-
AI로 기후위기 미래 예측한다
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 사용하기 때문에 이를 종합적으로 연결해 정책 결정에 활용하는 데 시간이 오래 걸린다는 한계가 있었다.
연구팀은 이를 해결하기 위해 ‘AI 기반 기후 연구 파운데이션 모델(AI-Based Climate Research Foundation Model)’을 제안했다. 이 모델은 지구 관측 데이터, 에너지·경제 시나리오, 정책 지표 등 성격이 서로 다른 대규모 데이터를 AI가 공통된 방식으로 이해·분석할 수 있는 가상 분석 공간(shared latent space)에서 함께 처리한다.
이를 통해 기후 변화의 물리적 현상뿐 아니라 경제·사회적 영향까지 동시에 고려한 빠르고 정교한 예측이 가능해진다.
특히 연구팀은 ‘혼합 전문가(MoE, Mixture of Experts)’ 구조를 적용해 서로 다른 역할을 하는 AI 모델이 분야별 전문가처럼 협력하도록 설계했다. 물리 법칙 기반 계산 모듈과 통계 학습 기반 AI 모듈을 결합해 예측의 정확성과 신뢰성을 높였으며, 온실가스 감축 목표 도입이나 신재생에너지 확대 정책이 산업·경제에 미치는 영향을 빠르게 분석할 수 있도록 했다.
이번 연구는 단순히 기후를 예측하는 수준을 넘어, 정책 변화에 따른 사회·경제적 영향을 함께 분석할 수 있는 새로운 AI 기반 기후 연구 방향을 제시했다는 점에서 의미가 크다. 국제 학술지 네이처 클라이밋 체인지(Nature Climate Change)에 4월 28일 게재되었으며, AI기반 기후-인간 상호영향 차세대 통합평가모델 개발(과학기술정보통신부, 한국연구재단)과제의 지원으로 수행됐다.
※ 기고문 : Artificial Intelligence to Support Cross-Disciplinary Climate Change Research, https://doi.org/10.1038/s41558-026-02624-x
한편 KAIST 연구팀은 이러한 프레임워크를 실제로 구현한 AI 기반 예측 모델도 함께 공개했다.
연구팀은 ‘에너지-온실가스 예측 고속 에뮬레이터(emulator)’를 시범 구현 모델(prototype) 형태로 개발했다. 이 모델은 기존의 복잡한 에너지·탄소배출 통합평가모델(IAM, Integrated Assessment Model) 계산 과정을 AI가 빠르게 대신 수행하도록 만든 기술이다.
기존 통합평가모델은 하나의 정책 시나리오를 분석하는 데 많은 시간과 계산 자원이 필요했지만, 연구팀이 개발한 AI 모델은 수천 개의 정책 시나리오를 단시간에 분석할 수 있다. 이를 통해 탄소중립 정책이나 에너지 전환 정책의 효과를 보다 빠르게 예측하고 정책 결정에 활용할 수 있을 것으로 기대된다.
쉽게 말해, 미래 기후와 경제 변화를 예측하는 ‘가상 정책 실험실’을 AI로 구현한 셈이다. 예를 들어 탄소세를 높이거나 재생에너지를 확대했을 때 온실가스 배출량과 경제 변화가 어떻게 달라지는지를 훨씬 빠르게 시뮬레이션할 수 있다.
신예은(Yen Shin) 석사과정 학생이 제1저자로 참여하고 오혜연 교수와 전해원 교수가 공동 교신저자로 참여한 해당 연구는 지구과학 모형 개발 전문 학술지 지오사이언티픽 모델 디벨롭먼트(Geoscientific Model Development)'에 1월 9일 심사전 공개 논문(preprint)으로 발표됐다.
※ 논문명: ML-IAM v1.0: Emulating Integrated Assessment Models With Machine Learning, https://doi.org/10.5194/egusphere-2025-5305
해당 연구 성과는 세계 최대 AI 학회인 뉴립스(NeurIPS) 2025 ‘기후변화 대응 머신러닝’ 워크숍에 초청되어 발표됐으며, 기후학계와 AI산업계의 큰 관심을 받고 있다. 이 연구는 환경부의 재원으로 한국환경산업기술원의 관측 기반 공간정보지도 구축 기술개발사업 (RS-2023-00232066)의 지원으로 수행됐다.
전해원 교수와 오혜연 교수는 ‘KAIST AI4Good*’ 연구 네트워크 창립 멤버로 활동하며 AI를 기후 위기 등 사회문제 해결에 활용하는 연구를 이어가고 있다.
*KAIST AI4Good: AI를 활용해 공공의 이익을 추구하는 연구 플랫폼(https://ai4good.kaist.ac.kr/)
전해원 교수는 “이번 기후-AI 모델은 기후 과학자와 정책 입안자 사이의 간극을 줄여줄 효과적인 가교 역할을 할 것으로 기대한다”며 “함께 공개한 고속 AI 에뮬레이터는 실시간에 가까운 정책 분석을 가능하게 해 실질적인 기후 대응 솔루션을 제공하는 핵심 기술이 될 것”이라고 말했다.
오혜연 교수는 “AI 기술은 단순한 상업적 도구를 넘어 인류 생존을 위협하는 기후 위기 해결에 기여해야 한다”며 “이번 국제 공동 연구는 AI가 사회적 난제 해결을 위한 글로벌 공공재 역할을 할 수 있음을 보여주는 사례가 될 것”이라고 강조했다.
2026.05.13
조회수 375
-
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 1449
-
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 1092
-
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 1398
-
AI 메모리 병목 뚫었다... KAIST 참여 ‘터보퀀트’, 최대 6배 압축
AI 성능을 좌우해온 ‘메모리 병목’이 뚫렸다. 우리 대학이 참여한 국제 공동연구팀이 최대 6배까지 메모리를 줄이면서도 성능은 유지하는 차세대 알고리즘을 공개하며, AI 산업은 물론 반도체 수요 구조까지 바꿀 기술적 전환점을 제시했다. 고용량 중심에서 고효율 중심으로 전환되면서, AI는 더 저렴해지고 빠르게 확산되는 동시에 반도체 수요 역시 질적으로 고도화될 전망이다.
우리 대전기및전자공학부 한인수 교수가 참여한 구글 리서치(Google Research), 딥마인드(DeepMind), 뉴욕대(New York University) 공동 연구팀이 인공지능(AI) 모델의 고질적인 한계로 꼽혀온 메모리 과부하 문제를 해결할 차세대 양자화 알고리즘 ‘터보퀀트(TurboQuant)’를 공개했다고 27일 밝혔다.
AI 모델은 입력 데이터를 벡터 형태로 바꾼 뒤, 벡터 간 유사도를 계산해 작동한다. 이 과정에서 고정밀(high-precision) 데이터를 사용하기 때문에 막대한 메모리 자원이 필요한 점이 주요 한계로 지적돼 왔다.
터보퀀트는 이러한 고정밀 데이터를 더 적은 비트로 압축해 표현하는 ‘양자화(quantization)’ 기술을 활용한다. 쉽게 말해, 소수점 데이터를 정수로 근사하는 방식으로, 핵심 정보는 유지하면서도 저장 용량과 연산 부담을 크게 줄이는 기술이다.
이번 연구에서 터보퀀트는 AI 모델 내부 정보를 효율적으로 압축해 정확도 저하를 거의 없이 최대 6배까지 메모리를 절감하는 데 성공했다. 특히 AI 추론 과정에서 가장 큰 장애물로 꼽히는 메모리 병목 문제를 효과적으로 해소한 점이 핵심 성과다.
터보퀀트의 핵심은 두 단계로 나누어진 양자화 구조다. 먼저 1단계에서는 입력 데이터를 무작위로 회전(Random Rotation)시킨 뒤 각 요소를 개별적으로 양자화한다. 이 과정은 데이터 내 극단값(outlier)을 줄여 압축 효율을 높이는 역할을 한다. 해당 방식은 한인수 교수가 참여한 기존 연구 ‘폴라퀀트(PolarQuant)’에서도 활용된 바 있다.
이어 2단계에서는 1단계에서 발생한 오차(residual)를 다시 한 번 양자화한다. 이때 적용되는 QJL(Quantized Johnson-Lindenstrauss) 기법은 데이터를 {-1, 1} 값만으로 표현하는 초경량(1비트) 방식으로, 정보 손실을 최소화하면서도 연산 효율을 극대화할 수 있다.
이러한 기술적 발전은 반도체 메모리 시장에도 중장기적인 활력을 불어넣을 것으로 기대된다. 단기적으로는 동일한 AI 모델을 구동하는 데 필요한 메모리 용량이 줄어들어 수요 성장이 둔화되는 것처럼 보일 수 있으나, 전문가들은 오히려 이를 'AI 대중화의 기폭제'로 보고 있다. 낮아진 메모리 문턱은 스마트폰이나 가전 등 온디바이스 AI 기기부터 대규모 데이터센터에 이르기까지 AI 적용 범위를 비약적으로 넓힐 수 있고, 결국 AI 서비스가 일상으로 확산되어 훨씬 더 큰 규모의 서비스에서 새로운 메모리 수요가 창출되는 ‘수요의 질적 고도화’와 ‘양적 팽창’이 동시에 일어날 것으로 기대한다.
특히 터보퀀트의 핵심 기술인 QJL과 폴라퀀트 연구에 KAIST 한인수 교수가 공동 연구자로 참여함으로써, 국내 연구진이 글로벌 빅테크의 핵심 AI 알고리즘 개발에 직접 기여했다는 점에서 의미가 크다.
한인수 교수는 “AI 모델의 성능이 커질수록 메모리 사용량이 급격히 증가하는 것이 가장 큰 한계로 지적되어 왔다”며, “이번 연구는 이러한 병목을 효과적으로 줄이면서도 정확도를 유지할 수 있는 새로운 방향을 제시했다”고 설명했다.
이어 “앞으로 대규모 AI 모델을 보다 효율적으로 운영할 수 있는 핵심 기반 기술로 활용될 것으로 기대한다”고 덧붙였다.
한편, 폴라퀀트 연구는 5월에 개최하는 AI와 통계(머신러닝 이론 포함)를 다루는 국제 최상위 학회인 AISTATS (Artificial Intelligence and Statistics) 2026에서 발표될 예정이며, 한국연구재단의 “기초연구실” 사업 지원 (No. RS-2024-00406715)을 받아 수행되었다.
2026.03.28
조회수 1396
-
자석 속 ‘스커미온’ 형성 원리 규명… AI 전력 문제 해결 단서
자석 속 전자 스핀이 소용돌이처럼 배열된 ‘스커미온(skyrmion)’은 차세대 스핀트로닉스 기술의 핵심 구조다. 우리 대학 연구진은 특수한 물리 조건 없이도 자석의 기본적인 물리 작용만으로 스커미온이 형성될 수 있음을 밝혔다. 이는 다양한 자성 물질에서 스커미온 구현 가능성을 넓혀 기존보다 수십~수백 배 높은 정보 저장 밀도를 구현할 수 있는 차세대 초저전력 정보소자 개발에 새로운 가능성을 제시한다.
우리 대학은 물리학과 김세권 교수 연구팀이 자성과 격자의 결합(자기-탄성 결합)만으로 소용돌이형 자성 구조가 자연스럽게 만들어질 수 있다는 새로운 이론을 제시했다고 19일 밝혔다.
연구팀은 자석 속 스핀(전자들이 가지는 작은 자석 성질)과 격자 변형(원자 배열이 미세하게 뒤틀리는 현상)이 서로 영향을 주고받는 작용만으로도 소용돌이 모양의 자성 구조가 스스로 형성될 수 있음을 밝혔다.
특히 자성 물질 내부에서 나타나는 소용돌이형 스핀 구조인 스커미온은 크기가 매우 작고 안정성이 높아 초고밀도·저전력 정보소자로 활용될 가능성이 높다. 그러나 지금까지 이러한 스커미온 구조를 형성하기 위해서는 결정 구조의 비대칭성이나 강한 스핀-궤도 결합과 같은 특정한 물리적 조건이 필요하다고 알려져 있었다.
연구팀은 대부분의 자성 물질에 자연스럽게 나타나는 ‘자기-탄성 결합(magnetoelastic coupling)’만으로도 스커미온과 반스커미온이 번갈아 배열된 구조가 스스로 형성될 수 있음을 이론적으로 밝혔다.
자기-탄성 결합은 자성(스핀)과 원자 배열의 변형이 서로 영향을 주고받는 현상으로, 거의 모든 자성체에서 나타나는 기본적인 물리적 성질이다. 연구팀은 이러한 결합이 충분히 강해지면 원래 일정한 방향으로 정렬돼 있던 자성의 기본 상태(바닥상태)가 스스로 불안정해지며 새로운 소용돌이형 질서로 전환될 수 있음을 보였다.
특히 이 과정에서 스핀의 기울어짐과 격자 왜곡이 동시에 발생하며 스커미온과 반스커미온이 번갈아 배열된 ‘카이랄 스핀 구조’가 형성된다는 새로운 메커니즘을 제시했다.
김세권 교수는 “이번 연구는 특정한 특수 상호작용이 없어도 스커미온 같은 자성 구조가 형성될 수 있음을 보여준 것으로, 특히 최근 연구가 활발한 2차원 자성 물질(원자 두께 수준의 매우 얇은 자성 물질)에서도 이러한 구조를 구현할 가능성을 제시했다는 점에서 의미가 있다”고 설명했다.
고경춘 박사가 제1저자로 참여한 이번 연구 결과는 물리학 분야 세계적 권위 학술지 피지컬 리뷰 레터스(Physical Review Letters)에 2월 11일 자로 게재됐다.
※ 논문명: Magnetoelastic Coupling-Driven Chiral Spin Textures: A Skyrmion-Antiskyrmion-like Array, DOI: https://doi.org/10.1103/5csz-pw7x
※ 주저자: 고경춘(KAIST 물리학과 박사) 제1저자, 김세권 교수(KAIST 물리학과) 교신저자
이번 연구는 삼성미래기술육성사업, 한국연구재단 해외우수과학자 유치사업 플러스(브레인풀 플러스), 세종과학펠로우십의 지원을 받아 수행됐다.
2026.03.19
조회수 1438
-
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 평가된다.
연구팀이 개발한 ‘소울메이트’의 핵심은 외부 서버(클라우드)를 거치지 않고 기기 자체에서 데이터를 처리하는 온디바이스(On-Device) AI 기술이다. 연구팀은 기억된 대화 내용을 바탕으로 맞춤형 답변을 생성하는 검색증강생성(RAG) 기술과 사용자의 피드백을 즉각 반영해 학습하는 로우 랭크 미세조정(LoRA) 기술을 반도체 내부에 직접 구현했다.
이를 통해 ‘소울메이트’는 0.2초(216.4ms) 라는 경이로운 속도로 사용자에게 응답하며 동시에 학습까지 수행하는 실시간 개인화 AI 시스템을 구현했다.
또한 정보의 중요도에 따라 처리 방식을 최적화하는 혼합 랭크(Mixed-Rank) 아키텍처를 적용해 전력 소모를 획기적으로 줄였다. 해당 반도체는 스마트폰 프로세서 소비전력의 1/500 수준인 단 9.8밀리와트(mW)의 초저전력으로도 복잡한 학습과 추론을 동시에 수행할 수 있어 스마트폰 등 모바일 기기에서도 배터리 걱정없이 구동될 수 있다.
특히 모든 개인 데이터가 외부 서버로 전송되지 않고 기기 내부에서만 처리되는 ‘보안 완결형 AI’ 구조를 구현해 개인정보 유출 우려를 근본적으로 차단했다. 연구팀은 이 기술이 향후 스마트폰, 웨어러블 기기, 개인형 AI 디바이스 등 차세대 플랫폼과 결합해 진정한 개인화 인공지능 서비스 시대를 열 것으로 기대하고 있다.
유회준 교수는 “이번 연구는 사람들이 서로 우정을 쌓아가는 과정을 모방해 AI가 사용자의 진정한 동반자로 발전할 수 있는 기술적 기반을 마련한 것”이라며 “미래의 인공지능은 단순한 도구를 넘어, 개인의 프라이버시를 완벽히 보호하면서도 언제 어디서나 나를 가장 잘 이해하는 ‘베프(Best Friend)’와 같은 존재가 될 것”이라고 말했다.
홍성연 박사과정 연구원이 제1 저자로 참여한 이번 연구는 지난 2월 16일부터 미국 샌프란시스코에서 열린 국제고체회로설계학회(ISSCC)에서 ‘하이라이트 논문(Highlight Paper)’으로 선정되며 전 세계 학계의 주목을 받았다.
※ 논문명: SoulMate: A 9.8mW Mobile Intelligence System-on-Chip with Mixed-Rank Architecture for On-Device LLM Personalization, 논문 링크: https://ieeexplore.ieee.org/document/11409048
연구팀은 학회 현장에서 실제 반도체 칩을 활용해 사용자의 반응에 따라 답변 스타일이 실시간으로 변화하는 시연에 성공하며 한국 AI 반도체 기술의 우수성을 입증했다. ‘소울메이트’AI반도체는 교원 창업기업인‘(주)온뉴로AI’를 통해 2027년경 제품화할 예정이다.
한편 이번 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 정보통신방송혁신인재양성사업 지원을 받아 수행됐다.
2026.03.17
조회수 2483
-
시각장애인 위한 점자 번역 엔진 ‘K-Braille’ 개발..정확도 100% 확인
우리 대학은 융합인재학부 재활인공지능연구실(Assistive AI Lab) 가현욱 교수 연구팀이 일반 글자(묵자)를 시각장애인이 읽을 수 있는 점자로 변환하는 ‘점역(點譯, Braille translation)’기술을 고도화한 차세대 점자 번역 엔진 ‘K-Braille(케이-브레일)’을 개발하고 대규모 성능 검증을 완료했다고 13일 밝혔다.
점역은 책, 문서, 웹페이지 등 일반 문자로 작성된 정보를 점자 체계에 맞게 변환하는 과정으로 시각장애인의 정보 접근을 위해 필수적인 기술이다. 그러나 한국어 점자 규정은 띄어쓰기, 기호, 외국어 표기 등 다양한 예외 규칙이 존재해 정확한 자동 점역이 쉽지 않다.
현재 시각장애인들이 사용하는 기존 점역 프로그램들은 문자나 기호를 단순 규칙에 따라 변환하는 방식이어서, 다국어(영문 등)·한글 혼용 표현이나 복합 단위 기호, 괄호 띄어쓰기 등 복잡한 규정 처리에서 오류가 발생하는 경우가 있었다. 점자 한 칸의 오류는 시각장애인에게 단순한 오타를 넘어 정보 왜곡으로 이어질 수 있다는 점에서 정확한 점역 기술의 중요성이 꾸준히 제기돼 왔다.
연구팀이 개발한 K-Braille 엔진의 가장 큰 특징은 ‘문장을 이해하는 점역 시스템’이라는 점이다. 기존 점역 프로그램이 문자나 기호를 단순히 바꾸는 치환 방식이라면, K-Braille은 형태소 분석과 문장 구조 분석(AST, Abstract Syntax Tree)을 통해 문장의 구조와 맥락을 분석하여 의미를 이해한 뒤 점자로 변환하는 기술이다.
이를 통해 외국어와 한글이 혼용된 문장, 복잡한 기호 조합, 단위 표기 등 개정된 점자 규정의 다양한 예외 상황을 보다 정확하게 처리할 수 있다.
연구팀은 기술의 정확도를 확인하기 위해 국립국어원이 구축한 국내 최대 규모의 점자 데이터셋인 ‘묵자-점자 병렬 말뭉치(NLPAK)’를 활용했다. 이 데이터에는 일반 글자와 점자가 짝을 이루는 문장들이 함께 정리돼 있으며, 연구팀은 여기서 1만7,943개의 문장을 추출해 K-Braille의 점역 결과가 실제 점자와 얼마나 일치하는지 전수 평가를 진행했다.
그 결과 점자 규정을 실제로 얼마나 정확하게 따르는지를 나타내는 ‘실질 점역 규정 준수율(True Adjusted Accuracy) ’이 100.0%로 나타났으며, 점자 문장의 구조가 정답과 얼마나 비슷한지를 보여주는 점역 형태소 구조 유사도도 평균 99.81%**를 기록해 높은 점역 정확도를 확인했다.
또한 국립국어원의 공식 점역 프로그램 ‘점사랑 6.3.5.8’과 동일 문장 세트를 이용한 비교 검증에서도 K-Braille이 더 높은 점역 일치율을 보이며 기술적 경쟁력을 확인했다.
10일 KAIST에 ‘포용적 AI’ 인재 양성을 위해 발전기금 10억 원을 기탁한 융합인재학부 재학생(학사과정)이자 스타트업 ㈜엠피에이지(MPAG) 대표인 정인서(28) 학생의 지도교수이자 이번 연구를 이끈 선천적 중증 시각장애인 연구자인 가현욱 교수(KAIST)는 “점자는 시각장애인에게 단순한 기호가 아니라 세상을 읽는 언어”라며 “이번 성과를 기반으로 향후 수학 수식과 과학 기호, 나아가 음악 악보까지 처리할 수 있는 차세대 점역 시스템으로 기술을 발전시킬 계획”이라고 말했다.
이어 “이 기술이 시각장애인의 정보 접근성을 한층 높이고, 한국 점자 번역 인공지능 분야의 새로운 기술 기준을 제시하는 계기가 되길 기대한다”고 덧붙였다.
연구팀은 앞으로 기존 점자 파일 형식(.brf)의 한계를 넘어 새로운 점자 파일 형식을 만들고, 그 파일을 작성·읽기·공유할 수 있는 소프트웨어와 장치 환경을 함께 만드는 차세대 전자 점자 파일 포맷 ‘.brfx(Braille File eXtended)’ 생태계 구축도 추진할 계획이다.
특히 연구팀은 K-Braille 엔진을‘포용적 AI(Inclusive AI)’기술로서 사회에 전면 무상으로 환원할 계획이다. 단, 기술의 파편화를 막고 지속 가능한 생태계를 유지하기 위해 무분별한 소프트웨어 오픈소스화보다는 공공기관, 교육청, 점자 도서관, 그리고 보조기기 제조사 등‘책임 있는 기술 활용 주체’들과의 공식적인 기술 이전 및 제휴망을 구축할 예정이다.
이를 올해 이내에 추진해, 기존에 점자 환경을 구축·운영 중인 기관들이나 신규 점자 디스플레이 업체들이 어떠한 추가적인 소프트웨어 라이선스 비용 없이도 가장 완벽한 2024년형 최신 점역 모듈(API 및 시스템 커널)을 즉각적으로 통합 연동할 수 있게 함으로써, 궁극적으로 최종 단계의 시각장애인 사용자들에게 일체의 비용 전가 없이 최상의 배리어프리(Barrier-free) 정보 접근성을 선물하는 것을 핵심 가치로 삼고 있다.
2026.03.13
조회수 3381
-
전 세계 슬럼가 찾아내는 AI 개발..AAAI 2026 최우수논문상
“슬럼(Slum, 빈곤지역)이 어디에 있는지조차 모르는 도시들”
한국 연구진이 위성사진만으로 슬럼 지역을 스스로 찾아내는 인공지능(AI)을 개발했다. 사람이 미리 위치를 표시해 주지 않아도 새로운 도시에서 자동으로 적응해 정확도를 높이는 기술로, 데이터가 부족한 개발도상국의 도시정책 수립과 공공 자원 배분 방식을 근본적으로 바꿀 수 있을 것으로 기대된다.
우리 대학은 전산학부 차미영 교수와 기술경영학부 김지희 교수 공동 연구팀이 전남대학교(총장 이근배) 지리학과 양재석 교수와 함께한 학제 간 융합 연구를 통해 위성사진 기반 범용 슬럼 탐지 AI 기술을 개발했다고 6일 밝혔다.
이번 연구는 세계 최고 권위의 인공지능 학술대회 ‘국제인공지능학회(AAAI) 2026’에서 ‘사회적 임팩트 AI(AI for Social Impact)’ 부문 최우수논문상(Best Paper Award)을 수상했다. 해당 부문에 제출된 693편 중 단 2편만이 선정된 최고 영예로, 한국 연구팀의 혁신적인 AI 기술력이 단순한 기술 진보를 넘어 실질적인 사회적 가치 창출 측면에서도 세계 최정상 수준임을 확인시켜 준 쾌거다.
그동안 위성사진을 활용한 슬럼 탐지 연구는 있었지만, 도시마다 건물 형태와 밀집도가 크게 달라 새로운 지역에서는 정확도가 급격히 떨어지는 한계가 있었다. 특히 많은 개발도상국에서는 슬럼 위치를 일일이 표시한 데이터가 부족해 AI 학습 자체가 어려웠다.
연구팀은 이를 해결하기 위해 여러 개의 AI 모델이 서로 다른 지역 특성을 학습하고, 새로운 도시가 입력되면 가장 적합한 모델을 자동으로 선택하는 ‘전문가 혼합(Mixture-of-Experts, MoE)’ 구조를 도입했다.
이번 연구의 핵심은 ‘테스트 시점 적응(Test-Time Adaptation, TTA)’ 기술이다. 새로운 도시에서 슬럼 위치를 사람이 미리 표시하지 않아도, AI가 여러 모델의 예측 결과를 비교·검증해 공통적으로 일치하는 영역만을 신뢰함으로써 스스로 오류를 줄인다. 이를 통해 데이터가 부족한 지역에서도 안정적인 성능을 확보했다.
연구팀은 해당 기술을 아프리카 캄팔라(Kampala), 마푸토(Maputo) 등 주요 도시에 적용한 결과, 기존 최신 기술보다 더욱 정교하게 슬럼 지역을 구분하는 성과를 확인했다.
이 기술은 △ 개발도상국 도시 인프라 확충 계획 수립 △ 재난·감염병 취약지역 사전 파악 △ 주거환경 개선 사업 대상 선정 △ UN 지속가능발전목표(SDGs) 이행 점검 등 다양한 정책 분야에서 활용될 수 있을 것으로 기대된다.
차미영 교수는 “AI가 단순 분석 도구를 넘어, 데이터가 부족한 지역에서도 실질적인 사회 문제 해결에 기여할 수 있음을 보여준 연구”라고 말했다. 김지희 교수는 “막대한 비용이 드는 현장조사를 보완해, 한정된 자원을 가장 필요한 지역에 효과적으로 배분하는 데 도움이 될 것”이라고 밝혔다.
이번 연구에는 KAIST 전산학부 이수민, 박성원 석박사연구원이 공동 제1저자로 참여했으며, 연구 결과는 1월 25일 싱가포르에서 열린 AAAI 2026에서 발표됐다.
※ 논문명: Generalizable Slum Detection from Satellite Imagery with Mixture-of-Experts, 논문링크 : https://aaai.org/about-aaai/aaai-awards/aaai-conference-paper-awards-and-recognition/
또한, 한국연구재단의 중견연구자지원사업 및 데이터사이언스 융합인재양성사업의 지원을 받아 수행되었다.
2026.03.06
조회수 3266
-
스마트워치 병원급 혈압 도전..심혈관 질환 조기 진단 성큼
혈액의 흐름은 생명의 신호다. 이 흐름이 느려지거나 불안정해지면 심혈관 질환과 쇼크로 이어질 수 있다. 그러나 혈류를 정확히 측정하려면 병원 장비에 의존해야 했다. 우리 대학 연구진이 피부에 붙이기만 하면 혈류를 실시간으로 측정할 수 있는 무선 전자패치를 개발했다.
우리 대학은 전기및전자공학부 권경하 교수 연구팀이 딥러닝(AI)과 다층 열 센싱 기술을 결합한 무선 웨어러블 혈류 측정 시스템을 개발했다고 5일 밝혔다. 이 장치는 혈관을 직접 건드리지 않고도(비침습 방식) 혈류 속도와 혈관 깊이를 동시에 측정할 수 있다. 혈관이 피부 속 얼마나 깊이 위치하느냐에 따라 센서 신호가 달라지기 때문에, 깊이 정보는 혈류를 정확히 계산하는 핵심 변수다.
기존에는 초음파나 광학 방식이 주로 사용됐지만, 장비가 크거나 혈관 깊이에 따라 정확도가 떨어지는 한계가 있었다. 연구팀은 이를 해결하기 위해 ‘혈액이 흐르면 주변에 미세한 열 이동이 발생한다’는 점에 주목했다.
연구팀은 서로 다른 깊이에 온도 센서를 배치해 열의 이동 경로를 입체적으로 분석하는 ‘다층 열 센싱’ 기술을 개발했다. 여기에 AI 알고리즘을 적용해 복잡한 체온 분포 속에서 혈관의 깊이와 실제 혈류 속도를 실시간으로 분리·추출하는 데 성공했다. 여기에 AI를 적용해 복잡한 체온 분포 속에서 혈관의 깊이와 실제 혈류 속도를 정확히 구분해 냈다.
실험 결과, 초당 1~10mm 범위의 혈류 속도를 오차 0.12mm/s 이내로, 1~2mm 범위의 혈관 깊이를 오차 0.07mm 이내로 측정하는 데 성공했다. 이는 머리카락 굵기보다 작은 수준의 오차로, 일반적인 웨어러블 기기로는 구현하기 어려운 정밀도다.
특히 이 기술을 스마트워치에 사용되는 광혈류(PPG) 센서와 결합하면 혈압 측정 오차를 최대 72.6%까지 줄일 수 있는 것으로 나타났다. 이는 스마트워치 혈압 측정값이 병원 장비에 한층 가까워질 수 있음을 의미한다. 즉, 웨어러블 기기의 신뢰도를 크게 높일 수 있는 성과다.
이 전자패치는 응급 의료 현장에서 환자의 상태 변화를 실시간으로 감지하는 데 활용될 수 있다. 고혈압·당뇨 환자의 맞춤형 건강관리, 쇼크와 같은 급성 위험 신호의 조기 감지에도 적용 가능하다.
권경하 교수는 “이번 기술은 혈류와 혈압을 더 정확하게 측정할 수 있는 원천 플랫폼”이라며 “스마트워치와 결합해 일상 속 건강 모니터링 수준을 한 단계 끌어올릴 것”이라고 말했다.
본 연구는 심영민 석박통합과정이 1저자로 연구를 주도했으며 해당 연구 결과는 세계적 학술지 '사이언스 어드밴시스(Science Advances)'에 2월 6일 게재되었다.
※ 논문명: Deep learning–integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring, DOI: 10.1126/sciadv.aea8902
한편, 이번 연구는 삼성전자 종합기술원(SAIT) 및 한국연구재단(NRF) 우수신진연구(2022R1C1C1010555), 지역혁신 선도연구센터(2020R1A5A8018367), BK21 FOUR 프로그램, 정보통신기획평가원(IITP) 인공지능반도체대학원의 지원을 받아 수행됐다.
2026.03.05
조회수 1805
-
'뇌를 닮은 AI’ 개발.. 예측이 틀려도 한번 더 생각한다
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(Predictive Coding)’라고 한다.
과학자들은 이 원리를 AI에 적용하려 했지만, 난관이 있었다. 신경망이 깊어질수록 오차가 특정 부위에 몰리거나 아예 사라져 성능이 떨어지는 문제가 반복됐기 때문이다.
연구팀은 그 원인을 수학적으로 규명하고 새로운 해법을 제시했다. 핵심은 단순하다. AI가 결과만 예측하는 것이 아니라, ‘예측 오차가 앞으로 어떻게 변할지’까지 다시 예측하도록 만든 것이다. 연구팀은 이를 ‘메타 예측(Meta Prediction)’이라 설명한다. 쉽게 말해, ‘틀림을 한 번 더 생각하는 AI’다. 이 방식을 적용하자, 깊은 신경망에서도 학습이 멈추지 않고 안정적으로 진행됐다.
실험 결과도 인상적이다. 총 30가지 실험 중 29개에서, 현재 AI의 표준 학습법인 ‘역전파(Backpropagation)’보다 높은 정확도를 기록했다. 역전파는 AI가 ‘틀린 만큼 거꾸로 되돌아가며 고치는’ 현재의 대표적 학습 방법이다.
기존 AI 학습방식(역전파)는 모든 층이 서로 긴밀하게 연결돼 있어, 전체 네트워크를 한 번에 계산하고 한 번에 수정해야 하지만 이 방법은 이 방식은 뇌처럼 분산적·부분적으로 학습해도 큰 AI 모델을 잘 학습시킬 수 있음을 입증한 것이다.
이번 기술은 전력 효율이 중요한 뉴로모픽 컴퓨팅, 환경에 적응해야 하는 로봇 AI, 기기 내부에서 작동하는 엣지 AI 등 다양한 분야로 확장될 것으로 기대된다.
이상완 석좌교수는 “뇌의 구조를 단순히 모방한 것이 아니라, 뇌의 학습 원리 자체를 AI가 따르도록 만든 것이 이번 연구의 핵심”이라며 “뇌처럼 효율적으로 배우는 인공지능의 가능성을 열었다”고 말했다.
이번 연구는 하명훈 박사가 제1저자, 이상완 교수가 교신저자로 참여했으며, 인공지능 국제학회 ICLR 2026(International Conference on Learning Representations)에 채택돼 1월 26일 온라인 게재됐다.
※ 논문명: Stable and Scalable Deep Predictive Coding Networks with Meta Prediction Errors, 논문 원본: https://openreview.net/forum?id=kE5jJUHl9i¬eId=e6T5T9cYqO
본 연구는 과학기술정보통신부·정보통신기획평가원 디지털분야글로벌연구지원사업(마이크로소프트연구소 공동연구), 삼성전자 SAIT NPRC 사업, SW스타랩 사업의 지원을 받아 수행됐다.
2026.03.03
조회수 1910
-
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 2756