DGIST 미래모빌리티연구부 권순·이진희 연구팀이 라벨이 극히 적은 환경에서도 최신 성능(State-Of-The-Art, SOTA)을 구현한 3D 준지도 학습(SSOD, Semi-Supervised Object Detection) 프레임워크 ‘MultipleTeachers’를 개발했다. 이번에 개발된 기술은 유사한 객체를 그룹화해 범주별 교사 네트워크를 구성하고, 협력적으로 의사 라벨을 생성하는 새로운 학습 전략을 도입했다. 여기에 희소한 라이다(LiDAR) 포인트 문제를 보완하는 ‘PointGen’ 모듈을 결합해 차량·보행자·이륜차 등 도심 주요 객체의 인지 정확도를 크게 높였다. 적은 데이터로도 높은 학습 효과를 이끌어내며, 안전 중심의 자율주행 인지 기술 발전에 기여할 수 있는 새로운 패러다임을 제시했다. 자율주행 기술의 고도화에는 방대한 라벨링 작업으로 인한 시간·비용 부담이 큰 걸림돌로 작용해왔다. DGIST 연구팀은 소량의 라벨 데이터와 대량의 무라벨 데이터를 결합하는 준지도·자기지도 학습을 고도화함으로써 라벨 의존도를 낮추면서도 실험 환경에서 우수한 성능을 입증했다. 또한 DGIST 창업기업 퓨처드라이브와 협력해 한국 도심 환경을 충실히 반영한
고려대학교 화공생명공학과 조진한 교수 연구팀이 복잡한 나노입자 합성 과정 없이, 간단한 은 이온 공정만으로 리튬 금속 배터리의 수명과 안정성을 크게 향상시킬 수 있는 초박막 코팅 기술을 개발했다. 이번 연구는 차세대 고에너지 배터리의 상용화를 앞당길 핵심 기술로 평가받고 있다. 리튬 금속은 높은 에너지 밀도와 낮은 전압 손실로 인해 차세대 고에너지 배터리의 핵심 소재로 주목받고 있다. 그러나 충·방전 과정에서 발생하는 덴드라이트(가지 모양의 리튬 결정)는 내부 단락과 폭발 위험을 유발해 수명과 효율을 크게 떨어뜨린다. 이에 따라 리튬이 균일하게 쌓이도록 돕는 보호막 기술이 배터리 상용화의 관건으로 꼽혀왔다. 조진한 교수 연구팀은 이러한 문제를 해결하기 위해 은 이온과 트리티오시아누르산(trithiocyanuric acid, TCA)을 번갈아 적층하는 배위결합 기반 층상자기조립(coordination bonding layer-by-layer, CB-LbL) 공정을 개발했다. 이 방법을 통해 니켈로 도금된 섬유형 전극 지지체 위에 두께 40나노미터(nm) 이하의 초박막 금속-유기 골격체(MOF)를 균일하게 형성할 수 있었다. 특히 이번 공정은 용액만을 사용하는
세포의 상태를 원하는 방향으로 조절하는 것은 신약 개발, 암 치료, 재생 의학 등 생명과학 분야의 핵심 과제지만, 적합한 약물이나 유전자 표적을 찾는 일은 쉽지 않다. 이에 KAIST 연구진은 세포와 약물 반응을 레고블록처럼 분해하고 다시 조립하는 방식으로 수학적으로 모델링해, 실제로 실험하지 않은 세포와 약물의 새로운 반응은 물론 임의의 유전자 조절 효과까지 예측할 수 있는 새로운 AI 기술을 개발했다. KAIST는 바이오및뇌공학과 조광현 교수 연구팀이 생성형 AI를 활용해 세포를 목표 상태로 유도할 수 있는 약물과 유전자 표적을 찾아내는 새로운 인공지능 기술을 개발했다고 16일 밝혔다. ‘잠재공간(latent space)’은 이미지 생성 AI가 사물이나 세포의 특징을 수학적으로 정리해 놓은 보이지 않는 ‘지도’와 같은 공간이다. 연구팀은 이 공간에서 세포의 상태와 약물의 효과를 각각 분리해내고, 이를 다시 조합해 실험하지 않은 세포-약물 조합의 반응을 예측하는 방식을 고안했다. 이 원리를 확장해, 특정 유전자를 조절했을 때 어떤 변화가 나타나는지도 예측할 수 있음을 보였다. 연구팀은 실제 데이터를 활용해 이 기술을 검증했다. 그 결과 대장암 세포를 정상
광주과학기술원(GIST)은 전기전자컴퓨터공학과 홍성민 교수 연구팀이 반도체 소자 시뮬레이션의 계산 효율을 혁신적으로 개선해, 기존 대비 최대 100배 빠른 속도로 차세대 소자의 성능을 예측할 수 있는 새로운 알고리즘을 개발했다고 밝혔다. 이번 성과는 반도체 소자 연구개발(R&D) 과정에서 가장 큰 걸림돌로 꼽히던 ‘장시간 시뮬레이션’ 문제를 근본적으로 해결했다는 점에서 의미가 크다. 반도체 소자 시뮬레이션(Semiconductor Device Simulation)은 반도체의 전기적·물리적 동작을 가상 환경에서 수치적으로 재현하고 분석하는 기술이다. 전류의 흐름, 전계 분포, 발열 특성 등 소자의 거동을 실제 제작 이전에 예측할 수 있어 성능 최적화와 설계 효율성을 높이는 핵심 도구로, TCAD(Technology Computer-Aided Design) 분야에서 폭넓게 활용된다. 차세대 반도체 소자의 성능을 사전에 예측하고 최적화하기 위해 필수적인 TCAD 시뮬레이션은 반도체 내부에서 전자와 정공의 이동, 전기장 분포 등을 물리 법칙에 따라 계산해 전기적 특성을 정밀하게 예측한다. 그러나 게이트올어라운드(GAA) 구조나 보완형 트랜지스터(CFET) 등
KAIST가 연합학습(Federated Learning)의 고질적인 성능 저하 문제를 해결하고, AI 모델의 일반화 성능을 획기적으로 향상시킨 새로운 학습 방법을 개발했다. 이번 연구는 병원·은행 같은 보안이 중요한 분야는 물론, 소셜미디어·온라인 쇼핑처럼 변화가 잦은 환경에서도 안정적인 성능을 발휘하며, 인공지능 협업의 새 가능성을 보여줬다. KAIST는 산업및시스템공학과 박찬영 교수 연구팀이 연합학습의 한계를 극복할 수 있는 새로운 학습 방식을 제시했다고 15일 밝혔다. 이번 연구는 ‘데이터 프라이버시를 지키면서도 협업 가능한 AI’를 구현한 것으로 평가받고 있다. 연합학습은 여러 기관이 데이터를 직접 공유하지 않고도 AI를 공동 학습할 수 있는 방식이다. 그러나 이렇게 만들어진 공동 AI 모델을 각 기관 환경에 맞게 최적화하는 과정에서, 특정 기관의 데이터 특성에만 과도하게 적응하는 ‘지역 과적합(Local Overfitting)’ 문제가 꾸준히 제기돼왔다. 예를 들어 여러 은행이 함께 구축한 ‘공동 대출 심사 AI’를 특정 은행이 대기업 고객 데이터를 중심으로 재학습시키면, 그 은행의 AI는 대기업 심사에는 강하지만 개인이나 스타트업 고객 심사에는 약
UNIST(울산과학기술원) 에너지화학공학과와 서울대학교 첨단융합학부, 포항공과대학교(POSTECH) 연구진이 전고체전지(All-Solid-State Battery)의 성능 저하 원인을 규명하고, 계면 안정화를 통해 폭발 위험을 줄일 수 있는 새로운 설계 전략을 제시했다. 이번 연구는 차세대 전기차와 대용량 에너지저장장치(ESS)의 핵심 기술로 꼽히는 전고체전지 상용화를 앞당길 중요한 성과로 평가된다. 전고체전지는 기존 리튬이온전지에서 사용하는 가연성 액체 전해질 대신 불연성 고체 전해질을 적용해 화재 위험이 거의 없고, 더 높은 에너지 밀도를 구현할 수 있어 ‘꿈의 배터리’로 불린다. 그러나 양극과 고체전해질이 직접 맞닿는 계면에서 화학적 분해와 구조적 손상이 일어나며 성능이 빠르게 저하되는 문제가 남아 있었다. 연구팀은 이러한 문제를 해결하기 위해 리튬 디플루오로포스페이트(LiDFP)를 활용해 양극 표면에 코팅층을 형성한 전고체전지를 제작하고, 머신러닝과 디지털 트윈(digital twin), 첨단 분석기법을 적용해 전지의 열화 거동을 정밀 추적했다. 그 결과, 코팅층이 적용된 전극에서는 화학적 열화가 크게 억제되고 반응이 균일하게 진행돼 입자 손상이 고르
DGIST(대구경북과학기술원) 나노기술연구부 김동환·김정민 공동연구팀이 기존 영구자석 제조 방식의 한계를 뛰어넘는 새로운 공정을 개발했다. 이번 연구는 자석 성능 향상에 핵심적인 ‘입계확산(Grain Boundary Diffusion)’ 기술을 혁신적으로 개선한 것으로 전기자동차, 풍력 발전기, 로봇 등 다양한 친환경 산업 분야에 활용될 전망이다. 최근 전기차와 풍력 발전 산업이 급성장하면서, 고온 환경에서도 안정적으로 작동하는 강력한 영구자석의 수요가 빠르게 증가하고 있다. 대표적인 고성능 자석인 네오디뮴(Nd-Fe-B) 영구자석은 전기차 모터의 핵심 소재지만, 고온에서 자기 성능이 급격히 저하되는 단점이 있다. 이를 보완하기 위해 희귀한 중희토류 원소(예: Tb, Dy)를 첨가하지만, 이 원소들은 고가이자 공급이 제한적이어서 산업적 부담이 크다. 기존의 해결책으로는 자석 표면에 중희토류를 침투시키는 입계확산 공정이 널리 활용되지만, 확산이 자석 표면에만 머물러 내부까지 충분히 도달하지 못한다는 한계가 있었다. 이로 인해 두꺼운 자석이나 대형 모듈에는 적용이 어려웠다. 김동환·김정민 연구팀은 이러한 문제를 해결하기 위해 방전 플라즈마 소결(Spark Pla
보통 그림과 글자가 함께 있을 때 사람의 시선이 그림에 먼저 가는 것처럼, 여러 감각을 동시에 활용하는 ‘멀티모달 인공지능’도 특정 데이터에 더 크게 의존하는 경향이 있다. KAIST 연구진은 이러한 한계를 극복해, 그림과 글자를 모두 고르게 인식해 훨씬 더 정확한 예측을 가능케 하는 새로운 멀티모달 인공지능 학습 기술을 개발했다. KAIST는 전기및전자공학부 황의종 교수 연구팀이 다양한 데이터 유형을 한 번에 처리해야 하는 멀티모달 인공지능이 모든 데이터를 고르게 활용할 수 있도록 돕는 새로운 학습 데이터 증강 기술을 개발했다고 14일 밝혔다. 멀티모달 인공지능은 텍스트, 영상 등 여러 데이터를 동시에 활용해 판단하지만, 기존 AI 모델은 특정 정보(예: 텍스트 또는 이미지)에 치우쳐 판단하는 경향이 있었다. 이로 인해 예측 정확도가 떨어지고, 실제 환경에서의 일반화 성능이 제한되는 문제가 있었다. 연구팀은 이러한 편향을 해결하기 위해 일부러 서로 어울리지 않는 데이터를 섞어서 학습에 사용했다. 이를 통해 인공지능은 특정 데이터에만 의존하지 않고, 글과 그림, 소리 등 모든 정보를 균형 있게 활용하는 방법을 학습하게 된다. 또한 품질이 낮은 데이터는 보완하
끼리끼리 논다는 법칙은 과학에도 적용된다. 물과 기름은 섞이지 않고, 이 안을 떠다니는 미세 입자들도 물과 기름 중 자신이 더 편한 쪽, 즉 에너지가 낮은 쪽에 모이게 되는 분포 법칙이다. 하지만 티끌보다 더 작은 세균이더라도 스스로 움직일 수 있다면 이 같은 통계 분포를 깰 수 있는 것으로 나타났다. UNIST 물리학과 정준우 교수, 생명과학과 로버트 미첼 교수와 스탠퍼드 대학 쇼 타카토리 교수 연구팀은 세균처럼 작지만 스스로 움직일 수 있는 입자들이 어떠한 통계 분포 원리를 따르는지를 세계 최초로 규명했다고 12일 밝혔다. 연구에 따르면, 살아있는 세균의 분포를 결정하는 요소는 세균의 운동성과 특정 액체상에 대한 선호도다. 세균이 특정 액체상에 끌리는 힘은 세균을 해당 액상에 가두는 역할을 하고, 세균의 운동성은 그곳에서 빠져나올 수 있도록 만드는 경쟁적 관계다. 연구팀은 세균의 분포를 설명하는 이론 모델을 이 두 힘을 정량적으로 분석해 만들어냈다. 광학집게 기술로 세균이 특정 액체상에 끌리는 힘을 측정한 결과, 1 피코 뉴턴 (1pN) 수준으로 밝혀졌다. 피코뉴턴은 머리카락 한 올이 느끼는 중력보다 천만 배 작은 힘이다. 세균의 추진력은 10 피코뉴턴
광주과학기술원(GIST)은 김승준 GIST AI융합학과 교수 연구팀이 VR 헤드셋에 부착해 귀 내부 압력을 세밀하게 조절함으로써 대기압·수압 변화에 따른 귀의 먹먹함 등 환경 압력 감각을 구현하는 ‘이어프레셔 VR(EarPressure VR)’을 개발했다고 밝혔다. 고도 변화나 수중 환경에서 체감하는 압력 감각을 착용형 장치만으로 재현해 시각·청각 중심의 VR 경험을 확장했다. VR은 컴퓨터가 생성한 3차원 가상 환경을 실제 공간처럼 체험하도록 하는 기술로, 초기에는 게임·엔터테인먼트 중심에서 최근 교육, 의료, 산업훈련, 원격협업 등으로 활용이 확대되고 있다. 그러나 압력 변화를 사실적으로 구현하려면 공간 전체의 기압을 제어해야 해 제약이 컸다. 연구팀은 임상에서 고막과 중이 압력 상태를 측정하는 팀파노메트리(tympanometry) 원리를 응용해 이 문제를 해결했다. 이어프레셔 VR은 귀 내부 상태를 압력 센서로 실시간 모니터링하고, 내장 모터와 의료용 주사기 기반 구동부로 ±40 헥토파스칼(hPa) 범위의 압력 변화를 0.57초 안에 구현한다. 이는 실제 수심을 따라 하강할 때 체감하는 속도와 유사한 수준이다. hPa는 기상·의학 분야에서 널리 쓰이는
미생물로 석유화학산업 핵심원료 생산하는 친환경 공정 개발 KAIST는 생명화학공학과 이상엽 특훈교수, 화학과 한순규 교수 공동 연구팀이 미생물 발효 공정과 유기화학 반응을 결합해 포도당, 글리세롤 등 재생 가능한 바이오 원료에서 벤젠, 톨루엔, 에틸벤젠, 파라자일렌(BTEX)을 생산하는 공정을 개발했다고 12일 밝혔다. 페트병, 스티로폼, 나일론 등 일상 곳곳에 쓰이는 BTEX는 석유 정제를 통해서만 얻어지던 핵심 원료로, 식물 기반 생산은 오랫동안 난제로 남아 있었다. 연구팀은 폐목재 등 바이오매스 유래의 포도당으로부터 BTEX를 생산하는 데 성공해 차세대 친환경 플라스틱 원료로 가는 길을 열었다. 연구팀은 석유 정제로 인한 환경 부담과 복잡한 화학 구조로 인한 식물 기반 BTEX 생산의 어려움을 미생물 세포공장과 화학 반응을 융합한 새로운 공정으로 해결했다. 미생물이 포도당과 글리세롤을 이용해 페놀, 벤질알코올 등 산소화된 중간 물질을 만들고, 이를 화학 반응으로 탈산소해 벤젠·톨루엔 등 BTEX로 전환하는 방식이다. 이 과정에서 이상엽 교수가 이끌어온 시스템 대사공학 기술로 미생물의 대사 경로를 새로 설계해 효율을 높였다. 동시에 연구팀은 비등점이 높고
‘여서(女書)’는 중국 후난성에서 19세기 무렵부터 한자 교육에서 배제된 여성들이 서로의 삶을 기록하고 소통하기 위해 창조한 여성 문자 체계다. 이 문자 체계의 의미(억압 속 창조, 여성 연대, 언어 실험)를 현대 기술과 접목한 ‘AI 여서(Nüshu, 女书)’ 프로젝트에 KAIST 연구진이 참여해 국제 미디어아트 페스티벌에서 상을 받았다. KAIST는 산업디자인학과 이창희 교수 연구팀이 영국왕립예술학교 알리 아사디푸어 컴퓨터과학연구센터장과 공동으로 진행한 프로젝트 ‘AI 여서(Nüshu)’가 ‘프리 아르스 일렉트로니카(Prix Ars Electronica) 2025’ 디지털 휴머니티 부문 영예상에 선정됐다고 10일 밝혔다. 이 페스티벌에는 올해 98개국에서 3987개 작품이 출품됐으며, 디지털 휴머니티 부문 수상작은 2개다. 수상작 ‘AI 여서’는 문자 교육에서 배제된 여성들이 만든 여서를 기반으로, 컴퓨터 언어학과 인공지능을 결합해 관람객이 직접 체험하는 설치 작품으로 구현했다. 작품 속 인공지능은 전근대 중국 여성들의 소통 방식을 학습해 새로운 언어를 생성한다는 설정 아래, 가부장적 질서를 넘어서는 시도이자 서구 중심 언어관을 확장하는 접근으로 평가됐다
KAIST가 난치성 뇌전증 치료를 위한 RNA 신약 후보를 개발하고, 7500억 원 규모의 글로벌 기술 수출 계약을 체결했다. KAIST는 의과학대학원 이정호 교수의 교원 창업기업인 소바젠이 난치성 뇌전증 치료용 RNA 신약 후보를 발굴해 해외 제약사에 기술 수출했다고 9일 밝혔다. 이번 계약 규모는 총 7500억 원으로, KAIST의 기초 의과학 연구에서 출발한 혁신 기술이 글로벌 신약 개발 단계로 확장된 사례로 평가된다. 이정호 교수 연구팀은 난치성 뇌전증과 악성 뇌종양 등 치명적 뇌 질환의 원인이 ‘뇌 줄기세포에서 생긴 후천적 돌연변이(뇌 체성 돌연변이, Brain Somatic Mutation)’임을 세계 최초로 규명하고, 2015년과 2018년 각각 네이처(Nature)와 네이처 메디슨(Nature Medicine)에 연구 결과를 발표한 바 있다. 이후 이 교수는 신약 개발 전문가인 박철원 대표와 함께 돌연변이 유전자인 MTOR를 직접 겨냥할 수 있는 RNA 신약(ASO, Antisense Oligonucleotide)을 개발했다. 이번 기술이전 계약을 통해 해당 후보물질의 상업화 가능성까지 입증하며, 한국 기초 연구 기반의 신약 개발 역량을 세계
최근 일본 국내 공장에서는 인력 부족과 경쟁력 확보를 목적으로 비용 절감을 실현하기 위해 생산 라인의 통폐합이 추진되고 있다. 더불어 로봇·IoT 기술의 발전으로 급속한 무인화·자동화가 진행되어 생산 능력이 향상되고 있다. 한편 원자재 가격 상승과 인건비 상승에 대응할 필요도 있어 낭비를 배제한 효율적인 생산을 실현하기 위해 측정 오차를 최대한 줄이는 것이 요구되고 있다. 이 글에서는 안리츠 주식회사가 생산 능력을 향상시키고 또한 측정 오차의 최소화를 실현하기 위해 대응하고 있는 중량 선별기에 대해 소개한다. 이 글에서는 ‘계량’이라는 용어를 ‘질량 계측’의 의미로 사용한다. 중량 선별기의 개요 1. 사용 용도 중량 선별기(그림 1)는 주로 식품·약품용 제조 라인에서 생산되는 상품의 질량을 전수 측정하여 질량의 과부족에 따른 불량품을 후단의 선별 수단에 의해 라인 밖으로 배제하는 검사장치이다. 도입 목적은 상품의 중량·결품 체크에 의한 선별, 충진 손실 최소화를 위한 충진기에 대한 측정값 피드백 제어 외에도, 측정값 경향을 기반으로 한 라인의 이상 감시 등에도 이용되고 있다. 원료의 유효 이용과 포장재 손실 방지, 품질 향상 등 다양한 요구에 대응하고 있으며
신소재 개발의 핵심 단계인 ‘물성 규명’은 그동안 방대한 실험 데이터와 고가 장비에 의존해야 해 연구 효율이 낮다는 한계가 있었다. KAIST 연구진은 재료와 에너지의 변형과 상호작용을 지배하는 물리법칙을 AI와 결합한 새로운 기법을 통해, 데이터가 부족한 상황에서도 신소재를 신속히 탐색하고 재료·기계·에너지·전자 등 다양한 공학 분야의 설계와 검증까지 빠르게 수행할 수 있는 기반을 마련했다. KAIST는 기계공학과 유승화 교수 연구팀이 경희대 임재혁 교수 연구팀, 한국전기연구원(KERI) 류병기 박사와 공동 연구를 통해, 물리 법칙을 인공지능 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다고 2일 밝혔다. 첫 번째 연구에서는 고무와 같은 초탄성(hyperelastic) 소재를 대상으로, 단 한번의 실험에서 얻은 적은 데이터만으로도 재료의 변형 양상과 성질을 동시에 규명할 수 있는 물리 기반 인공신경망(Physics-Informed Neural Network, PINN) 기법을 제시했다. 기
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 10월 18일 11시 30분
