-
AI로 인간 집단행동 예측! 세계 최고 학회에서 1위.. 23년 만의 쾌거
우리 대학은 김재철AI대학원 신기정 교수 연구팀이 개인의 나이, 역할 등 특성이 집단 관계에 미치는 영향을 분석해 복잡한 사회 집단행동을 예측하는 획기적인 AI 기술을 개발했다고 9일 밝혔다.
연구팀은 이 기술로 미국전기전자학회(IEEE) 주관 세계적 데이터마이닝 학술대회 'IEEE ICDM'에서 최우수 논문상(Best Paper Award)을 수상하는 쾌거를 이루었다. 이는 전 세계 785편 중 단 1편에게만 주어지는 최고 권위의 상으로, 한국 대학 연구팀으로서는 23년 만의 수상으로 KAIST가 다시 한 번 세계 연구 무대에서 기술 리더십을 입증했다.
오늘날 온라인 커뮤니티·연구 협업·단체 채팅 등 다수가 동시에 참여하는 집단 상호작용은 사회 곳곳에서 폭발적으로 늘고 있다. 그러나 이러한 집단 행동이 어떤 구조로 형성되고, 개인의 특성이 어떻게 영향을 미치는지를 동시에 정밀하게 설명해 내는 기술은 부족했다.
신기정 교수 연구팀은 이 한계를 뛰어넘기 위해 개인 특성과 집단 구조를 실제처럼 맞물리게 재현하는 AI 모델 ‘NoAH(Node Attribute-based Hypergraph Generator)’를 개발했다.
NoAH는 사람들의 특징이 모이면 어떤 그룹 행동이 만들어지는지를 설명하고 흉내내는 인공지능이다. 예를 들어, 어떤 사람이 어떤 관심사를 갖고 있는지, 어떤 역할을 하는지 등의 정보들이 실제로 어떻게 모여서 그룹 행동을 만들어 내는지를 분석해 그대로 재현할 수 있다.
그래서 NoAH는 사람의 성향과 관계를 동시에 반영해 ‘현실 같은 집단 행동’을 만들어 내는 AI로, 전자상거래에서의 구매 조합, 온라인 토론의 확산 과정, 연구자들의 논문 공저 네트워크 등 다양한 실제 집단 행동을 기존 모델보다 훨씬 더 사실적으로 재현하는 것으로 나타났다.
신기정 교수는 “이번 연구는 집단의 구조뿐 아니라 개인의 특성까지 함께 고려해, 복잡한 상호작용을 입체적으로 이해할 수 있는 새로운 AI 패러다임을 열었다”며 “온라인 커뮤니티, 메신저, 소셜 네트워크 분석 등이 한층 정밀해질 것”이라고 말했다.
이번 연구는 신기정 교수와 KAIST 김재철AI대학원 소속 전재완·윤석범 석사과정, 최민영·이건 박사과정으로 구성된 연구팀이 수행하였으며, IEEE ICDM에서 11월 18일 자 발표하였다.
※논문명: Attributed Hypergraph Generation with Realistic Interplay Between Structure and Attributes
논문원본: https://arxiv.org/abs/2509.21838
한편, 신 교수 연구팀은 이번 수상 논문을 포함해 올해 IEEE ICDM에서 총 네 편의 논문을 발표했다. 또한 2023년에도 같은 학술대회에서 상위 4등인 Best Student Paper Runner-up을 수상한 바 있다.
이 성과는 정보통신기획평가원의 지원을 받은 AI 연구거점 프로젝트, 인공지능 대학원 지원(KAIST), 인공지능 에이전트 협업기반 신경망 변이 및 지능 강화 기술 개발 과제의 지원을 받았다.
2025.12.09
조회수 3786
-
휴대폰 사진 단 몇 장으로 구현한 생생한 3D 가상 환경 속으로
기존의 3D 시뮬레이션은 실제 공간을 라이다(LiDAR)나 3D 스캐너로 정밀하게 측정하고, 수천 장의 사진을 카메라 위치 정보와 함께 보정해야 하는 번거로운 과정을 거쳐야 했다. 우리 대학 연구진은 이러한 한계를 극복하고 단 2~3장의 일반 사진만으로도 실험실이나 도심을 고정밀 3D 공간으로 복원해 시뮬레이션 환경을 구축할 수 있는 기술을 선보였다. 이로써 ‘현실을 찍으면 곧바로 가상 환경이 되는’새로운 패러다임을 제시했다.
우리 대학은 전산학부 윤성의 교수 연구팀이 정밀한 카메라 위치 정보 없이도 일반 영상만으로 고품질의 3차원 장면을 복원할 수 있는 새로운 기술 ‘SHARE(Shape-Ray Estimation)’를 개발했다고 6일 밝혔다.
기존의 3D 복원 기술은 소수의 영상으로 3차원 장면을 재현하기 위해 촬영 당시의 정밀한 카메라 위치와 방향 정보가 필수적으로 요구되어, 고가의 특수 장비나 복잡한 보정 과정이 필요하다는 한계가 있었다. 이러한 제약 때문에 실제 환경에서의 적용이 어렵고, 대중적 활용에도 제동이 걸려왔다.
연구팀은 이러한 문제를 해결하기 위해, 단 2~3장의 일반 사진만으로도 3차원 장면과 카메라의 방향을 동시에 추정해 정확한 3D 모델을 구축하는 기술을 개발했다. 별도의 추가 학습이나 정밀한 보정 과정 없이도 실제 환경에서 신속하고 정밀한 복원이 가능해 효율성과 범용성이 매우 높은 기술로 평가받고 있다.
핵심 기술인 SHARE는 영상 속에서 사물의 형태(Shape)와 카메라의 시선 방향(Ray)을 동시에 추정하는 새로운 방식을 도입했다.
기존 방식이 카메라 위치를 미리 알아야 3D 구조를 계산할 수 있었다면, SHARE는 영상 자체에서 공간 정보를 스스로 찾아내어 카메라와 구조를 추론한다. 이를 통해 서로 다른 위치에서 촬영된 다중 영상을 하나의 공통된 공간으로 정렬하고, 형상 왜곡 없이 안정적인 3D 복원을 실현했다.
윤성의 교수는 “SHARE 기술은 3D 복원의 진입 장벽을 획기적으로 낮춘 기술로, 건설·미디어·게임 등 다양한 산업에서 스마트폰 카메라만으로도 고품질 콘텐츠 제작을 가능하게 할 것”이라며 “로봇과 자율주행 분야에서도 저비용 시뮬레이션 환경 구축 등 다양한 응용 가능성이 있다”고 밝혔다.
이번 연구는 나영주 박사과정, 김태연 석사과정 학생이 공동 제1저자로 참여했으며, 연구 결과는 국제 이미지 처리 학회(IEEE International Conference on Image Processing, ICIP 2025)에서 9월 17일 발표되어 ‘최고 학생논문상(Best Student Paper Award)’을 수상했다.
이 상은 올해 채택된 643편의 논문 중 단 한 편에게만 수여되는 영예(수상률 0.16%)로, KAIST 연구진의 우수한 연구역량을 다시 한 번 입증했다.
*논문명 : Pose-free 3D Gaussian Splatting via Shape-Ray Estimation, DOI https://arxiv.org/abs/2505.22978
*수상정보: https://www.linkedin.com/posts/ieeeicip_congratulations-to-the-icip-2025-best-activity-7374146976449335297-6hXz
이번 성과는 과학기술정보통신부 SW스타랩 사업 ‘오픈 월드 로봇 서비스를 위한 불특정 환경 인지·행동·상호작용 알고리즘 개발’ 과제지원으로 수행되었다.
2025.11.06
조회수 3094
-
안개 속 모습도 또렷하게..숨겨진 영상 복원 AI 개발
물방울이 맺힌 유리창 밖을 보면 물체의 형체를 선명하게 알아볼 수 없는 것처럼, 카메라 센서에도 산란에 의해 뒤섞인 빛이 들어오면 흐린 영상이 촬영된다. 우리 연구진은 이러한 손상 영상을 시간의 연속성을 분석하여 선명하게 복원하는 AI 기술을 개발했다. 영상 촬영에선 산란 효과 뿐만 아니라 아지랑이와 같은 수차 효과, 야간에 발생하는 광자 잡음 효과 등 다양한 영상 손상 현상이 일어날 수 있는데, 이번에 개발된 기술은 이러한 다양한 손상 현상에 범용적으로 적용될 수 있어 향후 의료·방산·로봇 비전 분야에서 커다란 전환점을 마련할 것으로 기대된다.
우리 대학 바이오및뇌공학과 장무석 교수와 김재철AI대학원 예종철 교수 공동 연구팀이 움직이는 산란 매질 너머의 숨겨진 영상을 복원할 수 있는 ‘비디오 디퓨전 기반 영상 복원 기술(시간축 정보 정합성을 활용해 흐릿하거나 손상된 영상을 디퓨전 모델로 되살리는 기술)’을 세계 최초로 개발했다고 31일 밝혔다.
이 기술은 안개 낀 도로에서 자동차 전조등을 켜도 시야가 흐릿하게 보이는 현상이나, 김 서린 욕실 유리창 너머의 모습이 왜곡되어 보이는 것처럼 빛이 흐트러지는 환경에서도 원래 영상을 선명하게 복원할 수 있게 한다.
산란 매질은 빛의 경로를 무질서하게 섞어 시각 정보를 왜곡하는 물질로, 안개·연기·불투명 유리·피부 조직 등이 대표적이다. 이번에 개발된 기술은 기존에 보이지 않던 영역을 마치 ‘가려진 간유리 뒤를 들여다보듯’ 복원할 수 있게 해준다.
이를 통해 혈액이나 피부 속을 들여다보는 비침습적 의료 진단, 화재 현장의 연기 속 인명 구조, 벽에서 반사된 빛으로 영상을 복원하는 비시선 영상, 안개 낀 도로에서의 안전 운전 보조, 불투명 유리나 플라스틱 내부의 산업 검사, 흐린 물속 시야 확보 등 일상과 산업 전반에 활용될 수 있는 길을 열었다.
연구팀은 기존 인공지능 복원 기술이 훈련된 데이터 범위에서만 성능을 내는 한계를 극복하기 위해, 광학 모델과 비디오 디퓨전 모델을 결합한 새로운 복원 방식을 제안했다.
특히 시간에 따라 산란 환경이 변하는 경우(예: 바람에 흔들리는 커튼 너머 풍경)에도 안정적으로 복원할 수 있도록 연속된 영상의 시간적 상관관계를 학습한 디퓨전 모델을 도입했다. 그 결과 다양한 거리·두께·잡음 조건에서도 기존 최고 성능의 복원 모델을 뛰어넘는 결과를 얻었다.
공동 연구팀은 디퓨전 기반 복원 기술 중 최초로 시간 상관관계를 반영해, 움직이는 산란 매질 너머에서 정자의 움직임 패턴을 관찰하는 데 성공함으로써 세계적으로 큰 학문적 의미를 남겼다. 또한, 별도의 추가 학습 없이도 안개 제거, 영상 화질 개선(고해상도 프레임 생성), 블라인드 디블러링(흐린 영상 선명화) 등 다양한 상황에서 적응적으로 영상을 복원할 수 있는 최적화 기법을 도입해, 범용 복원 프레임워크로 확장될 가능성을 입증했다.
권태성 연구원은 “시간 상관관계를 학습한 디퓨전 모델이 움직이는 산란매질 너머 보이지 않는 데이터를 복원하는 광학 역문제 해결에 효과적임을 확인했다”면서, “앞으로는 안개 제거, 영상 화질 개선, 블라인드 디블러링 뿐만 아니라, 빛의 시간적 변화를 역추적해야 풀 수 있는 다양한 광학 역문제로 연구를 확장할 계획”이라고 밝혔다.
이번 연구는 바이오및뇌공학과 권태성·송국호 박사과정이 공동 제1 저자로 참여했으며, 세계 최고 수준의 인공지능 학술지 IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)에 8월 13일에 게재됐다.
※논문명: Video Diffusion Posterior Sampling for Seeing Beyond Dynamic Scattering Layers
※DOI: 10.1109/TPAMI.2025.3598457
이번 연구는 과학기술정보통신부, 한국연구재단의 우수신진 연구자 사업 및 뇌선도연구센터사업, 삼성미래기술육성사업, AI 스타펠로우십의 지원을 받아 수행됐다.
2025.09.01
조회수 3829
-
숨겨진 다자 간 관계를 추적·복원하는 AI '마리오' 개발
회의실에 여러 사람이 동시에 모여 회의하는 경우처럼, 다수의 객체가 동시에 상호작용하는 고차원 상호작용(higher-order interaction)은 다양한 분야에서 발생하며, 실세계의 복잡한 관계를 담고 있다. 하지만 기술적 제약으로 인해 많은 분야에서는 주로 개별 쌍 간의 저차원 정보만 수집돼, 전체 맥락이 손실되고 활용에 제약이 따랐다. KAIST 연구진이 이처럼 불완전한 정보만으로도 고차원 상호작용을 정밀하게 복원*하는 AI ‘마리오(MARIOH)’를 개발하며, 소셜 네트워크, 뇌과학, 생명과학 등 다양한 분야에서 혁신적 분석 가능성을 열었다.
*복원: 사라지거나 관측되지 않은 원래 구조를 추정/재구성하는 것
우리 대학 김재철AI대학원의 신기정 교수 연구팀이 저차원 상호작용 정보만으로 고차원 상호작용 구조를 높은 정확도로 복원할 수 있는 인공지능 기술인 ‘마리오(이하 MARIOH, Multiplicity-Aware Hypergraph Reconstruction)’를 개발했다고 5일 밝혔다.
고차원 상호작용 복원이 어려운 이유는 동일한 저차원 상호작용 구조로부터 파생될 수 있는 고차원 상호작용의 가능성이 무수히 많기 때문이다.
연구팀이 개발한 MARIOH의 핵심 아이디어는 저차원 상호작용의 다중도(multiplicity) 정보를 활용해, 해당 구조로부터 파생될 수 있는 고차원 상호작용의 후보 수를 획기적으로 줄이는 데 있다.
더불어, 효율적인 탐색 기법을 통해 유망한 상호작용 후보를 신속하게 식별하고, 다중도 기반의 심층 학습 기술을 활용해 각 후보가 실제 고차원 상호작용일 가능성을 정확하게 예측한다.
연구팀은 10개의 다양한 실세계 데이터 셋을 대상으로 한 실험 결과, MARIOH는 기존 기술 대비 최대 74% 높은 정확도로 고차원 상호작용을 복원하는 데 성공했다.
예를 들어, 논문 공저 관계 데이터(출처: DBLP)에서는 98% 이상의 복원 정확도를 달성해, 약 86% 수준에 머무는 기존 기술을 크게 앞질렀다. 또한, 복원된 고차원 구조를 활용할 경우, 예측, 분류 등 다양한 작업에서의 성능이 향상되는 것으로 나타났다.
신기정 교수는 “MARIOH는 단순화된 연결 정보 정보에만 의존하던 기존 접근에서 벗어나, 실제 세계의 복잡한 연결 관계를 정밀하게 활용할 가능성을 열어 준다”라며, “단체 대화나 협업 네트워크를 다루는 소셜 네트워크 분석, 단백질 복합체나 유전자 간 상호작용을 분석하는 생명과학, 다중 뇌 영역 간 동시 활동을 추적하는 뇌과학 등 다양한 분야에서 폭넓게 활용될 수 있을 것”이라고 밝혔다.
김재철AI대학원의 이규한 석박통합과정(現 GraphAI 소프트웨어 엔지니어)과 이건 석박사통합과정, 신기정 교수가 저자로 참여한 이번 연구는 지난 5월에 홍콩에서 열린 제41회 IEEE 국제 데이터공학 학회(IEEE International Conference on Data Engineering, IEEE ICDE)에서 발표됐다.
※논문명: MARIOH: Multiplicity-Aware Hypergraph Reconstruction
※DOI: https://doi.ieeecomputersociety.org/10.1109/ICDE65448.2025.00233
한편, 이번 연구는 정보통신기획평가원의 지원을 받은 ‘EntireDB2AI: 전체 관계형 데이터베이스를 종합적으로 활용하는 심층 표현 학습 및 예측 원천기술과 소프트웨어 개발’ 과제와 한국연구재단의 지원을 받은 ‘그래프 파운데이션 모델: 다양한 모달리티 및 도메인에 적용 가능한 그래프 기반 기계 학습’과제의 성과다.
2025.08.05
조회수 4066
-
최정우 교수팀, 세계 최고 음향 AI 챌린지 세계 1위 쾌거
‘음향 분리 및 분류 기술’은 드론, 공장 배관, 국경 감시 시스템 등에서 이상 음향을 조기에 탐지하거나, AR/VR 콘텐츠 제작 시 공간 음향(Spatial Audio)을 음원별로 분리해 편집할 수 있도록 하는 차세대 인공지능(AI) 핵심 기술이다.
우리 대학 전기및전자공학부 최정우 교수 연구팀이 세계 최고 권위의 음향 탐지 및 분석 대회인 ‘IEEE DCASE 챌린지 2025’에서 ‘공간 의미 기반 음향 장면 분할(Spatial Semantic Segmentation of Sound Scenes)’ 분야에서 우승을 차지했다고 11일 밝혔다.
이번 대회에서 연구팀은 전 세계 86개 참가팀과 총 6개 분야에서 경쟁 끝에 최초 참가임에도 세계 1위 성과를 거두었다. KAIST 최정우 교수 연구팀은 이동헌 박사, 권영후 석박통합과정생, 김도환 석사과정생으로 구성되었다.
연구팀이 참가한 ‘공간 의미 기반 음향 장면 분할’의 ‘태스크(Task) 4’분야는 여러 음원이 혼합된 다채널 신호의 공간 정보를 분석해 개별 소리를 분리하고 18종으로의 분류를 수행해야 하는 기술 난이도가 매우 높은 분야이다. 연구팀은 오는 10월, 바르셀로나에서 열리는 DCASE 워크숍에서 기술을 발표할 예정이다.
연구팀의 이동헌 박사는 올해 초 트랜스포머(Transformer)와 맘바(Mamba) 아키텍처를 결합한 세계 최고 성능의 음원 분리 인공지능을 개발했으며, 챌린지 기간 동안 권영후 연구원을 중심으로 1차로 분리된 음원의 파형과 종류를 단서로 해 다시 음원 분리와 분류를 수행하는‘단계적 추론 방식’의 AI 모델을 완성했다.
이는 사람이 복잡한 소리를 들을 때 소리의 종류나 리듬, 방향 등 특정 단서에 기반해 개별 소리를 분리해 듣는 방식을 AI가 모방한 모델이다.
이를 통해, 순위를 결정하는 척도인 AI가 소리를 얼마나 잘 분리하고 분류했는지 평가하는‘음원의 신호대 왜곡비 향상도(CA-SDRi)*’에서 참가팀 중 유일하게 두 자릿수 대의 성능(11 dB)을 보여, 기술적인 우수성을 입증하였다.
*음원의 신호대 왜곡비 향상도(CA-SDRi): 기존의 오디오와 비교해 얼마나 더 선명하게(덜 왜곡되게) 원하는 소리를 분리했는지를 dB(데시벨) 단위로 측정하고 숫자가 클수록 더 정확하고 깔끔하게 소리를 분리했다는 뜻임
최정우 교수는 "연구팀은 최근 3년간 세계 최고의 음향 분리 AI 모델을 선보여 왔으며, 그 결과를 공식적으로 인정받는 계기가 되어 기쁘다”면서 “난이도가 대폭 향상되고, 타 학회 일정과 기말고사로 불과 몇 주간만 개발이 가능했음에도 집중력 있는 연구를 통해 1위를 차지한 연구팀 개개인이 자랑스럽다”고 소감을 밝혔다.
‘IEEE DCASE 챌린지 2025’는 온라인으로 진행됐으며, 4월 1일부터 시작해 6월 15일 인공지능 모델 투고를 마감했고 지난 6월 30일 결과가 발표됐다. 각종 음향 관련 탐지 및 분류 기술을 평가하는 IEEE 신호처리학회(Signal Processing Society) 산하 국제대회인 본 챌린지는 2013년 개최된 이래 음향 분야 인공지능 모델의 세계적인 경연의 장으로 자리매김해 왔다.
https://dcase.community/challenge2025/task-spatial-semantic-segmentation-of-sound-scenes
한편, 해당 연구는 교육과학기술부의 재원으로 한국연구재단 중견연구자지원사업, STEAM 연구사업 지원 및 방위사업청 및 국방과학연구소 재원으로 미래국방연구센터 지원을 받아 수행됐다.
2025.07.11
조회수 4745
-
유지환 교수, 세계적인 IEEE 로봇저널 최우수 논문상 수상
우리 대학 건설및환경공학과 유지환 교수가 5월 22일 미국 애틀랜타에서 열린 세계적인 로봇 학회인 ‘2025 IEEE 국제 로봇 및 자동화 학회(ICRA)’에서, 미국전기전자학회(IEEE) 산하 로봇 프리미어 저널 ‘로봇 및 자동화 레터(Robotics and Automation Letters, RA-L)’의 2024 최우수 논문상(Best Paper Award)을 수상했다.
이번 최우수 논문상은 2024년도에 출판된 약 1,500편의 논문 중 상위 5편에만 수여되는 영예로운 상으로, 국제적으로도 높은 경쟁률과 권위를 자랑한다.
유 교수가 수상한 논문은, 식물의 뿌리처럼 자라나는 동작(growing motion)을 통해 이동하거나 작업을 수행하는 연성재료(soft material) 기반의 ‘소프트 그로잉 로봇(Soft Growing Robot)’의 실용성과 응용 가능성을 획기적으로 확장할 수 있는 새로운 작업 채널 확보 기술을 제안했다.
기존 소프트 그로잉 로봇은 내부 압력을 높이거나 낮추어 몸체를 부풀리거나 수축시키는 방식으로 움직이기 때문에 내부통로가 압력에 의해 막히는 현상이 발생한다. 반면, 이번에 개발된 소프트 그로잉 로봇은 내부통로의 압력을 외부 대기압과 동일하게 유지한 채로 자라나는 기능을 구현함으로써, 로봇의 유연하고 부드러운 특성을 그대로 유지한채 내부통로를 확보하는 데 성공했다.
이러한 구조는 로봇 내부에 위치한 통로(작업 채널)를 통해 다양한 재료나 도구를 자유롭게 전달할 수 있게 하며, 작업 환경에 따라 장비를 유연하게 교체함으로써 다목적 작업 수행이 가능하다는 장점을 가진다.
연구팀은 본 기술의 효과를 입증하기 위해 프로토타입을 제작하고, 다양한 실험을 통해 성능을 검증했다. 특히, 슬라이드 플레이트 실험에서는 로봇 내부 채널에 재료나 장비가 방해 없이 통과할 수 있는지, 파이프 당기기 실험에서는 긴 파이프 형태의 도구를 내부 채널을 통해 끌어낼 수 있는지 확인했다.
실험 결과, 로봇이 자라나는 도중에도 내부 채널이 안정적으로 유지되는 것이 입증되었으며, 이는 기술의 실용성과 확장성을 뒷받침하는 핵심 근거로 작용한다.
유지환 교수는 “이번 수상은 국내 로봇공학 기술력과 학문적 성과가 세계적으로 인정받았다는 점에서 매우 뜻깊다”며, “특히, 소프트 그로잉 로봇의 실용성과 응용 분야를 크게 확장할 수 있는 기술적 진전을 이뤘다는 데 큰 의의가 있다. 연구팀의 헌신과 협력이 있었기에 가능했던 성과이며, 앞으로도 혁신적인 연구를 통해 로봇 기술의 발전에 기여하겠다”고 소감을 밝혔다.
본 연구는 건설및환경공학과 서동오 박사과정 학생과 로봇학제전공 김남균 박사과정 학생이 공동저자로 참여했고 로봇 및 자동화 레터저널에 2024년 9월 1일자로 게재했다.
(논문 제목: Inflatable-Structure-Based Working-Channel Securing Mechanism for Soft Growing Robots, DOI: 10.1109/LRA.2024.3426322)
한편 이번 과제는 한국연구재단의 미래유망융합기술파이오니어 연구과제및 중견연구과제를 동시에 지원받았다.
2025.06.09
조회수 4793
-
기존보다 5배 정밀하게 생체 임피던스 측정 가능
‘인바디(InBody)’란 기기로 체성분을 분석하는 것은 이제 우리의 일상이 되었다. 이렇듯 몸에 교류 전류를 흘릴 때 전류 흐름을 방해하는 인체의 저항 특성인 생체 임피던스* 측정 기술은 웨어러블 기기에 매우 중요하다. 국제 공동 연구진이 단 두 개의 전극만을 사용하면서도 기존보다 5배 정밀하게 생체 임피던스를 측정할 수 있는 기술을 개발해 화제다.
*생체 임피던스 측정 기술 : 생체 조직의 전기적 특성을 기반으로 체내의 다양한 생리적 상태를 모니터링할 수 있는 핵심 기술
우리 대학 전기및전자공학부 제민규 교수 연구팀이 뉴욕대학교 아부다비(New York University Abu Dhabi, NYUAD) 하소명 교수 연구팀과 공동연구를 통해 웨어러블 기기에 최적화된 고해상도 생체 임피던스 측정 기술을 개발했다고 26일 밝혔다.
생체 임피던스 측정 기술로 잘 알려진 기존 4개 전극 시스템*에 비해 2개 전극 기반 측정 시스템**은 소형화가 쉽다는 장점으로 웨어러블 기기에 적합하다고 평가받고 있다.
*4개 전극 시스템: 생체 임피던스를 측정하기 위해 네 개의 전극을 사용하는 시스템으로 웨어러블 기기의 소형화에 불리함
**2개 전극 시스템: 단 두 개의 전극만을 사용하여 생체 임피던스를 측정할 수 있는 시스템으로 웨어러블 기기의 소형화에 적합함
하지만, 2개 전극 시스템은 전극 자체의 임피던스 값이 포함된 신호를 측정하기 때문에 넓은 입력 범위가 필요하며, 측정하는 임피던스 값에 비례해 정확한 측정을 방해하는 잡음이 증가하는 한계로 활용이 어려웠다.
연구팀은 기존 2개 전극 시스템의 기술적 한계를 극복하기 위해 전극 자체의 임피던스 값인 베이스라인과 그에 의해 발생하는 측정 잡음을 기존보다 훨씬 효과적으로 제거할 수 있는 반도체 회로 설계 기술을 새롭게 개발했다. 이번에 제안된 기술을 적용한 시스템은 기존 기술 적용 시 필요로 하던 별도의 전류 생성 회로를 없앨 수 있어 전력 소모 역시 줄일 수 있다.
이런 기술을 통해 생체 임피던스 측정 과정에서 발생하는 임피던스의 위상 및 크기 변화에 따른 잡음 문제를 효과적으로 해결해, 높은 정밀도와 효율성을 동시에 확보했다.
제민규 교수(교신저자)는 “이번 연구로 개발된 생체 임피던스 측정 기술은 다양한 임피던스 모델에 대해 기존의 방식 대비 최대 약 5배 가량 우수한 잡음 성능을 달성하였음을 입증했다”면서 “향후 생체 임피던스 측정을 활용한 개인 맞춤형 건강 관리와 질환 예측 기술 발전에 크게 기여할 것”이라고 말했다.
우리 대학 전기및전자공학부 최해담, 천송이 박사과정이 공동 제1 저자, 제민규 교수와 NYUAD 하소명 교수가 공동 교신 저자로 참여했으며 해당 논문은 세계 최고 권위의 반도체 집적회로 및 시스템 학회인 ‘ISSCC (International Solid-State Circuits Conference)’에 발표됐으며, 동 분야 세계 최고 학술지인 ‘IEEE JSSC (Journal of Solid-State Circuits)’의 초청을 받아 지난 11월 게재됐다.
IEEE Journal of Solid-State Circuits (2024), DOI:10.1109/JSSC.2024.3439865
(논문명: A Bio-Impedance Readout IC With Complex-Domain Noise-Correlated Baseline Cancellation)
한편 이번 연구는 NYUAD (New York University Abu Dhabi)와의 협업으로 진행됐으며, 과학기술정보통신부가 지원한 ‘상시 근골격 모니터링 및 재활을 위한 무자각 온스킨 센서 디바이스 기술’과제와 ‘인간 기능 확장을 위한 생체 신호 센서 기반의 내골격 장치 및 통합 시스템 개발’ 과제를 통해 수행됐다.
2024.12.26
조회수 8835
-
소량의 전류로 전기차 배터리 정밀 진단 가능하다
전기차 배터리를 효율적으로 관리하고 안전하게 사용하기 위해서는 정확한 배터리 상태 진단이 필수적이다. 우리 연구진이 소량의 전류만을 사용해 높은 정밀도로 배터리의 상태를 진단하고 모니터링할 수 있는 기술을 개발하여 배터리의 장기적 안정성과 효율성을 극대화할 것으로 기대된다.
우리 대학 전기및전자공학부 권경하 교수와 이상국 교수 연구팀이 전기차 대용량 배터리의 안정성과 성능 향상에 활용할 수 있는 전기화학 임피던스 분광법(이하 EIS) 기술을 개발했다고 17일 밝혔다.
EIS 기술은 배터리의 임피던스* 크기와 변화를 측정해 배터리 효율과 손실을 평가할 수 있는 강력한 도구로, 배터리의 충전 상태(state-of-charge; SOC) 및 건강 상태(state-of-health; SOH)를 평가하는 중요한 도구로 여겨진다. 또한 배터리의 열적 특성과 화학적/물리적 변화, 수명 예측, 고장의 원인을 식별하는 데 활용 가능하다.
* 배터리 임피던스: 배터리 내부에서 전류 흐름에 저항하는 요소로, 이를 통해 배터리 의 성능과 상태를 평가할 수 있는 지표
그러나 기존 EIS 장비는 비용 및 복잡성이 높아 설치, 운영 및 유지 보수가 쉽지 않다. 또한, 감도 및 정밀도 제약으로 수 암페어(A)의 전류 교란을 배터리에 인가하는 과정에서 배터리에 큰 전기적 스트레스가 가해지기 때문에 배터리의 고장이나 화재 위험을 증가시킬 수 있어 활용이 어려웠다.
이에 연구팀은 고용량 전기차 배터리의 상태 진단 및 건강 모니터링을 위한 소전류 EIS 시스템을 개발하고 입증했다. 이 EIS 시스템은 낮은 (10mA) 전류 교란으로, 배터리의 임피던스를 정밀하게 측정할 수 있으며 측정 시 발생하는 열적 영향 및 안전 문제를 최소화한다.
추가로 부피가 크고 비용이 많이 드는 구성요소를 최소화해 차량 내 탑재가 용이한 설계다. 해당 시스템은 전기차 배터리의 여러 운영 조건(다양한 온도 및 배터리 잔존용량을 나타내는 SOC 레벨에서 배터리의 전기화학적 특성을 효과적으로 파악할 수 있음이 입증됐다.
권경하 교수(교신저자)는 "이 시스템은 전기차용 배터리 관리 시스템 (BMS)에 쉽게 통합 가능하며, 기존의 고전류 EIS 방식 대비 비용과 복잡성을 현저히 낮추면서도 높은 측정 정밀도를 입증했다ˮ면서 "전기차 뿐만 아니라 에너지저장시스템(ESS)의 배터리 진단 및 성능 향상에도 기여할 수 있을 것ˮ이라고 말했다.
이번 연구 결과는 국제 저명 학술지 `IEEE Transactions on Industrial Electronics (동 분야 상위 2%; IF 7.5)'에 지난 9월 5일 발표됐다.
(논문명 : Small-Perturbation Electrochemical Impedance Spectroscopy System With High Accuracy for High-Capacity Batteries in Electric Vehicles, 링크: https://ieeexplore.ieee.org/document/10666864)
한편, 이번 연구는 과학기술정보통신부 한국연구재단의 기초연구사업, 산업통상자원부 한국산업기술기획평가원의 차세대지능형반도체기술개발사업 및 정보통신기획평가원의 인공지능반도체대학원사업의 지원을 받아 수행됐다.
2024.10.17
조회수 13084
-
군집 제어로봇 연구 Top 5 논문 선정 및 사업화
우리 대학 산업및시스템공학과 장영재 교수 연구팀과 KAIST 연구소 창업기업인 ‘다임리서치’가 공동으로 개발한 연구가 반도체 운영 관련 국제적인 저널인 ‘IEEE Transactions on Semiconductor Manufacturing’(이하 IEEE TSM)에서 2022년 우수논문(Best Paper: Honorable Mention)에 선정됐다고 5일 밝혔다.
IEEE TSM은 반도체 운영 관련 국제 저널, 한 해 게재된 논문 중 편집장들의 추천을 통해 총 5편의 우수한 논문들을 선정해 이듬해 6월에 발표한다.
장영재 교수 연구팀(제1 저자: 홍상표 박사, 제2 저자: 황일회 박사, 제3 저자-교신저자: 장영재 교수)이 수행한 연구는 공장 내 1,000대 이상의 군집 로봇을 제어하는 기술로 “Practical Q-learning-based route-guidance and vehicle assignment for OHT systems in semiconductor fabs”라는 제목으로 IEEE TSM에 게재됐다.
반도체 공장이 점차 대형화되고 제조 공정이 복잡해짐에 따라 공장 내 운영하는 로봇의 대수도 함께 늘어나고 있는 상황이다. 장영재 교수 연구팀은 공장 운영의 효율성을 개선하기 위해 1,000대 이상의 물류반송 로봇을 인공지능과 디지털 트윈 기술을 활용해 제어하는 기술을 개발해 본 논문에 방법론을 공개했다.
연구팀은 본 연구를 통해 사람의 개입 없이도 로봇이 이상 상황을 스스로 판단해 자율적으로 작업할당 및 운영을 최적화하는 ‘자율 생산 시스템(Autonomous Manufacturing System)’ 개념을 정립하고 그 가능성을 입증했다.
논문의 저자로 주저자 및 제2 저자인 홍상표 박사와 황일회 박사는 장영재 교수 연구실 출신으로 장 교수와 함께 ‘다임리서치 (http://www.daimresearch.com/) ’라는 연구소기업을 창업하여 관련 연구를 사업화했다.
연구팀은 이번 연구를 기반으로 한 소프트웨어를 개발해 글로벌 반도체 업체에 관련 솔루션을 공급하고 있으며 최근에는 포스코 DX와 협업하여 해당 기술을 철강, 2차전지 소재 관련 공장 내 로봇 운영에도 확대 중이다.
반도체와 2차전지와 같은 국가 전략 산업에서 로봇의 역할이 점점 더 중요해지고 있는 시점에서 이번 연구는 학계의 연구가 직접 산업현장의 혁신으로 이어지는 대표 사례라 할 수 있다.
2023.07.05
조회수 9413
-
차세대 반도체 핵심소재로 열적으로 안정된 강유전체 소재 최초 개발
우리 대학 전기및전자공학부 전상훈 교수 연구팀이 하프니아 강유전체 소재의 물성적 이해를 바탕으로 반도체 3D 집적 공정에서도 열적으로 안정한 *강유전체 소재를 세계 최초로 개발했다고 12일 밝혔다. 현재 반도체 제조 업계에서 고집적, 고효율의 3D 메모리 소자에 대한 필요성이 꾸준하게 대두되고 있다는 점을 고려할 때, 이번 연구는 강유전체 기반의 3D 메모리 집적 공정에서 핵심 기술로 평가받을 것이라 예상된다.
*강유전체: 외부의 전기장 없이도 스스로 분극을 가지는 재료로서 외부 전기장에 의해 분극의 방향이 바뀔 수 있는 소재를 말한다. 비휘발성 특성이 있어, 기능성 소재로서 메모리 소자에 활용이 가능하지만, 고온에서 열적으로 안정성을 확보해야하는 도전 목표가 남아 있으며, 일반 유전체를 일컫는 상유전체는 외부의 전기장이 없으면 분극 특성을 유지하지 못한다는 점에서 다르다.
하프니아 강유전체 소재는 비휘발성 절연막으로, CMOS 공정 호환성, 동작 속도, 내구성 등의 우수한 물리적 특성을 바탕으로 차세대 반도체의 핵심 소재로써 활발하게 연구되고 있는 물질이다. 하지만 하프니아 소재는 필연적으로 고온에서 비휘발성 특성을 잃고 누설전류가 증가하는 한계를 가진다. 이를 억제하기 위해 세계 유수의 기관들에서 다양한 접근방법들이 보고됐지만, 3D 집적 공정 시에 발생하는 고온의 열처리 조건 (750℃ 이상, 30분)에서 강유전체 박막 내의 일반 유전체 (상유전체) 형성을 억제할 수 없었다.
전상훈 교수 연구팀은 세계 최초로 3D 집적 공정에서 요구되는 고온의 열처리 조건에서도 강유전체 박막 내의 상유전체의 형성을 완벽하게 억제하고 비휘발성 기능을 유지하며 우수한 내구성을 가지는 하프니아 강유전체 소재 및 공정 기술을 개발하는 데에 성공했다. 연구팀은 강유전체 박막 내에 이온 반지름이 작은 원소를 고용하는 도핑 기술을 활용해 강유전체 박막의 결정화 온도를 제어함과 동시에 도펀트의 농도에 따른 운동학적 에너지를 고려해 강유전체 소재의 비휘발성 및 기능성과 열적 안정성을 획기적으로 개선했다.
전상훈 교수 연구팀은 CMOS 공정을 이용해 강유전체 기반의 메모리 소자를 집적했고 고온의 열적 에너지(750℃ 이상, 30분)를 가한 후에도 우수한 강유전성이 발현되는 것을 확인했다. 또한 열적 에너지에 따른 강유전체 소재의 도메인 스위칭 동작을 전기적 측정을 통해 직관적으로 분석할 수 있는 시스템을 개발해 추후, 강유전체 소재의 열적 안정성 연구의 프레임 워크를 구축 및 제시했다. 해당 연구는 학계에서 활발하게 연구되고 있는 강유전체 소재의 기능성과 반도체 제조 업계에서 필요로 했던 강유전체 소재 기반의 3D 메모리 소자 집적 공정 사이의 간극을 줄였다는 점에서 큰 의미를 가진다.
전상훈 교수는 “이번 연구 결과는 답보상태에 있던 강유전체 소재 기반의 3D 메모리 및 회로 집적 기술 개발에 대한 돌파구가 되는 기술이 될 것으로 판단되며, 향후 고집적/고효율의 시스템 개발에 있어 핵심 역할을 할 것”이라고 설명했다.
전기및전자공학부 김기욱 박사 과정이 제1 저자로 수행한 이번 연구는 반도체 소자 및 회로 분야의 최고 권위 학회인‘IEEE 국제전자소자학회(International Electron Devices Meeting) 2022 (IEDM 2022)’에 12월 5일 발표를 마쳤다. 한편 이번 연구는 삼성전자(Samsung Electronics)와 차세대 지능형 반도체 사업단의 지능형 반도체 선도기술개발의 지원을 받아 진행됐다.
2022.12.12
조회수 13743
-
세계 최초 개인정보 보호 기술이 적용된 인공지능(AI) 반도체 개발
우리 대학 전기및전자공학부 유민수 교수 연구팀이 세계 최초로 `차등 프라이버시 기술이 적용된 인공지능(AI) 어플리케이션(Differentially private machine learning)'의 성능을 비약적으로 높이는 인공지능 반도체를 개발했다고 19일 밝혔다.
빅데이터 및 인공지능 기술의 발전과 함께 구글, 애플, 마이크로소프트 등 클라우드 서비스를 제공하는 기업들은 전 세계 수십억 명의 사용자들에게 인공지능 기술을 기반으로 여러 가지 서비스(머신러닝 애즈 어 서비스, ML-as-a-Service, MLaaS)를 제공하고 있다. 이러한 서비스 중에는, 대표적으로 유튜브나 페이스북 등에서 시청자의 개별 취향에 맞춰 동영상 콘텐츠나 상품 등을 추천하는 `개인화 추천 시스템 기술(예- 딥러닝 추천 모델, Deep Learning Recommendation Model)' 이나, 구글 포토(Photo) 와 애플 아이클라우드(iCloud) 등에서 사진을 인물 별로 분류해주는 `안면 인식 기술 (예- 합성곱 신경망 네트워크 안면 인식, Convolutional Neural Network based Face Recognition)' 등이 있다.
이와 같은 서비스는 사용자의 정보를 대량으로 수집해, 이를 기반으로 인공지능 알고리즘의 정확도와 성능을 개선한다. 이 과정에서 필연적으로 많은 양의 사용자 정보가 서비스 제공 기업의 데이터 센터로 전송되고, 민감한 개인정보나 파일들이 저장되고 사용되는 과정에서 정보가 유출되는 문제가 발생하기도 한다.
또한 이러한 문제는 최근 주목받는 대형 인공지능 모델의 경우에 더 쉽게 발생하는 경향이 있으며, 실제 구글에서 사용하는 대화형 인공지능 모델인 GPT-2의 경우, 특정 단어들을 이야기했을 때 사용자의 개인정보 등을 유출하는 문제를 보였다. [참고1] 유사사례로서 국내에서 2020년 화제가 되었던 스캐터랩의 인공지능 챗봇 이루다의 경우에도 비슷한 문제가 불거진 적이 있다. [참고2]
[참고1] https://ai.googleblog.com/2020/12/privacy-considerations-in-large.html
[참고2] https://n.news.naver.com/mnews/article/092/0002243051?sid=105
이에 애플, 구글, 마이크로소프트 등 빅 테크 기업에서는 `차등 프라이버시 (differential privacy)' 기술을 크게 주목하고 있다. 차등 프라이버시 기술은 학습에 사용되는 그라디언트(gradient, 학습 방향 기울기)에 잡음(노이즈)를 섞음으로써 인공지능 모델로부터 사용자의 개인정보를 유출하는 모든 종류의 공격을 방어할 수 있다.
하지만 이러한 장점에도 불구하고, 차등 프라이버시 기술 적용 시, 기존 대비 어플리케이션의 속도와 성능이 크게 하락하는 문제 때문에 아직까지 범용적으로 널리 적용되지는 못했다. 이는 차등 프라이버시 머신러닝 학습 과정이 일반적인 머신러닝 학습과 다른 특성을 보이고, 이로 인해 기존의 하드웨어에서 효과적으로 실행되지 않아 메모리 사용량, 학습 속도 및 하드웨어 활용도 (hardware utilization) 측면에서 비효율적이기 때문이다.
이에 유민수 교수 연구팀은 차등 프라이버시 기술의 성능 병목 구간을 분석해 해당 기술이 적용된 어플리케이션의 성능을 크게 시킬 수 있는 `차등 프라이버시 머신러닝을 위한 인공지능(AI) 반도체 칩'을 개발했다. 유민수 교수팀이 개발한 인공지능 반도체는 외적 기반 연산기와 덧셈기 트리 기반의 후처리 연산기 등으로 구성돼 있으며, 현재 가장 널리 사용되는 인공지능 프로세서인 구글 TPUv3 대비 차등 프라이버시 인공지능 학습 과정을 3.6 배 빠르게 실행시킬 수 있고, 엔비디아의 최신 GPU A100 대비 10배 적은 자원으로 대등한 성능을 보인다고 연구팀 관계자는 설명했다. 또한 이번 개발을 통해서 기존 하드웨어의 한계로 널리 쓰이지 못했던 차등 정보보호 기술의 대중화에 도움을 줄 수 있을 것으로 기대된다고 전했다.
우리 대학 전기및전자공학부 박범식, 황랑기 연구원이 공동 제1 저자로, 윤동호, 최윤혁 연구원이 공동 저자로 참여한 이번 연구는 미국 시카고에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `55th IEEE/ACM International Symposium on Microarchitecture(MICRO 2022)'에서 오늘 10월 발표될 예정이다. (논문명 : DiVa: An Accelerator for Differentially Private Machine Learning)
또한 이번 연구는 지금까지는 없던 차등 프라이버시가 적용된 인공지능 반도체를 세계 최초로 개발했다는 점에서 의의가 있으며, 차등 프라이버시 인공지능 기술을 대중화해 인공지능 기반 서비스 사용자들의 개인정보를 보호하는 데에 큰 도움을 줄 수 있을 것으로 보인다. 또한, 가속기의 성능 향상은 인공지능 연구 효율을 높여 차등 프라이버시 인공지능 모델의 정확도 개선에도 기여할 것으로 보인다.
한편 이번 연구는 한국연구재단, 삼성전자, 그리고 반도체설계교육센터 (IDEC, IC Design Education Center)의 지원을 받아 수행됐다.
2022.08.19
조회수 17604
-
초대규모 그래프 프로세싱 시뮬레이션 기술 개발
우리 대학 연구진이 오늘날 정보통신(IT) 분야에서 광범위하게 사용되는 그래프 타입의 데이터를 실제로 저장하지 않고도 알고리즘을 계산할 수 있는 `그래프 프로세싱 시뮬레이션'이라는 신개념 기술을 세계 최초로 개발하는 데 성공했다. 데이터를 저장할 필요가 없어 1조 개 간선의 초대규모 그래프도 PC 한 대로 처리가 가능하다.
우리 대학 전산학부 김민수 교수 연구팀은 1조 개 간선의 초대규모 그래프에 대해 데이터 저장 없이 알고리즘을 계산할 수 있는 신개념 기술을 세계 최초로 개발했다고 23일 밝혔다.
오늘날 웹, SNS, 인공지능, 블록체인 등의 광범위한 분야들에서 그래프 타입의 데이터에 대한 다양한 알고리즘들의 연구가 매우 중요하다. 그러나 그래프 데이터의 복잡성으로 인해 그 크기가 커질 때 막대한 규모의 컴퓨터 클러스터가 있어야만 알고리즘 계산이 가능하다는 문제가 있다.
김 교수 연구팀은 이를 근본적으로 해결하는 T-GPS(Trillion-scale Graph Processing Simulation)라는 기술을 개발했다. 이 T-GPS 기술은 그래프 데이터를 실제로 디스크에 저장하지 않고도 마치 그래프 데이터가 저장돼 있는 것처럼 알고리즘을 계산할 수 있고, 계산 결과도 실제 저장된 그래프에 대한 알고리즘 계산과 완전히 동일하다는 장점이 있다.
그래프 알고리즘은 그래프 처리 엔진 상에서 개발되고 실행된다. 이는 산업적으로 널리 사용되는 SQL 질의를 데이터베이스 관리 시스템(DBMS) 엔진 상에서 개발하고 실행하는 것과 유사한 방식이다.
지금까지는 그래프 알고리즘을 개발하기 위해 먼저 합성 그래프를 생성 및 저장한 후, 이를 다시 그래프 처리 엔진에서 메모리로 적재해 알고리즘을 계산하는 2단계 방법을 사용했다. 그래프 데이터는 그 복잡성으로 인해 전체를 메모리로 적재하는 것이 요구되며, 그래프의 규모가 커지면 대규모 컴퓨터 클러스터 장비가 있어야만 알고리즘을 개발하고 실행할 수 있다는 커다란 단점이 있었다.
김 교수팀은 합성 그래프와 그래프 처리 엔진 분야에서 국제 최고 권위의 학술대회에 매년 논문을 발표하는 등 세계 최고의 기술력을 보유하고 있으며, 그 기술들을 바탕으로 기존 2단계 방법의 문제를 해결했다.
그래프 데이터상에서 그래프 알고리즘이 계산을 위해 접근하는 부분을 짧은 순간 동안 실시간으로 생성해, 마치 그래프 데이터가 존재하는 것처럼 알고리즘을 계산하는 것이다. 이때 그래프 데이터를 아무렇게 실시간 생성하는 것이 아니라 합성 그래프 모델에 따라 생성하고 저장한 것과 동일하도록 실시간 생성하는 것이 핵심 기술 중 하나다.
또한, 그래프 처리 엔진이 실시간으로 생성되는 그래프를 실제 그래프처럼 인식하고 알고리즘을 완전히 동일하게 계산하도록 엔진을 수정한 것이 또 다른 핵심 기술이다.
김민수 교수 연구팀은 T-GPS 기술을 종래의 2단계 방법과 성능을 비교한 결과, 종래의 2단계 방법이 11대의 컴퓨터로 구성된 클러스터에서 10억 개 간선 규모의 그래프를 계산할 수 있었던 반면, T-GPS 기술은 1대의 컴퓨터에서 1조 개 간선 규모의 그래프를 계산할 수 있어 컴퓨터 자원 대비 10,000배 더 큰 규모의 데이터를 처리를 할 수 있음을 확인했다. 또한, 알고리즘 계산 시간도 최대 43배 더 빠름을 확인했다.
교신저자로 참여한 김민수 교수는 "오늘날 거의 모든 IT 분야에서 그래프 데이터를 활용하고 있는바, 연구팀이 개발한 새로운 기술은 그래프 알고리즘의 개발 규모와 효율을 획기적으로 높일 수 있어 산업적 측면에서 파급 효과가 매우 클 것으로 기대한다ˮ 라고 말했다.
이번 연구에는 김 교수의 제자이자 캐나다 워털루 대학에 박사후 연구원으로 재직 중인 박힘찬 박사가 제1 저자로, 김 교수가 교신저자로 참여했으며 지난 22일 그리스 차니아에서 온라인으로 열린 데이터베이스 분야 최고 국제학술대회 중 하나인 IEEE ICDE에서 발표됐다. (논문명 : Trillion-scale Graph Processing Simulation based on Top-Down Graph Upscaling).
한편, 이 연구는 한국연구재단 선도연구센터 사업 및 중견연구자 지원사업, 과기정통부 IITP SW스타랩 사업의 지원을 받아 수행됐다.
2021.04.23
조회수 29687