인물
우리 대학 전기및전자공학부 최신현 교수가 차세대 AI 하드웨어 개발 및 혁신적인 반도체 관련 연구 성과로, KAIST가 주관하고 현우문화재단(이사장 곽수일)이 후원하는 `현우 KAIST 학술상' 수상자로 선정됐다.
수상자로 선정된 최신현 교수의 중점 연구 분야는 미래형 메모리와 컴퓨터 장치 개발에 집중한 ▶저항 스위칭 소자(resistive switching device)를 이용해 기본 방식보다 더 빠르고 효율적인 차세대 메모리·컴퓨팅 장치 개발, ▶엣지 컴퓨팅(edge computing)과 뉴로모픽 컴퓨팅(neuromorphic computing)의 스마트한 컴퓨터 메모리 기능 등 통합 시스템 응용, ▶기존 3단자 트랜지스터(3-terminal transistor) 방식과 다른 더 효율적이고 창의적인 컴퓨팅·메모리 소자 작동 방식 개발이다.
< 전기및전자공학부 최신현 교수 현우학술상 수상 모습 >
대표적인 연구 업적으로 차세대 메모리 기술 분야에서 기존의 값비싼 초미세 노광공정*을 사용하는 방식보다 전기를 15배 이상 절감하고, 수직 적층 구조에 최적화된 초저전력 차세대 상변화 메모리(phase-change memory) 소자 개발에 성공하였다.
* 노광공정: 반도체 칩 위에 미세한 회로 패턴을 실리콘 웨이퍼 위에 새기는 공정으로 고급기술이고 비용이 많이 드는 단점이 있음
나아가, 최 교수는 차세대 메모리·컴퓨팅 소자를 기반으로, 기존의 CPU, GPU와 같이 많은 전력을 쓰는 칩을 대체할 수 있는 AI 알고리즘을 효율적으로 구동하는 차세대 컴퓨팅 하드웨어(칩)를 개발하였다. 이를 통해 데이터를 더 빠르고 효율적으로 작동시키며 스마트폰, 자율주행 등 다양한 응용하여 실생활에 활용 가능한 주목할 만한 성과를 거두었다.
또한 메모리 소자의 동작 원리를 기초 물리법칙에 기반한 원자단위까지 분석함으로써 이를 통해 메모리 성능을 더 빠르고 안정적으로 향상시킬 방법을 제시하는데 크게 기여하였다.
최 교수의 연구는 재료 분석부터 반도체 소자, 통합 시스템 개발 등 반도체 기술 전 과정에 대한 연구 분야를 아우르며, 그 성과는 네이처(Nature), 네이처 일렉트로닉스(Nature Electronics), 네이처 커뮤니케이션스(Nature Communications), 사이언스 어드밴시스(Science Advances) 등 최상위 저널에 게재되는 등 특출한 성과를 보여주었다.
최신현 교수는 “최근 큰 사회적 변화를 주도하고 있는 IT와 인공지능 관련 하드웨어 연구로 뜻깊은 상을 받게 되어서 영광이고, 이번 연구를 통해 학계와 기업에 새로운 시각을 제공할 수 있어 감회가 깊다.”며, “앞으로도 후속 연구자들에게 영감을 주며 실제로 사회에 기여할 수 있는 연구 성과가 나올 수 있도록 끊임없이 노력하겠다”고 향후 포부를 밝혔다.
한편, 올해로 5회째 시행되는 `현우 KAIST 학술상'은 KAIST에서 우수한 학술적 업적을 남긴 학자들을 매년 포상하고자 현우문화재단 곽수일 이사장이 기부한 재원을 바탕으로 제정된 상이다.
현우재단 선정위원과 KAIST 교원 포상 추천위원회의 엄격한 심사를 거쳐, 탁월한 학술 업적을 이룬 교원 1명을 매년 선정해 상패와 함께 1천만 원의 포상금을 수여하고 있다. 올해 시상식은 30일 오전 10시 KAIST 학술문화관 정근모 홀에서 개최되었다.
-
연구 ‘스마트 출입문’ 반도체로 저장공간 크게 늘린다
스마트폰부터 대규모 인공지능(AI) 서버에 이르기까지 현대 사회의 디지털 정보는 대부분 낸드플래시(NAND Flash) 메모리*에 저장된다. 우리 대학 연구진이 더 많은 정보를 더 작은 공간에 담아야 하는 차세대 반도체의 한계를 넘어설 수 있는 혁신 기술을 개발했다. 이번 기술은 초고용량 메모리 구현을 앞당길 핵심 원천기술로 기대된다. *낸드플래시 메모리: 스마트폰 사진·영상·앱 등을 저장하는 스마트폰·SSD 등의 저장장치에 사용되는 반도체로, 전원이 꺼져도 데이터가 사라지지 않는 비휘발성 메모리 우리 대학은 전기및전자공학부 조병진 교수 연구팀이 머리카락보다 얇은 반도체 층에 새로운 소재를 적용해, 전자의 이동을 상황에 따라 선택적으로 제어하는 ‘스마트 출입문’ 구조를 구현함으로써 3차원 V-낸드(3D V-NAND) 메모리*의 고집적화 한계를 극복했다고 20일 밝혔다. *3차원 V-낸드: 기존 메모리 셀을 평면(
2026-03-20 -
연구 나만을 위한 ‘영혼의 단짝’ AI 반도체 ‘소울메이트’ 세계 최초 개발
우리가 일상적으로 사용하는 챗GPT(ChatGPT)와 같은 거대 언어 모델(LLM)은 수많은 질문에 능숙하게 답하지만, 정작 사용자의 사소한 습관이나 이전 대화 맥락등은 알지 못한다. 인공지능이 생활 깊숙이 들어왔음에도 여전히 ‘남’처럼 느껴지는 이유다. 우리 대학 연구진이 이러한 한계를 넘어 사용자의 말투와 취향, 감정까지 실시간으로 배우고 닮아가는, 이른바 ‘영혼의 단짝’ 같은 인공지능 반도체를 세계 최초로 개발했다. 우리 대학은 인공지능반도체대학원 유회준 교수 연구팀이 사용자의 특성에 맞춰 스스로 진화하는 개인 맞춤형 거대 언어 모델(LLM) 가속기‘소울메이트(SoulMate)’를 개발했다고 17일 밝혔다. 이번 기술은 기존의 ‘모두를 위한 AI’를 넘어 사용자의 대화 스타일과 선호도를 학습해 반응하는 ‘나만을 위한 초개인화 AI’ 시대를 앞당길 핵심 반도체 기술로
2026-03-17 -
인물 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
2026-02-12 -
연구 ‘사포’로 반도체를 깎았더니...AI 반도체 가공 새 길 열다
스마트폰과 인공지능(AI) 서비스의 성능과 안정성은 반도체 표면을 얼마나 고르고 정밀하게 가공하느냐에 달려 있다. 우리 대학 연구진은 일상에서 흔히 사용하는 ‘사포’의 개념을 나노 기술로 확장해, 반도체 표면을 원자 수준까지 균일하게 가공할 수 있는 새로운 기술을 개발했다. 이 기술은 고대역폭 메모리(HBM) 등 첨단 반도체 공정에서 표면 품질과 가공 정밀도를 크게 향상시킬 수 있는 가능성을 보여준다. 우리 대학은 기계공학과 김산하 교수 연구팀이 머리카락보다 수만 배 가는 탄소나노튜브를 연마재로 활용한 ‘나노 사포’를 개발했다고 11일 밝혔다. 이 기술은 기존 반도체 제조 공정보다 표면을 더 정밀하게 가공하면서도, 공정 과정에서 발생하는 환경 부담을 줄일 수 있는 새로운 평탄화 기술이다. 사포는 표면을 문질러 매끄럽게 만드는 익숙한 도구지만, 반도체와 같이 극도로 정밀한 표면 가공이 필요한 분야에는 적용이 쉽지 않았다. 이는 일반
2026-02-11 -
연구 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
2026-02-05