%EC%9E%90%EB%8F%99%ED%99%94
-
건설재료의 성능 평가를 위한 실험 자동화 시스템 개발
빅데이터와 인공지능 기반의 건설재료 품질관리 혁신 기술 제시
우리 대학 건설및환경공학과 김재홍 교수 연구팀은 시멘트 분산제의 성능을 정밀하게 평가할 수 있는 자동화 실험 시스템을 개발했다. 이 시스템은 기존 수작업 실험의 한계를 극복하고, 데이터 사이언스와 머신러닝 기법을 활용해 시멘트 기반 재료의 품질 관리를 혁신적으로 개선할 수 있는 길을 열었다.
건설재료 품질관리의 도전과제
콘크리트는 전 세계에서 가장 많이 생산되는 공학 재료지만, 시멘트와 골재 같은 원재료가 지역마다 성질이 달라 품질과 성능의 변동성이 크다. 따라서 콘크리트 재료의 성능 시험에는 많은 수의 샘플이 필요하며, 이는 노동 집약적인 작업으로 이어진다.
김재홍 교수는 "건설재료는 다른 공학 재료에 비해 변동성이 매우 크기 때문에, 재료의 성능평가 신뢰성을 높이려면 충분한 양의 데이터가 필요합니다. 이를 위해서는 많은 수의 샘플을 제조하고 테스트해야 하는데, 기존의 수작업 방식으로는 단순히 품질 검증을 위한 작은 수의 샘플을 사용하여 현장에서 불량 레미콘 등의 문제가 종종 발생하고 있습니다"라고 설명했다.
혁신적인 자동화 실험 시스템
연구팀이 개발한 자동화 실험 시스템은 230mL 모르타르 샘플의 레올로지 특성을 정밀하게 측정할 수 있다. 이 시스템은 시료 준비, 재료 혼합, 레올로지 측정 등의 과정을 모두 자동화하여 인력 투입 없이도 정확하고 일관된 데이터를 생산할 수 있다.
연구팀은 이 시스템을 사용해 130개의 모르타르 샘플을 분석하여 시멘트 분산제의 효과를 포괄적으로 특성화했다. 주성분 분석(PCA)을 통해 토크 측정값의 뚜렷한 패턴을 발견했으며, 이를 통해 패턴의 분산을 설명하고 분산제 성능 차이를 효과적으로 포착할 수 있었다.
특히 이 자동화 시스템은 7%의 변동 계수로 우수한 재현성을 달성했으며, 이는 재료의 고유한 변동성으로 간주될 수 있다. 또한 관찰 기반 학습을 통해 시스템의 유용성을 확장하여 유동성과 블리딩 속도를 성공적으로 예측할 수 있었다. 이 내용은 건설공학 분야에서 권위 있는 학술지인 Cement and Concrete Research에 "Automated experimentation for evaluating cement dispersant performance"라는 제목으로 게재되었다.
(https://doi.org/10.1016/j.cemconres.2025.107895)
연구 결과 및 향후 계획
연구 결과는 3세대 시멘트 분산제의 우수한 성능을 확인하는 동시에, 분산제 사용량-레올로지 관계에 대한 통합적인 분석을 제시하였다. 이러한 자동화 실험 방식은 시멘트 기반 재료의 더 효율적이고 포괄적인 평가를 위한 프레임워크를 확립했다는 데 의의가 있다. 김재홍 교수는 "이번 연구에서 개발한 자동화 실험 시스템은 단순히 실험 과정을 자동화하는 것을 넘어, 데이터 사이언스와 머신러닝을 통합하여 건설재료의 품질관리 패러다임을 변화시킬 수 있는 잠재력을 가지고 있습니다"라고 강조했다.
한편, 연구팀은 건설재료의 성능 평가를 위한 자동화 실험 시스템 개발에 앞서, 건설재료의 특성에 적합한 머신러닝 알고리즘을 개발하였다. KAIST 건설및환경공학과/데이터사이언스대학원 강인국 박사과정이 제1저자로 참여한 관찰 기반 학습(observation-based learning), 도메인 적응(domain adaptation) 학습 알고리즘 등에 관한 연구는, 건설공학 분야에서 권위 있는 학술지인 Cement & Concrete Composites 등에 게재되었다.
(https://doi.org/10.1016/j.cemconcomp.2025.105943, https://doi.org/10.1016/j.conbuildmat.2023.133811).
연구팀은 앞으로 이 자동화 시스템을 확장하여 시멘트 분산제 성능 평가뿐만 아니라 강도 발현, 수화열, 내구성 등 다양한 콘크리트 성능 지표에 대한 자동화 실험을 수행할 계획이다. 또한 해외건설 및 국내건설 현장의 건설재료 변동성으로 인한 시공실패를 사전에 예측하고 방지하기 위한 성능평가 실험 자동화 및 로봇 플랫폼을 확장 구축할 예정이다.
김 교수는 "궁극적으로 우리의 목표는 건설산업에서 전문 테크니션 부족 문제, 기능인력 노령화 문제, 주52시간제 시행 등에 대응하기 위한 건설재료 품질관리 및 성능평가의 완전한 자동화 시스템을 구축하는 것입니다. 이를 통해 데이터 기반의 의사결정이 가능한 스마트 건설 환경을 조성하고자 합니다"라고 밝혔다.
이 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행되었다.
2025.04.14 조회수 662 -
2.4배 가격 효율적인 챗GPT 핵심 AI반도체 개발
오픈AI가 출시한 챗GPT는 전 세계적으로 화두이며 이 기술이 가져올 변화에 모두 주목하고 있다. 이 기술은 거대 언어 모델을 기반으로 하고 있다. 거대 언어 모델은 기존 인공지능과는 달리 전례 없는 큰 규모의 인공지능 모델이다. 이를 운영하기 위해서는 수많은 고성능 GPU가 필요해, 천문학적인 컴퓨팅 비용이 든다는 문제점이 있다.
우리 대학 전기및전자공학부 김주영 교수 연구팀이 챗GPT에 핵심으로 사용되는 거대 언어 모델의 추론 연산을 효율적으로 가속하는 AI 반도체를 개발했다고 4일 밝혔다.
연구팀이 개발한 AI 반도체 ‘LPU(Latency Processing Unit)’는 거대 언어 모델의 추론 연산을 효율적으로 가속한다. 메모리 대역폭 사용을 극대화하고 추론에 필요한 모든 연산을 고속으로 수행 가능한 연산 엔진을 갖춘 AI 반도체이며, 자체 네트워킹을 내장하여 다수개 가속기로 확장이 용이하다. 이 LPU 기반의 가속 어플라이언스 서버는 업계 최고의 고성능 GPU인 엔비디아 A100 기반 슈퍼컴퓨터보다 성능은 최대 50%, 가격 대비 성능은 2.4배가량 높였다. 이는 최근 급격하게 생성형 AI 서비스 수요가 증가하고 있는 데이터센터의에서 고성능 GPU를 대체할 수 있을 것으로 기대한다.
이번 연구는 김주영 교수의 창업기업인 ㈜하이퍼엑셀에서 수행했으며 미국시간 7월 12일 샌프란시스코에서 진행된 국제 반도체 설계 자동화 학회(Design Automation Conference, 이하 DAC)에서 공학 부문 최고 발표상(Engineering Best Presentation Award)을 수상하는 쾌거를 이뤘다.
DAC은 국제 반도체 설계 분야의 대표 학회이며, 특히 전자 설계 자동화(Electronic Design Automation, EDA)와 반도체 설계자산(Semiconductor Intellectual Property, IP) 기술 관련하여 세계적인 반도체 설계 기술을 선보이는 학회다. DAC에는 인텔, 엔비디아, AMD, 구글, 마이크로소프트, 삼성, TSMC 등 세계적인 반도체 설계 기업이 참가하며, 하버드대학교, MIT, 스탠퍼드대학교 등 세계 최고의 대학도 많이 참가한다.
세계적인 반도체 기술들 사이에서 김 교수팀이 거대 언어 모델을 위한 AI 반도체 기술로 유일하게 수상한 것은 매우 의미가 크다. 이번 수상으로 거대 언어 모델의 추론에 필요한 막대한 비용을 획기적으로 절감할 수 있는 AI 반도체 솔루션으로 세계 무대에서 인정받은 것이다.
우리 대학 김주영 교수는 “미래 거대 인공지능 연산을 위한 새로운 프로세서 ‘LPU’로 글로벌 시장을 개척하고, 빅테크 기업들의 기술력보다 우위를 선점하겠다”라며 큰 포부를 밝혔다.
2023.08.04 조회수 7853 -
한동수 교수, 크라우드소싱 기반 실내 위치인식 시스템 개발
〈 한 동 수 교수 〉
우리 대학 전산학부 한동수 교수 연구팀(지능형 서비스통합 연구실)이 실내 공간에서 획득한 와이파이 신호의 수집 위치정보를 자동으로 파악할 수 있는 기술을 개발했다.
이 기술은 글로벌 실내 위치인식 시스템 구축에 필요한 핵심 기술로 다수의 스마트폰에서 수집된 무선랜 핑거프린트의 수집 위치를 자동으로 라벨링하는 인공지능 기법이다. 비용을 절감하면서 높은 정확도를 가질 수 있고 무선랜 핑거프린트 수집이 가능한 건물이라면 어느 곳에도 적용 가능하다.
여러 글로벌 기업들이 실내 GPS를 실현하기 위해 전 세계 주요도시에서 수만 건의 실내 지도를 수집했다. 실내 지도와 함께 신호 지도 수집도 시도했지만 높은 정확도를 갖지 못했고 그 결과 실내에서의 위치 인식 서비스 질이 떨어진다.
연구팀은 문제 해결을 위해 실내를 이동 공간과 체류 공간으로 구분하고 각각의 공간에 최적화된 수집 위치 라벨링을 자동화하는 기술을 개발했다.
연구팀이 개발한 기술은 복도, 로비, 계단과 같은 이동 공간에서도 수집된 신호의 위치정보를 별도의 외부 정도 없이도 자동으로 라벨링하는 새로운 자율학습(Unsupervised Learning) 인공지능 기술이다.
이 기술을 토대로 기초실험연구동(N5)과 김병호-김삼열IT융합빌딩(N1)에서 실험을 실시했고, 충분한 양의 학습 데이터가 주어진다는 가정 하에 오차범위 3~4미터 수준의 정확도를 보였다.
이는 수작업을 통해 수집 위치를 라벨링한 결과와 비슷한 정확도로 연구팀이 함께 개발한 지자기 신호, 3축 가속기, 자이로스코프 기반의 딥러닝을 활용한 새로운 센서 퓨전 기법을 통하면 정확도가 더욱 상승하는 결과를 보였다.
그 동안 스마트폰을 통해 수집된 핑거프린트는 활용되지 못하고 버려졌지만 개발된 기술을 통해 무선랜 핑거프린트 빅데이터 영역이 새롭게 열릴 것으로 기대된다.
개발된 GPS 구축 기술은 글로벌 기업이나 국내 위치정보 서비스 기업 등이 전국 범위에서 위치정보 서비스를 제공할 때 도입해 효과적으로 사용할 수 있을 것으로 예상된다.
GPS 신호가 도달하지 않는 실내 환경에서 위치인식 정확도가 높아짐에 따라 포켓몬고 등의 O2O(online to offline) 위치기반 게임도 실내에서 실행 가능할 것으로 기대된다.
또한 다양한 위치기반 SNS, 사물인터넷 등 서비스가 활성화되고 위급한 상황에서 112나 119에 구조요청을 할 시 정확한 위치 파악이 가능할 것으로 보인다.
한 교수는 “개발된 글로벌 실내 위치인식 시스템 구축 기술을 KAIST 실내 위치인식 시스템인 카이로스(KAILOS)에 탑재해 서비스 할 예정이다”며 “전 세계 어느 건물에서든 정확도 높은 실내 위치인식 시스템을 손쉽게 구축할 수 있고 장래에 대부분 실내 공간에서도 위치인식 서비스가 제공 가능할 것이다”고 말했다.
카이로스는 2014년 KAIST에서 출시한 개방형 실내 위치인식 서비스 플랫폼이다. 자신이 원하는 건물의 실내지도를 카이로스에 등록하고 해당 건물의 핑거프린트를 수집해 실내 위치인식 시스템을 구축하도록 지원 중이다.
□ 그림 설명
그림1. 핑거프린트를 수집하여 신호지도를 구축한 뒤, 구축된 신호지도를 기반으로 위치를 추정하는 과정
그림2. KAILOS가 여러 가지 신호와 센서를 복합적으로 사용하였을 때 예상되는 정확도
2017.04.12 조회수 17235