%ec%a0%84%ea%b8%b0%eb%b0%8f%ec%a0%84%ec%9e%90%ea%b3%b5%ed%95%99%eb%b6%80
-
‘꿈의 반도체’ 2차원 반도체 찾는 일 사람 대신 자동화한다
차세대 AI 반도체로 주목받는 2차원 반도체를 사람이 일일이 찾던 시대가 끝난다. 우리 대학 연구진이 반도체 선별과 소자 제작을 자동화해 수천 개의 소자를 분석하고, 그동안 규명하기 어려웠던 두께와 성능의 관계를 밝혀냈다. 이번 성과는 차세대 반도체 연구를 데이터 기반으로 전환하고, AI 반도체와 초저전력 반도체의 상용화를 앞당길 것으로 기대된다.
우리 대학은 전기및전자공학부·AI시스템학과 권지민 교수 연구팀이 UNIST, 국립한밭대, 한양대, 미국 워싱턴대 세인트루이스(Washington University in St. Louis)와 공동 연구를 통해 광학 현미경 이미지만으로 2차원 반도체를 자동 선별하고 트랜지스터 제작까지 연결하는 기술을 개발했다고 9일 밝혔다.
2차원 반도체는 원자 몇 개 층 두께에 불과한 초박막 반도체로, 기존 실리콘 반도체보다 더 작고 전기를 적게 쓰는 반도체를 구현할 수 있어 '꿈의 반도체'로 불린다. 현재 실리콘 반도체는 회로를 계속 작게 만들수록 전력 손실과 발열이 커지는 물리적 한계에 가까워지고 있다. 이를 극복할 차세대 소재로 주목받는 2차원 반도체는 앞으로 AI 반도체와 스마트폰, 데이터센터, 웨어러블 기기, 접거나 늘어나는 전자기기, 초소형 의료센서 등 다양한 미래 기술에 활용될 것으로 기대된다.
하지만 용액공정으로 만든 2차원 반도체는 작은 반도체 조각(flake)의 위치와 크기, 두께가 모두 달라 연구자가 현미경으로 원하는 시료를 하나씩 찾아야 했다. 이후 찾은 위치에 맞춰 전극을 직접 설계해야 했기 때문에 많은 시간과 노력이 필요했고, 수천 개 이상의 소자를 한꺼번에 분석하는 것도 사실상 어려웠다.
연구팀은 대표적인 2차원 반도체 소재인 이황화몰리브덴(MoS₂)을 이용했다. 현미경에서 보이는 RGB(적·녹·청) 밝기 값이 두께에 따라 달라지는 특성을 활용해 컴퓨터가 원하는 반도체를 자동으로 찾아내고, 전극까지 자동 설계하도록 했다. 원자힘현미경(AFM)으로 검증한 결과, 3~8층의 미세한 두께 차이까지 정확히 구분할 수 있었다.
이를 통해 연구팀은 12만 개 이상의 반도체 조각 가운데 적합한 시료를 자동 선별해 1,615개의 트랜지스터를 제작·분석하는 데 성공했다.
대규모 분석 결과도 의미가 컸다. 반도체가 두꺼워질수록 전류는 더 잘 흐르지만, 전기를 켜고 끄는 성능은 오히려 떨어진다는 사실을 통계적으로 처음 명확히 규명했다. 기존에는 소수의 시료만 분석해야 했기 때문에 확인하기 어려웠던 특성을 대규모 데이터로 밝혀낸 것이다.
이번 연구의 가장 큰 의미는 단순히 제작 과정을 자동화한 것이 아니라, 사람의 경험에 의존하던 2차원 반도체 연구를 데이터 기반 연구로 바꿨다는 점이다. 앞으로는 더 많은 반도체를 더 빠르게 제작·분석해 성능이 뛰어난 소재를 찾고, 나아가 AI가 새로운 반도체를 설계하는 연구로까지 이어질 것으로 기대된다.
권지민 교수는 "기존에는 연구자가 현미경으로 원하는 반도체를 직접 찾아야 했지만, 이번 연구를 통해 이러한 과정을 자동화할 수 있게 됐다"며 "앞으로는 현미경 사진만으로도 반도체의 전기적 성능을 예측하고, 더 우수한 차세대 반도체를 훨씬 빠르게 개발할 수 있는 기반이 마련될 것"이라고 말했다.
이번 연구는 KAIST 권지민 교수, 정학순 박사, 이용우 박사가 공동 교신저자로 참여했으며, UNIST 이상현 연구원이 제1저자를 맡았다. 연구 결과는 재료과학 분야의 권위 있는 국제학술지 어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)에 4월 3일 게재됐으며, 2차원 소재 및 전자소자(2D Materials & Electronics) 분야 인사이드 백 커버(Inside Back Cover) 논문으로도 선정됐다.
※ 논문명 : Statistically Resolbing Thickness-Dependent Electrical Characteristics in Multilayer-MoS2 Transistors,DOI : 10.1002/adfm.202532204
※ 저자 정보 : 권지민 교수 (KAIST, 교신저자), 정학순 박사 (KAIST, 교신저자), 이용우 박사 (KAIST, 교신저자), 이상현 연구원 (UNIST, 1저자), 공동연구기관 참여연구자 (UNIST 홍수민 연구원, UNIST 박민호 연구원, 한밭대 김성주 교수, 한양대 백상훈 교수, KAIST 서준기 교수, KAIST 양성욱 연구원, 미국 워싱턴대 배상훈 교수, TDS 이창수 박사)
한편 과학기술정보통신부 한국연구재단 개인기초연구사업과 산업통상자원부 산업기술기획평가원의 첨단전략산업초격차기술개발사업의 지원을 받아 수행되었다.
2026.07.09 조회수 301 -
늘려도 고화질 그대로...이미지 왜곡 없는 신축 디스플레이 핵심기술 개발
휘어지고 접히는 디스플레이를 넘어, 이제는 화면 자체가 고무처럼 자유롭게 늘어나는 스트레처블(Stretchable) 디스플레이 시대가 열리고 있다. 우리 대학 연구진이 화면을 늘려도 글자와 그림 등 화면 정보가 원래 형태를 유지하는 핵심 기술을 개발하는 데 성공했다. 이번 성과는 이미지 왜곡 문제를 해결해 차세대 고화질 스트레처블 디스플레이 상용화를 앞당길 것으로 기대된다.
우리 대학은 전기및전자공학부 유승협 교수 연구팀이 동아대학교(총장 이해우) 문한얼 교수 연구팀과 공동으로, 잡아당겨도 화면 속 이미지가 왜곡되지 않고 모든 방향으로 같은 비율로 균일하게 늘어나는 오그제틱(auxetic·잡아당길수록 가로와 세로가 함께 넓어지는 구조) 기반의 스트레처블 디스플레이 플랫폼을 구현하는 데 성공했다고 8일 밝혔다.
기존 스트레처블 디스플레이는 신축성 기판(디스플레이를 구성하는 바닥층) 위에 발광 소자를 구현하는 방식이 일반적이다. 그러나 신축성 기판은 한 방향으로 늘어나면 반대 방향으로 폭이 줄어드는 특성이 있어 화면 속 글자와 그림이 납작하게 찌그러지는 한계가 있었다. 이를 해결하기 위해 오그제틱 구조가 적용돼 왔지만, 대부분 화면의 가로·세로 비율을 유지하는 데 그쳐 화면 내부의 글자와 그림은 여전히 왜곡되는 문제가 남아 있었다.
연구팀은 오그제틱 구조와 신축성 기판을 전체 면적으로 붙이는 기존 방식 대신, 정교한 계산을 통해 필요한 위치에만 선택적으로 연결하는 새로운 설계 방식을 제안했다.
기존 방식에서는 오그제틱 구조가 늘어나는 과정에서 발생하는 비틀림 변형이 그대로 기판에 전달돼 화면 내부 이미지가 찌그러지는 문제가 있었다. 반면 연구팀이 개발한 플랫폼에서는 각 영역이 제자리를 기준으로 바깥쪽으로 고르게 이동하도록 설계해 화면 전체 비율뿐 아니라 글자와 그림 등 작은 영역까지 원래 형태를 유지한 채 함께 확장되도록 구현했다.
연구팀은 문자와 그림을 새긴 기판을 가로·세로 방향으로 반복적으로 늘리는 실험을 통해 성능을 검증했다. 기존 방식에서는 패턴이 부분적으로 변형된 반면, 새 플랫폼에서는 글자와 그림의 형태가 안정적으로 유지됐다. 이는 화면 외곽뿐 아니라 내부의 미세한 이미지까지 왜곡 없이 균일하게 확장할 수 있음을 입증한 결과다.
또한 연구팀은 이 플랫폼 위에 LED 어레이(여러 개의 LED를 일정한 간격으로 배열한 구조)를 집적해 실제 스트레처블 디스플레이로서의 성능도 검증했다. 가로·세로 방향으로 각각 15%까지 늘어나더라도 전기가 안정적으로 흐르고 화면 밝기가 유지됐으며, 15%까지 늘리는 동작을 반복한 뒤에도 밝기 감소가 2% 미만에 그쳐 실제 디스플레이 적용 가능성을 확인했다.
이번 기술은 향후 웨어러블 전자기기와 전자피부(e-skin·피부처럼 늘어나며 감지와 정보 표시가 가능한 전자소자), 의료용 바이오센서, 소프트 로봇, 자동차 및 항공기용 곡면 디스플레이 등 형태가 자유롭게 변하는 차세대 전자기기의 핵심 플랫폼 기술로 활용될 것으로 기대된다.
KAIST 유승협 교수는 "스트레처블 디스플레이가 실제 정보 표시 장치로 활용되기 위해서는 단순히 잘 늘어나는 것뿐 아니라 늘어나는 과정에서도 화면 속 정보가 정확하게 유지돼야 한다"며 "이번 플랫폼은 화면의 작은 영역부터 전체 화면까지 균일한 확장을 구현해 고해상도 스트레처블 디스플레이 상용화를 앞당길 핵심 기반 기술이 될 것"이라고 말했다.
KAIST 김수본 박사와 김준호 박사가 공동 제1저자로 연구를 주도했으며, 동아대학교 문한얼 교수와 KAIST 유승협 교수가 공동 교신저자로 참여한 이번 연구는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 6월 10일 자에 게재됐다.
※ 논문명: Hybrid auxetic metamaterial platforms enabling multiscale isotropic expansion for distortion-free stretchable displays, DOI: 10.1038/s41467-026-74141-6 (시연 영상 링크: https://bit.ly/4gSRf8W )
한편 이번 연구는 한국연구재단 중견연구자 지원사업, 미래 디스플레이 전략연구실 지원사업, 한국산업기술기획평가원의 미래핵심기술개발사업, 한국산업기술진흥원의 교육훈련 지원사업의 지원을 받아 수행됐다.
2026.07.08 조회수 422 -
AI 에이전트의 ‘숨은 전력 비용’ 세계 최초 규명
AI가 스스로 생각하고 행동하는 ‘AI 에이전트' 시대가 열리면서 데이터센터의 전력 소비가 새로운 과제로 떠오르고 있다. 우리 대학 연구진이 세계 최초로 AI 에이전트의 계산 비용과 에너지 소비를 분석한 결과, 기존 생성형 AI보다 질문 한 건당 최대 136.5배 많은 에너지를 사용하는 것으로 나타났다. 이번 연구는 AI 시대의 경쟁력이 모델 성능을 넘어 데이터센터와 전력 인프라의 효율성으로 확대되고 있음을 보여준다.
우리 대학은 전기및전자공학부 유민수 석좌교수 연구팀은 AI 에이전트가 실제 서비스 환경에서 얼마나 많은 계산 자원과 전력을 사용하는지를 세계 최초로 체계적으로 분석했다고 5일 밝혔다.
최근 챗GPT(ChatGPT)와 같은 대형 언어 모델(LLM, Large Language Model·사람의 언어를 이해하고 글을 생성하는 인공지능 모델) 기반 어플리케이션은 단순히 질문에 답하는 수준을 넘어 스스로 계획을 세우고, 인터넷 검색이나 계산기, 코드 실행 등 다양한 외부 도구를 활용해 복잡한 문제를 해결하는 AI 에이전트(AI Agent·여러 도구를 스스로 활용해 목표를 수행하는 차세대 인공지능) 로 빠르게 발전하고 있다.
이러한 AI 에이전트는 소프트웨어 개발, 연구, 업무 자동화 등 다양한 분야에서 활용이 확대되고 있지만, 이를 실제 운영하기 위해 얼마나 많은 전력과 비용이 필요한지는 거의 알려져 있지 않았다.
연구팀은 AI 에이전트를 단순한 프로그램이 아니라 데이터센터의 서버와 GPU(Graphics Processing Unit·대규모 AI 계산을 수행하는 고성능 반도체) 가 지속적으로 처리해야 하는 새로운 형태의 작업인 워크로드(Workload·컴퓨터가 수행해야 하는 전체 계산 작업) 로 정의하고, 실제 실행 과정에서 발생하는 계산량과 에너지 소비를 분석했다.
분석 결과, AI 에이전트는 기존의 단계별 추론(Chain-of-Thought, CoT·AI가 사람처럼 생각 과정을 하나씩 전개하며 답을 찾는 방식)과 달리 반복적으로 여러 차례 대형 언어 모델 호출(LLM Invocation·AI가 언어 모델에 새로운 판단이나 답변 생성을 요청하는 계산 과정)을 수행하는 것으로 나타났다.
이처럼 언어 모델을 반복적으로 호출하면서 응답 시간도 크게 증가했다. AI 에이전트의 답변 시간은 최대 153.7배 늘어났으며, 외부 도구가 작업을 수행하는 동안 GPU는 전체 실행 시간의 최대 54.5% 를 아무 계산도 하지 못한 채 대기하는 것으로 분석됐다. 즉, AI가 더 복잡한 일을 수행할수록 고가의 GPU를 충분히 활용하지 못하는 새로운 비효율이 발생하는 것이다.
연구팀은 AI 에이전트가 사용하는 전력도 데이터센터 규모에서 분석했다. 현재 상용 AI 서비스 수준인 700억 개의 매개변수(파라미터, Parameter·AI가 학습한 지식과 능력을 저장하는 값) 를 가진 대형 언어 모델을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41와트시(Wh·전기를 얼마나 사용했는지를 나타내는 에너지 단위) 의 전력을 소비했다. 이는 기존 생성형 AI의 단순 질의응답 방식보다 136.5배 높은 수준이다.
또한 하루 137억 건의 AI 에이전트 요청이 발생하는 미래 환경을 가정해 분석한 결과, 데이터센터 전력 수요는 약 198.9기가와트(GW·국가 단위 전력망에서 사용하는 매우 큰 규모의 전력 용량) 에 이를 것으로 추정됐다. 이는 현재 세계 각국이 추진 중인 수 기가와트(GW) 규모의 AI 데이터센터를 크게 뛰어넘는 수준이며, 미국 전체 평균 전력 소비량의 약 절반에 해당하는 규모다.
이번 연구는 AI 시대의 경쟁력이 '더 똑똑한 AI'에서 '더 효율적인 AI'로 옮겨가고 있음을 보여준다. 앞으로는 AI 모델만 발전시키는 것이 아니라 AI 반도체, 데이터센터, 전력 인프라를 함께 최적화하는 '공동 설계(Co-design)'가 필수 전략이 될 것으로 기대된다. 이는 AI 서비스의 운영 비용을 낮추고, 지속가능한 AI 인프라를 구축하는 핵심 기술이 될 전망이다.
유민수 석좌교수는 “이번 연구는 단순히 AI가 더 똑똑해지는 것을 넘어, 그 지능을 구현하고 유지하기 위해 얼마나 많은 전력과 비용이 필요한지를 정량적으로 제시한 첫 사례”라며, “향후 AI 에이전트가 보편화되는 시대에는 AI 데이터센터 인프라 뿐만 아니라 AI 에이전트 모델과 전력 인프라까지 통합적으로 공동 설계(co-design)하여 최적화하는 접근이 더욱 중요해질 것”이라고 밝혔다. 이어 “이를 통해 최종 사용자가 AI 서비스를 활용하는 데 소요되는 비용을 획기적으로 절감하고, 동시에 지속가능한 AI 인프라를 구축하기 위한 연구와 투자가 필수적”이라고 강조했다.
이번 연구는 KAIST 전기및전자공학부 김지인 박사과정 학생이 제1저자로 수행했으며, 컴퓨터 시스템 설계 분야 최고 권위 국제학회인 32회 IEEE HPCA(International Symposium on High-Performance Computer Architecture)에서 지난 2월 발표됐다. 연구팀은 논문에서 활용한 AI 에이전트 구현 기술과 벤치마크(Benchmark·AI 성능을 객관적으로 비교·평가하기 위한 표준 시험 환경)를 오픈소스로 공개해 전 세계 연구자들이 후속 연구에 활용할 수 있도록 했다.
※ 논문명 : The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective
※ 오픈소스 : https://github.com/VIA-Research/AgentBench
※ 논문 링크: https://doi.org/10.1109/HPCA68181.2026.11408569
본 연구는 정보통신기획평가원(IITP)의 SW스타랩(Starlab), AI 반도체를 활용한 K-클라우드기술개발사업, AI 반도체 기반 데이터센터 고도화 선도기술개발사업 및 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
2026.07.06 조회수 476 -
미래 전기차 핵심 '공기 흐름 제어' 기술 세계 최고 학회 인정
미래 자동차는 엔진이나 모터뿐 아니라 ‘공기'의 흐름까지 제어한다. 우리 대학 연구진이 주행 상황에 맞춰 공기의 흐름을 실시간으로 조절해 고성능 전기차의 주행 성능과 안전성을 높이는 능동 공력(주행 상황에 맞춰 공기의 흐름을 자동으로 조절하는 기술)을 개발했다.
우리 대학은 전기및전자공학부 심현철 교수 연구실이 현대자동차의 지원을 통해 고성능 전기차에 적용 가능한 다중 능동 공력(Multi-Surface Active Aerodynamic) 시스템(차량 앞뒤의 여러 공력 장치를 하나의 시스템으로 통합 제어하는 기술)을 개발하고 이를 실제 차량에 적용해 서킷 환경에서 검증했다고 3일 밝혔다.
나성원 박사과정학생이 제1저자로 수행한 이번 연구는 2026년 6월 미국 미시간주 디트로이트에서 열린 세계 최고 권위의 지능형 차량 분야 국제학술대회인 IEEE Intelligent Vehicles Symposium(IV 2026)에서 최우수 학생논문상 1위(First Prize Best Student Paper Award)를 수상했다.
이번 상은 전 세계 학생 논문 가운데 가장 우수한 연구에 수여되는 최고상이다. 특히 이번 연구는 전체 채택 논문 가운데 약 8.5%만 선정되는 구두 발표(Oral Presentation·학회가 우수 논문을 선정해 현장에서 직접 발표하도록 하는 세션)에 선정된 데 이어, 발표 논문을 대상으로 한 최종 심사를 거쳐 최우수 학생논문상을 수상하며 연구의 독창성과 기술적 완성도를 동시에 인정받았다.
IEEE Intelligent Vehicles Symposium(IV)은 IEEE Intelligent Transportation Systems Society(ITSS)가 주관하는 지능형 차량 분야 최고 권위의 국제학술대회로, 자율주행, 차량 제어, 인공지능(AI), 미래 모빌리티 기술 등을 주제로 세계 각국의 대학과 연구기관, 자동차 제조사들이 최신 연구 성과를 발표하는 학술대회이다.
연구팀은 차량 전면과 후면에 장착된 4개의 능동 공력 장치를 하나의 시스템으로 통합 제어하기 위해 풍동 실험(강한 바람을 만들어 실제 주행과 같은 공기 흐름을 재현하는 시험) 기반 공력 모델을 구축했다.
또한 차량의 속도와 조향 상태 등 주행 상황을 실시간으로 분석해 최적의 공력 모드를 선택하는 제어 프레임워크를 개발했으며, 이를 고정밀 차량 시뮬레이션(실제 차량의 움직임을 컴퓨터에서 정밀하게 구현한 가상 시험)과 실제 차량 실험을 통해 검증했다.
기존 연구들이 시뮬레이션 중심으로 수행됐던 것과 달리, 연구팀은 FIA Grade 1 규격(포뮬러원(F1) 경기를 개최할 수 있는 국제 최고 수준의 서킷 규격)의 영암 국제자동차경주장(Korea International Circuit)에서 실제 차량 주행 시험을 수행해 기술의 실효성을 입증했다.
실험 결과 제안한 능동 공력 시스템은 고성능 전기차의 랩타임(서킷 한 바퀴를 도는 데 걸리는 시간) 단축, 제동 성능 향상, 코너링 성능 향상, 차량 안정성 확보에 효과적인 것으로 나타났다. 또한 시뮬레이션과 실제 차량 실험에서 일관된 성능 향상을 확인함으로써 향후 고성능 전기차는 물론 자율주행차와 소프트웨어 정의 자동차(SDV·소프트웨어 업데이트를 통해 기능을 지속적으로 개선하는 미래형 자동차) 등 미래 모빌리티에 적용 가능한 핵심 기술의 가능성을 제시했다.
나성원 박사과정학생은 심현철 교수 연구실이 2021년부터 참가해 지속적으로 우수한 성과를 거두고 있는 인디 자율주행 챌린지(IAC, Indy Autonomous Challenge)에서 KAIST 유레카(EURECAR) 팀장을 맡아 최고 시속 290km의 자율주행을 성공적으로 수행했다. 이를 통해 초고속 자율주행 차량 제어 분야에서 세계적 수준의 연구개발 역량을 축적했으며, 이번 연구에도 그 경험을 적용했다.
심현철 교수는 "그간 우리 연구실이 인디 자율주행 챌린지 등 고속 자율주행 레이싱에 참가하여 얻은 다양한 경험을 바탕으로 실제 차량 기반의 능동 공력 제어 기술이 세계 최고 수준의 학술대회에서 최우수 학생논문으로 선정돼 매우 뜻깊게 생각한다"며 "이번 연구가 향후 고성능 전기차뿐 아니라 미래 자동차의 주행 성능과 안전성을 동시에 높이는 핵심 기술로 이어질 것으로 기대한다"고 말했다.
이번 연구의 제1저자는 나성원 박사과정이며, 양승진, 황영준, 왕정하 석사과정 학생이 공동저자로 참여했다. 또한 현대자동차 최장한 책임연구원, 이정수 책임연구원, 손정기 책임연구원이 공동 연구자로 참여했다.
※ 논문명: Development of an Active Aerodynamic System for Improving Circuit Driving Performance of High-Performance Electric Vehicles, 논문 링크:https://drive.google.com/file/d/1H68vDCwL9LJT-aONUHOOTmePxC14phC8/view
2026.07.03 조회수 514 -
AI 데이터센터 전력문제 해결한다...차세대 광변조기 개발
인공지능(AI) 서비스의 폭발적인 성장으로 데이터센터의 전력 소모와 데이터 전송 병목 문제가 급증하는 가운데, 한국 연구진이 이를 해결할 수 있는 차세대 광통신 핵심 소자인 광변조기(전기 신호를 빛 신호로 바꿔 데이터를 전송하는 장치) 기술을 개발했다. 이번 성과는 더 적은 전력으로 더 많은 데이터를 전송할 수 있게 해 미래 AI 데이터센터의 핵심 기반 기술이 될 것으로 기대된다.
우리 대학은 전기및전자공학부 김상현 교수 연구팀이 한국과학기술연구원(KIST, 원장 오상록) 한재훈 박사, 한국나노기술원(KANC, 원장 변대석) 김종민 박사 및 삼성전자 패키징사업부와의 협업을 통해 서로 다른 반도체 소재의 장점을 결합한 차세대 광변조기를 개발했다고 23일 밝혔다.
AI 데이터센터에서는 수많은 서버와 반도체 칩이 대용량 데이터를 실시간으로 주고받는다. 이 과정에서 광변조기의 성능은 데이터 전송 속도와 전력 효율을 결정하는 핵심 요소다. 그러나 기존 실리콘 기반 광변조기는 높은 발열과 온도 변화에 취약했고, 효율을 높이면 속도가 떨어지고 속도를 높이면 효율이 감소하는 한계를 안고 있었다.
연구팀은 이러한 문제를 해결하기 위해 온도 변화에 강한 마하-젠더(Mach-Zehnder) 구조(빛의 경로 차이를 이용해 신호를 제어하는 광소자 구조)를 유지하면서도, 실리콘 도파로(빛이 지나가는 통로) 위에 전기·광학적 반응성이 뛰어난 인화물계 반도체(InGaAsP·빛과 전기에 민감하게 반응하는 화합물 반도체) 박막을 결합했다. 이는 기존 실리콘 위에 빛을 더 민감하게 제어할 수 있는 특수 반도체 소재를 덧붙인 것으로, 소자 크기는 줄이면서도 빛 신호를 더욱 효율적으로 제어할 수 있게 했다.
그동안 학계에서는 이 구조를 사용할 경우 효율을 높이면 전하가 쌓여 구동 속도가 느려지는 상충 관계가 있었다. 연구팀은 소자 내부의 충전 용량을 줄여 속도를 높이는 공핍(Depletion) 모드 구동(소자 내부 전하를 줄여 동작 속도를 높이는 방식)과, 전압이 가해질 때 물질의 빛 흡수 특성이 변하는 프란츠-켈디시(Franz-Keldysh) 효과(전기장을 가하면 빛 흡수 특성이 변하는 현상)를 결합해 이러한 한계를 극복했다.
그 결과 머리카락 굵기보다 수십 배 작은 500 마이크로미터(μm) 길이의 초소형 소자에서 세계 최고 수준의 변조 효율(적은 전력으로 빛 신호를 얼마나 효과적으로 제어할 수 있는지를 나타내는 지표, 0.146 V·cm)과 고속 구동 대역폭(데이터를 얼마나 빠르게 처리할 수 있는지를 나타내는 지표, 26.3 GHz)을 동시에 달성하는 데 성공했다. 이는 더 적은 전력으로 더 많은 데이터를 빠르게 전송할 수 있음을 의미하며, AI 데이터센터의 에너지 효율과 데이터 처리 성능을 동시에 높일 수 있는 수준의 성과다.
이번 연구는 AI 데이터센터가 직면한 전력 소비 증가와 데이터 전송 병목 문제를 해결할 수 있는 현실적인 기술을 제시했다는 점에서 의미가 크다. 특히 소형화와 저전력 특성을 바탕으로 차세대 데이터센터용 광통신 칩과 공동 패키지 광학(Co-Packaged Optics, CPO·반도체 칩과 광통신 부품을 하나의 패키지에 통합하는 기술)의 핵심 부품으로 활용될 것으로 기대된다.
또한 광변조기의 효율과 속도 사이의 한계를 극복해 두 성능을 동시에 향상시킨 성과로, 차세대 AI 데이터센터와 초고속 광통신 시스템 구현에 중요한 전환점이 될 것으로 평가된다.
김상현 교수는 “인공지능 시대의 핵심 인프라인 데이터센터의 전력 소모와 데이터 전송 병목 현상을 해결하기 위해 실리콘 포토닉스(Si Photonics·반도체 칩 위에 광회로를 구현하는 기술), 마이크로 발광다이오드(Micro-LED·초소형 고효율 광원) 등 다양한 광소자 기술을 개발해 왔다. 이번 성과는 광변조기의 효율과 속도를 동시에 높인 것으로, 차세대 AI 데이터센터와 초고속 광통신 시스템에 활용될 수 있을 것으로 기대한다”고 말했다.
본 연구는 KAIST 전기및전자공학부 강동길 박사과정이 제1저자로 연구를 주도했으며, 연구 성과는 반도체 소자 분야 세계 최고 권위 학회 중 하나인 'VLSI 심포지엄(VLSI Symposium on Technology and Circuits)'에서 지난 6월 17일 발표됐다.
※ 논문명 : Depletion-Mode III-V/Si SISCAP Mach-Zehnder Modulator Breaking the Efficiency-Bandwidth Trade-Off for Co-Packaged Optics,
Abstract Link: https://vlsi26.mapyourshow.com/8_0/sessions/session-details.cfm?scheduleid=202
※ 저자 정보 : 강동길(제1저자, KAIST), 이신형(KAIST), 한재훈(KIST), 김종민(KANC), 안석근(삼성전자), 정민혁(삼성전자), 정현철(삼성전자), 김상현(KAIST)
한편 이번 연구는 한국연구재단 중견연구자지원사업, 박사과정생연구장려금지원사업 및 삼성전자의 지원을 받아 수행됐다.
2026.06.23 조회수 1047 -
적은 메모리로도 휴머노이드 로봇의 눈 밝힌다
스마트폰의 안면 인식부터 휴머노이드 로봇까지, 인공지능(AI)의 눈 역할을 하는 컴퓨터 비전 기술은 우리 일상에 널리 활용되고 있다. 우리 대학과 국제 공동연구진은 적은 메모리만으로도 AI가 세상을 더욱 선명하게 볼 수 있는 기술을 개발해 GPU(그래픽처리장치) 메모리 효율을 최대 16배 높였다. 이번 성과는 휴머노이드 로봇과 온디바이스 AI 시대를 앞당길 핵심 기술로 평가된다.
우리 대학은 전기및전자공학부 김창익 교수 연구팀이 미국 MIT 및 마이크로소프트 연구진과의 공동 연구를 통해, 제한된 GPU 메모리만으로도 AI의 시각 성능을 높일 수 있는 범용 기술 ‘업샘플 애니띵(Upsample Anything)’을 개발했다고 17일 밝혔다.
이번 성과는 인공지능 및 컴퓨터 비전 분야 세계 최고 권위 학회인 ‘CVPR 2026’ 논문 채택에 이어, 계산 자원의 효율적 활용을 인정받아 전체 1위인‘CVPR 컴퓨트 골드 스타(CVPR Compute Gold Star)’를 수상하고, 연구 과정의 투명성과 재현 가능성 부문 ‘트랜스패런시 챔피언(Transparency Champion)’에 선정됐다. 이는 연구 성능은 물론 사용된 계산 자원, 코드 공개, 실험 재현 가능성 등 책임 있는 인공지능 연구의 핵심 요소를 두루 인정받은 성과다.
최근 휴머노이드 로봇과 자율주행 시스템, 세계모델(World Model·현실 세계의 물리적 환경과 변화를 학습·예측하는 AI 모델) 기반 인공지능은 연산 속도를 높이고 메모리 사용량을 줄이기 위해 입력 영상을 저해상도 특징 정보(Feature·AI가 이미지에서 추출한 핵심 정보)로 압축해 활용하고 있다.
그러나 압축 과정에서 작은 물체나 얇은 구조물, 미세한 결함과 같은 중요한 시각 정보가 손실되는 문제가 발생한다. 반대로 모든 영상을 처음부터 고해상도로 처리하면 막대한 GPU 메모리와 연산 자원이 필요해 실시간 처리가 어려워진다. 이는 스마트폰과 같은 소형 기기나 기동성이 중요한 로봇이 주변 환경을 정밀하게 인식해야 하는 상황에서 오랫동안 해결되지 않은 과제로 남아 있었다.
연구팀은 이러한 한계를 극복하기 위해 입력 이미지의 경계와 구조 정보를 활용해 저해상도 특징 정보를 고해상도로 복원하는 학습 없는(Training-free·추가 데이터 학습이 필요 없는) 업샘플링 기술을 개발했다.
기존 기술은 새로운 환경이나 데이터에 적용하기 위해 별도의 재학습이나 복잡한 최적화 과정을 거쳐야 했다. 반면 연구팀이 개발한 ‘업샘플 애니띵’은 입력 이미지 한 장만으로 최적의 복원 방식을 찾아낼 수 있어 다양한 환경에 즉시 적용할 수 있다.
또한 모든 시각 정보를 고해상도로 저장·처리하지 않고 핵심 정보만 압축해 활용함으로써 GPU 메모리 사용량을 크게 줄였다. 연구팀은 AI 연구에서 널리 활용되는 224×224 크기 이미지(약 5만 개 픽셀) 기준 약 0.4초의 짧은 계산만으로 원본에 가까운 시각 정보를 복원했으며, GPU 메모리 효율을 최대 16배까지 향상시키는 성과를 거뒀다.
이는 제한된 연산 자원만으로도 인공지능이 주변 환경을 더욱 정밀하게 인식할 수 있음을 의미한다. 따라서 이번 기술은 스마트폰과 같은 소형 기기는 물론, 작은 물체를 정확하게 식별하고 조작해야 하는 휴머노이드 로봇, 자율주행 시스템, 온디바이스 AI 등 다양한 차세대 인공지능 분야에 폭넓게 활용될 것으로 기대된다.
김창익 교수는 “이번 기술은 적은 자원으로도 인공지능의 시각 정밀도를 크게 높일 수 있는 알고리즘으로, 휴머노이드 로봇과 온디바이스 AI의 실용화를 앞당길 것으로 기대한다”며 “CVPR에서 성능뿐 아니라 계산 효율성과 연구 투명성까지 인정받았다는 점에서 더욱 의미가 크다”고 말했다.
이번 연구는 KAIST 서민석 박사과정 학생이 제1 저자로 참여했으며, 이번 성과는 인공지능 및 컴퓨터 비전 분야 세계 최고 권위 학회인 ‘CVPR 2026’에서 6월 7일 발표됐다.
※ 논문명: Upsample Anything: A Simple and Hard to Beat Baseline for Feature Upsampling, DOI:10.48550/arXiv.2511.16301
※ 저자 정보: 서민석 (KAIST, 제1 저자), 마크 헤밀턴 (MIT, 마이크로소프트, 제2 저자), 김창익(KAIST, 교신저자)
※ 관련 데모 동영상: https://drive.google.com/file/d/17f9j4tcD0JJfA4xeN4b5qvaOjUxFVS_U/view?usp=sharing
2026.06.17 조회수 8059 -
반도체는 어디까지 작아질 수 있을까? 원자 수준 예측 기술 개발
삼성전자와 TSMC가‘2nm(나노미터·10억분의 1미터) 공정’경쟁에 나서고 있지만, 실제 반도체 칩의 핵심 소자인 트랜지스터의 크기는 아직 10nm 이상이다. 그렇다면 트랜지스터는 실제로 어디까지 더 작아질 수 있을까? 우리 대학 연구진이 원자 수준의 계산을 통해 그 한계를 예측하는 기술을 개발했다.
우리 대학은 전기및전자공학부 김용훈 교수 연구팀이 컴퓨터 시뮬레이션을 활용해 차세대 반도체 소자 개발의 핵심적 난관인 트랜지스터 미세화의 한계를 분석, 예측할 수 있는 전산 설계 기술을 개발했다고 14일 밝혔다.
트랜지스터는 전류를 켜고 끄는 초소형 스위치로, 스마트폰, 인공지능 컴퓨터 등을 구동하는 반도체 칩의 성능과 전력 효율을 결정하는 핵심 부품이다. 반도체 업계는 더 높은 성능과 낮은 전력 소모를 구현하기 위해 트랜지스터를 지속적으로 작게 만들어 왔다. 그러나 크기가 지나치게 작아지면 양자터널링(전자가 원래 통과할 수 없는 에너지 장벽을 뚫고 지나가는 양자역학적 현상)이 발생해 전류 제어가 어려워진다. 이 때문에 차세대 반도체 개발에서는 양자터널링의 한계 내에서 트랜지스터를 얼마나 더 작게 만들 수 있는지를 파악하는 것이 중요한 과제이다.
하지만 실험적으로 트랜지스터의 미세화 한계를 직접 확인하기는 사실상 불가능하다. 현재의 기술로는 금속 전극과 반도체가 만나는 접촉부를 원자 수준에서 정밀하게 조절하고 정량적으로 분석하기 어렵기 때문이다.
연구팀은 원자와 전자의 움직임을 기본 물리 법칙만으로 계산하는 제1원리 계산(실험 데이터 없이 물질의 성질을 계산하는 방법)을 활용해 이 문제를 해결했다. 연구팀은 금속 전극과 반도체가 만나는 부분에서 발생하는 복잡한 양자 현상을 정밀하게 분석할 수 있는 다공간 밀도범함구론이라는 새로운 이론-계산 체계를 직접 개발하여 보고한 바 있다.
이번 연구에서는 이를 기반으로 접촉저항(금속 전극과 반도체가 만나는 부분에서 발생하는 전류 흐름의 저항)과 양자터널링 한계(전자가 새어 들어가 전류 제어가 어려워지는 최소 길이)를 원자 수준에서 예측할 수 있는 전산 설계 플랫폼을 구축했다. 이는 실제 반도체를 제작하기 전에 컴퓨터 시뮬레이션만으로 소자의 성능과 한계를 미리 예측할 수 있다는 의미다.
연구팀은 이 기술을 차세대 반도체 후보 물질인 단일층 MoS₂(이황화몰리브덴, 원자층 수준까지 얇게 만들 수 있는 대표적인 2차원 반도체 소재) 소자에 적용했다. 그 결과 금속 전극의 종류와 접촉 구조에 따라 전자가 채널(트랜지스터 내부에서 전류가 흐르는 통로) 안으로 얼마나 깊이 침투하는지, 또 이로 인해 전류 흐름 제어가 얼마나 방해받는지를 정량적으로 분석할 수 있었다. 다시 말해 어떤 금속과 접촉 구조를 선택하느냐에 따라 트랜지스터를 더 작게 만들 수 있는 한계가 달라진다는 사실을 확인한 것이다.
연구 결과, 임계 터널링 길이(전자가 채널 안으로 침투해 트랜지스터 동작에 영향을 주기 시작하는 최소 길이)는 하나의 고정된 값이 아니라는 사실이 밝혀졌다. 이 길이는 금속의 일함수(금속에서 전자를 꺼내는 데 필요한 최소 에너지)와 금속과 반도체가 만나는 경계면의 접촉 구조 등에 따라 달라지는 설계 변수로 나타났다. 즉 트랜지스터를 어디까지 작게 만들 수 있는지는 소재 조합과 구조 설계에 따라 달라질 수 있다는 의미다.
특히 연구팀은 고려한 후보 금속의 종류와 접촉 구조 중에서는 전자가 새어 나가기 시작하는 한계 지점을 4nm(나노미터·10억분의 1미터) 미만까지 줄일 수 있음을 확인했다. 이는 트랜지스터를 현재 달성한 수준보다 더 작게 만들 수 있는 가능성을 보여주는 결과다.
연구팀은 나아가 서로 다른 특성의 2차원 반도체를 조합해 전력 소모를 줄이는 차세대 반도체 소자의 설계 방향도 함께 제안했다.
이번 연구는 실제 반도체 소자를 제작하기 전에 미세화 한계와 최적 설계 조건을 예측할 수 있는 플랫폼을 마련했다는 점에서 의미가 크다. 이를 통해 차세대 초미세 AI 반도체 소자 개발 과정의 시행착오를 줄이고 개발 기간을 단축할 수 있을 것으로 기대된다.
김용훈 교수는 “이번 연구는 차세대 트랜지스터가 어디까지 작아질 수 있는지를 규정할 새로운 물리적 기준을 제시했다는 점에서 의미가 크다”며 “실험적으로 확인하기 어려운 10nm 이하 영역의 양자역학적 현상을 계산으로 분석하여 차세대 트랜지스터 설계에 활용할 수 있는 길을 열었다”고 말했다.
김태형 박사가 제1저자로 참여한 이번 연구는 계산 분야의 권위 있는 학술지 '네이처 파트너 저널 npj Computational Materials'에 5월 28일 字 온라인판에 게재됐다.
※ 논문명: Ab initio transfer length method simulations of tunneling limits in 2D semiconductors, DOI: https://doi.org/10.1038/s41524-026-02101-1
※ 공저자: 김태형 박사(KAIST 제1저자), 이주호 박사(KAIST 제1저자), 김용훈 교수(KAIST 교신저자)
이번 연구는 한국연구재단 중견연구자 지원사업 등의 지원을 받아 수행됐다.
2026.06.15 조회수 1092 -
로봇이 사람처럼 판단하는 시대, KAIST가 피지컬 AI 핵심 난제 해결
“사람처럼 판단하는 로봇, 생각보다 빨리 온다.”
로봇이 인간의 의도를 이해하고 스스로 올바른 행동을 선택하는 시대를 앞당길 핵심 기술이 국내에서 나왔다. KAIST 연구진이 단 몇 개의 영상만으로 AI가 인간의 판단 기준을 스스로 학습하는 기술을 개발하며 피지컬 AI 상용화의 핵심 난제를 해결했다.
우리 대학은 전기및전자공학부 유창동 교수 연구팀이 수천~수만 건의 인간 평가 데이터 대신 단 몇 개의 선호 영상만으로도 AI가 인간의 의도와 판단 기준을 학습할 수 있는 새로운 기술인 ‘VOTP(Video-based Optimal TransPort Preference)’를 세계 최초로 개발했다고 10일 밝혔다.
연구팀의 논문은 오는 7월 서울 코엑스에서 개최되는 세계 최고 권위의 AI학회인 ICML(International Conference on Machine Learning) 2026에 채택됐으며, 전체 제출 논문(23,918편) 가운데 상위 0.7%(168편)에만 주어지는 구두(Oral) 발표로 선정되며 연구의 우수성을 인정받았다. ICML은 AI 및 머신러닝 분야에서 가장 영향력 있는 국제학회 가운데 하나로 꼽힌다.
최근 AI 기술은 글을 쓰고 그림을 그리는 생성형 AI를 넘어 실제 기계를 움직이고 현실 세계에서 행동하는 ‘피지컬 AI(Physical AI)’ 시대로 빠르게 진화하고 있다. 공장에서 위험한 작업을 대신 수행하는 로봇, 스스로 도로 상황을 판단하는 자율주행차, 정교한 수술을 수행하는 의료 로봇 등이 대표적인 사례다.
하지만 피지컬 AI의 실용화를 위해서는 반드시 넘어야 할 장벽이 있었다. 바로 기계가 수행한 행동이 인간의 의도에 맞는지, 어떤 행동이 더 바람직한지를 판단하는 인간 수준의 평가 기준을 학습하는 문제다.
예를 들어 수술 로봇이 봉합을 하거나 자율주행차가 복잡한 교차로를 통과할 때 AI는 수많은 선택지 가운데 가장 적절한 행동을 골라야 한다. 이를 위해서는 인간의 선호와 판단 기준이 반영된 ‘보상함수(Reward Function)'가 필요하다. 그러나 지금까지는 이를 구축하기 위해 사람이 수천~수만 개의 행동 데이터를 직접 평가해야 했고, 막대한 시간과 비용이 소요됐다.
연구팀은 사람이 몇 번의 시범만 보고도 새로운 일을 배우는 방식에 주목했다. 연구팀이 개발한 VOTP는 몇 개의 좋은 사례와 나쁜 사례 영상만으로도 AI가 인간이 선호하는 행동 패턴을 스스로 파악하도록 돕는다. 기존처럼 방대한 양의 데이터를 사람이 일일이 평가하지 않아도 AI가 인간의 판단 기준을 이해하고 다양한 상황으로 확장해 학습할 수 있는 것이다.
이번 연구의 핵심 아이디어는 로봇이나 자율주행차와 같은 지능형 기계가 소수의 인간 선호(preference)를 담은 비디오만으로도 사람의 의도(intent)를 빠르게 파악할 수 있다는 것이다. 이를 위해 개발한 알고리즘은 다양한 환경과 작업에 걸친 광범위한 실험을 통해 그 효과와 일반화 성능이 입증되었다.
이러한 방식은 피지컬 AI 개발에 필요한 인간 피드백과 데이터 구축 비용을 크게 줄일 수 있다. 적은 수의 사례만으로도 로봇과 자율주행차, 산업용 기계가 사람의 기대에 부합하는 행동을 학습할 수 있어 개발 기간과 비용을 획기적으로 단축할 수 있을 것으로 기대된다.
해당 기술은 로봇 팔 제어, 휴머노이드 로봇, 자율주행차, 스마트팩토리, 드론, 수술 로봇뿐 아니라 컴퓨터를 직접 조작하는 AI 에이전트까지 폭넓게 적용 가능하다. 특히 인간의 의도와 만족도를 학습해야 하는 모든 피지컬 AI 시스템의 핵심 기반 기술로 활용될 수 있을 것으로 전망된다.
유창동 교수는 “피지컬 AI의 핵심은 기계가 인간의 의도를 이해하고 올바른 행동을 선택하도록 만드는 것”이라며 “VOTP는 소수의 영상만으로 인간의 판단 기준을 학습할 수 있어, 로봇이 사람처럼 판단하는 시대를 앞당길 핵심 기술”이라고 말했다.
전기및전자공학부 Luu Minh Tung(루 민 퉁) 박사과정 학생이 제1저자로 참여한 이번 연구는 세계 최고 권위의 AI 학술대회인 ICML(International Conference on Machine Learning) 2026에 오랄(Oral) 발표 논문으로 선정됐다.
※ 논문명: Video-Based Optimal Transport for Feedback-Efficient Offline Preference-Based Reinforcement Learning, 논문 파일: https://sanctusfactory.com/data/file/publications/202606091714078906.pdf
이번 연구는 과학기술정보통신부 재원으로 정보통신기획평가원(IITP) 및 한국연구재단(NRF) 등의 지원을 받아 수행됐다.
2026.06.10 조회수 1270 -
인간형 조종사 로봇 ‘파이봇’, 세계 최고 권위 로봇 학술지 최우수논문상 수상
우리 대학은 전기및전자공학부 심현철 교수 연구팀의 인간형 조종사 로봇 ‘파이봇(PIBOT)’ 기반 항공기 자율조종 프레임워크를 제안한 논문이 2026년 IEEE 로보틱스 및 자동화 매거진(IEEE RAM)에 2025년 게재된 논문 가운데 최우수 논문(Best Paper Award)으로 선정됐다고 5일 밝혔다.
이번 수상은 국내 독자 기반의 풀뿌리 연구가 세계 최고 수준의 로봇 연구 성과로 인정받았다는 점에서 의미가 크다. 시상식은 오스트리아 비엔나에서 2026년 6월 4일(현지시간) 국제로봇자동화학회(ICRA, International Conference on Robotics and Automation) 기간 중 진행되었다.
IEEE 로보틱스 및 자동화 매거진(IEEE RAM)은 세계 최대 기술 학회인 IEEE 산하 로보틱스 및 자동화 학회(RAS)가 발행하는 권위 있는 학술 매거진이다. 로봇공학 및 자동화 분야의 최신 연구 성과와 산업 동향, 튜토리얼 등을 다루며, 실제 산업 현장에서 활용 가능한 로봇 기술을 업계와 학계 연구자들에게 널리 전달하는 것으로 잘 알려져 있다.
IEEE RAM은 2025년 기준 Impact Factor(IF) 7.1을 기록하며 IEEE 로봇 분야 간행물 가운데 두 번째로 높은 영향력을 보유하고 있다. 특히 엄격한 동료심사(peer review)를 거쳐 게재된 논문 가운데 학문적·산업적 파급력이 큰 연구에 대해 최우수 논문상(Best Paper Award)을 수여한다.
이번 연구는 2021년 국방과학연구소(ADD) 미래도전국방기술 연구개발과제로 선정돼 약 57억 원 규모(5년)의 지원을 받아 수행된 순수 국내 기술 기반 연구다. 연구팀은 인간형 로봇이 단순 보행이나 물품 운반을 넘어, 항공기 조종과 같은 복잡한 작업을 인공지능 기반으로 체계적이고 적응적으로 수행 가능한 피지컬 AI기술을 매우 높은 수준으로 구현했다는 점에서 높은 평가를 받았다.
최근 인간형 로봇 기술은 덤블링이나 복잡한 동작 구현 등 운동 성능 측면에서 빠르게 발전하고 있다. 그러나 산업계에서는 실제 산업 현장에서의 활용 가능성이 더욱 중요한 요소로 주목받고 있다.
심현철 교수 연구팀이 개발 중인 조종사 로봇 ‘파이봇(PIBOT)’은 단순 반복 작업이나 물류 처리 수준을 넘어, 항공기 조작에 필요한 전문 지식을 습득하고 실제 비행 상황을 실시간으로 인식하고 대응할 수있도록 설계됐다. 이에 따라 전문가 피지컬 AI(Expert Physical AI)라는 인간형 로봇 기술의 새로운 활용 방향을 제시했다는 평가를 받고 있다.
연구팀은 2021년 과제 착수 이후 1단계 연구를 성공적으로 마쳤으며, 2024년부터는 실제 항공기 조종에 적합하도록 인간과 유사한 체격 및 관절 구조를 갖춘 2단계 조종사 로봇 개발을 진행하고 있다. 또한 해당 기술을 항공기뿐 아니라 지상 차량과 선박 등 다양한 이동체 조종 분야로 확대 적용하기 위해 관련 기관들과 협력 연구를 추진 중이다.
심현철 교수는 “국내 연구진이 세계 최초로 제안한 조종사 로봇 기술이 국내 대형과제의 지원에 힘입어 세계 최고 수준의 연구성과로 인정받게 되어 매우 뜻깊다”며 “인간형 로봇이 실제 환경에서 사람을 돕고 복잡한 시스템을 안전하게 운용할 수 있는 방향으로 연구를 더욱 발전시켜 나가겠다”고 말했다.
이번 연구에는 민성재·강규리·김형주 박사과정생이 공동 제1저자로 참여했으며, 심현철 교수가 교신저자를 맡았다. 논문은 IEEE Xplore를 통해 확인할 수 있다.
※ 논문명: “Toward Fully Autonomous Aviation: PIBOT, a Humanoid Robot Pilot for Human-Centric Aircraft Cockpits”,
논문 링크: https://doi.org/10.1109/MRA.2024.3505774, https://ieeexplore.ieee.org/document/10798973/
한편, 이번 연구는 국방과학연구소 미래도전국방기술 연구개발사업 지원을 받아 수행됐다.
2026.06.05 조회수 1542 -
봉지재 없이 고효율·안정성 한계 동시 극복 차세대 페로브스카이트 태양전지 개발
우리 대학 이정용 교수 연구팀이 봉지재 없이도 고온·고습 환경을 견디는 27%급 고효율 페로브스카이트 태양전지를 구현했다. 차세대 고효율 박막 태양전지 상용화의 핵심 과제로 꼽혀온 효율과 안정성을 동시에 해결한 성과로, 향후 건물 일체형 태양광(BIPV), 이동형 전원, 우주항공용 전원 등 다양한 미래 에너지 플랫폼으로의 확장 가능성이 기대된다.
우리 대학은 이정용 교수 연구팀이 물리학과 이상민 교수 연구팀, 고려대학교 곽상규 교수 연구팀과 함께 유기 고분자의 에너지 준위 설계를 통해 페로브스카이트/유기 하이브리드 태양전지의 전자구조와 전하 전달 경로를 제어하고, 봉지재 없이도 고효율·고안정성을 구현하는 태양전지를 개발했다고 밝혔다.
이번 연구는 과학기술정보통신부와 한국연구재단이 추진하는 나노·소재기술개발사업, 핵심연구, 초고성능컴퓨팅 활용 고도화 사업 등의 지원으로 수행됐으며, 에너지 분야 국제학술지 ‘네이처 에너지(Nature Energy)’에 2026년 5월 18일 게재됐다.
페로브스카이트 태양전지는 광전 변환 효율이 높고 가벼워 차세대 전지로 꼽히지만, 수분과 열에 취약해 장시간 안정적인 작동이 어려워 문제 해결을 위해 봉지재를 사용해야 하는 한계가 있다.
연구팀은 기존 하이브리드 구조에서 유기 고분자를 사용할 경우 전하 이동이 원활하기 못해 정공이 축적되고, 실제 소자 작동 전압에서 ‘S자형 전류-전압 왜곡’이 발생한다는 점에 주목했다.
3차원 다중물리 모사와 초고속 분광 분석으로 이러한 현상이 성능 저하의 핵심 원인임을 규명하고, 이를 해결하기 위해 깊은 에너지 준위를 갖는 ‘PM1’ 유기 고분자를 도입했다.
PM1은 전하가 특정 계면에 쌓이지 않고 단계적으로 이동하도록 에너지 흐름을 정렬해 S자형 왜곡을 제거했으며, 최고 효율 27.18%와 세계 최고 수준의 공인 효율 26.71%를 달성했다.
PM1 기반 층은 근적외선 흡수와 전하 이동을 돕고, 외부 수분 침투를 차단하는 보호층 역할도 수행해, 봉지재 없이 85°C·85% 상대습도 조건에서 3,000시간 후에도 초기 효율의 95% 이상을 유지했다.
아레니우스 모델을 통한 예측 결과, 상온(25℃) 기준 T80(초기 효율의 80%에 도달하는 시간)이 35,590시간으로 환산돼 봉지재 없이도 약 4년급의 장기 안정성을 확보할 수 있음을 제시했다.
연구책임자인 이정용 교수는 “이번 성과는 페로브스카이트 태양전지의 효율-안정성 간의 상충 관계를 새로운 전자구조 설계로 극복한 것으로 차세대 태양전지 상용화에 중요한 의미가 있다”라고 밝혔다.
제1저자인 이민호 박사는 “기존 태양전지 구조에서 효율이 제한되는 원인을 실제 작동 중 전하 흐름 관점에서 규명하고 이를 전자구조 설계로 해결했다”라고 부연했다.
2026.05.19 조회수 1747 -
수천 년 걸리던 컴퓨터 난제를 반도체로 푼다
빅데이터와 인공지능 시대, 수천 년이 걸리는 ‘조합 최적화 문제(가능한 모든 경우 중 가장 효율적인 답을 찾는 문제)’를 해결할 수 있는 길이 열렸다. KAIST 연구진이 기존 실리콘 공정만으로 구현 가능한 연산 하드웨어를 개발해, 별도 설비 없이 바로 생산·적용 가능한 전환점을 제시했다. 이를 통해 물류, 금융, 반도체 설계 등 다양한 산업에서 더 빠르고 정확한 의사결정이 가능해질 전망이다.
우리 대학은 전기및전자공학부 최양규 교수와 김상현 교수 공동 연구팀이 기존 실리콘 반도체 공정만을 활용해 차세대 최적화 전용 하드웨어인 ‘오실레이터 기반 아이징 머신(Oscillatory Ising Machine, 여러 진동 소자가 상호작용하며 최적 해를 찾아내는 특수 목적형 컴퓨터)’을 구현하는 데 성공했다고 6일 밝혔다.
연구팀이 주목한 것은 ‘오실레이터(일정한 주기로 신호를 반복하는 진동 소자)’다. 여러 개의 오실레이터가 서로 신호를 주고받으며 박자를 맞추는 과정에서 시스템은 자연스럽게 가장 안정적인 상태에 도달하고, 이 과정에서 최적의 해를 찾아낸다.
기존 아이징 머신은 오실레이터 간 미세한 주파수 편차(각 소자의 진동 속도 차이)를 정밀하게 제어하기 어렵고, 소자 간 연결도 제한적이어서 복잡한 문제를 푸는 데 한계가 있었다.
연구팀은 이를 극복하기 위해 오실레이터와 이를 연결하는 커플러(Coupler, 소자 간 상호작용의 강도를 조절하는 장치)를 모두 단일 실리콘 트랜지스터(반도체의 기본 스위치 소자)로 구현하는 새로운 접근 방식을 도입했다.
이를 통해 오실레이터 간 주파수 편차를 줄여 안정적인 동기화(여러 신호가 같은 리듬으로 맞춰지는 상태)를 가능하게 했으며, 커플러를 이용해 다중 상태 커플링(연결 강도를 여러 단계로 조절하는 방식)을 구현함으로써 문제의 가중치(각 조건의 중요도)를 보다 정밀하게 반영할 수 있게 했다.
그 결과, 아이징 모델의 표현력과 해 탐색 성능을 동시에 크게 향상시켰다.
연구팀은 해당 기술을 활용해 대표적인 조합 최적화 문제인 ‘최대 절단(Max-Cut, 네트워크를 두 그룹으로 나눌 때 연결을 최대화하는 문제)’ 해결에 성공했다.
이 문제는 물류 경로 최적화, 금융 포트폴리오 구성, 반도체 회로 배치 등 다양한 산업 분야에 직접 활용될 수 있다. 이번 연구의 가장 큰 특징은 특수 소재나 비표준 공정 없이, 현재 반도체 산업에서 사용하는 CMOS* 공정을 그대로 활용했다는 점이다. 따라서 이번 기술은 별도의 설비 투자 없이도 기존 반도체 생산 라인에서 대량 생산과 상용화가 가능하다는 장점을 가진다.
*CMOS(Complementary Metal-Oxide-Semiconductor,상보형 금속산화물 반도체): 현대 반도체 제조의 가장 표준이 되는 공정 기술로 전력 소모가 매우 적고 열이 많이 나지 않아 스마트폰, 컴퓨터의 CPU 등 거의 모든 디지털 기기의 두뇌 역할을 하는 칩을 만드는 데 사용
최양규 교수는 “이번 연구는 오실레이터와 커플러를 모두 실리콘 소자로 구현해 확장성과 정밀도를 동시에 확보한 아이징 머신 하드웨어”라며, “반도체 설계 자동화, 통신 네트워크 최적화, 자원 분배 등 대규모 조합 최적화가 필요한 다양한 산업 분야에 적용될 것으로 기대된다”고 말했다.
이번 연구는 KAIST 윤성윤 박사과정과 김준표 박사가 공동 제1 저자로 참여했으며, 과학 분야 최고 권위 학술지 중 하나인 ‘사이언스 어드밴시스(Science Advances)’에 3월 27일자로 게재되며 그 우수성을 세계적으로 인정받았다.
※ 논문명: Scalable Ising machine composed entirely of Si transistors, DOI: 10.1126/sciadv.adz2384
한편, 이번 연구는 한국연구재단의 차세대지능형반도체기술개발사업, 국가반도체연구실지원핵심기술개발사업, PIM인공지능반도체핵심기술개발사업의 지원을 받아 수행됐다.
2026.05.06 조회수 1471 -
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 1886