-
거대한 AI서버 구축 전 성능 검증 가능한 ‘가상 AI 실험장’ 개발
챗GPT와 같은 거대언어모델(LLM·Large Language Model) 서비스를 운영하려면 수만 대 규모의 서버 인프라가 필요하다. 하지만 새로운 AI 반도체나 시스템 구조를 검증할 때마다 실제 장비를 구축하는 데에는 막대한 비용과 시간이 소요된다. 우리 대학 연구진은 실제 대규모 AI 서버를 구축하기 전에 컴퓨터 안에서 성능과 효율을 미리 검증할 수 있는 ‘가상 실험장’을 개발했다.
우리 대학은 전산학부 박종세 교수 연구팀이 개발한 거대언어모델(LLM) 서비스 인프라 시뮬레이터(simulator·가상 실험 소프트웨어) 연구가 컴퓨터 시스템 성능 분석 분야의 세계적 권위 학회인 ‘ISPASS 2026(IEEE International Symposium on Performance Analysis of Systems and Software)’에서 최우수 논문상을 수상했다고 29일 밝혔다.
연구팀이 개발한 ‘LLMServingSim 2.0’은 복잡한 AI 서비스 환경에서 다양한 하드웨어와 소프트웨어 조합을 가상으로 분석할 수 있는 시뮬레이션 플랫폼이다. 연구자와 개발자들은 값비싼 대규모 서버 인프라를 직접 구축하지 않고도 다양한 설계안을 자유롭게 실험하고 성능을 검증할 수 있다.
특히 이번 기술은 기존 그래픽처리장치(GPU·Graphics Processing Unit) 중심 환경을 넘어 차세대 AI 반도체로 주목받는 신경망처리장치(NPU·Neural Processing Unit)와 프로세싱 인 메모리(PIM·Processing-In-Memory, 메모리 내부에서 연산을 수행하는 반도체 기술) 등 다양한 하드웨어 환경을 지원한다는 점에서 주목된다.
즉 아직 상용화되지 않은 미래형 AI 반도체를 가상의 데이터센터 환경에서 미리 시험해볼 수 있는 기술이다. 이를 통해 특정 반도체를 적용했을 때 서비스 속도가 얼마나 향상되는지, 전력 소모는 얼마나 줄어드는지, 수만 대 규모의 서버 환경에서도 안정적으로 동작하는지 등을 컴퓨터 안에서 재현하고 분석할 수 있다.
또한 실제 AI 서비스 운영 과정에서 발생하는 데이터 처리, 요청 분배, 메모리 활용 등 복잡한 동작을 시스템 수준에서 재현해 현실에 가까운 성능 평가가 가능하다. 특히 여러 서버 자원을 분리·연결해 사용하는 분산형(disaggregated) 인프라 환경까지 분석할 수 있어 차세대 AI 데이터센터 연구에도 활용 가능성이 크다.
이번 시뮬레이터는 연구자뿐 아니라 LLM 서비스 기업과 AI 반도체 스타트업 등이 차세대 AI 인프라를 설계하고 최적화하는 데 폭넓게 활용될 것으로 기대된다. 새로운 AI 반도체나 서비스 구조를 실제 구축 전에 빠르게 검증할 수 있어 AI 인프라 개발 비용과 시간을 크게 줄일 수 있기 때문이다.
박종세 교수는 “AI 서비스 경쟁력은 모델 자체뿐 아니라 이를 안정적이고 효율적으로 운영하는 인프라 기술에서 결정된다”며 “이번 시뮬레이터가 연구자와 산업계가 차세대 AI 인프라를 더욱 빠르고 효율적으로 개발하는 데 중요한 기반이 되길 기대한다”고 말했다.
이번 연구는 전산학부 조재홍 석사과정, 최현민 석사과정 학생이 공동 1저자로 연구를 주도했으며, 연구팀은 지난 2024년 IISWC(IEEE International Symposium on Workload Characterization)에 이어 이번 ISPASS 2026에서도 최우수 논문상을 수상하며 AI 인프라 분야 연구 경쟁력을 다시 한번 입증했다.
※ 논문 제목: LLMServingSim 2.0: A Unified Simulator for Heterogeneous and Disaggregated LLM Serving Infrastructure, DOI: 10.1109/ISPASS69572.2026.00012
※ 오픈소스 링크: https://llmservingsim.ai/
한편 이번 연구는 과학기술정보통신부(MSIT), 정보통신기획평가원(IITP, No. RS-2024-00396013), 한국전자통신연구원(ETRI, No. RS-2025-02305453), SK하이닉스의 지원을 받아 수행됐다.
2026.05.29
조회수 579
-
‘쥬라기 공원’ 공룡이 실제 걸어오는 듯한 소리 자동 구현 AI 기술 개발
영화 ‘쥬라기 공원’에서 거대한 공룡이 걸어오는 장면을 보면 사람들은 자연스럽게 땅이 울리는 듯한 묵직한 저주파음을 떠올린다. 이는 인간이 단순히 사물의 형태뿐 아니라 크기와 무게, 움직임의 속도 같은 물리적 특성까지 함께 고려해 소리를 예측하기 때문이다. 하지만 기존 영상-음향 생성 AI는 화면 속 사물의 형태나 장면 정보에 주로 의존해 소리를 생성해, 무게나 속도에 따라 달라지는 물리적 특성까지는 충분히 반영하지 못했다.
우리 대학은 전산학부 오태현 교수 연구팀이 POSTECH(총장 김성근), 소니 AI(Sony AI) 공동 연구진과 함께 영상 속 물리적 상황을 이해해 보다 현실감 있는 소리를 생성하는 인공지능(AI) 기술 ‘파바스(PAVAS·Physics-Aware Video-to-Audio Synthesis)’를 개발했다고 26일 밝혔다.
이번 기술의 핵심은 영상 속 물체의 질량과 속도 등 눈에 보이지 않는 물리 정보를 AI가 스스로 추론하도록 설계됐다는 점이다. 일반적인 영상에는 물체의 정확한 무게나 속도가 숫자로 제시되지 않지만, 연구팀은 AI가 주변 환경과 움직임의 맥락을 분석해 이를 추정하고, 그 결과를 소리 생성 과정에 반영하도록 했다.
즉, 단순히 ‘무엇이 보이는지’를 인식하는 수준을 넘어, ‘왜 이런 소리가 발생해야 하는지’에 대한 물리적 원인까지 AI가 이해하도록 만든 것이다.
기술 검증 결과, 연구팀의 AI는 물체 간 충돌이나 타격 등 물리적 상호작용이 발생하는 장면에서 실제 환경과 매우 유사한 소리를 생성했다. 특히 물체의 질량과 속도가 달라질 때 소리의 크기와 음색도 자연스럽게 변화하는 등 보다 현실감 있는 음향을 구현했다.
최근에는 영상과 오디오를 동시에 생성하는 생성형 AI 기술이 빠르게 발전하고 있다. 대표적으로 구글의 ‘비오(Veo) 3’, 바이트댄스의 ‘시댄스(Seedance) 2.0’ 등이 있다. 그러나 실제 영화·광고·게임 제작 현장에서는 새로운 영상을 생성하는 것보다 기존 영상에 장면에 맞는 효과음을 추가하거나 음향을 보완하는 후반 작업 수요가 훨씬 크다.
기존 상용 AI 모델들이 영상과 오디오를 함께 생성하는 데 집중했다면, 파바스는 영상 속 객체의 움직임과 충돌 특성을 분석해 장면과 정밀하게 맞아떨어지는 현실적인 효과음을 생성한다는 점에서 차별성을 가진다.
연구팀은 이번 기술이 ‘물리적으로 일관된 생성 AI(Physical AI)’ 분야의 새로운 가능성을 제시했다고 설명했다. 물리적으로 일관된 생성 AI는 단순히 그럴듯한 결과를 만드는 수준을 넘어, 현실 세계의 물리 법칙과 인과관계까지 이해하는 AI를 의미한다.
향후 이 기술은 콘텐츠 음향 제작 자동화는 물론, 증강현실(AR)·가상현실(VR) 콘텐츠, 메타버스, 로보틱스 시뮬레이션 등 다양한 분야에서 더욱 몰입감 있는 사용자 경험을 제공할 수 있을 것으로 기대된다.
오태현 교수는 “기존 생성 AI가 데이터와 모델 규모를 키우는 방식으로 발전해 왔다면, 이번 연구는 AI가 물리량과 인과관계를 직접 이해하도록 설계했다는 점에서 의미가 있다”며 “향후 텍스트·영상·음성 등 다양한 정보를 동시에 이해하고 처리하는 차세대 멀티모달 AI의 핵심 기반 기술로 확장될 수 있을 것”이라고 말했다.
이번 연구에는 POSTECH 오현빈 통합과정 학생이 제1저자로 참여했으며, KAIST 오태현 교수와 소니 AI의 타키다 유타(Yuta Takida), 토시미츠 우에사카(Toshimitsu Uesaka), 미츠후지 유키(Yuki Mitsufuji) 연구원이 공동 저자로 참여했다. 이번 연구는 컴퓨터 비전(영상 기반 인공지능 기술) 분야 세계 최고 권위 학술대회인 ‘CVPR 2026(Computer Vision and Pattern Recognition 2026)’에서 전체 논문 중 상위 1% 이내만 선정되는 오랄(Oral) 발표 논문으로 채택돼 연구의 우수성을 인정받았다. 발표는 오는 6월 6일 진행될 예정이다.
※ 논문명 : PAVAS: Physics-Aware Video-to-Audio Synthesis, DOI: https://arxiv.org/abs/2512.08282
또한 이번 연구는 과학기술정보통신부 기초연구사업 중견연구, 미래창조과학부 미래유망융합기술 파이오니어사업, 과학기술정보통신부 AGI 사업, KAIST 이노코어(InnoCORE) 사업의 지원을 받아 수행됐다.
2026.05.27
조회수 667
-
“의사 만나기 전 AI와 먼저 대화”...KAIST, 정신과 초진 면담 지원 기술 개발
흔히 ‘정신과 문턱이 높다’고 말한다. 환자는 자신의 아픈 마음을 처음 꺼내놓는 과정에 부담을 느끼고, 의료진은 제한된 진료 시간 안에 환자의 방대한 과거력과 증상을 정확히 파악해야 한다. 국내 연구진이 정신과 진료의 첫 단계인 초진 면담 과정을 지원하는 인공지능(AI) 기술을 개발했다.
우리 대학은 전산학부 이의진 교수, 산업디자인학과 이탁연 교수 연구팀과 강남세브란스병원(원장 김용욱) 정신건강의학과 김은주 교수 연구팀이 공동으로 거대언어모델(Large Language Model, LLM) 기반의 정신과 초진 면담 지원 기술을 개발했다고 24일 밝혔다.
이번 연구는 환자가 의사를 만나기 전 AI와 먼저 대화하며 자신의 증상과 상태를 구조화하는 방식으로 진행됐다.
연구팀은 AI가 환자 응답에 따라 대화의 흐름을 조정할 수 있도록 시스템을 설계했다. AI는 환자의 답변을 정신건강의학 분야의 전문 의료 지식과 대조해 실시간으로 분석하고, 다음에 물어봐야 할 핵심 질문을 생성하는 방식이다. 특히 이 시스템은 단순한 문답을 넘어 공감 표현, 환자의 말을 다시 정리해주는 재진술, 모호한 내용을 짚어주는 명확화와 같은 실제 상담 기법을 적용했다. 환자가 보다 편안하게 자신의 상태를 이야기할 수 있도록 하기 위해서다.
성능 검증을 위해 진행한 1,440명의 가상 환자 실험 결과, 대부분 사례에서 단 30분 이내에 진료에 필요한 핵심 임상 정보를 효과적으로 확보하는 결과를 확인했다.
AI는 수집된 대화 내용을 바탕으로 증상과 잠재적 질환을 한눈에 보여주는 임상 대시보드(Clinical Dashboard)를 생성해 의료진에게 제공한다. 이를 통해 의사는 환자가 진료실에 들어오기 전 환자의 상태를 보다 체계적으로 파악할 수 있어, 실제 진료 시간에는 환자와의 심층 상담에 더욱 집중할 수 있게 됐다.
이번 연구의 핵심은 AI를 의사의 대체재가 아닌 ‘똑똑한 보조자’로 정의했다는 점이다. AI는 반복적이고 구조적인 정보 수집 과정을 담당하고, 의사는 이를 바탕으로 최종적인 진단과 처방을 내리는 협력 모델이다.
연구팀은 AI가 감정의 미묘한 변화를 파악하거나 민감한 주제를 다루는 데는 여전히 한계가 있다는 점을 분명히 하며, 최종 판단은 반드시 숙련된 전문 의료진이 수행해야 한다고 강조했다.
이의진 교수는 “AI가 초진 단계의 부담을 줄이면, 의료진은 환자와 더 깊이 있는 상담에 더욱 집중할 수 있다”며 “의료 현장에서 인간과 AI가 협력하는 새로운 진료 방식으로 발전할 가능성을 보여준다”고 밝혔다.
이번 연구에는 정유경 박사과정 학생이 제1저자로 참여했으며, 연구 결과는 인간-컴퓨터 상호작용 분야 최고 권위 학회인 ACM CHI 2026 (ACM Conference on Human Factors in Computing Systems)에 4월 13일 발표됐다.
※ 논문명: Toward Flexible Psychiatric History-Taking and Visualization: Exploring Clinician Perspectives with Large Language Models,DOI: https://dl.acm.org/doi/10.1145/3772318.3790970
※ 저자 정보: 정유경(KAIST, 1저자), Thu Hoang Anh Vo(KAIST, 2저자), 문현승(KAIST, 3저자), 최재영 (KAIST, 4저자), 오향경(강남세브란스병원, 5저자), 이어진(강남세브란스병원, 6저자), 김은주(강남세브란스병원, 7저자), 이탁연(KAIST, 교신저자), 이의진(KAIST, 교신저자)
이번 연구는 정보통신기획평가원 디지털 콜럼버스 프로젝트 사업 (과제명: 복합질병 사전 예측과 비대면 진료 확대 해결을 위한 디지털 혁신요소기술 개발) 의 지원을 받았다.
2026.05.27
조회수 390
-
KAIST-한화솔루션, 석유 유래 나프타 대체할 ‘친환경 바이오 플랫폼’ 구축
우리 대학은 KAIST-한화솔루션 미래기술연구소가 한화솔루션과 손잡고 폐자원을 활용해 플라스틱과 섬유용 친환경 원료를 대량 생산할 수 있는 바이오 기술을 확보했다고 19일 밝혔다.
최근 석유화학 산업의 필수 원료인 나프타의 가격 급등과 공급 불안으로 대체 원료에 대한 필요성이 높아지고 있다. 이번 성과는 자원 공급 안정성과 친환경성을 동시에 확보한 미래형 핵심 기술로 평가받는다.
이 기술은 바이오디젤 생산 공정에서 버려지는 부산물인 ‘글리세롤’을 원료로 삼는다. 버려지는 폐자원을 고부가가치 소재로 전환하기 위해 플라스틱과 화장품의 핵심 소재인 ‘1,3-프로판디올(1,3-PDO)’을 생산하는 고효율 미생물을 개발하고 발효 공정을 최적화했다.
이번 연구는 실제 산업 현장에 적용 가능한 수준에 도달했다. 연구팀은 실험실 규모를 넘어 대형 공장 설비 적용에 앞서 시험 생산이 되는 300L 규모의 파일럿 공정에서도 높은 생산성을 유지하는 데 성공했다.
이는 연구실의 성과가 실제 공장에서도 똑같이 재현될 수 있음을 증명한 것으로 기술의 완성도를 보여준다.
또한, 컴퓨터 시뮬레이션으로 미생물의 대사 과정을 사전에 설계하는 ‘디지털 설계 기술’과 항생제 없이도 안정적으로 원료를 뽑아내는 ‘무항생제 공정’을 도입했다. 이를 통해 생산 비용은 낮추고 환경 규제 리스크를 줄이며 친환경 가치를 극대화했다.
이번 성과는 2015년 11월 첫 발을 뗀 양측의 협력이 10년이라는 긴 시간 동안 흔들림 없이 이어져 온 값진 결실이다. 이는 KAIST의 독보적인 학술적 역량과 한화솔루션의 탄탄한 사업화 역량이 유기적으로 맞물려 일궈낸 산학 협력의 대표적 성공 모델로 평가받는다. 또한 본 연구는 KAIST와 한화솔루션 연구진의 긴밀한 협력을 통해 수행됐다.
이번 친환경 바이오 플랫폼 연구를 통해 총 6건의 특허를 출원하고, 13편의 논문을 게재하는 성과를 거뒀다. 특히 연구 결과를 담은 논문은 세계적 학술지 네이처 케미컬 엔지니어링(Nature Chemical Engineering) 5월 12일 자에 게재됐으며, 5월호 표지논문으로 선정되었다. 표지논문은 해당 호를 대표하는 연구 성과에만 선정되는 만큼, 이번 연구의 학문적 중요성과 파급력을 인정받았다는 점에서 의미가 크다.
※ 논문명: High-titer, antibiotic-free, pilot-scale production of 1,3-propanediol by engineered Corynebacterium, DOI: 10.1038/s44286-026-00389-w
※ 저자: 조재성(KAIST, 제1저자), 신디 프리시리아 수르야 프라보워 박사(Cindy Pricilia Surya Prabowo)(KAIST, 제1저자), 한태희 박사(KAIST), 문천우(KAIST), 고유성(KAIST), 조창희 박사(한화솔루션), 김제웅(KAIST), 김원준 박사(한화솔루션), 방현배 박사(한화솔루션), 이재은(KAIST), 기민정(KAIST), 장남진 박사(한화솔루션), 이상엽(KAIST, 교신저자)
한화솔루션 김정대 연구소장은 “이번 연구는 바이오 기반 원료를 활용해 기존 석유화학 공정을 대체할 수 있는 가능성을 확인했다는 점에서 의미가 크다”며 “향후 지속가능한 화학소재 생산과 산업 적용에 중요한 기반이 될 것으로 기대한다”고 말했다.
KAIST 이상엽 생명화학공학과 특훈교수는 “이번 연구는 미생물 기반의 화학물질 생산이 실험실을 넘어 실제 산업 규모로 충분히 확장될 수 있음을 보여준 사례이다”라며, “앞으로 다양한 화학소재를 더욱 친환경적으로 생산하는 데 기여할 것이다”라고 밝혔다.
2026.05.19
조회수 1288
-
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 1304
-
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 1834
-
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 1359
-
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 1827
-
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 1744
-
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 1713
-
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 2850
-
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 4337