-
융합인재학부 정윤재 학생, 애플 '앱개발 올림픽' 우승
우리 대학 융합인재학부 정윤재 학생이 애플(Apple)이 주최하는 글로벌 학생 개발자 경진대회 ‘Swift Student Challenge’에서 우수 수상자로 선정됐다. 전 세계 학생 개발자들이 참여하는 이번 대회는 창의성과 기술력을 겨루는 대표적인 국제 앱 개발 프로그램으로, 올해는 37개 국가 및 지역에서 선발된 350명의 수상자 가운데 단 50명만이 우수 수상자로 이름을 올렸다.
정윤재 학생은 비올라 학습을 돕는 앱 플레이그라운드 ‘LeViola’를 개발해 높은 평가를 받았다. LeViola는 실제 악기 없이도 사용자가 비올라 연주를 연습할 수 있도록 설계된 교육용 애플리케이션으로, 카메라 기반 자세 인식과 온디바이스 머신러닝 기술을 활용해 실제 연주에 가까운 경험을 제공한다.
정윤재 학생은 현재 융합인재학부에 재학 중이며 뇌인지과학과와 전산학부를 복수전공하고 있다. 그는 2026년 3월 KAIST-NYU 부전공 프로그램을 준비하던 중 아이디어를 얻었다. 그는 “KAIST 오케스트라에서 비올라를 배우고 연주하기 시작했지만, 뉴욕으로 가져가기 어려운 상황이었다”며, “뉴욕 필하모닉 공연을 관람한 뒤 다시 연주하고 싶은 마음이 커졌고, 누구나 쉽고 친근하게 현악기를 배울 수 있는 플랫폼을 만들고 싶었다”고 개발 배경을 설명했다.
특히 그는 Swift 언어가 처음이었음에도 불구하고 짧은 기간 안에 앱을 완성해 주목받았다. 그는 OpenAI Codex, Claude, Gemini 등 최신 AI 도구를 활용해 Swift와 애플 개발 환경을 학습했으며, 이후 Apple의 Create ML과 Core ML 프레임워크를 이용해 직접 머신러닝 모델을 학습·탑재했다.
LeViola는 사용자의 왼손 관절 움직임을 분석해 운지(fingering) 위치를 판별하고, 오른팔 각도를 추적해 활의 움직임까지 안내한다. 이를 통해 실제 악기 연주 경험을 디지털 환경에서 구현했다.
그는 중·고등학생 시절부터 자율주행자동차 알고리즘이나 교실 전자기기 제어 타이머를 개발하는 등 다양한 기술 프로젝트를 진행해왔다. 최근에는 미술관 관람객을 위한 AI 오디오 가이드 앱과 독거노인을 위한 AI 컴패니언 기기를 제작하는 등 기술을 기반으로 한 사회적 문제 해결에도 관심을 이어가고 있다. 이번 수상 역시 기술을 사회적 연결과 접근성 향상에 활용하고자 하는 그의 관심이 반영된 결과로 평가된다.
정윤재 학생은 “악기를 배우는 과정에는 비용과 공간 등 다양한 진입 장벽이 존재한다”며 “기술을 사람들을 이어주는 도구로 활용하고 싶고 다른 악기를 위한 앱도 만들 수 있다. 악기가 없어도 클래식 음악을 접할 수 있고, 더 많은 사람들이 악기를 배우며 오케스트라를 즐길 기회를 갖길 바란다”고 덧붙였다.
또한 “당분간 LeViola에 집중하겠지만, 예술과 기술에 대한 열정을 융합한 또 다른 앱 아이디어도 구상 중”이라며, “앞으로도 예술과 기술을 결합해 현실 세계에서 사람들을 연결할 수 있는 디지털 플랫폼을 만들고 싶다”고 포부를 밝혔다.
비올라 학습을 돕는 ‘LeViola’ 앱은 iPhone에서만 사용할 수 있으며 일반 대상 출시는 올해 하반기를 목표로 준비 중이다.
한편, Swift Student Challenge 우수 수상자들은 오는 6월 미국 캘리포니아 애플파크(Apple Park)에서 열리는 세계개발자회의(WWDC)에 초청돼 애플 엔지니어 및 개발자들과 교류하고 다양한 기술 세션에 참여할 예정이다.
※ 영어기사: 애플 뉴스룸 AI meets accessibility in this year’s Swift Student Challenge - Apple
2026.05.11
조회수 364
-
건설및환경공학과 조계춘 교수, 구글 ‘기초 과학 연구 지원 프로그램’ 선정
우리 대학 건설및환경공학과 조계춘 교수가 구글(Google)의 ‘기초 과학 연구 지원 프로그램(Foundational Science Grant)’ 대상자로 최종 선정되어 USD140,000(2억원) 규모의 연구비를 지원받게 된다. 이번 선정은 국내 기초 과학 기술 발전을 지원하려는 구글의 의지가 담긴 결과로, 조계춘 교수팀은 서울대 민기복 교수팀과 함께 독창적인 연구 역량을 인정받았다.
이번 연구는 “물리 기반 인공지능(Physics-informed AI)”을 활용해 지열 에너지 개발의 불확실성을 해소하는데 초점을 맞추고 있다. 연구팀은 단순 데이터 학습 방식의 기존 AI를 넘어 실제 물리 법칙을 알고리즘에 결합함으로써 지하 심부의 온도, 압력, 유체 흐름 등을 정밀하게 예측하는 하이브리드 기술을 개발하고 있다.
특히 지열 발전 과정에서 발생할 수 있는 유발 지진(Induced Seismicity) 위험을 사전에 평가하고, 에너지 생산 효율을 극대화할 수 있는 통합 프레임워크 구축에 나선다. 이를 통해 지열 에너지를 ‘관리 가능한 리스크’ 영역으로 끌어들여, 탄소중립 시대의 안정적 무탄소 에너지원으로 활용 가능성을 높일 것으로 기대된다.
지열 에너지는 기상 조건과 관계없이 24시간 안정적인 전력 공급이 가능하다는 장점이 있지만, 지하 환경에 대한 불확실성과 안전성 문제가 상용화의 주요 과제로 꼽혀왔다. 연구팀은 AI 기반 지하 가상화 기술을 통해 이러한 한계를 극복하고, 지속가능한 미래 에너지 시스템 구축에 기여한다는 계획이다.
이번 프로젝트는 구글 본사로부터 직접 연구기금(Gift Fund)을 지원받아 추진되며, 향후 구글 연구진과의 기술 교류 및 공동 연구 협력 가능성도 기대를 모으고 있다. 또한 연구 내용이 구글 공식 블로그를 통해 소개되면서, 스마트 건설 및 친환경 에너지 분야에서 우리 대학의 세계적 연구 경쟁력을 다시 한번 입증했다.
조계춘 교수는 “이번 연구는 눈에 보이지 않는 지하 환경을 AI로 가상화해 보다 정확하고 안전하게 예측하는 데 의미가 있다”며 “구글의 지원을 바탕으로 지열 에너지가 신뢰할 수 있는 미래 에너지원으로 자리 잡는 데 기여하겠다”고 밝혔다.
※ 구글 블로그: https://blog.google/intl/ko-kr/company-news/outreach-initiatives/foundational-science-grant-kaist-gyechun-cho-kr/
2026.05.08
조회수 383
-
‘AI 기술설명회 2026’ 개최...최신 AI 성과 공개
우리 대학은 김재철AI대학원이 7일(목) 오전 10시, 서울 코엑스(COEX)에서 ‘KAIST AI 기술설명회 2026’를 개최한다고 6일 밝혔다.
이번 행사는 KAIST 김재철AI대학원과 성남산업진흥원, 서울특별시가 공동 주최하며, 우리 대학이 수행 중인 주요 AI 연구 성과와 산업 현장으로 확산되고 있는 최신 인공지능 기술을 산업계와 일반 대중에게 소개함으로써 AI 기술 확산과 산학협력 활성화를 도모한다는 계획이다.
설명회에서는 로봇 파운데이션 모델(다양한 로봇 작업에 범용적으로 활용 가능한 대규모 사전학습 모델), 개인 맞춤형 AI, 멀티모달 AI(텍스트·이미지·음성 등 다양한 데이터를 함께 이해하는 인공지능), 신뢰가능한 AI, Physical AI(물리적 환경에서 직접 행동하고 상호작용하는 인공지능) 등 다양한 분야의 최신 연구 성과가 소개된다.
오전 초청강연에서는 KAIST 김재철AI대학원 신진우 교수와 오성준 교수, ㈜카카오 노병석 리더가 각각 로봇 파운데이션 모델, 개인화 AI, 멀티모달 AI를 주제로 초청 강연을 진행하며, 최신 기술 동향을 공유할 예정이다.
오후 세션에서는 KAIST 김재철AI대학원 교수진과 연구원들이 보유한 다양한 AI 분야의 최신 연구 성과 발표가 예정되어 있다. 기술세션 1부에서는 신뢰가능한 AI, 모델 해석성, 의료AI, 데이터 합성 분야를 중심으로 ▲신뢰가능한 AI(오성준 교수) ▲모델 뉴런의 해석: 컨셉 이해부터 컨셉 회로 분석까지(이세현 연구원, 최재식 교수) ▲PatientSim(페이션트심, 환자 시뮬레이션 시스템): 현실적인 의사-환자 상호작용을 위한 페르소나 기반 환자 시뮬레이터(경다은 연구원, 최윤재 교수) ▲대형언어모델의 도메인 특화를 위한 합성 데이터 생성 기술(이승유 연구원, 이주호 교수)이 소개될 예정이다.
기술세션 2부에서는 ▲월드 모델 기반 행동 생성(이경민 연구원, 신진우 교수) ▲효율적 3차원/4차원 표현 기법(안홍규 연구원, 김승룡 교수) ▲효율적인 조건부 디퓨전 샘플링을 통한 이미지 복원 및 편집(김정솔 연구원, 예종철 교수) ▲최신 영상 합성 및 Physical AI 기술 소개(박민호 연구원, 주재걸 교수) 등 컴퓨터비전과 피지컬AI 분야의 최신 기술이 소개된다.
정송 김재철AI대학원장은“AI 기술 경쟁이 전세계적으로 격화되는 상황에서, 국내 산업계와 연구기관이 기술 동향을 공유하고 협업 기회를 모색할 수 있도록 매년 본 행사를 개최하고 있다”며, 이번 설명회를 통해 KAIST가 보유한 AI 연구 역량과 산업적 확장 가능성을 널리 알리고, 국내 AI 생태계 발전에 기여하겠다”고 밝혔다.
이번 설명회는 AI 연구 및 산업 동향에 관심 있는 기업 관계자, 공공기관 관계자, 연구자, 학생 및 일반인 누구나 참석할 수 있다. 사전 신청은 온라인폼을 통해 가능하며, 현장 신청도 가능하다.
행사 종료 후에 KAIST 김재철AI대학원이 보유한 기술에 대한 기술이전이나 공동 연구에 관심 있는 기업은 KAIST 성남연구센터 (센터장 최재식 교수, 031-8022-7530 | aramseo@kaist.ac.kr)를 통해 기술 상담을 신청할 수 있다.
2026.05.06
조회수 484
-
면역분자 STING, 세포 스트레스 반응 조절자
세포는 다양한 스트레스에 노출되면 이를 견디기 위해 일시적으로 단백질과 RNA를 모아 ‘스트레스 과립(stress granule)’을 형성한다. 이 구조는 세포가 위기 상황을 넘기는 데 도움을 주며 세포 사멸을 억제하지만, 비정상적으로 조절될 경우 신경퇴행성 질환의 병변과도 연결될 수 있다. 그러나 이러한 스트레스 과립이 세포 내 소기관과 어떤 방식으로 연결되어 형성되는지는 아직 충분히 밝혀지지 않았다.
우리 대학 생명과학과 강석조 교수 연구팀이 세균이나 바이러스의 침입을 알리는 ‘면역 파수꾼’으로 잘 알려진 STING(stimulator of interferon genes, 이하 STING) 단백질이 세포 내 소포체(endoplasmic reticulum)에서 스트레스 과립 형성을 미리 준비시키는 새로운 조절자라는 사실을 규명했다고 27일 밝혔다. 이번 연구는 STING이 기존에 알려진 면역 기능과는 완전히 다른 ‘비정형적(non-canonical)’ 기능을 수행한다는 점을 제시했다는 점에서 학술적 의미가 매우 크다.
연구팀은 세포가 실제 스트레스를 받기 전부터 STING이 스트레스 과립의 핵심 성분인 G3BP1, UBAP2L 단백질과 결합해 소포체 위에서 일종의 ‘전응집체(pre-condensate)’를 형성한다는 사실을 확인했다. 이 전응집체는 나중에 닥칠 위기 상황에서 스트레스 과립이 더 빠르고 탄탄하게 만들어지도록 돕는 일종의 발판 역할을 한다. 실제로 STING이 부족한 세포는 스트레스 상황에서 보호소인 과립을 제대로 만들지 못해 세포 사멸이 크게 늘어나는 현상이 관찰되었다. 이전 연구에서는 세포질에 존재하는 스트레스 과립 형성을 조절하는 소포체 내 분자가 밝혀지지 않았는데 이번 연구에서 소포체에 위치한 STING이 스트레스 과립 형성의 스캐폴드(scaffold)로 작용함을 증명하여, 스트레스 과립의 소포체 위에서의 생성에 대한 분자적 기전을 규명했다.
이 발견은 일명 루게릭병으로 불리는 근위축성 측삭경화증(ALS, Amyotrophic Lateral Sclerosis) 치료에도 중요한 실마리를 제공한다. 루게릭병의 주요 원인 중 하나는 ALS 환자에서 발견되는 돌연변이 TDP-43 단백질이 세포질 내에서 비정상적으로 뭉쳐 세포독성을 일으키는 것인데, 이번 연구를 통해 STING이 이 단백질의 병리적인 응집에 기여할 수 있음이 밝혀졌다. 즉, STING은 세포의 조건에 따라 세포를 살리는 방어 기전뿐만 아니라 신경 퇴행성 질환을 악화시키는 통로가 될 수도 있음을 시사한다.
강석조 교수는 “본 연구는 STING의 면역 단백질로서의 기능을 넘어 세포의 항상성을 유지하는 중요한 세포생물학적 기능을 새롭게 밝히고, 막성 소기관인 소포체와 막이 없는 응축체인 스트레스 과립 사이의 연결 원리를 분자적 수준에서 최초로 제시했다는 점에서 학문적 중요성을 갖는다”라고 언급하면서 “본 연구는 또한 세포 사멸과 ALS 관련 병리 현상을 이해하는 새로운 관점을 제공함으로써, 향후 비정상적 스트레스 과립 조립이 관여하는 질환의 치료 표적 발굴에도 중요한 단서를 제공할 것으로 기대한다”고 전했다.
KAIST 생명과학과 엄은총 박사가 제 1저자로 연구를 주도하였고, 생명과학과 김재훈 교수와 김지현 박사 (現 오름테라퓨틱)가 함께 참여하였다. 이번 연구 결과는 세포사멸 분야의 권위 있는 학술지인 ‘셀 데쓰 앤 디퍼런시에이션(Cell Death and Differentiation)’에 4월 1일 자 온라인판으로 게재되었다.
※ 논문명 : STING is the scaffold protein for stress granule pre-condensation at the ER, DOI: https://doi.org/10.1038/s41418-026-01734-5
이번 연구는 한국연구재단의 개인기초연구사업(중견연구)의 지원을 받아 수행됐다.
2026.04.27
조회수 883
-
AI도 ‘모른다’고 말한다... 과신 줄이고 신뢰성 높여
“AI도 스스로‘모른다’고 말할 수 있어야 한다.”
자율주행과 의료 진단 등에서 인공지능(AI)의 가장 큰 위험으로 지적돼 온‘과도한 확신(overconfidence·틀린 예측에 대하여 높은 확신을 보이는 현상)’문제를 해결할 새로운 접근법이 제시됐다. 우리 대학 연구진은 AI가 스스로 모르는 상황을 인식하도록 하는 학습 방법을 개발해, 과신을 줄이고 신뢰성을 높일 수 있는 기반을 마련했다.
우리 대학은 뇌인지과학과 백세범 석좌교수 연구팀이 딥러닝(deep learning·인공신경망을 활용해 데이터를 학습하는 인공지능 기술)에서 널리 사용돼 온 무작위 가중치 초기화(random initialization·신경망 학습 시작 시 가중치를 확률 분포에 따라 무작위로 설정하는 방식)가 인공지능의 과신을 유발하는 근본적인 원인일 수 있음을 규명했다고 27일 밝혔다.
연구팀은 이를 해결하기 위해 실제 데이터를 학습하기 전, 무작위 노이즈(random noise·의미 없는 임의의 입력 데이터)로 신경망을 짧게 학습시키는 ‘예열(warm-up)’ 전략을 제안했다.
연구팀은 AI의 과신 문제가 학습 이후만이 아니라, 학습의 출발점인 초기화 단계에서부터 이미 나타난다는 점에 주목했다.
실제로 무작위로 초기화된 신경망에 임의의 데이터를 입력한 결과, 아직 아무것도 배우지 않은 상태임에도 불구하고 높은 확신도를 보이는 현상이 확인됐다. 이러한 특성은 생성형 AI에서 사실과 다른 내용을 만들어내는 환각(hallucination·존재하지 않는 정보를 그럴듯하게 만들어내는 현상) 문제로 이어질 수 있다.
연구팀은 해결의 실마리를 생물학적 두뇌에서 찾았다. 인간의 두뇌는 태어나기 전부터 외부 자극 없이도 ‘자발적 신경 활동(spontaneous neural activity·외부 입력 없이 스스로 발생하는 뇌 신호)’을 통해 신경회로를 형성한다.
연구팀은 이 개념을 인공신경망에 적용해, 실제 학습에 앞서 무작위 노이즈 입력으로 짧은 사전 학습을 수행하는‘예열 단계’를 도입했다. 이는 인공지능이 본격적으로 학습을 시작하기 전에, 스스로의 불확실성을 먼저 조정하는 과정에 해당한다. 예열 과정을 거친 AI 모델은 초기 확신도가 우연 수준에 가까운 낮은 값으로 정렬되며, 기존 초기화에서 나타나던 과신 편향이 크게 완화됐다.
즉, 실제 데이터를 배우기 전에 ‘나는 아직 아무것도 모른다’는 상태를 먼저 학습하게 되는 것이다. 그 결과, 모델의 정확도(예측이 맞는 비율)와 확신도(모델이 스스로 맞다고 믿는 정도)가 자연스럽게 일치하는 방향으로 개선됐다.
특히 처음 보는 데이터에 대한 반응에서도 차이가 나타났다. 기존 모델은 학습하지 않은 데이터에도 높은 확신을 보이며 잘못된 답을 제시하는 경향이 있었지만, 예열 학습을 적용한 모델은 확신도를 낮춰‘모른다’고 판단하는 능력이 뚜렷하게 향상됐다.
이를 통해 학습 데이터와 다른 분포를 가진 데이터를 구별하는 분포 밖 데이터 탐지(out-of-distribution detection·훈련에 사용되지 않은 새로운 유형의 데이터를 구분하는 기술)에서도 높은 성능을 보였다.
이번 연구는 AI가 단순히 정답을 맞히는 수준을 넘어, ‘무엇을 아는가’와 ‘무엇을 모르는가’를 구분하는 능력, 즉 메타 인지(meta-cognition·자신의 인지 상태를 스스로 인식하는 능력)를 갖출 수 있는 가능성을 제시했다.
백세범 석좌교수는 “이번 연구는 두뇌 발달 과정을 모사함으로써 AI가 인간과 좀 더 유사하게 자신의 지식 상태를 인식할 수 있음을 보여준 사례”라며, “정확도를 높이는 것을 넘어 인공지능이 스스로의 불확실성을 판단하는 원리를 제시했다는 데 의의가 있다”고 설명했다.
이번 기술은 자율주행, 의료 AI, 생성형 AI 등 높은 신뢰성이 요구되는 분야는 물론, 거의 모든 딥러닝 모델의 초기화 방식에 적용될 수 있어 AI 전반의 신뢰성을 높이는 핵심 기술로 활용될 것으로 기대된다.
KAIST 천정환 뇌인지과학과 석사(現 육군 일병)가 제1저자로 참여한 이번 연구는 인공지능 분야 국제 학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 2026년 4월 9일자로 온라인 게재됐으며, 주목할 만한 논문으로 선정되어 ‘뉴스 앤 뷰스(News & Views)’에도 소개되었다.
※ 논문명: Brain-inspired warm-up training with random noise for uncertainty calibration, DOI: 10.1038/s42256-026-01215-x
※ 뉴스 앤 뷰스 소개: Learning to be uncertain before learning from data, DOI: 10.1038/s42256-026-01205-z
한편 이번 연구는 한국연구재단의 이공분야기초연구사업과 KAIST 싱귤래러티 연구사업의 지원을 받아 수행됐다.
2026.04.27
조회수 1232
-
유전자 가위 ‘속도’ 조절로 여러 바이러스·변이 동시 식별
감염병 확산이 빨라질수록, 여러 바이러스를 한 번에 정확히 구별하는 기술이 중요해지고 있다. 우리 대학과 국제 연구진이 유전자 가위의 ‘속도’를 설계해 다양한 바이러스와 변이를 동시에 판별하는 새로운 진단 기술을 개발했다. 이 기술은 복잡한 검사 과정을 줄이면서도 다양한 감염병을 동시에 판별할 수 있어, 신종 감염병 대응의 판도를 바꿀 것으로 기대된다.
우리 대학은 바이오및뇌공학과 손성민 교수 연구팀이 미국 UC 버클리(UC Berkeley), 글래드스톤 연구소(Gladstone Institutes) 연구진과 손잡고, 유전자 가위의 반응 속도를 활용해 여러 바이러스와 변이를 동시에 구별할 수 있는 새로운 리보핵산(이하 RNA) 진단 기술을 개발했다고 26일 밝혔다.
연구팀이 활용한 무기는 Cas13이라 불리는 유전자 가위 단백질이다. 유전자 가위는 특정 유전자를 찾아 잘라내는 단백질로, 목표를 인식하면 활성화되는 특징을 가진다. Cas13은 특히 RNA를 표적으로 하며, 목표 RNA를 찾으면 주변 RNA를 자르면서 형광 신호를 발생시킨다.
기존 기술은 여러 바이러스를 동시에 검출하기 위해 서로 다른 유전자 가위나 다양한 색의 형광 물질을 사용해야 해 구조가 복잡하고 실제 현장 적용이 어려웠다.
연구팀은 여기서 발상을 전환했다. 유전자 가위가 목표물과 결합할 때, 바이러스의 종류에 따라 ‘가위질’을 하는 속도가 제각각이라는 점에 주목한 것이다. 아주 작은 물방울(droplet) 안에서 단일 분자 단위로 관찰한 결과, 가이드 RNA와 표적 RNA의 조합에 따라 고유한 반응 속도 패턴이 나타난다는 사실을 확인했다. 가이드 RNA는 유전자 가위가 어떤 목표를 찾을지 안내하는 ‘위치 정보’ 역할을 하는 RNA 분자다.
이를 바탕으로 연구팀은 반응 속도 차이를 ‘바코드’처럼 활용하는 ‘키네틱 바코딩(kinetic barcoding)’ 기술을 개발했다. 이는 반응 속도를 일종의 신호 패턴으로 읽어 서로 다른 바이러스를 구별하는 방식이다. 이 기술을 통해 단 하나의 유전자 가위만으로도 여러 바이러스와 변이를 동시에 구별할 수 있게 됐다.
또한 가이드 RNA 설계를 조정하면 유전자 가위질 속도를 원하는대로 조절할 수 있어, 이론적으로는 매우 다양한 바이러스를 동시에 판별할 수 있는 확장성도 확보했다.
검사 과정 역시 크게 단순화됐다. 기존 방식에서는 RNA 바이러스를 검출하기 위해 DNA로 변환하는 ‘역전사(reverse transcription)’ 과정이 필요했지만, 이번 기술은 RNA를 그대로 직접 검출할 수 있다. 역전사는 RNA를 DNA로 바꾸는 과정으로, 검사 시간을 늘리고 절차를 복잡하게 만드는 단계다.
실제 임상 샘플을 테스트한 결과, 다양한 호흡기 바이러스와 SARS-CoV-2 변이를 한 번의 반응만으로 정확하게 구분해내는 데 성공했다.
손성민 교수는 "이번 연구는 단순히 바이러스가 있는지 없는지를 보는 것을 넘어, 유전자 가위의 반응 속도라는 새로운 정보를 진단에 활용한 첫 사례"라며 "앞으로 나타날 수 있는 다양한 감염병을 현장에서 한 번에 진단하는 차세대 플랫폼이 될 것"이라고 강조했다.
이번 연구는 KAIST 손성민 교수가 제1 저자 및 공동 교신저자로 참여했으며, 바이오공학 분야의 세계적 학술지인 ‘네이처 바이오메디컬 엔지니어링(Nature Biomedical Engineering)’에 2026년 3월 31일 게재됐다.
※ 논문명 : Programmable kinetic barcoding for multiplexed RNA detection with Cas13a, DOI: 10.1038/s41551-026-01642-6
한편, 이번 연구는 KAIST의 신임교수 정착연구비의 지원과 미국 국립보건원(NIH/NIAID)의 지원을 받아 수행됐다.
2026.04.27
조회수 737
-
2나노 반도체보다 작은 DNA ‘분자 컴퓨터’ 구현...바이오 컴퓨팅 응용 기대
지금까지 분자 수준의 DNA 회로는 암 관련 물질의 존재 여부를 판단하는 등 간단한 기능에 활용됐지만, 한 번 반응하면 다시 사용할 수 없는 한계가 있었다. 우리 대학 연구진은 이러한 한계를 넘어, 머리카락보다 수만 배 작은 DNA로 계산과 기억을 동시에 수행하는 ‘2나노 반도체보다 작은 초미세 분자 컴퓨터’를 구현했다. 향후 질병 진단 등 바이오·의료 분야에서 활용될 수 있는 새로운 컴퓨팅 기술로 발전할 가능성을 제시했다.
우리 대학은 공학생물학대학원 최영재 교수 연구팀이 DNA를 기반으로 한 바이오 트랜지스터(Bio-transistor·신호를 받아 계산을 수행하는 반도체 핵심 소자의 바이오 버전)를 개발하고, 이를 통해 계산과 정보 저장을 동시에 수행하는 새로운 분자 회로를 구현했다고 22일 밝혔다.
최근 반도체 공정이 2나노미터(nm, 10억분의 1미터) 수준에 도달하면서 초미세화 기술이 물리적 한계에 가까워지고 있다. 이에 따라 학계에서는 기존 실리콘 기반 기술을 넘어, 분자 수준에서 정보를 처리하는 새로운 컴퓨팅 방식에 대한 연구가 활발히 진행되고 있다.
DNA는 특정 염기끼리만 짝을 이루는 성질(상보적 염기 결합, complementary base pairing)을 이용해 원하는 반응만 정확하게 일어나도록 설계할 수 있으며, 염기 간 간격이 0.34나노미터에 불과해 차세대 초고집적 정보 처리 소재로 주목받아 왔다. 그러나 기존 DNA 기반 회로는 반응이 한 번 일어나면 소모되는 ‘일회성’ 특성으로 인해 연속적인 정보 처리나 복잡한 계산에는 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 입력 신호에 따라 DNA 분자가 서로 결합하거나 분리되면서 배열이 바뀌고, 그 상태가 유지되도록 설계했다. 이를 통해 변화된 분자 상태 자체가 정보를 저장하는 역할을 하며, 이후 연산에도 활용될 수 있도록 했다. 즉, 별도의 초기화 과정 없이도 실시간으로 정보를 처리하는 ‘리셋 없는(reset-free·초기화 없이 이전 상태를 유지하는)’ 회로를 구현한 것이다.
이번 연구는 반도체의 핵심 소자인 트랜지스터(Transistor·전기 신호를 제어하고 증폭하는 소자)의 기능을 DNA 수준에서 구현했다는 점에서 의미가 크다. 단순한 화학 반응을 넘어, 분자가 스스로 정보를 처리하고 기억하는 ‘지능형 바이오 시스템’의 기반을 마련했다는 평가다.
최영재 교수는“이번 연구는 DNA를 활용한 ‘분자 컴퓨터’ 구현 가능성을 한 단계 끌어올린 사례”라며 “바이오 컴퓨팅과 의료 기술 분야 전반에 새로운 방향을 제시할 수 있을 것”이라고 말했다.
이번 연구에는 KAIST 공학생물학대학원 임성순 교수, 김태훈 연구원, 정상은 연구원, 김시온 연구원과 GIST 김우진 석박사통합과정생, 심준호 석사과정생이 공동 저자로 참여했으며, 최영재 교수가 교신저자를 맡았다.
KAIST 공학생물학대학원 임성순 교수, 김태훈 연구원, 정상은 연구원, 김시온 연구원, GIST 김우진 석박통합과정생, 심준호 석사과정생이 공동 저자로 참여했으며, 최영재 교수가 교신저자를 맡았다. 연구 결과는 국제학술지 ‘사이언스 어드밴시스 (Science Advances)’에 2026년 4월 1일에 게재됐다.
※ 논문명: Reset-free DNA logic circuits for real-time input processing and memory. DOI: 10.1126/sciadv.aeb1699
이번 연구는 과학기술정보통신부가 지원하는 미래유망융합기술파이오니어사업, 교육부 지원 기초연구사업과 KAIST Quantum+X 융합 연구개발사업의 지원을 받아 수행됐다.
2026.04.22
조회수 890
-
AI 계산으로 뇌 깊숙한 곳도 ‘선명하게’...고가 장비 한계 넘었다
살아있는 뇌 깊숙한 곳을 선명하게 관찰하려면 고가의 장비가 필수라는 한계가 있었다. 우리 대학 연구진이 물리 기반으로 한 AI 계산 알고리즘을 활용해 추가적인 광학 측정 장비 없이도 흐릿한 이미지를 또렷하게 복원하는 기술을 개발하며, 뇌과학 연구의 새로운 전환점을 제시했다.
우리 대학은 전기및전자공학부 강익성 교수가 UC 버클리 나지(Na Ji) 교수 연구팀과 공동연구를 통해, 신경장 모델(neural fields, 3차원 공간의 구조를 연속적으로 표현해 이미지와 형태를 동시에 복원하는 신경망 기반 기술)을 활용해 생체 내부를 관찰하는 현미경의 이미지 왜곡을 정밀하게 보정하는 기술을 개발했다고 21일 밝혔다.
연구팀이 활용한 ‘이광자 형광 현미경(two-photon fluorescence microscopy, 두 개의 약한 빛을 동시에 사용해 생체 깊은 곳 특정 지점만 선택적으로 빛나게 하는 기술)’은 살아있는 생체 조직 깊은 곳을 관찰할 수 있는 핵심 장비다. 그러나 빛이 두꺼운 조직을 통과하는 과정에서 휘고 흩어지면서, 마치 물속에서 물체가 일그러져 보이듯 이미지가 흐릿해지는 문제가 있었다. 이를 광학 수차(optical aberration, 빛이 왜곡돼 초점이 흐려지는 현상)라고 한다.
기존에는 이러한 왜곡을 보정하기 위해 파면 센서(wavefront sensor, 빛이 얼마나 휘어졌는지를 측정하는 장치)와 같은 복잡하고 값비싼 하드웨어 장비를 추가해야 했다.
연구팀은 이와 달리, 이미 촬영된 이미지 데이터만을 이용해 빛이 어떻게 왜곡됐는지를 역으로 계산하고 이를 바로잡는 알고리즘을 개발했다. 즉, 흐릿한 사진을 보고 원래 모습을 복원하는 것처럼, 추가 장비 없이도 선명한 이미지를 되살리는 방식이다.
이번 기술의 핵심은 신경장 모델 기반의 기계학습 알고리즘이다. 이 알고리즘은 빛이 이동하며 발생하는 왜곡 과정을 추적해, 생체 조직에 의한 광학 수차뿐 아니라 생체의 미세한 움직임, 현미경의 기계적 오차까지 동시에 보정하는 통합 기술을 구현한다.
그 결과, 별도의 광학 측정·보정 장비 없이도 생체 조직 깊은 곳에서 고해상도·고대비 이미지를 안정적으로 획득하는 데 성공했다.
특히 이번 연구는 ‘더 좋은 이미지를 얻기 위해서는 더 비싼 장비가 필요하다’는 기존 한계를 넘어, 소프트웨어 기반으로 문제를 해결했다는 점에서 의미가 크다. 이를 통해 연구 장비에 대한 부담을 낮추고, 보다 많은 연구자들이 정밀한 뇌 관찰을 수행할 수 있을 것으로 기대된다.
강익성 교수는 “이번 연구는 광학과 인공지능 기술을 결합해 생체 내부를 더 정확하게 볼 수 있는 길을 연 것”이라며 “향후 현미경이 스스로 최적의 이미지를 찾아내는 지능형 광학 이미징 시스템으로 발전시켜 나갈 계획”이라고 말했다.
이번 연구는 생명과학 분야 최고 권위의 방법론 학술지인 ‘네이처 메소드(Nature Methods)’에 4월 13일 게재되었다.
※ 논문명: Adaptive optical correction for in vivo two-photon fluorescence microscopy with neural fields, DOI: 10.1038/s41592-026-03053-6
※ 주저자: 강익성(KAIST, 공동교신저자 겸 제1저자), 나지 교수(UC Berkeley, 공동교신저자)
2026.04.21
조회수 984
-
AI·휴머노이드 로봇·우주 로버 총출동..과학축제서 미래 기술 체험
우리 대학이 4월 과학의 달을 맞아 국내 최대 규모의 과학 축제인 ‘2026 대한민국 과학기술축제’에 참여해, AI와 로봇 공학의 정점을 선보이는 참여형 전시관 ‘KAIST Play World’를 운영한다고 10일 밝혔다.
올해 축제는 ‘2026 대한민국 과학축제 인(in) 대전(4월 17일~19일)’과 ‘2026 대한민국 과학축제 인(in) 경기(4월 24일~26일)’로 나뉘어 개최된다. KAIST는 대전 DCC(제2전시장)와 일산 킨텍스에서 순차적으로 전시를 진행하며, ‘Play World’ 콘셉트를 적용해 세대 특성에 맞춘 차별화된 체험형 콘텐츠를 선보일 예정이다. 특히 KAIST 캐릭터 ‘넙죽이’를 활용한 현장 이벤트와 기념품도 함께 제공해 관람객의 참여도를 높일 계획이다.
□ [대전] 휴머노이드 로봇부터 우주 로버, AI 반도체 친구 ‘브로카’까지
4월 17일부터 19일까지 대전 DCC에서 열리는 전시는 첨단 로봇, 우주 기술, AI반도체 기술을 중심으로, KAIST의 핵심 연구 성과를 직접 체험할 수 있는 ‘미래 기술 체험형 콘텐츠’로 구성된다.
먼저 전기및전자공학부 명현 교수 연구팀의 창업기업 유로보틱스(주)가 개발한 제어 기술을 탑재한 휴머노이드 로봇은 17일 공개된다. 해당 로봇은 산업 현장은 물론 도심 환경에서도 자연스럽게 보행이 가능하며, 차세대 로봇 플랫폼으로 주목받고 있다. 또한 19일에는 기계공학과 박해원 교수팀이 개발한 휴머노이드 로봇이 오리걸음, 문워크(Moonwalk) 등 사람의 고난도 동작을 구현해 실제 산업 현장에서의 활용 가능성을 보여준다.
항공우주공학과 이대영 교수팀은 종이접기 기술을 활용한 세계 최초의 전개형 달 탐사 로버 바퀴를 선보인다. 관람객은 모양이 변하는 바퀴 모형을 직접 만져볼 수 있으며, 공동 개발 기관인 ㈜ 무인탐사연구소의 우주 로버 전시 및 시연을 관람할 수 있다. 또한 종이접기를 활용한 다양한 우주 시스템을 직접 접어보는 체험도 할 수 있다.
이와 함께 AI반도체대학원 유회준 교수팀이 개발한 단순한 질의응답을 넘어 사용자와 관계를 형성하는 모바일 소셜 AI 에이전트 ‘브로카’, 음성 대화가 가능한 안내 로봇 ‘온뉴로’ 등을 통해 한층 진화된 인간-기계 상호작용을 경험할 수 있다.
학생 창업기업 ‘라이어게임즈’는 AI와 1:1로 대결하는 추상 전략 보드게임 ‘듀얼 포커스(Dual Focus)’ 체험존을 운영한다. 이는 체스나 장기처럼 심오한 수 싸움을 즐길 수 있으면서도, 규칙이 직관적이어서 누구나 5분이면 배워 바로 게임에 몰입할 수 있어 관람객의 도전 욕구를 자극할 예정이다.
□ [경기] 험지 주행 로봇 ‘라이보’와 AI 기반 미래 체험
4월 24일부터 26일까지 킨텍스에서 열리는 경기 전시는 AI와 일상 기술을 중심으로 한 ‘생활밀착형 체험 콘텐츠’를 선보인다.
기계공학과 황보제민 교수팀이 개발한 사족보행 로봇 ‘라이보(Raibo)’는 모래사장, 계단, 잔해 등 복잡한 지형에서도 고속 이동이 가능하며, 재난 구조 및 탐색 임무에 활용될 것으로 기대된다. 현장에서는 라이보의 주행 기술을 직접 체험할 수 있다.
산업디자인학과 남택진 교수팀의 ‘미래추억 스튜디오’는 AI를 활용해 10년 후 자신의 모습과 목소리를 구현하고, 미래의 자신과 직접 만나 대화하는 새로운 경험을 제공한다. 관람객은 현재의 나에게는 미래이지만, 미래의 나에게는 추억이 되는 순간을 담은 네 컷 사진을 기념품으로 받는다.
KAIST 도시인공지능연구소 윤윤진 교수팀은 ‘AI로 보고 듣는 폭염의 소비 지수 기술’을 통해 기후 변화가 소상공인 매출에 미치는 영향을 분석하고, 시계열 AI기반 매출 예측 기술과, 이를 시각·청각적으로 표현하는 생성형 AI 기술을 선보인다. 또한 윤교수의 ‘인공지능의 도시 산책: Urban AI와 도시의 미래’ 강연이 4월 24일(금) 15시, 킨텍스 회의실 206호에서 진행된다.
이외에도 AI반도체대학원 유회준 교수팀이 대전에 이어 AI 반도체 기반 다양한 모바일 AI 에이전트 체험장을 운영한다. 그리고 학생 창업기업 래빗홀컴퍼니는 게임인 게임 속 AI 캐릭터(AI NPC)들이 서로 대화하고 협력해 주어진 문제를 해결해 나가는 새로운 형태의 게임을 선보인다. 관람객은 캐릭터를 직접 조종하는 대신 상황이나 목표를 제시하고, AI들이 스스로 이야기를 만들어가는 과정을 관찰하며 참여할 수 있다.
우리 대학은 두 지역 전시를 통해 과학기술을 쉽고 재미있게 접할 수 있는 다양한 참여형 프로그램을 운영하며, 연구실 속 기술이 우리의 삶을 어떻게 변화시키는지를 생생하게 전달할 계획이다.
이광형 KAIST 총장은 “올해 과학축제는 대전과 경기를 잇는 대규모 행사로, 더 많은 시민이 KAIST의 혁신적인 연구 성과를 직접 체험할 수 있을 것”이라며 “로봇과 AI가 만들어갈 미래를 미리 경험하며 과학에 대한 꿈과 호기심을 키우는 소중한 시간이 되길 바란다”고 밝혔다.
2026.04.10
조회수 1604
-
제5회 한국인공지능시스템포럼 조찬 강연회 성료
우리 대학 인공지능반도체대학원은 4월 8일(수) 오전 대전 오노마 호텔에서 '제5회 한국인공지능시스템포럼(KAISF)' 조찬 강연회를 성공적으로 개최하였다.
이번 강연회는 인공지능이 물리 세계와 직접 맞닿으며 산업 현장에 빠르게 스며드는 'Physical AI' 시대를 주제로, 총 63명의 산학 전문가가 참석한 가운데 활발한 논의가 이루어졌다.
초청 강연은 ㈜NC AI 이연수 대표이사와 김민재 CTO가 '물리 내재화 기반의 차세대 피지컬 AI와 전주기 통합 플랫폼 개발 현황'을 주제로 공동 진행하였다. 강연에서는 AI 기술의 발전으로 물리 법칙을 스스로 이해하는 피지컬 AI가 로봇 산업의 판도를 바꾸고 있는 현황을 소개하며, 다음 세 가지 핵심 내용을 중심으로 전개되었다.
▲질량·마찰·탄성 등 역학적 관계를 내재화한 WFM(월드 파운데이션 모델) 핵심 기술 및 로봇 파운데이션 모델(RFM) 기반 작업 지능 최적화 ▲Sim-to-Real 간극을 최소화하는 고정밀 3D 시뮬레이션 및 디지털트윈 기술 ▲모델 학습부터 시뮬레이션 검증, 현장 실증에 이르는 E2E 전주기 피지컬 AI 플랫폼 구조
한국인공지능시스템포럼 유희준 의장(KAIST 인공지능반도체대학원장)은 개회사에서 대전이 피지컬 AI 및 인공지능 분야에서 협업할 수 있는 인프라를 구축하여 해당 분야의 거점으로 발전해 나가길 바란다는 뜻을 밝혔다.
2026.04.10
조회수 744
-
이노코어 연구단, 노벨화학상 데이비드 베이커와 ‘AI 단백질 설계’ 성공
과학기술정보통신부 이노코어(InnoCORE) 사업을 통해 구축된 연구 협력 기반 아래, KAIST 이노코어 연구진이 의미 있는 연구 성과를 도출했다. 우리 대학은 2024년 노벨 화학상 수상자인 David Baker 교수(데이비드 베이커, 미국 워싱턴대학교)의 방문을 계기로, 공동연구를 통해 AI로 원하는 화합물을 정확히 인식하는 단백질 설계 연구 결과를 공개했다.
우리 대학은 생명과학과 이규리 교수가 AI-CRED 혁신신약 이노코어(InnoCORE) 연구단에 참여 중인 연구진으로서, David Baker 교수와의 공동 연구를 통해 특정 화합물을 선택적으로 인식하는 인공 단백질을 AI로 설계하는 데 성공했다고 9일 밝혔다.
이번 연구는 AI를 활용해 특정 화합물을 인식하는 단백질을 처음부터 설계(de novo)하고, 이를 실제로 작동하는 바이오 센서로 구현한 것이 특징이다. 기존에는 자연 단백질을 탐색하거나 일부 기능을 수정하는 방식이 주를 이뤘다면, 이번 연구는 AI 기반 설계를 통해 원하는 기능을 갖는 단백질을 ‘맞춤 제작’하고 실험적으로 검증까지 완료했다는 점에서 의미가 크다.
특히 연구진은 스트레스 호르몬인 코티솔(cortisol)을 선택적으로 인식하는 단백질을 설계하고, 이를 기반으로 AI가 설계한 바이오 센서를 구현하는 데 성공했다. 이는 단백질 설계에 그치지 않고 실제 측정 가능한 센서 기술로 확장한 것으로, 단백질 설계 분야의 오랜 난제였던 저분자 화합물 인식 문제를 해결한 사례로 평가된다.
이번 연구 성과는 향후 질병 진단, 신약 개발, 환경 모니터링 등 다양한 분야에서 활용될 수 있을 것으로 기대된다. 혈액 속 바이오마커를 정밀하게 감지해 질병을 조기에 진단할 수 있으며, 특정 분자를 선택적으로 인식하는 단백질 설계를 통해 표적 치료제 개발에도 기여할 수 있다. 또한 환경 오염 물질을 감지하는 센서 개발로 공기와 수질을 실시간으로 모니터링하는 등 맞춤형 바이오 센서 기술 구현이 가능해질 전망이다.
화합물을 인식하는 신규 단백질(de novo protein) 설계는 원자 단위의 정밀한 계산이 필요해 오랜 기간 단백질 설계 분야의 난제로 꼽혀왔다. 연구진은 단백질-리간드 상호작용을 정밀하게 반영하는 AI 모델을 개발하고, 이를 활용해 결합 단백질 설계에 성공했다.
그 결과, 대사물질과 저분자 약물을 포함한 6종의 화합물 각각에 대해 인공 결합 단백질을 설계하고, 실험을 통해 기능을 검증했다. 특히 코티솔과 결합하는 신규 단백질을 기반으로 화학 유도 이합체(chemical-induced dimer)를 설계해 코티솔 바이오 센서를 개발했다. 해당 설계 기술은 미국에서 임시 특허를 출원한 상태다.
이규리 교수는 “이번 연구는 AI를 활용해 특정 화합물을 정밀하게 인식하는 단백질을 설계할 수 있음을 실험적으로 입증한 것”이라며 “앞으로 질병 진단, 신약 개발, 환경 모니터링 등 다양한 분야에서 활용될 수 있는 단백질 설계 기술로 확장해 나갈 계획”이라고 밝혔다.
이번 연구는 KAIST 생명과학과 이규리 교수가 제1저자로, David Baker 교수가 교신저자로 참여했으며, 2026년 3월 28일 국제 학술지 Nature Communications에 게재됐다.
※논문명: Small-molecule binding and sensing with a designed protein family
DOI: https://doi.org/10.1038/s41467-026-70953-8
이규리 교수는 2025년 2월 KAIST에 부임한 신임 교수로, 단백질 디자인 연구실을 이끌고 있다. 원자 단위의 정밀한 단백질 복합체 설계 분야에서 세계적인 전문성을 보유하고 있으며, AI 기반 단백질 설계, 인공 효소 설계, RNA 인식 단백질 개발 등 다양한 연구를 수행하고 있다. 또한 InnoCORE 사업의 AI-CRED 혁신신약 연구단 소속 멘토 교수로 참여해 효소 및 펩타이드 신약 설계 연구를 진행 중이다.
이 교수는 2018년부터 2024년까지 David Baker 교수 연구실(미국 워싱턴대학교, Howard Hughes Medical Institute)에서 박사후연구원 및 Staff Scientist로 연구를 수행했다. David Baker 교수는 단백질 구조 예측과 설계 분야의 세계적 석학으로, 2024년 노벨 화학상을 수상했다.
AI-CRED 혁신신약 연구단 멘토 교수인 이도헌 처장은 “이번 성과는 이노코어 연구진과 글로벌 석학 간 협력을 통해 도출된 의미 있는 결과”라며, “앞으로도 이노코어 사업을 통해 유치한 박사후연구원들과의 적극적인 연구 협업을 기반으로 연구 역량을 더욱 강화해 AI 신약 개발과 바이오 분야에서 지속적인 혁신 성과를 창출해 나갈 것”이라고 밝혔다.
한편 KAIST는 David Baker 교수의 방한을 계기로, 4월 9일(목) 오후 4시 KI 빌딩 퓨전홀에서 Hannele Ruohola-Baker 교수(한넬레 루오홀라-베이커, 미국 워싱턴대학교)와 함께 ‘Advances in AI-powered protein design and biomedical science(인공지능 기반 단백질 설계 및 생의학 연구의 최신 동향)’를 주제로 강연을 개최할 예정이다. 본 행사는 KAIST 해외 석학 초빙 교수 지원 사업, KAI-X, InnoCORE AI-CRED 혁신신약단, 그리고 과학기술정보통신부 해외우수연구기관협력허브구축 사업의 지원으로 진행된다.
이광형 KAIST 총장은 “노벨 화학상 수상자 David Baker 교수와의 협력을 통해 AI 기반 단백질 설계라는 의미 있는 성과를 도출했다”며 “이번 연구는 KAIST가 세계적인 연구기관과 어깨를 나란히 하며 혁신 연구를 선도하고 있음을 보여주는 사례”라고 밝혔다.
한편, KAIST 이노코어(InnoCORE) 연구단은 국내·외 최상위 박사후연구원이 첨단 집단연구 환경에서 AI 융합기술 개발에 매진하도록 지원함으로써 글로벌 공동연구를 촉진하고, AI 기반 과학기술 혁신을 가속화하는 것을 목표로 한다. KAIST는 주관기관으로서 ▲초거대언어모델 혁신 연구단 ▲AI 기반 지능형 설계–제조 통합 연구단 ▲AI-CRED 혁신신약 연구단 ▲AI-Transformed Aerospace 연구단을 운영하고 있다.
2026.04.09
조회수 1234
-
KAIST-한전KDN, AI 기반 캠퍼스 에너지 플랫폼 구축 MOU 체결…글로벌 진출 추진
우리 대학은 한전KDN(대표이사 박상형)과 인공지능(AI)과 에너지 분야를 융합한 ‘AI+X’ 전략 기반 캠퍼스 마이크로그리드(Micro Grid, 소규모 독립형 전력망) 구축을 위한 업무협약(MOU)을 8일 체결했다고 밝혔다. 한전KDN(KEPCO Knowledge, Data & Network Co., Ltd.)은 전력 시스템에 정보통신기술(ICT)을 접목한 에너지 플랫폼을 개발·운영하는 한국전력공사 계열 공기업이다.
이번 협약은 AI 기반 전력 운영 기술을 활용해 캠퍼스 단위의 탄소중립(Net-Zero) 플랫폼을 구축하고, 이를 실증하기 위한 에너지 테스트베드를 조성하기 위해 추진됐다. 이를 통해 차세대 에너지 기술 고도화와 글로벌 비즈니스 모델 창출을 도모할 계획이다.
양 기관은 KAIST 캠퍼스를 중심으로 실제 전력 생산·소비 데이터를 활용한 AI 기반 에너지 관리 시스템(Energy Management System, EMS)을 개발하고, 이를 검증하는 실증 환경을 단계적으로 구축해 나갈 계획이다. 특히 에너지 효율 향상과 안정적인 전력 운영을 동시에 달성할 수 있는 분산형 전원과 에너지 저장장치(ESS)를 연계한 마이크로그리드 운영 기술 개발에 협력할 예정이다.
이를 위해 KAIST는 ▲글로벌 적용을 위한 차세대 인공지능 모델 개발 ▲해외 캠퍼스 협력 모델(KAIST 뉴욕 모델) 고도화 ▲캠퍼스 에너지 실증을 위한 AI 거버넌스 체계 구축 등을 담당한다. 한전KDN은 ▲캠퍼스 전력 설비·장치 분석 기반 지능형 에너지 효율화 시스템 구축 ▲기술 고도화 및 글로벌 사업 모델 개발 지원 등을 수행할 예정이다.
특히 양 기관은 KAIST 캠퍼스를 실제 생활 공간에서 탄소를 줄이는 기술을 직접 적용하고 검증하는 실험 환경인‘탈탄소 리빙랩(Living Lab)’으로 활용해 재생에너지 수용성 확대, 전력 수요·공급 최적화, 계통 안정성 확보 등 AI 기반 에너지 운영 기술을 종합적으로 검증할 계획이다.
이번 협력의 핵심은 AI 기술을 활용해 급증하는 전력 수요에 대응하고, 전력 시스템의 효율성과 복원력을 동시에 확보하는 새로운 에너지 운영 패러다임을 제시하는 데 있다. 양 기관은 AI 기반 수요예측, 실시간 전력 최적화, ESS 연계 운영 기술 등을 통합한 ‘지속가능한 전력 공급(Sustainable Powering AI)’ 모델을 공동 개발할 계획이다.
또한 캠퍼스 실증을 통해 확보된 기술을 기반으로 글로벌 시장 적용을 위한 비즈니스 모델을 도출하고, 기술의 확장성과 파급효과를 체계적으로 분석해 나갈 예정이다.
우리 대학은 AI 기반 에너지 기술 연구와 함께 연구·교육·창업을 연계한 혁신 생태계를 강화하고, AI와 전력·에너지 분야를 아우르는 융합형 인재 양성에도 나설 계획이다.
박상형 한전KDN 대표이사는 “AI 기반 마이크로그리드 실증을 통해 에너지 운영 기술을 고도화하고, 이를 바탕으로 글로벌 시장에서 경쟁력 있는 에너지 ICT 모델을 확보해 나가겠다”고 밝혔다.
이광형 KAIST 총장은 "AI 강국이 되려면 전력·에너지 문제가 반드시 해결되어야 한다”며 "이번 협력은 AI와 전력·에너지 기술의 융합과 캠퍼스 실증을 통해 AI 시대 글로벌 에너지 기술 혁신을 선도하고, 세계 3대 AI 강국으로 도약하는 데 기여할 것"이라고 덧붙였다.
2026.04.08
조회수 1155