KAIST

인공지능(AI)이 화면 속 정보를 분석하는 기술을 넘어, 현실 세계의 물리적 특성을 이해하고 스스로 판단·행동하는 단계로 진화하고 있다. 우리 대학 연구진은 빛과 물질의 상호작용, 공간 인식, 미래 상황 예측, 행동 계획을 아우르는 피지컬 AI(Physical AI·물리 기반 인공지능) 핵심 기술을 개발했다. 이번 성과는 자율주행차와 휴머노이드 로봇, 산업용 로봇, 디지털 트윈 등 실제 환경에서 작동하는 차세대 자율 시스템 구현을 앞당길 것으로 기대된다. 우리 대학은 전산학부 윤성의 교수 연구팀이 ▲유리나 물처럼 투명한 물체를 정확히 인식하는 기술 ▲빛과 물질의 상호작용을 분석해 주변 환경을 이해하는 기술 ▲사진 한 장만으로 로봇이 목적지를 찾아가는 기술 ▲미래 상황을 예측해 행동을 계획하는 기술을 개발했다고 6일 밝혔다. 이번 연구는 시각 인식부터 물리적 이해, 미래 예측, 행동 계획까지 하나의 기술 흐름으로 연결했다는 점에서 의미가 크다. 이를 통

항공기와 자동차와 같은 첨단 구조물을 가벼우면서 고성능으로 설계하기 위하여 복합재를 많이 사용하고 있다. 특히 탄소섬유복합재는 금속보다 가벼우면서도 높은 비강도와 비강성을 가져 차세대 경량 구조 소재로 주목받고 있다. 그러나 복합재의 성능은 단순히 재료 자체의 성질만으로 결정되지 않는다. 내부에 배치된 섬유 다발의 방향과 배열, 그리고 제조 과정에서 생기는 미세한 변형이 실제 기계적 성능을 크게 좌우한다. 우리 대학의 기계공학과 김성수 교수 연구팀은 복잡한 형상의 구조물 제작에 널리 활용되는 브레이딩 복합재에서, 제조 중 발생하는 섬유 다발의 배열이 그 패턴과 최종적인 기계적 물성에 미치는 영향을 예측할 수 있는 새로운 해석 모델을 개발했다고 5일 밝혔다. 이 연구는 실제 제조 과정을 반영한 모델을 제시함으로써, 브레이딩 복합재의 성능 예측 정확도를 높일 수 있는 가능성을 보여준다. 브레이딩 공정은 여러 가닥의 섬유 다발을 원통형 금형 주위에 서로 교차시키며 감아 복합재 구조

기후 변화는 기온 상승뿐 아니라 경제·에너지·산업 전반에 영향을 미치는 복합 문제로, 미래를 정확히 예측하기 어렵다. KAIST·국제 연구진이 인공지능(AI)을 활용해 기후 변화와 사회·경제적 영향을 동시에 분석할 수 있는 차세대 기후 연구 모델을 제시했다. 우리 대학은 녹색성장지속가능대학원 전해원 교수, 카르틱 무카빌리(Karthik Mukkavilli) 겸직교수, 전산학부 오혜연 교수 연구팀이 중국 북경대학교, 영국 임페리얼 칼리지 런던, 이탈리아 밀라노 폴리테크닉대학교, 미국 메릴랜드대학교, 오스트리아 국제응용시스템분석연구소(IIASA) 등 세계 유수 연구기관과의 국제 공동 연구를 통해 AI 기반 기후 연구 통합 프레임워크를 제시했다고 13일 밝혔다. 현재 기후 변화 연구는 물리적 기후 예측, 사회·경제 영향 분석, 에너지 정책 평가 등이 분야별로 분리돼 수행되는 경우가 많다. 서로 다른 데이터와 분석 체계를

인공지능은 이제 바둑을 두고, 그림을 그리고, 사람처럼 대화까지 한다. 하지만 결정적인 차이가 있다. AI는 인간의 뇌보다 훨씬 많은 전기를 써야 작동한다는 점이다. 과학자들이 오랫동안 던져온 질문은 이것이다. “뇌는 어떻게 이렇게 적은 에너지로도 똑똑하게 학습할 수 있을까?”우리 대학 연구진이 그 답에 한 걸음 다가섰다. 우리 대학은 뇌인지과학과 이상완 교수 연구팀이 인간 뇌의 학습 원리를 딥러닝에 적용해, 깊은 인공지능 모델도 안정적으로 학습시키는 새로운 기술을 개발했다고 1일 밝혔다. 우리 뇌는 세상을 수동적으로 받아들이지 않는다. 현재 벌어지는 일을 단순히 인식하는데서 그치지 않고‘다음에 무슨 일이 일어날까?’를 먼저 예측하고, 실제 결과가 다르면 그 차이(오차)를 줄이는 방향으로 스스로를 수정한다. 바둑에서 상대의 다음 수를 예상했다가 빗나가면 전략을 바꾸는 것과 비슷하다. 이 같은 정보처리 방식을 ‘예측 부호화(

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