-
인공지능 화학 학습으로 새로운 소재 개발 가능
새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다.
우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 ‘프로핏-넷(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다.
연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다.
PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을 크게 높였다는 점이다. 최외각 전자 배치, 이온화 에너지, 전기 음성도와 같은 내용은 화학을 배울 때 가장 먼저 배우는 기본 개념 중 하나다.
기존 AI 모델과 달리, PROFiT-Net은 이러한 기본 화학적 속성과 이들 간의 상호작용을 직접적으로 학습함으로써 더욱 정밀한 예측을 할 수 있다. 이는 특히 새로운 물질을 설계하거나 물질의 물성을 예측하는 데 있어 더 높은 정확도를 제공하며, 화학 및 소재 과학 분야에서 크게 기여할 것으로 기대된다.
김형준 교수는 "AI 기술이 기초 화학 개념을 바탕으로 한층 더 발전할 수 있다는 가능성을 보여주었다ˮ고 말했으며 “추후 반도체 소재나 기능성 소재 개발과 같은 다양한 응용 분야에서 AI가 중요한 도구로 자리 잡을 수 있는 발판을 마련했다ˮ고 말했다.
이번 연구는 KAIST의 김세준 박사가 제1 저자로 참여하였고, 국제 학술지 `미국화학회지(Journal of the American Chemical Society)' 에 지난 9월 25일 字 게재됐다.
(논문명: PROFiT-Net: Property-networking deep learning model for materials, PROFiT-Net 링크: https://github.com/sejunkim6370/PROFiT-Net)
한편 이번 연구는 한국연구재단(NRF)의 나노·소재 기술개발(In-memory 컴퓨팅용 강유전체 개발을 위한 전주기 AI 기술)과 탑-티어 연구기관 간 협력 플랫폼 구축 및 공동연구 지원사업으로 진행됐다.
2024.10.10
조회수 1809
-
‘불균일 확산’ 160년 난제 풀다
우리 연구진이 160년 넘게 풀리지 않던 불균일 확산 현상의 물리적 원인을 규명했다.
우리 대학 수리과학과 김용정 교수와 바이오및뇌공학과 최명철 교수 연구팀이 기존 확산 법칙이 하지 못했던 불균일한 환경에서 발생하는 분류 현상을 설명하는 새로운 확산 법칙과 실험적 증명을 제시해, 과학의 중요한 진전을 이뤄냈다고 2일 밝혔다.
미시적 입자들의 무작위적인 움직임이 만들어 내는 거시적 질량 이동 현상을 '확산'이라고 한다. 확산은 물리, 화학, 생물, 재료 등 자연 현상뿐만 아니라 정보, 경제, 주가 변동 등 사회 현상에 이르기까지 거의 모든 분야에서 발생하는데, 이는 무작위성(randomness)이 확산 현상의 주요 원인이기 때문이다.
1905년 아인슈타인은 확산을 브라운 운동과 결합해 분자의 무작위 행보(random walk)로 설명했고, 그 이후 균일한(homogeneous) 환경에서의 확산 이론은 완벽하게 정립됐다.
반면, 1856년 루트비히(Ludwig)는 불균일(heterogeneous)한 환경에서는 물질이 확산에 의해 섞이는 것이 아니라 오히려 분류(fractionation)되는 현상을 발견했다.
이후, 확산 이외에 다른 추가적인 대류(advection) 현상이 존재해서 분류 현상을 만드는지, 아니면 입자의 무작위 움직임에 의한 것인지에 대한 의문과 논쟁은 160여 년간 이어져 왔다.
연구팀은 ‘아인슈타인의 입자적 설명'이 불균일한 환경에서 발생하는 분류 현상을 설명할 수 있을 것이라는 가정하에 연구를 진행했다. 연구 결과, 미시적 수준에서의 무작위 행보(random walk)가 불균일한 환경에 적용되면 확산 계수 D는 전도도 K와 운동성 M으로 나뉘며 (D = KM), 이 중 운동성 M에 의해 분류 현상이 발생한다는 것을 수학적 계산과 유도로 밝혔다.
물리적 직관으로 보이지 않던 것이 수학적 계산을 통해 명확해진 것이다. 이렇게 만들어진 새로운 확산 법칙은 기존의 확산 법칙처럼 계수 D 하나로만 이루어지지 않고, 두 계수에 의해 결정되는 ‘2개 요소 확산 법칙(two-component diffusion law)'이 된다.
새로운 확산 법칙이 분류 현상을 완벽하게 설명할 수 있다면, 추가적인 대류 현상은 존재하지 않으며, 오직 입자들의 무작위 운동만으로 분류 현상이 발생한다는 것이 증명된다.
확산의 특성상, 분류 현상을 검증할 정도의 정밀도로 데이터를 측정하는 것이 KAIST 연구팀이 수행한 실험의 도전적 요소였으며, 연구팀은 이 사실을 실험으로 검증해 냈다.
김용정 교수는 "이번 연구는 공간적으로 이질적인 환경에서 확산만으로도 입자의 분류가 가능하다는 것을 입증한 중요한 발견으로 기존 확산 법칙이 설명하지 못한 현상을 정확히 해석해냈다.”고 말했다. 최명철 교수는 “향후 생명과학 및 재료과학 분야에서 새로운 분리 기술 개발에 기여할 것이며 나아가, 불균일한 환경에서의 확산 현상을 다루는 다양한 분야에서 제시된 확산 법칙이 활용될 수 있을 것으로 기대한다" 고 밝혔다.
연구팀은 후속 연구로 온도 불균일에 의한 분류 현상과 고체 내의 성분 불균일에 의한 분류 현상을 연구할 계획이다. 다양한 종류의 분류 현상이 2개 요소 확산 법칙으로 설명될 수 있음을 밝히고, 그 특성을 규명할 것을 계획하고 있다.
수리과학과 김호연 박사와 바이오및뇌공학과 이근민 박사과정생이 공동 제1 저자로, 김용정 교수와 최명철 교수가 공동 교신저자로 참여한 이번 연구는 국제학술지 '미국화학회지(Journal of American Chemical Society)'에 8월 30일 字 온라인 게재됐다.
(논문명: Fractionation by Spatially Heterogeneous Diffusion: Experiments and Two-Component Random Walk Model)
이 연구는 한국연구재단, 보건복지부, KAIST의 지원을 받아 수행됐다.
2024.10.02
조회수 1673
-
염소 제거로 폐플라스틱 재활용 쉬워진다
전 세계의 플라스틱 생산량이 증가함에 따라 폐기되는 플라스틱의 양도 증가하게 돼 여러 가지 환경적, 경제적 문제를 일으키고 있다. 한국 연구진이 고성능 촉매를 개발해 플라스틱 폐기물의 분해와 재활용을 쉽고 경제적으로 할 수 있도록 하는 기술을 개발하여 화제다.
우리 대학 생명화학공학과 최민기 교수, 충남대학교 에너지 과학기술 대학원 신혜영 교수 공동연구팀이 폐플라스틱의 분해 및 재활용 공정의 중요 반응인 탈염소 반응의 반응 메커니즘을 규명하고 미량의 백금으로도 염소를 효과적으로 제거할 수 있는 촉매를 개발했다고 26일 밝혔다.
플라스틱의 재활용을 위한 다양한 연구가 진행되고 있는데, 특히 열분해를 이용한 화학적 재활용 방법은 복잡하고 비경제적인 플라스틱 폐기물의 분류 과정을 생략할 수 있어 산업적으로 큰 주목을 받고 있다. 또한 이때 생성되는 유분은 플라스틱의 원료인 에틸렌, 프로필렌으로 변환이 가능하기 때문에 완벽한 플라스틱의 순환 경제를 가능케 한다.
하지만 폐플라스틱의 열분해유 내에는 후속 공정에 앞서 제거가 필요한 다양한 불순물들이 포함돼 있다. 특히, 폴리염화비닐(PVC)의 열분해로 생성되는 염소 화합물은 반응기 부식을 유발하고, 촉매를 비활성화시키므로 화학적으로 제거하는 것은 폐플라스틱 재활용에 있어 매우 중요하다. 다만 기존 석유와 같은 탄소 자원에는 염소가 포함돼 있지 않기 때문에 염소를 제거하는 촉매 공정은 현재까지 연구된 바가 없었다.
공동연구팀은 감마 알루미나에 미량(0.1wt%)의 백금을 담지한 촉매를 사용해 탈염소 반응의 메커니즘을 규명하고, 고성능 촉매를 설계했다. 연구 결과, 탄소와 염소 사이의 결합을 끊고 백금에서 활성화된 수소가 감마 알루미나 표면에 전달돼 염소를 염산(HCl)의 형태로 제거하는 독특한 반응 메커니즘을 확인했다.
연구팀은 다량(7,500ppm)의 염소를 포함하고 있는 해양 폐기물 기반의 폐플라스틱 열분해유를 이용한 반응에서도 직접 개발한 촉매를 사용했을 때 염소가 98% 이상 효과적으로 제거됨을 밝혔으며, 높은 장기 안정성을 보임을 확인했다.
최민기 교수는 “탈염소 반응은 폐플라스틱의 재활용에 있어 매우 중요한 반응이지만 현재까지 심도 있게 연구되지 않았다”며, “이번 연구는 세계 최초로 탈염소 반응의 메커니즘을 규명한 것으로 고성능 탈염소 촉매 개발을 앞당기는 데 큰 역할을 할 것이다”고 말했다.
이번 연구는 생명화학공학과 석진 박사과정 학생, 충남대학교 에너지 과학기술대학원 판 티 옌 니(Phan Thi Yen Nhi) 석사과정 학생이 공동 제1 저자로 참여했으며, 연구 결과는 국제 저명 학술지 ‘미국화학회지(Journal of the American Chemical Society)’에 지난 8월 28일 자 온라인판에 게재됐다.
※ 논문명: Catalytic Synergy between Lewis Acidic Alumina and Pt in Hydrodechlorination for Plastic Chemical Recycling
한편, 이 연구는 롯데케미칼 탄소중립연구센터와 한국연구재단 중견연구자 지원사업의 지원을 받아 수행되었다.
2024.09.28
조회수 1373
-
미국 국방부가 주목한 C-러스트 기술 선도하다
컴퓨터 시스템을 작동시키기 위해서는 소프트웨어를 작성해야 하는데 그때 필요한 언어가 바로 프로그래밍 언어이다. 실행속도도 빠르고 유지보수도 쉬운 언어가 C언어인데 메모리 할당 및 관리 등에 치명적인 문제점을 가지고 있다. 이런 문제를 해결하기 위해 개발된 프로그래밍 언어는 러스트이다. 미국 백악관이나 국방성에서 메모리 문제를 막기 위해 러스트같이 안전한 언어 사용을 촉구하고 있는데 우리 대학 연구진이 C-러스트 코드 번역 기술을 이미 선제적으로 개발하고 선도하고 있어 화제다.
우리 대학 전산학부 류석영 교수 연구팀(프로그래밍 언어 연구실)이 C언어의 유니언(union)*을 러스트의 태그드 유니언(tagged union)으로 변환하는 기술을 세계 최초로 개발했다고 13일 밝혔다.
*유니언: 여러 종류의 데이터를 같은 공간에 보관해 메모리 효율을 높이는 C언어의 핵심 기능이다. 그러나 보관된 데이터가 어떤 종류인지 구분하지 않아 메모리 문제를 일으킬 수 있다.
**태그드 유니언: 같은 공간에 보관할 수 있는 여러 종류의 데이터 중 어떤 종류의 데이터를 보관하는지 태그를 붙여서 구분하여, 메모리 문제를 일으키지 않는다.
연구팀은 C언어의 유니언에 특화된 새로운 프로그램 분석 기법을 고안해 러스트의 태그드 유니언으로 자동 번역하는 데 성공했다.
올해 2월 백악관에서도 C언어의 사용을 중단하라고 촉구한 바가 있고(https://www.whitehouse.gov/wp-content/uploads/2024/02/Final-ONCD-Technical-Report.pdf) 미국 국방고등연구계획국(이하 DARPA)에서 C언어로 작성된 코드를 러스트(Rust)로 자동 번역하는 기술을 개발하는 연구 과제를 발표했다.(https://www.darpa.mil/program/translating-all-c-to-rust) DARPA는 미국 국방성의 연구·개발을 담당하는 기관이며 인터넷의 원형인 아파넷(ARPANET)을 개발하는 등 혁신적이고 영향력 있는 연구를 지원해 왔다. DARPA는 이 과제를 제안하며 C의 메모리 문제를 막기 위해 러스트같이 안전한 언어를 사용해야 한다고 밝혔다.
러스트는 2015년부터 개발된 프로그래밍 언어다. 운영 체제, 웹 브라우저 개발 등에 쓰이며, 2022년에는 리눅스(Linux) 개발에도 공식 사용되기 시작했다.(https://www.infoq.com/news/2022/12/linux-6-1-rust/) C와 달리 프로그램 실행 전에 메모리 문제를 탐지하고 예방할 수 있는 것이 특징이다.
류 교수 연구진은 2023년 5월과 2024년 6월에 각각 C의 뮤텍스(mutex)*와 출력 파라미터(output parameter)**를 러스트로 변환하는 기술을 세계 최초로 개발해, 최우수 국제 학술대회인 국제소프트웨어엔지니어링학회(ICSE)와 프로그래밍언어설계구현학회(PLDI)에 발표한 바 있다.
*뮤텍스: 프로그램 동기화에 필요한 기능
**출력 파라미터: 계산 결과 전달에 사용되는 기능
C언어와 러스트의 큰 간극으로 인해 세계적으로도 C-러스트 코드 번역 기술을 성공적으로 개발한 연구팀은 극소수다. 그마저도 포인터(pointer)*를 변환하는 데 머물고 있다. 그러나 류석영 교수 연구팀은 C의 여러 핵심 기능을 변환하는 기법을 연달아 제시해 C-러스트 코드 번역 기술을 선도하고 있다.
*포인터: 데이터 저장 위치를 표현하는 기능
류석영 교수는 “안전한 소프트웨어 제작을 목표로 연구하면서 C-러스트 코드 번역의 중요성을 일찍이 파악하고 각종 프로그래밍 언어 기법들을 코드 번역에 적극적으로 도입하여 나온 결과”라면서, “완전한 자동 번역을 위해 아직 풀어야 할 난제가 많으니 후속 연구에 정진하여 계속 분야를 선도하겠다”고 말했다.
전산학부 홍재민 석박사통합과정 학생이 제1 저자로 참여한 이번 연구 결과는 최우수 국제 학술대회인 국제자동소프트웨어엔지니어링학회(ASE)에 채택됐다(논문명: To Tag, or Not to Tag: Translating C's Unions to Rust's Tagged Unions).
한편 이번 연구는 한국연구재단 선도연구센터 및 중견연구자지원사업, 정보통신기획평가원(IITP), 삼성전자의 지원을 받아 수행됐다.
2024.08.13
조회수 3140
-
변화에 민감한 사용자도 맞춰주는 인공지능 기술 개발
인공지능 심층신경망 모델의 추천시스템에서 시간이 지남에 따라 사용자의 관심이 변하더라도 변화한 관심 또한 효과적으로 학습할 수 있는 인공지능 훈련 기술 개발이 요구되고 있다. 사용자의 관심이 급변하더라도 기존의 지식을 유지하며 새로운 지식을 축적하는 인공지능 연속 학습을 가능하게 하는 기술이 KAIST 연구진에 의해 개발됐다.
우리 대학 전산학부 이재길 교수 연구팀이 다양한 데이터 변화에 적응하며 새로운 지식을 학습함과 동시에 기존의 지식을 망각하지 않는 새로운 연속 학습(continual learning) 기술을 개발했다고 5일 밝혔다.
최근 연속 학습은 훈련 비용을 줄일 수 있도록 프롬프트(prompt) 기반 방식이 대세를 이루고 있다. 각 작업에 특화된 지식을 프롬프트에 저장하고, 적절한 프롬프트를 입력 데이터에 추가해 심층신경망에 전달함으로써 과거 지식을 효과적으로 활용한다.
이재길 교수팀은 기존 접근방식과 다르게 작업 간의 다양한 변화 정도에 적응할 수 있는 적응적 프롬프팅(adaptive prompting)에 기반한 연속 학습 기술을 제안했다. 현재 학습하려는 작업이 기존에 학습하였던 작업과 유사하다면 새로운 프롬프트를 생성하지 않고 그 작업에 할당된 프롬프트에 추가로 지식을 축적한다. 즉, 완전히 새로운 작업이 입력될 때만 이를 담당하기 위한 새로운 프롬프트를 생성하도록 하고 연구팀은 새로운 작업이 들어올 때마다 클러스터링이 적절한지 검사해 최적의 클러스터링 상태를 유지하도록 했다.
연구팀은 이미지 분류 문제에 대해 작업 간의 다양한 변화 정도를 가지는 실세계 데이터를 사용해 방법론을 검증했다. 이 결과 연구팀은 기존의 프롬프트 기반 연속 학습 방법론에 비해, 작업 간의 변화 정도가 항상 큰 환경에서는 최대 14%의 정확도 향상을 달성했고, 작업 간의 변화가 클 수도 있고 작을 수도 있는 환경에서는 최대 8%의 정확도 향상을 달성했다.
또한, 제안한 방법에서 유지하는 클러스터 개수가 실제 유사한 작업의 그룹 개수와 거의 같음을 확인했다. 온라인 클러스터링을 수행하는 비용이 매우 작아 대용량 데이터에도 쉽게 적용할 수 있다.
연구팀을 지도한 이재길 교수도 "연속 학습 분야의 새로운 지평을 열 만한 획기적인 방법이며 실용화 및 기술 이전이 이뤄지면 심층 학습 학계 및 산업계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
전산학부 김도영 박사과정 학생이 제1 저자, 이영준 박사과정, 방지환 박사과정 학생이 제4, 제6 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `국제머신러닝학회(ICML) 2024'에서 지난 7월 발표됐다. (논문명 : One Size Fits All for Semantic Shifts: Adaptive Prompt Tuning for Continual Learning)
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 사람중심인공지능핵심원천기술개발사업 AI학습능력개선기술개발 과제로 개발한 연구성과 결과물(2022-0-00157, 강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습)이다.
2024.08.06
조회수 1589
-
지질 뗏목의 원리 밝혀 질병 치료에 희소식
지질 뗏목은 세포막 간 융합, 신호 전달, 바이러스 침투 등 세포 기능과 질병 발병의 핵심 과정에 중요한 역할을 한다. 한국 연구진이 지금까지 알려지지 않았던 지질 뗏목의 정렬 원인과 그 조절 메커니즘을 밝혀내어 세포막 간 상호작용을 조절하여 질병 치료에 새로운 접근법을 제공할 수 있을 것으로 기대된다.
우리 대학 바이오및뇌공학과 최명철 교수팀이 고등과학원(원장 최재경) 현창봉 교수팀, 포항가속기연구소(소장 강흥식) 이현휘 박사와 공동으로 세포막 간의 상호작용을 매개하는 지질 뗏목(Lipid Raft)의 정렬 현상의 원리를 최초로 규명했다고 5일 밝혔다. 세포 융합, 바이러스 침투, 세포 간 신호 전달 등 다양한 세포막 간의 상호작용을 조절할 수 있는 핵심 기전을 밝힌 것이다.
세포막(Cell membrane)은 세포의 내부와 외부를 구분하는 얇고 유연한 막으로, 지질 이중층(lipid bilayer)으로 구성돼 있다. 세포막에는 수많은 막단백질(membrane proteins)이 존재하는데, 이들은 세포가 외부 환경과 소통할 수 있는 창구 기능을 한다.
지질 뗏목은 세포막의 특정 영역으로서, 높은 유동성을 가지는 세포막의 다른 부분들과는 달리 매우 낮은 유동성을 가지며, 기능적으로 연관된 막단백질들을 안정된 뗏목 안으로 모아 효율적인 상호작용을 가능하게 한다. 세포막을 바다로, 막단백질을 사람으로 비유하자면, 망망대해에서 멀리 떨어져 헤엄치는 사람들끼리는 서로 의사소통하기 어렵지만, 이들을 한 뗏목 위에 모두 태워 놓으면 서로 쉽게 대화할 수 있는 것과 비슷하다.
연구팀은 지질 뗏목 위에 존재하는 막단백질 중 많은 수가 세포막 간의 상호작용, 즉 두 세포막이 서로 생체신호를 주고받거나, 단백질을 통해 결합하거나, 두 막이 하나로 합쳐지는 등의 작용에 관여한다는 점에 주목했다.
연구팀은 두 세포막 간의 거리가 지질 뗏목의 정렬을 조절하는 핵심 요인일 것이라는 가설을 세우고, 세포막을 여러 겹 쌓아 놓은 구조의 지질 다중막(lipid multilayer)을 재구성해 이 가설을 검증했다. 이때 지질 뗏목들은 단순히 정렬만 되는 것이 아니라, 각각의 지질 뗏목의 크기가 커지면서 보다 안정된 구조를 형성했다. 두 세포막 사이의 거리가 지질 뗏목의 정렬과 크기를 조절하는 핵심 스위치인 것을 밝혀낸 것이다.
연구팀은 분자동역학(molecular dynamics) 시뮬레이션*을 통해 물 분자층을 분석한 결과, 지질 뗏목들이 정렬된 상태가 정렬되지 않은 상태보다 불안정한 수소결합 층의 부피가 작기 때문에 전체 시스템의 에너지를 최소화하기 위해 지질 뗏목이 자연적으로 정렬되는 것을 밝혀냈다.
*분자동역학 시뮬레이션: 분자 간 상호작용이 주어졌을 때 운동 방정식을 수치적으로 풀어 구조와 동적 과정을 해석하는 방법
최명철 교수는 “지질 뗏목이 세포막 간의 상호작용에 관여한다는 사실은 잘 알려져 있지만, 어떤 원리로 상호작용을 매개하는지는 아직 베일에 싸여 있었다”며, “이번 논문은 세포막 간의 거리가 지질 뗏목의 정렬, 나아가 세포막 사이의 상호작용을 조절하는 핵심 스위치임을 밝혀내어 생명 현상의 바탕이 되는 물리적 환경의 중요성을 재조명하는 이정표적 연구”라고 연구의 의의를 설명했다.
최 교수는 또한 “특히 물 분자의 수소결합이 지질 뗏목의 정렬을 매개하는 중요한 요소임을 보여주었는데, 이는 우리 몸의 약 70%를 차지하는 물이 생명 현상이 일어나는 무대에서 단순한 조연이 아닌 주연으로 활약할 수 있음을 보여준다”고 강조했다. 이어 최 교수는 “지질 뗏목을 모사하는 구조는 현재 생체 센서 등에 활발하게 활용되고 있으며, 이번에 발견한 세포막 사이의 거리라는 스위치를 통해 보다 다양한 기능을 가진 생체 센서들이 개발될 수 있는 공학적 토대도 제공할 것이다”라고 기대감을 내비쳤다.
우리 대학 이수호 박사와 고등과학원 박지현 박사가 공동 제1 저자로, 고등과학원 현창봉 교수와 KAIST 최명철 교수가 공동 교신저자로 참여한 이번 연구 결과는 국제학술지 ‘미국화학회지(Journal of American Chemical Society)’에 5월 22일 字 표지논문(supplementary journal cover)으로 게재됐다. (논문명: Water Hydrogen-Bond Mediated Layer by Layer Alignment of Lipid Rafts as a Precursor of Intermembrane Processes)
한편 이번 연구는 한국연구재단, 보건복지부, KAIST의 지원을 받아 수행됐다.
2024.06.05
조회수 3335
-
인공지능이 상황에 따라 알아서 업데이트되다
최근 실생활에 활용되는 인공지능 모델이 시간이 지남에 따라 성능이 점차 떨어지는 현상이 다수 발견되었고, 이에 따라 지속가능한 인공지능 학습 기술에 대한 필요성이 커지고 있다. AI 모델이 꾸준히 정확한 판단을 내리는 것은 더욱 안전하고 신뢰할 수 있는 인공지능을 만들기 위한 중요한 요소이다.
우리 대학 전기및전자공학부 황의종 교수 연구팀이 시간에 따라 데이터의 분포가 변화하는 드리프트 환경에서도 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다.
최근 인공지능이 다양한 분야에서 인간의 능력을 뛰어넘을 정도의 높은 성능을 보여주고 있지만, 대부분의 좋은 결과는 AI 모델을 훈련시키고 성능을 테스트할 때 데이터의 분포가 변하지 않는 정적인 환경을 가정함으로써 얻어진다. 하지만 이러한 가정과는 다르게 SK 하이닉스의 반도체 공정 과정에서 시간에 따른 장비의 노화와 주기적인 점검으로 인해 센서 데이터의 관측값이 지속적으로 변화하는 드리프트 현상이 관측되고 있다.
시간이 지나면서 데이터와 정답 레이블 간의 결정 경계 패턴이 변경되면, 과거에 학습되었던 AI 모델이 내린 판단이 현재 시점에서는 부정확하게 되면서 모델의 성능이 점차 악화될 수 있다.
본 연구팀은 이러한 문제를 해결하기 위해, 데이터를 학습했을 때 AI 모델의 업데이트 정도와 방향을 나타내는 그래디언트(gradient)를 활용한 개념을 도입하여 제시한 개념이 드리프트 상황에서 학습에 효과적인 데이터를 선택하는 데에 도움을 줄 수 있음을 이론적으로 실험적으로 분석했다. 그리고 이러한 분석을 바탕으로 효과적인 학습 데이터 선택 기법을 제안하여, 데이터의 분포와 결정 경계가 변화해도 모델을 강건하게 학습할 수 있는 지속 가능한 데이터 중심의 AI 학습 프레임워크를 제안했다.
본 학습 프레임워크의 주요 이점은, 기존의 변화하는 데이터에 맞춰서 모델을 적응시키는 모델 중심의 AI 기법과 달리, 드리프트의 주요 원인이라고 볼 수 있는 데이터 자체를 직접 전처리를 통해 현재 학습에 최적화된 데이터로 바꿔줌으로써, 기존의 AI 모델 종류에 상관없이 쉽게 확장될 수 있다는 점에 있다. 실제로 본 기법을 통해 시간에 따라 데이터의 분포가 변화되었을 때에도 AI 모델의 성능, 즉 정확도를 안정적으로 유지할 수 있었다.
제1 저자인 김민수 박사과정 학생은 "이번 연구를 통해 인공지능을 한번 잘 학습하는 것도 중요하지만, 그것을 변화하는 환경에 따라 계속해서 관리하고 성능을 유지하는 것도 중요하다는 사실을 알릴 수 있으면 좋겠다ˮ고 밝혔다.
연구팀을 지도한 황의종 교수는 “인공지능이 변화하는 데이터에 대해서도 성능이 저하되지 않고 유지하는 데에 도움이 되기를 기대한다”고 말했다.
본 연구에는 KAIST 전기및전자공학부의 김민수 박사과정이 제1 저자, 황성현 박사과정이 제2 저자, 그리고 황의종 교수(KAIST)가 교신 저자로 참여했다. 이번 연구는 지난 2월 캐나다 밴쿠버에서 열린 인공지능 최고 권위 국제학술 대회인 ‘국제 인공지능 학회(Association for the Advancement of Artificial Intelligence, AAAI)’에서 발표되었다. (논문명: Quilt: Robust Data Segment Selection against Concept Drifts)
한편, 이 기술은 SK 하이닉스 인공지능협력센터(AI Collaboration Center; AICC)의 지원을 받은 ‘노이즈 및 변동성이 있는 FDC 데이터에 대한 강건한 학습’ 과제 (K20.05) 와 정보통신기획평가원의 지원을 받은 ‘강건하고 공정하며 확장가능한 데이터 중심의 연속 학습’ 과제 (2022-0-00157) 와 한국연구재단의 지원을 받은 ‘데이터 중심의 신뢰 가능한 인공지능’ 과제 성과다.
2024.03.14
조회수 3487
-
구글딥마인드와 공동연구를 통해 인공지능으로 시각을 상상하다
‘노란 포도'나 `보라색 바나나'와 같이 본 적 없는 시각 개념을 이해하고 상상하는 인공지능 능력 구현이 가능해졌다.
우리 대학 전산학부 안성진 교수 연구팀이 구글 딥마인드 및 미국 럿거스 대학교와의 국제 공동 연구를 통해 시각적 지식을 체계적으로 조합해 새로운 개념을 이해하는 인공지능 새로운 모델과 프로그램을 수행하는 벤치마크를 개발했다고 30일 밝혔다.
인간은 `보라색 포도'와 `노란 바나나' 같은 개념을 학습하고, 이를 분리한 뒤 재조합해 `노란 포도'나 `보라색 바나나'와 같이 본 적 없는 개념을 상상하는 능력이 있다. 이런 능력은 체계적 일반화 혹은 조합적 일반화라고 불리며, 범용 인공지능을 구현하는 데 있어 핵심적인 요소로 여겨진다.
체계적 일반화 문제는 1988년 미국의 저명한 인지과학자 제리 포더(Jerry Fodor)와 제논 필리쉰(Zenon Pylyshyn)이 인공신경망이 이 문제를 해결할 수 없다고 주장한 이후, 35년 동안 인공지능 딥러닝 분야에서 큰 도전 과제로 남아 있다. 이 문제는 언어뿐만 아니라 시각 정보에서도 발생하지만, 지금까지는 주로 언어의 체계적 일반화에만 초점이 맞춰져 있었고, 시각 정보에 관한 연구는 상대적으로 부족했다.
안성진 교수가 이끄는 국제 공동 연구팀은 이러한 공백을 메우고자 시각 정보에 대한 체계적 일반화를 연구할 수 있는 벤치마크를 개발했다. 시각 정보는 언어와는 달리 명확한 `단어'나 `토큰'의 구조가 없어, 이 구조를 학습하고 체계적 일반화를 달성하는 것이 큰 도전이다.
연구를 주도한 안성진 교수는 “시각 정보의 체계적 일반화가 범용 인공지능을 달성하기 위해 필수적인 능력이며 이 연구를 통해 인공지능의 추론능력과 상상능력 관련 분야의 발전을 가속할 것으로 기대한다”고 말했다.
또한, 딥마인드의 책임 연구원으로 연구에 참여한 연구원이자 현재 스위스 로잔연방공과대학교(EPFL)의 찰라 걸셔(Caglar Gulcehre) 교수는 “체계적 일반화가 가능해지면 현재보다 훨씬 적은 데이터로 더 높은 성능을 낼 수 있게 될 것이다”라고 전했다.
이번 연구는 12월 10일부터 16일까지 미국 뉴올리언스에서 열리는 제37회 신경정보처리학회(NeurIPS)에서 발표될 예정이다.
관련논문: “Imagine the Unseen World: A Benchmark for Systematic Generalization in Visual World Models”, Yeongbin Kim, Gautam Singh, Junyeong Park, Caglar Gulcehre, Sungjin Ahn, NeurIPS 23
2023.11.30
조회수 4177
-
독립적으로 더 스마트해진 ‘도커SSD’ 개발
정보를 저장하는 솔리드 스테이트 드라이브(Solid-Sate Drive, SSD)가 컴퓨터 없이도 데이터 처리가 가능한 독립 서버로 운영이 가능해지며 편리성이 극대화되고 데이터의 탄소 배출량도 획기적으로 감소시킬 수 있는 새로운 형태의 스마트 SSD로 개발됐다.
우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 물리적 장치의 실행이 아닌 가상으로 데이터 처리와 운영이 되는 `도커(Docker)' 개념을 적용한 새로운 고성능·저전력 메모리 (PIM, Processing-In-Memory) 모델 중 하나인 `도커SSD'를 개발했다고 27일 밝혔다.
스마트 SSD는 여러 가지 데이터를 처리하는 프로그램들을 데이터가 실제 존재하는 스토리지 근처에서 실행할 수 있게 함으로써 데이터 이동에 불필요한 에너지 및 전력 소모를 줄이고 고성능 결과를 얻게 하는 기술로 오랫동안 다양한 곳에 적용을 시도해 왔다. 하지만 기존 데이터 처리 프로그램을 SSD 제조사별로 그리고 장치가 제공하는 환경별로 모두 수정하고 새로 만들어야 하는 문제 때문에 스마트 SSD를 다양한 환경과 데이터 처리 응용에 적용하는 것에 한계가 존재했다. 이러한 한계를 극복하고자 KAIST 연구팀은 스마트 SSD의 제조사나 장치 환경에 관계 없이 현존하는 여러 가지 프로그램들을 그대로 스토리지에 이식하여 실행할 수 있는 도커SSD를 개발하였다.
이를 위해 정명수 교수 연구팀은 사용자들에게 데이터 처리 기술 중 편의성을 제공하는 방법으로 `컨테이너'를 주목했다. 컨테이너는 응용 프로그램과 해당 프로그램 실행에 필요한 라이브러리를 모두 포함한 소프트웨어 패키지로, 외부의 환경에 구애받지 않고, 컨테이너 내부적으로 독립적인 실행 환경을 운용할 수 있게 해준다.
연구팀이 개발한 도커SSD는 가상화 운영체제 환경인 *도커(Docker)를 스토리지 내부에서 실행할 수 있는 특허 기술을 적용해 호스트로부터 요청받은 컨테이너 단위의 작업을 처리한다. 사용자들은 메모리/스토리지 제조사에 영향을 받지 않고 다양한 응용 프로그램을 스토리지 내부에서 실행할 수 있다. 또한, 외부와 독립적인 실행 환경을 제공하는 컨테이너의 특성 덕분에, 사용자들이 기존 응용 프로그램의 소스 코드를 수정할 필요조차 없어져 사용자 편의성이 극대화된다.
☞ 도커(Docker): 리눅스 컨테이너를 만들고 사용할 수 있도록 하는 컨테이너화 기술
연구팀은 일반적으로 SSD 장치에 접근하기 위해 사용되는 스토리지 프로토콜과, 도커 소프트웨어 동작의 기반이 되는 네트워크 관련 프로토콜이 서로 호환되지 않는다는 점을 극복하기 위해 스토리지 프로토콜을 통해 네트워크 관련 메시지를 전송할 수 있는 새로운 인터페이스를 독자 개발했다. 또한, 컨테이너 및 도커를 실행하기 위해서 기존 운영체제를 경량화하여 도커SSD 내부에 통합했다. 마지막으로, 스토리지에 내재된 저사양 프로세서를 활용하여 작업을 처리할 경우 성능이 저하될 수 있다는 점을 착안하여 자체 제작한 저전력 하드웨어 가속 모듈을 활용하여 네트워크 및 입출력 관련 동작을 가속함으로써 문제를 해결했다.
연구팀은 도커SSD에 적용한 운영체제 수준 가상화의 실효성 검증을 통해 현재 학계에서 가장 자주 사용되는 스토리지 기반 모델보다도 데이터를 2배 빠르게 처리하면서 전력 소모 또한 약 2배 감소시킴을 확인했다.
정명수 교수는 "불필요한 데이터 이동을 최소화하여 빠르면서 에너지 절약에 최적화된, 동시에 사용자 입장에서 편리하면서도 우수한 호환성을 가진 메모리 모델을 확보했다ˮ며 "고성능·저전력 메모리 모델인 도커SSD는 빠르게 확장하고 있는 국내·외 데이터센터 운영 기업/기관에 실용화되어 탄소중립에 기여할 수 있을 것ˮ이라 말했다.
이번 연구는 스코틀랜드 에든버러에서 오는 2024년 3월에 열릴 컴퓨터 구조 분야 최우수 학술대회인 `국제 고성능 컴퓨터 구조 학회(IEEE International Symposium on High Performance Computer Architecture, HPCA)'에 관련 논문(논문명: DockerSSD: Containerized In-Storage Processing and Hardware Acceleration for Computational SSDs)으로 발표될 예정이다.
한편 해당 연구는 KAIST 교원창업 회사인 파네시아(https://panmnesia.com)와 정보통신기획평가원등의 연구 지원을 받아 진행됐다.
2023.11.27
조회수 3842
-
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 5661
-
암모니아 합성 친환경 공정 촉매 개발
암모니아는 최근 높은 수소 저장 용량과 운송의 편의성으로 수소경제를 위한 새로운 수소 운반체로도 큰 주목을 받고 있다. 그런데 기존 암모니아를 생산 공정은 화석 연료로부터 생산한 수소와 공기에 존재하는 질소를 분리해 고온·고압 조건에서 반응을 진행하기 때문에 많은 이산화탄소 방출과 에너지 소모가 발생한다. 이에 대안으로 최근에는 수전해로부터 생산한 수소를 이용해 저온·저압에서 암모니아를 합성하는 친환경 공정에 관한 관심이 커지고 있다.
우리 대학 생명화학공학과 최민기, 화학과 김형준 교수 공동연구팀이 알칼리/알칼리 토금속 조촉매의 작동 기작 규명을 통해 저온·저압 조건에서도 높은 암모니아 합성 활성을 갖는 고성능 촉매를 개발했다고 7일 밝혔다.
암모니아의 저온·저압 합성에서는 주로 활성이 우수한 루테늄 촉매가 사용됐지만, 일반적인 루테늄 촉매의 경우 수소 피독 현상으로 질소 활성화가 억제되면서 활성 저하가 발생하는 문제가 있다. 이를 해결하기 위해 기존 연구들에서는 산화바륨, 산화세슘 등의 알칼리/알칼리 토금속 조촉매를 도입해 활성을 높이고자 하였으나, 조촉매의 작용 원리에 대한 이해가 매우 제한적이었으며 조촉매-촉매 계면 구조를 정확히 분석한 사례가 없어 고성능 촉매를 설계하는 데 한계가 있었다.
본 연구진은 수소 분자가 루테늄 촉매 입자 위에서 흡착과 동시에 분해되면, 이때 발생한 수소 원자가 산화바륨과 루테늄 계면에서 다시 양성자(H+)와 전자(e-)로 분해됨을 확인하였다. 이때 생성된 전자는 루테늄 촉매 입자에 축적되어 전자 밀도를 크게 높인다. 이렇게 전자가 풍부해진 루테늄 입자는 암모니아 합성과정에서 가장 어려운 단계인 질소 분자의 분해를 가속할 수 있어, 기존의 촉매에 비해 저온·저압 조건에서도 암모니아 생산 속도를 비약적으로 증진시킬 수 있음을 확인했다.
조촉매의 작동 기작 규명에 더해 연구팀은 산화바륨 조촉매-루테늄 촉매 계면 형성이 극대화된 촉매를 새롭게 설계했다. 새로운 촉매는 앞서 제시한 메커니즘을 바탕으로 기존 촉매들보다 최고 수준의 암모니아 합성 활성을 보였고, 100시간 동안 성능 저하 없이 안정적인 암모니아 생산이 가능했다. 또한 본 촉매는 경제적인 촉매 전구체를 사용하면서도 단순한 공정을 통해 합성됐기 때문에 상용화의 가능성이 클 것으로 기대된다.
최민기 교수는 “알칼리/알칼리 토금속 조촉매의 작동 메커니즘은 세계적으로 보고된 바가 없던 새로운 개념이라는 점에서 학문적 의미가 크다”며, “알칼리/알칼리 토금속 조촉매-금속 촉매 계면 조절을 통한 고성능 저온·저압 암모니아 합성 촉매 개발은 암모니아 생산의 경제성을 크게 증진하는데 기여할 뿐 아니라 환경문제 및 에너지 부족 문제에 적극적으로 대응할 수 있을 것”이라고 말했다.
한편, 한국에너지기술연구원과 한국연구재단 중견연구자 지원사업의 지원을 받아 수행된 이번 연구는 KAIST 생명화학공학과 백예준 박사과정 학생, 화학과 권민재 학사과정 학생이 공동 제1 저자로 참여했으며, 연구 결과는 국제학술지 ‘미국화학회지(Journal of the American Chemical Society)’에 지난 5월 15일 字 온라인판에 게재됐다.
2023.06.07
조회수 5281
-
표적단백질 시캠1 발굴로 새로운 암 면역치료법 제시
우리 몸에는 면역반응의 과도한 유도를 조절하고 자가면역질환의 발생을 억제하는 역할을 하는 조절 T세포가 있는데, 종양 내에 존재하여 면역세포의 암세포 제거 능력을 저해하는 조절 T세포만을 골라서 제거할 수 있는 암 면역치료법이 개발됐다.
우리 대학 의과학대학원 박수형 교수 연구팀이 우리 대학 의과학대학원 신의철 교수, 삼성서울병원 서성일, 강민용 교수팀과 공동연구를 통해 종양 내 조절 T세포의 선택적 제거를 통한 신규 면역항암 전략을 제시했다고 6일 밝혔다.
이번 연구는 우리 몸에 존재하는 조절 T세포에는 영향을 주지 않으면서 종양 내에 존재하는 조절 T세포를 선택적으로 제거하는 것을 가능케 하는 새로운 표적 단백질인 시캠1(이후 CEACAM1)을 발굴하고, 이를 타겟으로 종양 내 조절 T세포를 선택적으로 제거했을 때, 최근 암 환자에게 널리 쓰이는 기존 면역항암제의 효능을 월등히 증가시킬 수 있음을 증명하였다.
암 환자의 종양 내 조절 T세포를 선택적으로 제거하는 치료의 개발은 많은 암 연구자들의 관심사다. 종양 내 조절 T세포를 선택적으로 제거하기 위해서는 해당 세포에만 특이적으로 높게 발현하는 이른바 표적 단백질을 발굴해야 한다.
KAIST-삼성서울병원 공동연구진은 이번 연구에서 신장암 환자로부터 얻은 조직과 혈액을 분석해서 CEACAM1이 혈액에 존재하는 조절 T세포에는 발현되지 않지만, 종양 내 조절 T세포에서만 선택적으로 발현된다는 것을 발견했다. 연구진은 또한 단일세포 전사체 데이터를 분석해 그러한 양상이 신장암에 국한되지 않고 다양한 암종에서 나타남을 확인했다.
연구진은 신장암 환자의 종양 내 면역세포에서 CEACAM1을 발현하는 종양 내 조절 T세포를 제거했을 때 면역항암 작용을 하는 면역세포의 종양 제거 능력이 월등히 증가되는 현상을 관찰했다. 더불어, CEACAM1을 발현하는 면역세포를 제거함으로써 대표적인 면역항암제인 면역관문억제제(Immune Checkpoint Inhibitor)의 면역항암 기능이 월등히 증가됨을 확인했다.
연구진은 이 결과를 토대로 CEACAM1을 발현하는 종양 내 조절 T세포가 항종양 면역반응을 억제하는 주된 세포임을 밝혔고, 이 세포의 세부적인 특성을 파악하고 선택적으로 제거하거나 이를 표적으로 하는 치료 전략이 매우 효과적인 항암치료 및 면역치료제 개발에도 활용이 될 것으로 전망한다고 설명했다.
이번 연구의 공동 제1 저자인 KAIST 전승혁 박사와 삼성서울병원 강민용 교수는 "이번 연구 결과는 새로운 표적 단백질을 발굴함과 동시에 종양 내 조절 T세포의 생물학적 특징에 대한 이해를 높였다는 측면에서 중요한 연구이며, 이번 연구의 결과가 궁극적으로 면역항암제에 대한 저항성을 극복하는 해결책이 될 것으로 기대한다ˮ고 설명했다.
삼성서울병원 서성일 교수는 “이번 연구는 임상 샘플을 사용해 종양 내 조절 T세포 제거 치료의 단서를 발견했다는 점에서 의의가 있다”며 “CEACAM1의 발현이 종양의 성장과도 밀접한 연관이 있어 바이오마커로써 응용될 가능성도 있다”고 말했다.
박수형 교수는 “종양 내 조절 T세포를 제어하는 치료는 많은 연구자가 관심을 가지는 분야이지만 아직 이를 이용한 치료법은 개발되지 않은 실정”이라며 “이번 연구에서 발굴한 CEACAM1이 종양 내 조절 T세포의 제거 치료제 개발에 실마리를 제공할 수 있을 것ˮ이라고 덧붙였다.
과학기술정보통신부 중견연구자지원사업과 기초연구실지원사업을 받아 수행한 이번 연구 결과는 미국암학회 (American Association for Cancer Research)에서 발행하는 종양 분야 저명 학술지인 Clinical Cancer Research에 최근 게재됐다 (논문명: CEACAM1 marks highly suppressive intratumoral regulatory T cells for targeted depletion therapy).
2023.03.06
조회수 4974