팀은 가속기 종류와 관계없이 동일한 인터페이스와 런타임 환경에서 LLM을 서비스할 수 있는 통합 소프트웨어 스택을 제안했다. 특히 GPU 중심으로 고착화된 기존 LLM 서빙 구조의 한계를 지적하고, 여러 종류의 AI 가속기를 하나의 시스템에서 함께 활용할 수 있는 ‘멀티 가속기 LLM 서빙 런타임 소프트웨어’를 핵심 기술로 제시해 높은 평가를 받았다.
이 기술을 통해 특정 벤더나 하드웨어에 종속되지 않으면서도, 작업 특성에 따라 가장 적합한 AI 가속기를 선택·조합할 수 있는 유연한 AI 인프라 구조 구현이 가능하다. 이는 LLM 서비스의 비용과 전력 소모를 줄이고, 확장성을 크게 높일 수 있는 장점으로 평가된다.
또한 애니브릿지 팀은 다년간 축적한 LLM 서빙 시스템 시뮬레이션 연구를 바탕으로, 실제 대규모 인프라를 구축하지 않고도 다양한 하드웨어·소프트웨어 설계 조합을 사전에 검증할 수 있는 연구 기반을 갖추고 있다. 이러한 점은 기술의 완성도와 산업적 실현 가능성을 동시에 보여줬다는 평가를 받았다.
박종세 KAIST 전산학부 교수는 “이번 수상은 GPU 중심 AI 인프라의 한계를 넘어, 다양한 AI 가속기를 통합하는 시스템 소프트웨어의 필요성을 인정받은 결과”라며 “연구 성과를 산업 현장과 창업으로 확장할 수 있었다는 점에서 의미가 크다”고 말했다. 이어 “산업 파트너들과의 협력을 통해 차세대 LLM 서빙 인프라 핵심 기술로 발전시켜 나가겠다”고 밝혔다.
이번 수상은 KAIST의 연구 성과가 논문을 넘어 차세대 AI 인프라 기술과 창업으로 이어지고 있음을 보여주는 사례로 평가된다. 애니브릿지 AI 팀은 향후 카카오 및 관련 산업 파트너들과의 협력을 통해 기술 고도화와 실증을 진행하고, 차세대 AI 인프라 소프트웨어 분야의 핵심 기술로 발전시켜 나갈 계획이다.
2026.01.30
조회수 606
-
세계적 거장 로댕의 고뇌·샤갈의 환상, KAIST 미술관에서 만나다
우리 대학은 미술관이 세계적 거장 오귀스트 로댕(Auguste Rodin)과 마르크 샤갈(Marc Chagall)의 작품을 익명의 기부자로부터 기증받아, 29일부터 상설 전시를 시작한다고 밝혔다. 이번 기증은 KAIST 구성원들의 문화·예술적 감성 함양은 물론, 미술관 소장품 컬렉션의 질적 확장에 기여할 것으로 기대된다.
이번 기증은 신원을 밝히지 않은 한 기부자의 뜻에 따라 성사되었다. 기부자는 “KAIST 구성원들이 과학기술 연구뿐만 아니라 예술을 통해 감성과 상상력을 확장하기를 바란다”며, “KAIST 미술관이 캠퍼스의 문화적 명소로 자리매김해 학생들에게 영감을 주는 공간이 되기를 바란다”고 전했다.
기증된 작품은 ‘조각의 성인’으로 불리는 오귀스트 로댕의 청동 조각 1점과, 20세기 현대미술의 거장 마르크 샤갈의 석판화 1점이다.
로댕의 〈기둥 곁의 아담을 위한 습작〉은 그의 불후의 명작 〈지옥의 문〉에 등장하는 인물 ‘아담’을 구상하며 제작된 습작이다. 로댕 생전인 1912년경 제작된 석고 원형을 바탕으로, 사후 프랑스 로댕 미술관(Musée Rodin)에서 정식 주조한 12점 중 네 번째 작품(4/12)이다. 인체의 근육과 비틀린 자세를 통해 인간 내면의 고뇌를 섬세하게 표현하며, 로댕 조각 예술의 정수를 보여준다.
샤갈의 〈노란 광대가 있는 서커스〉는 1967년 프랑스 무를로(Mourlot) 판화 공방에서 제작된 석판화 작품이다.
샤갈은 평생 ‘서커스’라는 주제를 통해 인간의 희로애락과 초현실적인 꿈의 세계를 표현해 왔다. 이 작품은 화려한 색채와 자유로운 구도를 통해 서커스 단원들의 역동성과 환상적인 분위기를 결합해, 마치 한 편의 시를 감상하는 듯한 독창적인 세계관을 담아냈다. 총 150점 중 104번째 작품(104/150)으로, 샤갈 특유의 서정적 상상력이 극대화된 수작으로 평가받는다.
이광형 KAIST 총장은 “세계 미술사적으로 가치가 높은 걸작들을 소장하게 되어 매우 뜻깊다”며, “인간과 세계를 바라보는 다양한 시선을 담은 작품들을 통해 KAIST 미술관이 지성과 감성이 공존하는 문화 공간으로 자리매김하길 기대한다”고 밝혔다.
기증된 로댕과 샤갈의 작품은 KAIST 미술관에서 이날부터 상설 전시되며, 학생과 일반 시민을 대상으로 관람이 가능하고 4월부터는 기획 전시 및 교육 프로그램으로 공개 범위를 확대할 예정이다.
2026.01.30
조회수 544
-
AI도 ‘경력직’ 시대...배운 지식 쉽게 가르친다
새 스마트폰을 바꿀 때마다 연락처와 사진을 처음부터 다시 옮겨야 한다면 얼마나 불편할까. 지금의 인공지능(AI) 모델들도 이와 비슷한 상황에 놓여 있다. 성능이 더 좋은 새로운 ChatGPT 같은 AI 모델이 등장할 때마다, 특정 분야의 지식을 갖추기 위해 막대한 데이터와 비용을 들여 다시 학습해야 했기 때문이다. 한국 연구진이 이러한 비효율을 해결할 수 있는 AI 모델 간 ‘지식 이식’ 기술을 개발했다.
우리 대학은 전산학부 김현우 교수 연구팀이 고려대학교(총장 김동원) 연구팀과 공동연구를 통해, 서로 다른 인공지능 모델 사이에서 학습된 지식을 효과적으로 ‘이식’할 수 있는 새로운 기술을 개발했다고 27일 밝혔다.
최근 인공지능 분야에서는 사진과 글을 함께 이해하는 시각–언어 모델(Vision-Language Model, VLM)이 빠르게 발전하고 있다. 이는 사용자가 사진을 보여주며 질문하면 설명을 해주는 ChatGPT와 같은 멀티모달 AI를 떠올리면 이해하기 쉽다. 이러한 모델들은 대규모 이미지와 언어 데이터를 사전 학습해, 적은 양의 데이터만으로도 새로운 분야에 비교적 빠르게 적응할 수 있다는 장점을 지닌다.
그러나 새로운 AI 모델이 나올 때마다 이러한 ‘적응 과정’을 처음부터 다시 수행해야 한다는 점이 큰 비효율로 지적돼 왔다. 기존의 적응 기법들 역시 모델 구조가 조금만 달라져도 그대로 활용하기 어렵거나, 여러 모델을 동시에 사용해야 해 메모리와 연산 비용이 크게 증가하는 한계를 안고 있었다.
연구팀은 이러한 문제를 해결하기 위해 모델의 구조나 크기에 상관없이 학습된 지식을 재사용할 수 있는 전이 가능한 적응 기법(Transferable adaptation)인 ‘TransMiter’를 제안했다. 이 기술의 핵심은 한 AI가 학습하며 쌓은 ‘적응 경험’을 다른 AI 모델로 직접 옮기는 것이다.
연구진 기술은 AI의 복잡한 내부 구조를 뜯어고치지 않고, 예측 결과(output)만 보고 배운 요령을 다른 AI에게 전해주는 방식이다. 서로 생김새가 다른 AI 모델이라도 같은 질문에 내놓은 답변을 기준으로 정리해 주면, 한 AI가 익힌 노하우를 다른 AI도 바로 활용할 수 있다. 그래서 복잡하고 시간이 많이 드는 학습 과정을 다시 거칠 필요가 없고, 속도도 거의 느려지지 않는다.
이번 연구는 그동안 모델 구조나 크기가 다르면 재사용이 거의 불가능하다고 여겨졌던 AI의 적응 지식을 모델 종류에 상관없이 정밀하게 이식할 수 있음을 처음으로 입증했다는 점에서 의미가 크다. 이를 통해 반복적인 학습 비용을 줄일 수 있을 뿐 아니라, 필요한 분야에 맞춰 거대언어모델을 실시간으로 업데이트하는 이른바 ‘지식 패치(patch)’ 기술로의 활용도 기대된다.
김현우 교수는 “이번 연구를 확장하면, 빠르게 발전하는 초거대언어모델이 등장할 때마다 반복적으로 수행해야 했던 후학습(post-training)의 비용을 크게 줄일 수 있다”며, “특정 분야의 전문 지식을 손쉽게 추가하는 ‘모델 패치’가 가능해질 것”이라고 설명했다.
이번 연구에는 KAIST 전산학부 송태훈 석사과정 학생, 이상혁 박사후연구원, 고려대학교 박지환 박사과정 학생이 공동 저자로 참여했으며, 김현우 교수가 교신저자를 맡았다. 연구 결과는 인공지능 분야 최고 권위의 국제 학술대회인 AAAI 2026(Association for the Advancement of Artificial Intelligence)에 구두 발표(25년 기준 채택률 4.6%)로 채택돼, 1월 25일 발표됐다.
※ 논문명: Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization. DOI : https://doi.org/10.48550/arXiv.2508.08604
한편, 김현우 교수 연구실은 이번 논문을 포함해 구글 클라우드 AI와 공동 진행한 문서내의 테이블 이해를 고도화한 기술인 TabFlash 포함하여 해당 학회에 총 3편의 논문을 발표했다.
2026.01.27
조회수 588
-
끝없는 배터리 실험 줄인다...성능 예측 AI 개발
전기차를 한 번 더 멀리 가게 하고, 스마트폰을 더 오래 쓰게 만드는 힘은 배터리 소재에서 나온다. 그중에서도 배터리의 성능과 수명을 직접 좌우하는 핵심 재료가 바로 양극재다. 배터리 소재 개발에 필요한 수많은 실험을 인공지능이 대신할 수 있다면 어떨까. 우리 대학 연구진이 실험 데이터가 부족한 상황에서도 양극재의 입자 크기와 예측 신뢰도를 함께 제시하는 인공지능(AI) 프레임워크를 개발하며, 전고체 배터리 등 차세대 에너지 기술로의 확장 가능성을 열었다.
우리 대학은 신소재공학과 홍승범 교수팀이 조은애 교수팀과 공동연구를 통해, 실험 데이터가 불완전한 상황에서도 배터리 양극재의 입자 크기를 정확하게 예측하고, 그 결과를 얼마나 신뢰할 수 있는지까지 함께 제공하는 머신러닝 프레임워크를 개발했다고 26일 밝혔다.
배터리 내부의 양극재는 리튬이온 배터리가 에너지를 저장하고 꺼내 쓰게 만드는 핵심 재료다. 현재 전기차 배터리에 가장 널리 사용되는 양극재는 니켈(Ni), 코발트(Co), 망간(Mn)을 혼합한 NCM 계열 금속 산화물로, 배터리의 수명과 충전 속도, 주행 거리, 안전성에 큰 영향을 미친다.
우리 대학 연구진은 이러한 양극재를 이루는 아주 작은 1차 입자의 크기가 배터리 성능을 결정하는 핵심 요소라는 점에 주목했다. 입자가 지나치게 크면 성능이 저하되고, 반대로 너무 작으면 안정성 문제가 발생할 수 있기 때문이다. 이에 연구진은 입자 크기를 정확하게 예측하고 제어할 수 있는 AI 기반 기술을 개발했다.
기존에는 입자 크기를 파악하기 위해 소결 온도와 시간, 재료 조성 등을 바꿔가며 수많은 실험을 반복해야 했다. 그러나 실제 연구 현장에서는 모든 조건을 빠짐없이 측정하기 어렵고, 실험 데이터가 누락되는 경우도 잦아 공정 조건과 입자 크기 간의 관계를 정밀하게 분석하는 데 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 누락된 데이터는 보완하고, 예측 결과는 신뢰도와 함께 제시하는 AI 프레임워크를 설계했다. 이 프레임워크는 화학적 특성을 고려해 빠진 실험 데이터를 보완하는 기술(MatImpute)과, 예측 불확실성을 함께 계산하는 확률적 머신러닝 모델(NGBoost)을 결합한 것이 특징이다.
이 AI 모델은 단순히 입자 크기를 예측하는 데 그치지 않고, 해당 예측을 어느 정도까지 신뢰할 수 있는지에 대한 정보까지 함께 제공한다. 이는 실제로 어떤 조건에서 재료를 합성할지 결정하는 데 중요한 기준이 된다.
실험 데이터를 확장해 학습한 결과, AI 모델은 약 86.6%의 높은 예측 정확도를 보였다. 분석 결과, 양극재 입자 크기는 재료 성분보다도 굽는 온도와 시간 같은 공정 조건의 영향을 더 크게 받는 것으로 나타났으며, 이는 기존의 실험적 이해와도 잘 부합한다.
연구진은 AI 예측의 신뢰성을 검증하기 위해, 금속 성분 비율은 동일한 NCM811(Ni 80% / Co 10% / Mn 10%) 조성을 유지하되 기존 데이터에 포함되지 않은 제조 조건으로 합성한 양극재 시료 4종을 새롭게 제작해 실험을 진행했다. 그 결과, AI가 예측한 입자 크기는 실제 현미경 측정 결과와 거의 일치했으며, 오차는 대부분 머리카락 두께보다 훨씬 작은 0.13마이크로미터(μm) 이하로 나타났다. 특히 AI가 함께 제시한 예측 불확실성 범위 안에 실제 실험 결과가 포함돼, 예측값뿐 아니라 그 신뢰도 역시 타당함이 확인됐다.
이번 연구는 배터리 연구에서 모든 실험을 수행하지 않아도 성공 가능성이 높은 조건을 먼저 찾을 수 있는 길을 열었다는 점에서 의미가 크다. 이를 통해 배터리 소재 개발 속도를 높이고, 불필요한 실험과 비용을 크게 줄일 수 있을 것으로 기대된다.
홍승범 교수는 “AI가 예측값뿐 아니라 그 결과를 얼마나 신뢰할 수 있는지까지 함께 제시한다는 점이 핵심”이라며, “차세대 배터리 소재를 보다 빠르고 효율적으로 설계하는 데 실질적인 도움이 될 것”이라고 말했다.
이번 연구는 신소재공학과 벤 마디카(Benediktus Madika) 박사과정 연구원이 제1저자로 참여했으며, 신소재·화학공학 분야의 국제적 권위 학술지인 ‘어드밴스드 사이언스(Advanced Science)’에 2025년 10월 8일자로 게재됐다.
※ 논문 제목: Uncertainty-Quantified Primary Particle Size Prediction in Li-Rich NCM Materials via Machine Learning and Chemistry-Aware Imputation, DOI: https://doi.org/10.1002/advs.202515694>
한편, 본 연구는 벤 마디카, 강채율, 심주성, 박태민, 문정현 연구원과 조은애 교수, 홍승범 교수 연구팀이 수행했으며, 과학기술정보통신부(MSIT) 한국연구재단 미래융합기술파이오니어(전략형) 지원(과제번호 RS-2023-00247245)을 받아 진행됐다.
2026.01.26
조회수 669