-
콩벌레 공생 곰팡이 없어도 퇴행성 뇌질환 치료제 만든다고?
‘허포트리콘’은 뇌 속 염증을 억제하고 신경세포를 보호하는 작용이 뛰어난 물질로 치매나 파킨슨병과 같은 퇴행성 뇌 질환 치료제로 발전할 가능성이 크다고 평가받고 있다. 이 물질은 콩벌레와 공생하는 곰팡이에서만 극미량 얻을 수 있는데, 우리 연구진이 이 희귀 천연물을 화학 합성* 하는데 성공해, 차세대 신경퇴행성 질환 약물 개발의 가능성을 제시했다.
*화학 합성: 화학 반응을 이용하여 원하는 물질을 만드는 과정
우리 대학 화학과 한순규 교수 연구팀이 콩벌레와 공생하는 곰팡이에서 발견된 천연 항신경염증 물질 ‘허포트리콘(herpotrichone) A,B,C’를 세계 최초로 합성하는 데 성공했다고 31일 밝혔다.
허포트리콘 천연물은 콩벌레의 공생균인 ‘허포트리시아(Herpotrichia) sp. SF09’에서만 극미량으로 얻을 수 있는 물질로, 다섯 개의 고리 구조(6각형 4개와 3각형 1개)인 6/6/6/6/3의 다중고리 구조를 가진 물질이다.
흥미롭게도 이 물질은 뇌 염증반응을 억제하는 항신경염증 효과가 매우 우수하며, 최근에는 철분 매개 세포 사멸(ferroptosis)을 억제해 신경세포를 보호하는 작용기전까지 확인돼, 뇌 질환 치료용 약물로써의 가능성이 기대되고 있다.
한 교수 연구팀은 곰팡이에서 이 물질이 만들어지는 방식을 예상하여, 허포트리콘의 복잡한 구조를 연구실에서 화학적으로 만드는 방법을 고안했다. 이때 핵심이 된 것은 ‘딜스-알더(Diels–Alder) 반응’이라는 화학 반응이다. 이 반응은 마치 두 개의 퍼즐 조각이 맞물려 하나의 고리를 만들듯, 탄소 기반 파트너끼리 새로운 결합을 만들어 육각고리 구조를 형성하게 해주는 반응이다.
또한, 연구팀은 ‘수소결합’이라는 분자 사이의 약한 끌어당김 현상에 주목했다. 이 수소결합을 섬세하게 설계하고 조절함으로써, 반응이 원하는 방향과 위치에서만 일어나도록 정교하게 유도해서 허포트리콘을 만들 수 있었다.
연구팀은 기존에 핵심수소 결합 없이는 목표 천연물이 거의 안 만들어지거나 엉뚱한 부산물만 생겼던 문제를 해결하고, 복잡한 구조의 허포트리콘 A, B, C를 모두 정확하게 합성할 수 있었다.
특히, 허포트리콘을 만들기 위한 핵심 재료인 ‘델리트파이론(delitpyrone) C’와 ‘에폭시퀴놀 단량체(epoxyquinol monomer)’라는 분자들이 어떤 구조를 가질 때 핵심 수소결합이 가능한지 정밀하게 분석했다.
이렇게 유도된 수소결합 덕분에 반응 분자들이 정확한 위치로 다가가고 이상적인 전이상태를 거쳐 허포트리콘 C가 합성 가능했다. 이 반응 원리를 허포트리콘 A와 B에도 적용해 성공적으로 이들 천연물을 합성할 수 있었다.
연구실에서 행해진 핵심 딜스-알더 반응 과정에서 자연계에서는 아직 발견되지 않은 새로운 분자 구조들도 함께 만들어졌고, 이 중 일부는 우수한 약리 활성을 갖는 신규 천연물일 가능성이 높아 합성을 통해서 천연물을 예측한다는 측면에서 본 연구의 의미가 배가된다.
실제로 한 교수 연구팀은 2019년에 허포트리콘 A와 B를 발견하고 이들의 구조를 밝힌 중국 연구진의 논문을 바탕으로, 이들 천연물의 합성 연구를 진행했는데 그 과정에서 원치 않던 특정 부산물이 계속적으로 얻어졌다.
그런데 2024년 같은 중국 연구진에 의해 허포트리콘 C라는 신규 천연물의 발견이 논문으로 보고됐는데, 이것은 한 교수 연구팀이 이전에 얻었던 부산물과 일치하는 물질이었다. 이는 한 교수팀이 자연계에 존재하는 천연물을 실험실에서 이미 합성하고 있었던 것을 보여주는 사례다.
화학과 한순규 교수는 “이번 성과는 퇴행성 신경질환 관련해 약리 활성을 갖는 자연계 희귀 천연물을 최초로 합성하고, 복잡 천연물의 생체모방 합성 원리를 체계적으로 제시한 연구”라며, “앞으로 천연물 기반 항신경염증 치료제 개발과 해당 천연물군의 생합성 연구에도 폭넓게 활용될 것으로 기대된다”고 밝혔다.
해당 연구 성과는 화학과 석박사통합과정 이유진 학생이 제1 저자로 화학 분야 최고 권위 학술지 중 하나인 미국화학회지(Journal of the American Chemical Society, JACS)에 7월 16일 字 게재됐다.
※논문명: Total Synthesis of (+)-Herpotrichones A–C
※DOI: 10.1021/jacs.5c05061
한편, 이번 연구는 한국연구재단(NRF) 중견연구자지원사업, KAIST UP 프로젝트, KAIST 그랜드챌린지(Grand Challenge) 30 프로젝트, 및 KAIST 초세대협업연구실사업의 지원을 받아 수행됐다.
2025.07.31
조회수 849
-
6배 정밀한 3D 뇌 모사 플랫폼 구현 성공
기존의 3차원(3D) 신경세포 배양 기술은 뇌의 복잡한 다층 구조를 정밀하게 구현하기 어렵고, 구조와 기능을 동시에 분석할 수 있는 플랫폼이 부족해 뇌 연구에 제약이 있었다. 우리 연구진이 뇌처럼 층을 이루는 신경세포 구조를 3D 프린팅 기술로 구현하고, 그 안에서 신경세포의 활동까지 정밀하게 측정할 수 있는 통합 플랫폼 개발에 성공했다.
우리 대학 바이오및뇌공학과 박제균·남윤기 교수 공동연구팀이 뇌 조직과 유사한 기계적 특성을 가진 저점도 천연 하이드로겔을 이용해 고해상도 3D 다층 신경세포 네트워크를 제작하고, 구조적·기능적 연결성을 동시에 분석할 수 있는 통합 플랫폼을 개발했다고 16일 밝혔다.
기존 바이오프린팅 기술은 구조적 안정성을 위해 고점도 바이오잉크를 사용하지만, 이는 신경세포의 증식과 신경돌기 성장을 제한하고, 반대로 신경세포 친화적인 저점도 하이드로겔은 정밀한 패턴 형성이 어려워 구조적 안정성과 생물학적 기능 사이의 근본적인 상충 관계가 있었다.
연구팀은 묽은 젤로도 정밀한 뇌 구조를 만들고, 층마다 정확히 정렬하며, 신경세포의 활동까지 동시에 관찰할 수 있는 3대 핵심기술을 결합해 정교하고 안정적인 뇌 모사 플랫폼을 완성했다.
3대 핵심기술은 ▲ 묽은 젤(하이드로겔)이 흐르지 않도록 스테인리스 철망(마이크로메시) 위에 딱 붙게 만들어 주는‘모세관 고정 효과’ 기술로 기존보다 6배 더 정밀하게 (해상도 500μm 이하) 뇌 구조를 재현했고 ▲ 프린팅된 층들이 삐뚤어지지 않고 정확히 쌓이도록 맞춰주는 원통형 설계인 ‘3D 프린팅 정렬기’로 다층 구조체의 정밀한 조립과 미세 전극 칩과의 안정적 결합을 보장하였고 ▲ 아래쪽은 전기신호를 측정하고, 위쪽은 빛(칼슘 이미징)으로 동시에 세포 활동을 관찰하는 ‘이중 모드 분석 시스템’기술로 층간 연결이 실제로 작동하는지를 여러 방식으로 동시에 확인할 수 있다.
연구팀은 뇌와 유사한 탄성 특성을 지닌 피브린 하이드로겔을 이용해 3층으로 구성된 미니 뇌 구조를 3D 프린팅으로 구현하고, 그 안에서 실제 신경세포들이 신호를 주고받는 과정을 실험을 통해 입증했다.
위층과 아래층에는 대뇌 신경세포를 배치하고, 가운데층은 비어 있지만, 신경세포들이 가운데를 뚫고 지나가며 연결되도록 설계했다. 아래층에는 미세 센서(전극칩)를 달아 전기신호를 측정하고, 위층은 빛(칼슘 이미징)으로 세포 활동을 관찰한 결과, 전기 자극을 줬을 때 위아래층 신경세포가 동시에 반응했고, 신경 연결을 차단하는 약물(시냅스 차단제)을 넣었더니 반응이 줄어들어 신경세포들이 진짜로 연결돼서 신호를 주고받고 있다는 것을 입증했다.
바이오및뇌공학과 박제균 교수는 “이번 연구는 뇌 조직의 복잡한 다층 구조와 기능을 동시에 재현할 수 있는 통합 플랫폼의 공동개발 성과”임을 강조하며, “기존 기술로 14일 이상은 신호 측정이 불가했던 것에 비해 27일 이상 안정적인 미세 전극 칩 인터페이스를 유지하면서 구조-기능 관계를 실시간으로 분석할 수 있어, 향후 신경질환 모델링, 뇌 기능 연구, 신경독성 평가 및 신경 보호 약물 스크리닝 등 다양한 뇌 연구 분야에 활용할 수 있을 것”이라고 말했다.
바이오및뇌공학과 김수지 박사와 윤동조 박사가 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘바이오센서스 앤 바이오일렉트로닉스(Biosensors and Bioelectronics)’에 2025년 6월 11일 자로 온라인판에 게재됐다.
※논문명: Hybrid biofabrication of multilayered 3D neuronal networks with structural and functional interlayer connectivity
※DOI: https://doi.org/10.1016/j.bios.2025.117688
한편, 이번 연구는 한국연구재단 글로벌 기초연구실지원사업, 중견연구 및 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2025.07.16
조회수 998
-
로봇도 사람처럼 위험할때만 즉각 반응한다
인공지능과 로봇 기술의 동반 발전 속에서, 로봇이 사람처럼 효율적으로 환경을 인식하고 반응하는 기술 확보가 중요한 과제로 떠오르고 있다. 이에 한국 연구진이 별도의 복잡한 소프트웨어나 회로 없이도 생명체의 감각 신경계를 모사한 인공 감각 신경계를 새롭게 구현해 주목받고 있다. 이 기술은 에너지 소모를 최소화하면서 외부 자극에 지능적으로 반응할 수 있어, 초소형 로봇이나 로봇 의수 등 의료 및 특수 환경에서의 활용이 기대된다.
우리 대학 전기및전자공학부 최신현 석좌교수, 충남대학교 반도체융합학과 이종원 교수 공동연구팀이 생명체의 감각 신경계 기능을 모사하는 차세대 뉴로모픽 반도체 기반 인공 감각 신경계를 개발하고, 이를 통해 외부 자극에 효율적으로 대응하는 신개념 로봇 시스템을 증명했다고 15일 밝혔다.
사람을 포함한 동물은 안전하거나 익숙한 자극은 무시하고, 중요한 자극에는 선별적으로 민감하게 반응함으로써, 에너지 낭비를 방지하면서도 중요한 자극에 집중해 민첩하게 외부 변화에 대응할 수 있다.
예를 들면, 여름철 에어컨 소리나 옷이 피부에 닿는 감촉은 곧 익숙해져 신경 쓰지 않게 되지만, 누군가 이름을 부르거나 날카로운 물체가 피부에 닿으면 재빠르게 집중하고 대응한다.
이는 감각 신경계에서의 ‘습관화’ 그리고 ‘민감화’기능에 의해서 조절됨을 보여주며, 사람처럼 효율적으로 외부 환경에 대응하는 로봇 구현을 위해, 이러한 생명체의 감각 신경계 기능을 로봇에 적용하려는 시도가 꾸준히 진행돼왔다.
그러나, 습관화나 민감화와 같은 복잡한 신경 특성을 로봇에 구현하기 위해선 별도 소프트웨어가 필요하거나, 복잡한 회로가 필요해 소형화와 에너지 효율 측면에서의 어려움이 있었다.
특히 뉴로모픽 반도체인 멤리스터(memristor)1 소자를 활용하는 시도도 있었지만, 기존 멤리스터는 단순한 전도도 변화만 가능해 신경계의 복잡한 특성을 모사하는 데 한계가 있었다.
1멤리스터: 메모리(memory)와 저항(resistor)의 합성어로 두 단자 사이로 과거에 흐른 전하량과 방향에 따라 저항값이 결정되는 차세대 전기소자
이러한 한계를 극복하기 위해 연구팀은 하나의 멤리스터 소자 안에 서로 반대 방향으로 전도도를 변화시키는 층을 형성해, 실제 감각 신경계에서처럼 습관화와 민감화 등의 기능을 모사할 수 있는 새로운 멤리스터를 개발했다.
이 소자는 자극이 반복되면 점차 반응이 줄어들다가, 위험 신호가 감지되면 다시 민감하게 반응하는 등, 실제 신경계의 복잡한 시냅스 반응 패턴을 사실적으로 재현할 수 있다.
연구팀은 이 멤리스터를 이용해 촉각과 고통을 인식하는 멤리스터 기반 인공 감각 신경계를 제작하고, 이를 실제 로봇 손에 적용해 그 효율성을 실험했다.
반복적으로 안전한 촉각 자극을 가하자, 처음에는 낯선 촉각 자극에 민감하게 반응하던 로봇 손이 점차 자극을 무시하는 습관화 특성을 보였고, 이후 전기 충격과 함께 자극을 가했을 때는 이를 위험 신호로 인식해 다시 민감하게 반응하는 민감화 특성도 확인됐다.
이를 통해, 별도의 복잡한 소프트웨어나 프로세서 없이도 로봇이 사람처럼 효율적으로 자극에 대응할 수 있음을 실험적으로 입증하며, 에너지 측면에서 효율적인 신경계 모사 로봇(neuro-inspired robot)의 개발 가능성을 검증했다.
박시온 연구원은 “사람의 감각 신경계를 차세대 반도체로 모사해, 더 똑똑하고 에너지 측면에서 효율적으로 외부 환경에 대응하는 신개념 로봇 구현의 가능성을 열었다”라며, “앞으로 초소형 로봇, 군용 로봇, 로봇 의수 같은 의료용 로봇 등 차세대 반도체와 로보틱스의 여러 융합 분야에서 활용될 것으로 기대된다”고 밝혔다.
이번 연구는 박시온 석박통합과정 연구원이 제 1저자로 국제 학술지 `네이처 커뮤니케이션즈 (Nature Communications)'에 지난 7월 1일 자로 온라인 게재됐다.
※ 논문 제목: Experimental demonstration of third-order memristor-based artificial sensory nervous system for neuro-inspired robotics
※ DOI: https://doi.org/10.1038/s41467-025-60818-x
이번 연구는 한국연구재단의 차세대지능형반도체기술개발사업, 중견연구사업, PIM인공지능반도체핵심기술개발사업, 우수신진연구사업, 그리고 나노종합기술원의 나노메디컬 디바이스 사업의 지원을 받아 수행됐다.
2025.07.15
조회수 1002
-
뇌는 포도당을 구별한다..비만·당뇨 치료의 단서 찾아
‘우리의 뇌는 어떻게 장내에서 흡수된 다양한 영양소 중 포도당을 구별해낼까?’ 우리 대학 연구진은 이 질문에서 출발해, 뇌가 단순히 총열량(칼로리)을 감지하는 수준을 넘어 특정 영양소, 특히 포도당을 선택적으로 인식할 수 있다는 사실을 입증했다. 이번 연구는 향후 식욕 조절 및 대사성 질환 치료 전략에 새로운 패러다임을 제시할 수 있을 것으로 기대된다.
우리 대학 생명과학과 서성배 교수 연구팀이 바이오및뇌공학과 박영균 교수팀, 생명과학과 이승희 교수팀, 뉴욕 알버트 아인슈타인 의과대학과의 협력을 통해, 배고픔 상태에서 포도당이 결핍된 동물이 장내의 포도당을 선택적으로 인식하고 선호하도록 유도하는 장-뇌 회로의 존재를 규명했다고 9일 밝혔다.
생물은 당, 단백질, 지방 등 다양한 영양소로부터 에너지를 얻는다. 기존 연구들은 장내 총열량 정보가 시상하부의 배고픔 뉴런(hunger neurons)을 억제함으로써 식욕을 조절한다는 사실을 밝혀왔으나, 특정 포도당에 특이적으로 반응하는 장-뇌 회로와 이에 반응하는 특정 뇌세포의 존재는 규명되지 않았다.
연구팀은 이번 연구를 통해 뇌의 기능에 필수적인 포도당을 감지하고 필요한 영양소에 대한 섭취 행동을 조절하는 ‘장-뇌 회로’를 밝혀내는 데 성공했다.
또한, 이 회로는 뇌의 ‘스트레스 반응 세포(CRF 뉴런*)’가 배고픔이나 외부 자극뿐만 아니라, 소장에 직접 유입된 특정 열량 영양소에 대해서도 초 단위로 반응하며, 특히 ‘포도당(D-glucose)’에 선택적으로 반응한다는 점을 처음으로 입증했다.
*CRF 뉴런: 우리 몸이 심리적·물리적 스트레스에 대응하는 핵심 생리 시스템은 시상하부-뇌하수체-부신 축(Hypothalamus-Pituitary-Adrenal Axis, HPA axis)이다. 이 축의 중심에는 시상하부에서 CRF(부신피질호르몬 방출인자)를 분비하는 뉴런이 있으며, 이들은 다양한 스트레스 자극에 반응해 코르티솔 분비를 유도하고, 생리 및 대사 균형을 유지하는 신경 내분비 조절의 중추로 알려져 있다.
연구팀은 실시간 뇌 속을 정밀하게 추적할 수 있는 광유전학 기반 신경 활성 조절 및 회로 추적 기법을 활용해서, 포도당(D-글루코스, L-글루코스,) 아미노산, 지방 등 다양한 영양소의 쥐의 소장 내 직접 주입하고 관찰했다.
그 결과, 뇌 시상하부의 ‘시상하부 시상핵(PVN)* 부위’에 있는 CRF 뉴런 중 D-글루코스(glucose) 포도당에만 선택적으로 반응하며, 다른 당류나 단백질·지방류에는 반응하지 않거나 반대 방향의 반응을 보이는 것을 확인했다. 이는 뇌가 장내 영양소가 유입 시 반응에 대해 단일 뇌세포 수준에서 어떤 방향성을 유도한다는 것을 처음 확인한 것을 의미한다.
* 시상하부 시상핵(paraventricular nucleus, PVN): 뇌의 시상하부(hypothalamus) 안에 있는 매우 중요한 신경핵(뉴런 무리)으로, 신체 항상성(몸의 균형 유지)을 조절하는 핵심 구조
또한, 연구팀은 소장의 포도당 감지 신호가 ‘척수신경’을 거쳐 뇌의 특정 부위(등쪽 외측 팔곁핵,parabrachial nucleus, PBNdl)을 통해 PVN의 CRF 뉴런으로 전달되는 특징적인 회로를 밝혀냈다. 반면, 아미노산이나 지방 등 기타 영양소는 미주신경(vagus nerve)이란 다른 통로로 뇌에 전달된다는 사실도 확인했다.
광유전학적 억제 실험에서도, 공복 상태의 생쥐에서 CRF 뉴런을 억제하면 동물은 더 이상 포도당을 선호하지 않게 됐으며, 이 회로가 영양소 선택에 있어 포도당 특이적 선호를 유도하는 데 필수적임이 드러났다.
이 연구는 서 교수가 뉴욕대(NYU) 재직 시절 초파리를 모델로, 장내 포도당(글루코스) 및 당을 선택적으로 감지하는 ‘DH44 뉴런’을 발견했던 점을 착안해, 포유류에서도 시상하부 뉴런이 포도당 특이적 반응에 있어 기능적 유사성을 보일 것이라는 가설에서 시작되었다.
이 가설을 입증하기 위해 서 교수 연구팀 김진은 박사(KAIST 박사 졸, 現 캘리포니아공과대학교 연수연구원)가 학위과정 중 생쥐 실험을 통해 배고픈 쥐는 장에 주입된 다양한 영양소 중 열량을 지닌 포도당을 선호하며, CRF 뉴런이 빠르고 특이적인 반응을 보인다는 사실을 확인했다.
또한, 같은 팀 정원교 연구원(KAIST 학사 졸, 現 캘리포니아공과대학교 박사과정)과 함께 실험과 모델링을 통해 CRF 뉴런의 중요성을 규명했고, 김신혜 박사는 협업을 통해 장-뇌 회로 중 특정 척추 신경세포가 장의 정보를 뇌로 전달 한다는 놀라운 발견을 입증했다.
김진은 박사와 김신혜 박사는 “이 연구는 ‘우리의 뇌는 어떻게 장내에서 흡수된 다양한 영양소 중 포도당을 구별해내는가?’라는 단순하지만, 본질적인 질문에서 시작됐고, 이번 연구에서 장-뇌 연결 회로의 핵심 축인 척수신경의 역할을 규명하고 장내 특정 영양소를 감지한 후 이를 뇌에 전달하는 척수 기반 신경 회로가 우리 몸의 에너지 대사 조절과 항상성 유지에 핵심적일 것이라는 것을 밝혀냈다”고 말했다.
서성배 교수는 “이번 연구는 포도당에 특화된 장-뇌 신호 경로를 규명함으로써, 비만·당뇨병 등 대사 질환의 새로운 치료 표적을 제시할 수 있다”며 “향후 아미노산, 지방 등 다른 필수 영양소를 감지하는 유사 회로의 존재와 그 상호작용 메커니즘을 밝히는 연구로 확장될 예정”이라고 밝혔다.
우리 대학 김진은 박사, 김신혜 박사, 정원교 학생이 공동 제1 저자로 참여한 이번 연구의 결과는 국제 학술지 ‘뉴런(Neuron)’에 2025년 6월 20일 온라인 게재됐다.
※논문명: Encoding the glucose identity by discrete hypothalamic neurons via the gut-brain axis
※DOI: https://doi.org/10.1016/j.neuron.2025.05.024
이번 연구는 삼성미래기술육성사업, 한국연구재단 리더과제, 포스코 청암재단 사이언스 펠로십, 아산재단 의생명과학 장학사업, 기초과학연구원, KAIST KAIX 사업의 지원을 통해 수행됐다.
2025.07.09
조회수 1176
-
60% 이상 챗GPT 추론 성능 향상할 NPU 핵심기술 개발
오픈AI 챗GPT4, 구글 Gemnini 2.5 등 최신 생성형AI 모델들은 높은 메모리 대역폭(Bandwidth) 뿐만 아니라 많은 메모리 용량(Capacity)를 필요로 한다. 마이크로소프트, 구글 등 생성형AI 클라우드 운영 기업들이 엔비디아 GPU를 수십만 장씩 구매하는 이유다. 이런 고성능 AI 인프라 구축의 핵심 난제를 해소할 방안으로, 한국 연구진이 최신 GPU 대비 약 44% 낮은 전력 소모에도 평균 60% 이상 생성형 AI 모델의 추론 성능을 향상할 NPU(신경망처리장치)* 핵심 기술을 개발하는데 성공했다.
*NPU(Neural Processing Unit): 인공신경망(Neural Network)을 빠르게 처리하기 위해 만든 AI 전용 반도체 칩
우리 대학 전산학부 박종세 교수 연구팀과 (주)하이퍼엑셀(전기및전자공학부 김주영 교수 창업기업)이 연구 협력을 통해, 챗GPT와 같은 생성형AI 클라우드에 특화된 고성능·저전력의 NPU(신경망처리장치) 핵심기술을 개발했다고 4일 밝혔다.
연구팀이 제안한 기술은 컴퓨터 아키텍처 분야에서 최고 권위를 자랑하는 국제 학회인 ‘2025 국제 컴퓨터구조 심포지엄(International Symposium on Computer Architecture, ISCA 2025)’에 채택됐다.
이번 연구의 핵심은 추론 과정에서 경량화를 통해 정확도 손실을 최소화하면서도 메모리 병목 문제를 해결해 대규모 생성형AI 서비스의 성능을 개선하는 것이다. 이번 연구는 AI인프라의 핵심 구성요소인 AI반도체와 AI시스템SW를 통합 설계했다는 점에서 그 가치를 높게 인정받았다.
기존 GPU 기반 AI 인프라는 높은 메모리 대역폭과 메모리 용량 요구를 충족하기 위해 다수의 GPU 디바이스가 필요한 반면, 이번 기술은 메모리 사용의 대부분을 차지하는 KV 캐시의 양자화*를 통해 적은 수의 NPU 디바이스만으로 동일 수준의 AI 인프라를 구성할 수 있어, 생성형 AI 클라우드 구축 비용을 크게 절감할 수 있다.
*KV 캐시(Key-Value Cache)의 양자화: 생성형 AI 모델을 작동할 때 성능을 높이기 위해 사용하는 일종의 임시 저장 공간에 데이터 크기를 줄이는 것을 의미(32비트로 저장된 수를 4비트로 바꾸면, 데이터 크기는 1/8로 줄어듬)
연구팀은 기존 NPU 아키텍처의 연산 로직을 변경하지 않으면서 메모리 인터페이스와 통합될 수 있도록 설계했다. 이번 하드웨어 아키텍처 기술은 제안된 양자화 알고리즘을 구현할 뿐만 아니라, 제한된 메모리 대역폭 및 용량을 효율적으로 활용하기 위한 페이지 단위 메모리 관리 기법*과 양자화된 KV 캐시에 최적화된 새로운 인코딩 기법 등을 개발했다.
*페이지 단위 메모리 관리 기법: CPU처럼 메모리 주소를 가상화하여 NPU 내부에서 일관된 방식으로 접근할 수 있게 함
또한, 최신 GPU 대비 비용·전력 효율성이 우수한 NPU 기반 AI 클라우드를 구성할 경우, NPU의 고성능, 저전력 특성을 활용해 운영 비용 역시 크게 절감할 수 있을 것으로 기대된다.
박종세 교수는 “이 연구는 (주)하이퍼엑셀과의 공동연구를 통해 생성형AI 추론 경량화 알고리즘에서 그 해법을 찾았고 ‘메모리 문제’를 해결할 수 있는 NPU 핵심기술 개발에 성공했다. 이 기술을 통해 추론의 정확도를 유지하면서 메모리 요구량을 줄이는 경량화 기법과, 이에 최적화된 하드웨어 설계를 결합해 최신 GPU 대비 평균 60% 이상 성능이 향상된 NPU를 구현했다” 고 말했다.
이어 “이 기술은 생성형AI에 특화된 고성능·저전력 인프라 구현 가능성을 입증했으며, AI클라우드 데이터센터뿐 아니라 능동적인 실행형 AI인 ‘에이전틱 AI ’등으로 대표되는 AI 대전환(AX) 환경에서도 핵심 역할이 기대된다”고 강조했다.
이 연구는 김민수 박사과정 학생과 ㈜하이퍼엑셀 홍성민 박사가 공동 제1 저자로 지난 6월 21일부터 6월 25일까지 일본 도쿄에서 열린 ‘2025 국제 컴퓨터구조 심포지엄(ISCA)’에 발표됐다. 국제적 저명학회인 ISCA는 올해는 570편의 논문이 제출됐으며 그중 127편 만이 채택됐다. (채택률 22.7%).
※논문 제목: Oaken: Fast and Efficient LLM Serving with Online-Offline Hybrid KV Cache Quantization
※DOI: https://doi.org/10.1145/3695053.3731019
한편 이번 연구는 한국연구재단 우수신진연구자지원사업, 정보통신기획평가원(IITP), 인공지능반도체대학원지원사업의 지원을 받아 수행됐다.
2025.07.04
조회수 1649
-
"파킨슨병을 편집하다” 염증 RNA 편집 효소 세계 최초 발견
파킨슨병(PD)은 알파시누클린(α-synuclein) 단백질이 뇌세포 내에서 비정상적으로 응집되어 신경세포를 손상시키는 퇴행성 신경질환이다. KAIST 연구진은 파킨슨병의 핵심 병리 중 하나인 신경염증 조절에 있어 RNA 편집(RNA editing)이 중요한 역할을 한다는 사실을 세계 최초로 밝혀냈다.
우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 UCL 국립신경전문병원 연구소 및 프랜시스 크릭 연구소와의 공동 연구를 통해, 뇌를 보호하고자 염증 반응을 일으키는 교세포(astrocyte)에 대해 RNA 편집 효소인 에이다원(ADAR1)이 면역 반응을 조절하는 중요한 역할을 한다는 것을 밝혀내고 파킨슨병의 병리 진행에 핵심적인 역할을 한다는 사실을 입증했다.
최민이 교수 연구팀은 뇌 면역세포의 염증반응을 알아보고자 파킨슨 환자에게서 유래한 줄기세포를 이용해 뇌의 신경세포를 돕는 교세포와 신경세포로 구성된 세포 모델을 만들고, 파킨슨병의 원인이 된다고 알려진 알파시뉴클레인(α-synuclein) 응집체를 처리한 뒤, 뇌 면역세포의 염증 반응이 어떻게 되는지 분석했다.
그 결과, 알파시뉴클레인 응집체 초기 병리형태인 알파시뉴클레인 단량체(oligomer)가 교세포 내 세포가 위험을 감지하는 센서처럼 작동하는 통로(Toll-like receptor) 경로 및 바이러스나 병원균과 싸우는 면역 신호 네트워크인 인터페론 반응 경로를 활성화하였다. 이 과정에서 RNA 편집 효소인 에이다원이 발현하면서 기능과 구조 등 단백질 성질이 바뀌는 아이소폼으로 변형되는것을 확인했다.
특히, 바이러스 감염시 면역 반응을 조절하기 위해 기능을 발휘하던 에이다원이 수행하는 RNA의 편집 활동이 ‘A(아데노신)’를 ‘I(이노신)’으로 바꾸는, 일종의 유전자 명령 수정 작업인 ‘A-to-I RNA 편집’이 일어난다. 이는 RNA 편집 활동이 정상적인 상황이 아니라, 염증을 일으키는 유전자들에 비정상적으로 집중되어 있다는 걸 발견했다. 이 현상은 환자 유래 줄기세포 분화 신경세포에서뿐만 아니라 실제 파킨슨병 환자 뇌의 부검 조직에서도 동일하게 관찰되었다.
이는 RNA 편집의 이상 조절이 교세포의 만성 염증 반응을 유도하고, 결과적으로 신경세포 독성과 병리 진행으로 이어질 수 있음을 직접적으로 입증한 것이다.
이번 연구는 신경 면역 세포인 교세포 내 RNA 편집 조절이 신경염증 반응의 핵심 기전이라는 사실을 새롭게 밝혔다는 데 의의가 크다. 특히 에이다원이 파킨슨병 치료의 새로운 타깃 유전자로 작용할 수 있음을 제시했다는 점에서 주목된다.
또한, 환자 맞춤형 유도 줄기세포 기반의 정밀의학적 뇌 질환 모델을 통해 실제 환자의 병리 특성을 반영한 점도 주목된다.
최민이 교수는 “이번 연구는 단백질 응집으로 인한 염증 반응의 조절자가 RNA 편집이라는 새로운 층위에서 작동함을 입증한 것으로, 기존의 파킨슨병 치료 접근과는 전혀 다른 치료 전략을 제시할 수 있다”고 밝혔다. 이어 “RNA 편집 기술은 신경염증 치료제 개발의 중요한 전환점이 될 수 있을 것”이라고 강조했다.
이번 연구에는 최민이 교수가 제1 저자로 참여했으며 사이언스 어드밴스드(Science Advances)에 4월 11일 자로 게재되었다.
※ 논문 제목: Astrocytic RNA editing regulates the host immune response to alpha-synuclein, Science Advances Vol11,Issue15 DOI:10.1126/sciadv.adp8504
※ 주저자: Karishma D’Sa(UCL, 제1저자), Minee L. Choi(KAIST, 제1저자), Mina Ryten(UCL, 교신저자), Sonia Gandhi(크릭 연구소, 캠브리지 대학, 교신저자)
이번 연구는 한국연구재단의 뇌과학선도융합, 우수신진연구사업과 KAIST의 대교 인지 향상 프로그램의 지원을 받아 수행되었다.
2025.04.28
조회수 4939
-
기계공학과 구승범 교수팀, NeurIPS 2024 MyoChallenge 대회 보행 부문 우승
우리 대학 기계공학과 구승범 교수 연구팀(박건우 박사과정, 신범수 박사과정, 박종현 박사과정)은 2024년 12월 캐나다 밴쿠버에서 열린 NeurIPS 학회의 경쟁 대회 중 하나인 MyoChallenge 대회에 참가하여, 15개국에서 54팀이 참여한 가운데, 보행 운동 부문 1위를 차지하였다. 이 대회는 Google Deepmind, Google Cloud와 Össur가 후원하였다.
이 대회에서는 인체의 신경근육제어 원리를 연구하기 위한 다물체 동역학 기반의 인체 근골격 시뮬레이션 환경이 제시되었다. 자체 알고리즘으로 작동하는 의족/의수 (Prosthetic limb)가 결합된 인체 모델이 일상 생활 동작(상지 운동, 보행 운동)을 할 수 있도록 인체 근육 제어기를 학습하고, 그 성능을 경쟁하였다. 보행 운동 부문에서는 의족을 장착한 인체 모델이 주어진 트랙(평지, 거친길, 언덕, 계단)에 맞춰 보행할 수 있도록 인체 제어기를 학습하고, 그 안정성과 속도를 평가하였다.
하지에 54개 근육과 오른 다리 의족이 장착된 인체 모델의 근육 활성도를 제어하여, 지면이 고르지 않은 5m x 120m 경기장에서 넘어지지 않고 앞으로 나아가는 경기가 진행되었다. 구승범 교수 연구팀은 심층강화학습 기술과 인체 운동 데이터 기반 동작 생성 기술을 적용하여, 실제 사람이 근육을 제어하여 운동하는 모습을 모방할 수 있는 고성능 인체 운동 제어기를 학습하였다. 특히, 올해는 연구실에서 자체 구축한 120명의 평지, 계단 및 경사로 보행 동작 데이터셋을 사용해서, 인체 모델이 계단 및 경사로 지형에서도 안정적으로 보행할 수 있도록 학습하였다.
이 기술은 인체의 신경운동제어를 모방하여 다양한 상황에서의 보행 동작을 생성할 수 있다. 또한 이번 대회와 같이 인체에 착용하는 보조 장비와 상호 작용 시뮬레이션이 가능하여, 장비/기구의 개발 및 성능 개선에 사용 가능하다.
이번 대회에는 과학기술정보통신부(IITP ETRI 연구개발지원사업, 연구재단 미래유망융합기술파이오니어사업, 연구재단 중견연구자지원사업)의 지원을 받아 참여하였다.
2024.12.24
조회수 4605
-
인공지능으로 고성능 양자물성 계산시간 획기적 단축
인공지능과 고성능 과학계산 간의 밀접한 관련성은 최근 2024년도 노벨 물리학상과 화학상이 동시에 수상된 것을 보면 알 수 있다. 우리 연구진이 인공지능을 활용하여 3차원 공간에 분포하는 원자 수준의 화학결합 정보를 예측하여 양자역학적 고성능 컴퓨터 시뮬레이션의 계산 시간을 획기적으로 단축하는데 성공했다.
우리 대학 전기및전자공학부 김용훈 교수팀이 물질의 특성을 도출하기 위해 슈퍼컴퓨터를 활용해 수행되는 원자 수준 양자역학적 계산에 필요한 복잡한 알고리즘을 우회하는 3차원 컴퓨터 비전 인공신경망 기반 계산 방법론을 세계 최초로 개발했다고 30일 밝혔다.
슈퍼컴퓨터를 활용한 양자역학적 밀도범함수론(density functional theory, DFT)* 계산은 빠르면서도 정확하게 양자 물성을 예측할 수 있게 해 첨단 소재 및 약물 설계를 포함한 광범위한 연구·개발 분야에서 표준적인 도구로 자리 잡아 필수 불가결한 역할을 하고 있다.
*밀도범함수론(DFT): 원자 단위에서부터 양자역학적으로 물성을 계산하는 제1원리 계산의 대표적인 이론
그러나 실제 밀도범함수론 계산에서는 3차원적인 전자밀도를 생성한 후 양자역학 방정식을 푸는 복잡한 자기일관장 과정(self-consistent field, SCF)*을 수십에서 수백 번씩 반복해야 해서 그 적용 범위가 수백~수천 개의 원자로 제한되는 한계가 있었다.
*자기일관장(SCF): 상호 연결된 여러 개의 연립 미분 방정식으로 기술해야 하는 복잡한 다체 문제(many-body problem)를 해결하기 위해 널리 사용되는 과학계산법
김용훈 교수 연구팀은 자기일관장 과정을 최근 급속한 발전을 이룬 인공지능 기법으로 회피하는 것이 가능한지 질문했다. 그 결과 3차원 공간에 분포된 화학 결합 정보를 컴퓨터 비전 분야의 신경망 알고리즘을 통해 학습해 계산을 가속화하는 딥SCF(DeepSCF) 모델을 개발했다.
연구진은 밀도범함수론에 따라 전자밀도가 전자들의 양자역학적 정보를 모두 포함하고 있으며 이에 더해 전체 전자밀도와 구성 원자들의 전자밀도의 합 간의 차이인 잔여 전자밀도가 화학결합 정보를 담고 있는 점에 주목하고 기계학습의 목표물로 선정했다.
이후 다양한 화학결합 특성을 포함한 유기 분자들의 데이터 세트를 채택했고 그 안에 포함된 분자들의 원자구조들에 임의의 회전과 변형을 가해 모델의 정확도 및 일반화 성능을 더욱 높였다. 최종적으로 연구팀은 복잡하고 큰 시스템에 대해 딥SCF 방법론의 유효성 및 효율성을 입증했다.
이번 연구를 지도한 김용훈 교수는“3차원 공간에 분포된 양자역학적 화학결합 정보를 인공 신경망에 대응시키는 방법을 찾았다”며 “양자역학적 전자구조 계산이 모든 스케일의 물성 시뮬레이션의 근간이 되므로 인공지능을 통한 물질 계산 가속화의 전반적인 기반 원리를 확립한 것”이라고 연구의 의의를 부여했다.
전기및전자공학부 이룡규 박사과정이 제 1저자로 수행한 이번 연구는 소재 계산 분야의 권위 있는 학술지 '네이쳐 파트너 저널 컴퓨테이셔널 머터리얼즈(Npj Computational Materials)'에 10월 24일 字 온라인판에 게재됐다. (논문명 : Convolutional network learning of self-consistent electron density via grid-projected atomic fingerprints)
한편, 이번 연구는 KAIST 석박사 모험사업, 한국연구재단 중견연구자지원사업 등의 지원을 받아 수행되었다.
2024.10.30
조회수 6706
-
뇌 기반 인공지능의 난제 해결
인간의 두뇌는 외부 세상으로부터 감각 정보를 받아들이기 이전부터 자발적인 무작위 활동을 통해 학습을 시작한다. 우리 연구진이 개발한 기술은 뇌 모방 인공신경망에서 무작위 정보를 사전 학습시켜 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 가능하게 하며, 향후 뇌 기반 인공지능 및 뉴로모픽 컴퓨팅 기술 개발의 돌파구를 열어줄 것으로 기대된다.
우리 대학 뇌인지과학과 백세범 교수 연구팀이 뇌 모방 인공신경망 학습의 오래된 난제였던 가중치 수송 문제(weight transport problem)*를 해결하고, 이를 통해 생물학적 뇌 신경망에서 자원 효율적 학습이 가능한 원리를 설명했다고 23일 밝혔다.
*가중치 수송 문제: 생물학적 뇌를 모방한 인공지능 개발에 가장 큰 장애물이 되는 난제로, 현재 일반적인 인공신경망의 학습에서 생물학적 뇌와 달리 대규모의 메모리와 계산 작업이 필요한 근본적인 이유임.
지난 수십 년간 인공지능의 발전은 올해 노벨 물리학상을 받은 제프리 힌튼(Geoffery Hinton)이 제시한 오류 역전파(error backpropagation) 학습에 기반한다. 그러나 오류 역전파 학습은 생물학적 뇌에서는 가능하지 않다고 생각되어 왔는데, 이는 학습을 위한 오류 신호를 계산하기 위해 개별 뉴런들이 다음 계층의 모든 연결 정보를 알고 있어야 하는 비현실적인 가정이 필요하기 때문이다.
가중치 수송 문제라고 불리는 이 난제는 1986년 힌튼에 의해 오류 역전파 학습이 제안된 이후, DNA 구조의 발견으로 노벨 생리의학상을 받은 프랜시스 크릭(Francis Crick)에 의해 제기됐으며, 이후 자연신경망과 인공신경망 작동 원리가 근본적으로 다를 수밖에 없는 이유로 여겨진다.
인공지능과 신경과학의 경계선에서, 힌튼을 비롯한 연구자들은 가중치 수송 문제를 해결함으로써 뇌의 학습 원리를 구현할 수 있는, 생물학적으로 타당한 모델을 만들고자 하는 시도를 계속해 왔다.
지난 2016년, 영국 옥스퍼드(Oxford) 대학과 딥마인드(DeepMind) 공동 연구진은 가중치 수송을 사용하지 않고도 오류 역전파 학습이 가능하다는 개념을 최초로 제시해 학계의 주목을 받았다. 그러나, 가중치 수송을 사용하지 않는 생물학적으로 타당한 오류 역전파 학습은 학습 속도가 느리고 정확도가 낮은 등 효율성이 떨어져, 현실적인 적용에는 문제가 있었다.
연구팀은 생물학적 뇌가 외부적인 감각 경험을 하기 이전부터 내부의 자발적인 무작위 신경 활동을 통해 이미 학습을 시작한다는 점에 주목했다. 이를 모방해 연구팀은 가중치 수송이 없는 생물학적으로 타당한 신경망에 의미 없는 무작위 정보(random noise)를 사전 학습시켰다.
그 결과, 오류 역전파 학습을 위해 필수적 조건인 신경망의 순방향과 역방향 신경세포 연결 구조의 대칭성이 만들어질 수 있음을 보였다. 즉, 무작위적 사전 학습을 통해 가중치 수송 없이 학습이 가능해진 것이다.
연구팀은 실제 데이터 학습에 앞서 무작위 정보를 학습하는 것이 ‘배우는 방법을 배우는’메타 학습(meta learning)의 성질을 가진다는 것을 밝혔다. 무작위 정보를 사전 학습한 신경망은 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 수행하며, 가중치 수송 없이 높은 학습 효율성을 얻을 수 있음을 보였다.
백세범 교수는 “데이터 학습만이 중요하다는 기존 기계학습의 통념을 깨고, 학습 전부터 적절한 조건을 만드는 뇌신경과학적 원리에 주목하는 새로운 관점을 제공하는 것”이라며 “발달 신경과학으로부터의 단서를 통해 인공신경망 학습의 중요한 문제를 해결함과 동시에, 인공신경망 모델을 통해 뇌의 학습 원리에 대한 통찰을 제공한다는 점에서 중요한 의미를 가진다”고 언급했다.
뇌인지과학과 천정환 석사과정이 제1 저자로, 같은 학과 이상완 교수가 공동 저자로 참여한 이번 연구는 12월 10일부터 15일까지 캐나다 벤쿠버에서 열리는 세계 최고 수준의 인공지능 학회인 제38회 신경정보처리학회(NeurIPS)에서 발표될 예정이다. (논문명: Pretraining with random noise for fast and robust learning without weight transport (가중치 수송 없는 빠르고 안정적인 신경망 학습을 위한 무작위 사전 훈련))
한편 이번 연구는 한국연구재단의 이공분야기초연구사업, 정보통신기획평가원 인재양성사업 및 KAIST 특이점교수 사업의 지원을 받아 수행됐다.
2024.10.23
조회수 6928
-
로봇 등 온디바이스 인공지능 실현 가능
자율주행차, 로봇 등 온디바이스 자율 시스템 환경에서 클라우드의 원격 컴퓨팅 자원 없이 기기 자체에 내장된 인공지능 칩을 활용한 온디바이스 자원만으로 적응형 AI를 실현하는 기술이 개발됐다.
우리 대학 전산학부 박종세 교수 연구팀이 지난 6월 29일부터 7월 3일까지 아르헨티나 부에노스아이레스에서 열린 ‘2024 국제 컴퓨터구조 심포지엄(International Symposium on Computer Architecture, ISCA 2024)’에서 최우수 연구 기록물상(Distinguished Artifact Award)을 수상했다고 1일 밝혔다.
* 논문명: 자율 시스템의 비디오 분석을 위한 연속학습 가속화 기법(DaCapo: Accelerating Continuous Learning in Autonomous Systems for Video Analytics)
국제 컴퓨터 구조 심포지움(ISCA)은 컴퓨터 아키텍처 분야에서 최고 권위를 자랑하는 국제 학회로 올해는 423편의 논문이 제출됐으며 그중 83편 만이 채택됐다. (채택률 19.6%). 최우수 연구 기록물 상은 학회에서 주어지는 특별한 상 중 하나로, 제출 논문 중 연구 기록물의 혁신성, 활용 가능성, 영향력을 고려해 선정된다.
이번 수상 연구는 적응형 AI의 기반 기술인 ‘연속 학습’ 가속을 위한 NPU(신경망처리장치) 구조 및 온디바이스 소프트웨어 시스템을 최초 개발한 점, 향후 온디바이스 AI 시스템 연구의 지속적인 발전을 위해 오픈소스로 공개한 코드, 데이터 등의 완성도 측면에서 높은 평가를 받았다.
연구 결과는 소프트웨어 중심 자동차(SDV; Software-Defined Vehicles), 소프트웨어 중심 로봇(SDR; Software-Defined Robots)으로 대표되는 미래 모빌리티 환경에서 온디바이스 AI 시스템을 구축하는 등 다양한 분야에 활용될 수 있을 것으로 기대된다.
상을 받은 전산학부 박종세 교수는 “이번 연구를 통해 온디바이스 자원만으로 적응형 AI를 실현할 수 있다는 것을 입증하게 되어 매우 기쁘고 이 성과는 학생들의 헌신적인 노력과 구글 및 메타 연구자들과의 긴밀한 협력 덕분이다”라며, “앞으로도 온디바이스 AI를 위한 하드웨어와 소프트웨어 연구를 지속해 나갈 것이다”라고 소감을 전했다.
이번 연구는 우리 대학 전산학부 김윤성, 오창훈, 황진우, 김원웅, 오성룡, 이유빈 학생들과 메타(Meta)의 하딕 샤르마(Hardik Sharma) 박사, 구글 딥마인드(Google Deepmind)의 아미르 야즈단바크시(Amir Yazdanbakhsh) 박사, 전산학부 박종세 교수가 참여했다.
한편 이번 연구는 한국연구재단 우수신진연구자지원사업, 정보통신기획평가원(IITP), 대학ICT연구센터(ITRC), 인공지능대학원지원사업, 인공지능반도체대학원지원사업의 지원을 받아 수행됐다.
2024.08.01
조회수 7669
-
대형언어모델로 42% 향상된 추천 기술 연구 개발
최근 소셜 미디어, 전자 상거래 플랫폼 등에서 소비자의 만족도를 높이는 다양한 추천서비스를 제공하고 있다. 그 중에서도 상품의 제목 및 설명과 같은 텍스트를 주입하여 상품 추천을 제공하는 대형언어모델(Large Language Model, LLM) 기반 기술이 각광을 받고 있다. 한국 연구진이 이런 대형언어모델 기반 추천 기술의 기존 한계를 극복하고 빠르고 최상의 추천을 해주는 시스템을 개발하여 화제다.
우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 네이버와 공동연구를 통해 협업 필터링(Collaborative filtering) 기반 추천 모델이 학습한 사용자의 선호에 대한 정보를 추출하고 이를 상품의 텍스트와 함께 대형언어모델에 주입해 상품 추천의 높은 정확도를 달성할 수 있는 새로운 대형언어모델 기반 추천시스템 기술을 개발했다고 17일 밝혔다.
이번 연구는 기존 연구에 비해 학습 속도에서 253% 향상, 추론 속도에서 171% 향상, 상품 추천에서 평균 12%의 성능 향상을 이뤄냈다. 특히, 사용자의 소비 이력이 제한된 퓨샷(Few-shot) 상품* 추천에서 평균 20%의 성능 향상, 다중-도메인(Cross-domain) 상품 추천**에서 42%의 성능 향상을 이뤄냈다.
*퓨샷 상품: 사용자의 소비 이력이 풍부하지 않은 상품.
**다중-도메인 상품 추천: 타 도메인에서 학습된 모델을 활용하여 추가학습없이 현재 도메인에서 추천을 수행. 예를 들어, 의류 도메인에 추천 모델을 학습한 뒤, 도서 도메인에서 추천을 수행하는 상황을 일컫는다.
기존 대형언어모델을 활용한 추천 기술들은 사용자가 소비한 상품 이름들을 단순히 텍스트 형태로 나열해 대형언어모델에 주입하는 방식으로 추천을 진행했다. 예를 들어 ‘사용자가 영화 극한직업, 범죄도시1, 범죄도시2를 보았을 때 다음으로 시청할 영화는 무엇인가?’라고 대형언어모델에 질문하는 방식이었다.
이에 반해, 연구팀이 착안한 점은 상품 제목 및 설명과 같은 텍스트뿐 아니라 협업 필터링 지식, 즉, 사용자와 비슷한 상품을 소비한 다른 사용자들에 대한 정보가 정확한 상품 추천에 중요한 역할을 한다는 점이었다. 하지만, 이러한 정보를 단순히 텍스트화하기에는 한계가 존재한다. 이에 따라, 연구팀은 미리 학습된 협업 필터링 기반 추천 모델로부터 사용자의 선호에 대한 정보를 추출하고 이를 대형언어모델이 이해할 수 있도록 변환하는 경량화된 신경망을 도입했다.
연구팀이 개발한 기술의 특징으로는 대형언어모델의 추가적인 학습이 필요하지 않다는 점이다. 기존 연구들은 상품 추천을 목적으로 학습되지 않은 대형언어모델이 상품 추천이 가능하게 하도록 대형언어모델을 파인튜닝(Fine-tuning)* 하는 방법을 사용했다. 하지만, 이는 학습과 추론에 드는 시간을 급격히 증가시키므로 실제 서비스에서 대형언어모델을 추천에 활용하는 것에 큰 걸림돌이 된다. 이에 반해, 연구팀은 대형언어모델의 직접적인 학습 대신 경량화된 신경망의 학습을 통해 대형언어모델이 사용자의 선호를 이해할 수 있도록 했고, 이에 따라 기존 연구보다 빠른 학습 및 추론 속도를 달성했다.
*파인튜닝: 사전 학습된 대규모 언어모델을 특정 작업이나 데이터셋에 맞게 최적화하는 과정.
연구팀을 지도한 박찬영 교수는 “제안한 기술은 대형언어모델을 추천 문제에 해결하려는 기존 연구들이 간과한 사용자-상품 상호작용 정보를 전통적인 협업 필터링 모델에서 추출해 대형언어모델에 전달하는 새로운 방법으로 이는 대화형 추천 시스템이나 개인화 상품 정보 생성 등 다양한 고도화된 추천 서비스를 등장시킬 수 있을 것이며, 추천 도메인에 국한되지 않고 이미지, 텍스트, 사용자-상품 상호작용 정보를 모두 사용하는 진정한 멀티모달 추천 방법론으로 나아갈 수 있을 것”이라고 말했다.
우리 대학 산업및시스템공학과 김세인 박사과정 학생과 전산학부 강홍석 학사과정(졸) 학생이 공동 제1 저자, 네이버의 김동현 박사, 양민철 박사가 공동 저자, KAIST 산업및시스템공학과의 박찬영 교수가 교신저자로 참여한 이번 연구는 데이터마이닝 최고권위 국제학술대회인 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2024)’에서 올 8월 발표할 예정이다. (논문명: Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System).
한편 이번 연구는 네이버 및 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행됐다. (NRF-2022M3J6A1063021, RS-2024-00335098)
2024.07.17
조회수 6409
-
인공지능으로 배터리 원소, 충방전 상태 인식
국제공동연구진이 인공지능 학습을 통해 배터리의 표면 형상만 보고 각 원소의 함량 그리고 충·방전 횟수에 대한 정보를 높은 정확도로 알아내는 영상인식 기술을 개발하여 화제다.
우리 대학 신소재공학과 홍승범 교수가 한국전자통신연구원(ETRI), 미국 드렉셀대학과 공동연구를 통해 다양한 조성과 각기 다른 충·방전 사이클의 NCM 양극재 주사전자현미경 사진을 합성곱 신경망* 기반 인공지능에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론을 세계 최초로 개발했다고 2일 밝혔다.
*합성곱 신경망(콘볼루션 신경망, Convolutional Neural Network, CNN): 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다.
연구팀은 반도체 공정에서는 웨이퍼의 불량 검수를 위해 주사전자현미경(SEM)을 사용하는 반면 배터리 공정에서는 그런 경우가 드물고 연구 현장에서만 입자의 크기 분석을 위해 SEM을 활용하고, 열화된 배터리 소재의 경우 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측하는 것에 착안했다. 연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수해서 원하는 조성대로 합성이 되었는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있다면 획기적일 것으로 판단했다.
연구진은 자율주행차에 적용가능한 합성곱 신경망 기반 인공지능에 배터리 소재의 표면 영상을 학습시켜서 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다. 이런 방법론이 첨가제가 들어간 양극재에도 적용가능한 지 확인한 결과 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다. 이에 연구팀은 향후 다양한 공정을 통해서 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수 및 수명 예측에 활용할 계획이다.
연구를 이끈 홍승범 교수는 “이번 연구는 세계 최초로 마이크론 스케일의 주사전자현미경 사진의 소재 구조 데이터를 통해 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 인공지능 기반 방법론을 개발한 데 의의가 있고 이번 연구에서 개발된 현미경 영상 기반 배터리 소재의 함량 및 상태 감별 방법론은 향후 배터리 소재의 성능과 품질을 향상하는 데 중요한 역할을 하게 될 것으로 기대된다”고 전망했다.
한편, 이번 연구는 공동 제1 저자인 신소재공학과 졸업생 오지민 박사와 염지원 박사와 공동저자인 ETRI 김광만 박사와 미국 드렉셀 대학교 아가르(Agar) 교수가 참여하였고, 한국연구재단(2020M3H4A3081880, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 미국 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘엔피제이 컴퓨테이셔날 머티리얼즈(npj computational materials)’에 지난 5월 4일 자 출판됐다. (논문 제목: Composition and state prediction of lithium-ion cathode via convolutional neural network trained on scanning electron microscopy images)
2024.07.02
조회수 8916