%ec%9e%90%eb%8f%99%ed%99%94
-
‘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 1304 -
유지환 교수팀, 세계 최고 권위 로봇저널 2년 연속 최우수 논문상 수상
세계 로봇공학 분야 최고 권위 학술지 중 하나인 IEEE Robotics and Automation Letters(RA-L)의 최우수 논문상(Best Paper Award)을 우리 대학 연구팀이 2년 연속 수상하며 세계 최고 수준의 소프트 로봇 연구 경쟁력을 입증했다.
우리 대학은 건설및환경공학과 유지환 교수 연구팀이 지난 6월 1일 오스트리아 빈에서 열린 세계 최대 규모의 로봇 학술대회인 ‘2026 IEEE 국제 로봇 및 자동화 학회(ICRA 2026)’에서 2025년에 이어 올해도 RA-L 최우수 논문상을 수상했다고 22일 밝혔다.
RA-L 최우수 논문상은 한 해 동안 출판된 로봇공학 논문 가운데 학문적 기여도, 기술적 독창성, 실험적 완성도, 향후 응용 가능성 등을 종합적으로 평가해 극소수의 우수 논문에만 수여되는 상이다. 올해는 2025년 IEEE RA-L에 게재된 1,700여 편의 논문 가운데 최우수 논문 5편이 선정됐다.
동일 연구팀의 RA-L 최우수 논문상 2년 연속 수상은 매우 이례적인 성과로, KAIST 소프트 로봇 연구의 세계적 경쟁력과 지속적인 연구 영향력을 보여주는 사례로 평가된다.
연구팀은 소프트 로봇 기술을 활용해 의복이 사용자의 신체 위로 스스로 펼쳐지며 착용을 보조하는 자가 착용 적응형 의복 기술을 제안했다.
기존 의복 착용 보조 기술은 외부 로봇 장치에 의한 복잡한 구동 및 제어에 의존하거나 사용자의 움직임과 자세를 제한하는 경우가 많았다. 반면 연구팀은 소프트 그로잉 로봇(공기압 등을 이용해 구조물이 스스로 펼쳐지며 성장하듯 이동하는 유연 로봇)의 핵심 원리인 공압 기반 전개 메커니즘을 의복 구조에 적용해 외부 로봇 없이도 의복 자체가 사용자의 신체를 따라 부드럽게 펼쳐지도록 구현했다.
연구팀은 얇고 유연한 소재로 구성된 공압식 반전 메커니즘(공기를 주입하면 접힌 구조가 뒤집히며 자연스럽게 펼쳐지는 구조)을 의복 내부에 통합하고, 공압을 이용해 의복이 사용자의 신체를 따라 전개되도록 설계했다.
이를 통해 의복은 높은 순응성(사용자의 신체 형태와 움직임에 자연스럽게 맞춰지는 특성)과 안전성을 유지하면서도 빠르고 안정적인 착용 보조 기능을 수행할 수 있다. 특히 소프트 로봇 특유의 유연한 구조는 인체와 직접 접촉하는 환경에서 안전성을 확보하는 데 유리하며, 복잡한 제어 시스템 없이도 실제 착용 동작을 지원할 수 있다는 장점을 갖는다.
연구팀은 소매, 재킷, 바지 등 다양한 의복 형태의 프로토타입을 제작하고 실험을 통해 자가 착용 성능을 검증했다. 실험 결과, 의복은 사용자의 신체를 따라 안정적으로 전개됐으며 착용 과정에서 사용자의 움직임 부담과 신체에 가해지는 힘을 줄여 안전한 착용 보조가 가능함을 확인했다.
이번 연구는 소프트 그로잉 로봇 기술이 이동·탐사 중심의 기존 응용을 넘어 인간의 일상생활을 직접 지원하는 기술로 확장될 수 있음을 보여준다. 특히 고령자, 장애인, 재활 환자 등 의복 착용에 어려움을 겪는 사용자를 위한 보조공학 기술로 발전할 가능성이 있으며, 향후 웨어러블 로봇(몸에 착용해 사용자의 움직임이나 신체 기능을 보조하는 로봇), 재활공학, 인간-로봇 상호작용(Human-Robot Interaction, 인간과 로봇이 효과적으로 소통하고 협력하는 기술) 분야에서 폭넓은 활용이 기대된다.
유지환 교수는 “이번 2년 연속 수상은 KAIST 로봇 연구의 지속적인 세계 경쟁력을 보여주는 뜻깊은 성과”라며 “특히 소프트 그로잉 로봇의 핵심 원리를 인간의 일상생활을 지원하는 의복 착용 보조 기술로 확장했다는 점에서 의미가 크다. 앞으로도 안전하고 유연한 소프트 로봇 기술을 바탕으로 인간 친화적인 로봇 연구를 지속해 나가겠다”고 말했다.
본 연구는 KAIST 김남균 박사가 주도적으로 수행했으며, KAIST와 미국 스탠퍼드대학교의 앨리슨 오카무라(Allison M. Okamura) 교수 연구그룹이 공동으로 참여했다. 해당 논문은 2025년 11월 19일 IEEE Robotics and Automation Letters에 게재됐다.
※ 논문 제목: Self-Wearing Adaptive Garments via Soft Robotic Unfurling, DOI: 10.1109/LRA.2025.3634909
한편 이번 연구는 한국연구재단 중견연구과제와 산업통상자원부 재원 한국산업기술진흥원 산업혁신인재성장지원사업의 지원을 받아 수행됐다.
2026.06.22 조회수 2663 -
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 2517 -
연구자 없이 로봇팔·AI로 소재 혁신 실현
이차전지 양극 소재는 높은 충전 속도, 에너지 밀도, 안정성 등 어려운 기준들을 전부 충족해야 하기 때문에 소재 개발을 위해서는 수많은 소재 후보군을 고려해 탐색을 진행해야만 한다. 국내 산학 협력 연구진이 AI 및 자동화 시스템을 활용해 연구자의 개입 없이 이차전지 양극 소재의 개발을 진행하는 자율 탐색 실험실*을 구축했다. 이를 통해 개발 과정 중 발생하는 연구자의 노동을 최소화하며 탐색 기간을 93% 단축했다.
*자율 탐색 실험실: 자율적으로 실험을 설계, 수행, 분석하여 최적의 소재를 탐색하는 플랫폼
우리 대학 신소재공학과 서동화 교수 연구팀이 포스코홀딩스 미래기술연구원(원장 김기수) 에너지소재연구소 LIB소재연구센터 연구팀과 산학 협력 연구를 통해, AI 및 자동화 기술을 활용해 이차전지 양극 소재를 탐색하는 자율 탐색 실험실을 구축했다고 3일 밝혔다.
이차전지 양극 소재 개발은 필연적으로 시료의 무게를 칭량하고 이송하는 정량, 혼합, 소결* 및 분석 과정을 거쳐 광범위한 양극 조성(화합물 내 성분 원소들이 섞이는 비율) 및 실험 변수 탐색해야 해서 숙련된 연구자의 많은 노동력이 필요하고 긴 개발 시간을 필요로 한다.
*소결: 시료를 가열하여 분말 입자들이 열적 활성화 과정을 거쳐 하나의 덩어리로 되는 과정
연구팀은 연구자의 개입 없이 시료 정량, 혼합, 펠렛화, 소결 및 분석을 수행하는 자동화 시스템과 분석된 데이터를 해석하고 이를 학습해 최선의 후보군을 선택하는 AI 모델을 기반으로 자율 탐색 실험실을 구축했다.
연구팀은 자동화 시스템을 구축하기 위해 정량, 혼합, 펠렛화, 소결 및 분석 과정을 각각 개별 장치 모듈로 구축하고 이를 중앙 로봇팔이 핸들링하는 방법으로 로봇팔의 비중을 줄여 실험 효율을 증대시켰다.
또한, 연구팀은 기존 저속 소결 방법과 다른 고속 소결 방법을 도입하여 합성 속도를 비약적으로 개선했다. 그 결과 소결 공정에 필요한 시간을 50배 단축할 수 있었고, 이를 기반으로 자율 탐색 실험실은 기존 연구자 기반 실험 대비 12배 많은 소재 데이터의 확보가 가능하다.
확보된 많은 소재 데이터는 AI 모델을 통해 자동으로 해석되어 합성된 상 정보 및 불순물 비율 등이 추출된다. 이를 합성 성공 여부와 관계없이 체계적으로 저장하여 양질의 데이터베이스를 구축하며 해당 데이터는 이후 최적화 AI 모델의 학습 데이터로 활용하여 다음에 자동화 시스템이 실험할 양극 조성 및 합성 조건을 추천하는 폐루프 실험 시스템*을 구현했다.
*폐루프 (Closed-loop) 실험 시스템: 실험 전 과정을 연구자의 개입 없이 스스로 수행하는 시스템
지능형 실험 자동화 시스템을 24시간 운용할 경우, 약 12배 이상의 실험 데이터 확보 및 93%의 소재 탐색 시간 단축이 가능하며, 이는 소재 탐색에 필요한 실험 횟수가 500회라고 가정할 시 연구자가 직접 실험을 수행하는 기존 방식으로는 84일이 소요되는 반면, 자동화 시스템은 약 6일 만에 완료할 수 있는 것으로 시간 및 인력 효율을 크게 향상시킬 수 있다.
자율 탐색 실험실 개발 과정에서 포스코홀딩스는 프로젝트 전반의 기획과 총괄 운영을 맡고, 전체 플랫폼 설계에 대한 검토와 부분 모듈 설계 및 AI 기반 실험 설계 모델에 대한 공동 개발을 수행했으며, 서동화 교수팀은 전체 플랫폼 설계, 부분 모듈 설계 및 제작, 알고리즘 제작, 자동화 시스템 기반 실험 검증 및 오류 개선 등 실질적 시스템 구현과 운영을 담당했다.
서동화 교수는 "이번 연구를 통해 구축된 시스템은 저출산으로 인한 연구 인력 감소를 해결할 기술”이라며 "양질의 소재 데이터를 확보하여 이차전지 소재 개발을 가속화 하여 글로벌 경쟁력을 강화 가능할 것으로 기대된다”고 설명했다.
또한, 포스코홀딩스 미래기술연구원은 이번에 개발된 자율 탐색 실험실 시스템을 기반으로, 2026년 이후 업그레이드된 버전을 자체 연구소 실험실에 적용하여 차세대 이차전지 소재 개발 속도를 획기적으로 높이는 것을 목표로 하고 있다. 이를 위해 설비의 안정성과 확장성을 강화하는 후속 개발을 계획 중이며, 산학연이 협력해 개발한 기술이 실제 연구개발 현장에서 활용되는 사례로 이어질 것으로 기대된다.
한편, 이번 연구는 신소재공학과 서동화 교수 연구실의 이현기 박사과정 연구원을 비롯해 배성재, 김동우 석사과정 연구원의 주도로 진행됐으며, 포스코홀딩스 미래기술연구원 에너지소재연구소(소장 홍정진)와 LIB소재연구센터의 박정우 수석연구원, 박인철 수석연구원이 공동으로 참여했다.
2025.08.05 조회수 4845 -
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 7485 -
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 14979 -
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 25809