KAIST 화학과 황승준 교수 연구팀이 산소 반응에서 전자가 이동하는 경로를 선택적으로 제어할 수 있는 새로운 분자 시스템을 개발했다고 밝혔다. 배터리와 연료전지·친환경 화학 공정의 차세대 촉매 원천기술이 될 것으로 기대된다. 산소는 반응할 때 전자가 2개 이동하는지 4개 이동하는지에 따라 만들어지는 물질과 반응 결과가 달라진다. 2전자 반응에서는 과산화수소가 4전자 반응에서는 물이 생성되는 만큼 이를 선택적으로 제어하는 기술은 배터리와 연료전지·친환경 촉매 개발의 핵심 과제로 꼽혀 왔다. 기존에는 철·코발트·니켈 등 전이금속을 활용해 왔으나 저마늄과 같은 주족 원소로는 복잡한 반응을 구현하기 어렵다고 알려져 있었다. 연구팀은 저마늄과 전자를 저장하고 전달하는 분자구조인 '산화·환원 활성 리간드(Redox-active Ligand)'를 결합해 이러한 한계를 극복했다. 하나의 분자 시스템 안에서 2전자 반응과 4전자 반응을 필요에 따라 선택적으로 유도할 수 있음을 세계 최초로 입증했다. 또한 반응 과정에서 생성됐다가 사라지는 2전자 산화 상태의 저마늄 중간체를 안정적으로 분리하는 데도 성공해 반응 원리를 이해하는 중요한 단서를 제공했다. 연구팀은 개발한 저마늄
인공지능(AI)이 학습한 민감 개인정보나 저작권 위반 데이터를 삭제하면서 정상 정보는 보존하고, 지운 정보가 다시 살아나는 것을 막는 머신 언러닝 기술 ‘스포터(Spotter)’가 개발됐다. UNIST 인공지능대학원 윤성환 교수팀과 산업공학과 박새롬 교수팀은 삭제해야 할 정보와 유사한 정상 정보는 보호하고, 삭제 대상 사진 몇 장만으로 인식 능력을 되살리는 공격까지 차단하는 머신 언러닝(Machine Unlearning) 기술을 개발했다고 21일 밝혔다. 머신 언러닝은 학습을 마친 AI에서 특정 데이터나 범주가 미친 영향만 선택적으로 제거하는 기술이다. 얼굴 인식 AI에서 삭제를 요청한 사람의 얼굴 정보를 지우거나 학습 데이터에 포함된 개인정보와 유해 콘텐츠를 제거하는 데 활용할 수 있다. 스포터는 삭제 대상과 비슷한 정상 정보를 구별하는 AI의 능력은 유지하면서 삭제 대상 사진의 공통점을 찾아내는 능력은 없앤다. 이를 통해 삭제하지 않아야 할 정보의 인식 성능을 보호하고, 공격자가 삭제 대상 사진 몇 장을 확보하더라도 지워진 인식 기준을 다시 만들기 어렵게 한다. 연구팀은 기존 언러닝 기술의 약점인 ‘과잉 삭제’와 삭제한 정보가 다시 살아날 수 있는 ‘재학
한국전자통신연구원(ETRI)이 개발한 기계학습 기반 주파수 이용 가능성 평가·예측 방법론이 국제전기통신연합 전파통신부문(ITU-R)의 신규 보고서로 승인됐다. ETRI는 지난달 3일부터 11일까지 스위스 제네바에서 열린 ITU-R 스펙트럼관리 연구반(SG1) 회의에서 신규 보고서 ‘스펙트럼 가용성 평가 및 예측 방법론(Methodologies for assessing or predicting spectrum availability)’이 승인됐다고 밝혔다. 이번 보고서는 기계학습을 활용해 특정 지역과 시간에서 주파수를 얼마나 사용할 수 있는지 평가하고 예측하는 방법을 담았다. ETRI가 SCIE급 국제학술지에 발표한 기계학습 기반 스펙트럼 가용성 평가·예측 기술을 토대로 작성됐으며, ITU-R의 최종 편집 절차를 거쳐 공식 신규 보고서로 발간될 예정이다. 스펙트럼 가용성은 특정 지역과 시간에서 주파수를 무선통신에 사용할 수 있는 정도를 뜻한다. AI 서비스와 6G 이동통신, 저궤도 위성통신 등 차세대 무선서비스가 확대되면서 주파수 수요도 증가해 주파수 이용 가능성을 평가하고 예측하는 기술의 중요성이 커지고 있다. ETRI는 실제 이동통신 주파수 이용 데이터를
KAIST 전기및전자공학부 김창익 교수 연구팀이 챗GPT와 같은 대형언어모델(LLM)을 개인이나 기업의 데이터에 맞게 다시 학습시키는 파인튜닝(Fine-tuning) 과정에서 안전성이 훼손되는 문제를 해결하는 '버퍼 앤드 리인포스(Buffer-and-Reinforce)' 학습 프레임워크를 개발했다. 기존에는 AI를 맞춤형으로 학습시키면 새로운 업무 능력은 향상되지만 기존의 안전 규칙이 함께 약화되는 문제가 AI 개인화 시대의 가장 큰 과제로 꼽혀왔다. 연구팀은 AI가 원래 거부해야 할 위험한 요청에도 응답할 수 있는 '탈옥(Jailbreak)' 상태의 AI를 맞춤형으로 학습시키면 오히려 안전성이 크게 훼손되지 않는다는 기존 연구 결과에 주목하고 그 원인을 규명했다. 이를 바탕으로 연구팀은 '완충(Buffer)'과 '안전성 강화(Reinforce)'의 두 단계 학습 기법을 개발했다. 먼저 완충 모듈인 '버퍼로라(BufferLoRA)'를 AI에 임시로 적용해 맞춤형 학습 과정에서 악성 데이터가 AI 본체에 직접 영향을 주지 못하도록 막는 보호막 역할을 하도록 했다. 맞춤형 학습이 끝나면 이 모듈은 제거된다. 이후 안전성 강화 모듈인 '리인포스로라(Reinforc
KAIST(총장 배충식) 신소재공학과 홍승범 교수 연구팀이 신소재공학과 강기범 교수, 성균관대학교 조성범 교수 연구팀과 공동으로 차세대 반도체 소자로 주목받는 2차원 소재에서 전기가 막힘없이 흐르는 새로운 구조를 세계 최초로 구현하고, 이를 나노미터 수준에서 직접 관찰할 수 있는 분석 플랫폼을 개발했다. 반도체는 금속 전극과 반도체가 만나는 경계에서 접촉 저항이 발생해 성능이 떨어지고 전력 손실이 나타난다. 반도체가 점점 소형화될수록 접촉 저항의 영향은 더욱 커져 차세대 반도체 개발의 핵심 기술적 난제로 꼽혀왔다. 연구팀은 기존처럼 금속 전극을 반도체 위에 붙이는 대신, 하나의 2차원 소재 안에서 원자층 두께를 조절하는 방식을 택했다. 단일 백금 이셀레나이드(PtSe2) 소재 내에서 층수를 달리해 반금속 영역과 반도체 영역을 하나의 구조체 안에 동시에 만들어내는 이종 위상 접합 구조를 구현한 것이다. 이를 통해 반금속과 반도체 위상 경계면에서 전하가 뚜렷한 저항 장벽 없이 연속적으로 흐른다는 점을 확인했으며, 생성된 반도체 영역이 전기장에 의해 성공적으로 변조되어 트랜지스터로서의 기능도 증명했다. 또한 원자현미경(AFM)을 이용해 계면을 가로지르는 전하의 이
양자컴퓨팅을 활용해 환경 변화에도 안정적으로 작동하는 강인한 인공지능(AI)을 더 효율적으로 학습시키는 기법이 개발됐다. UNIST는 인공지능대학원 윤성환 교수팀이 고려대학교 전기전자공학부 김중헌 교수팀과 함께 양자 알고리즘 기반 강인한 강화학습 기법 ‘QRIM’을 개발했다고 6일 밝혔다. QRIM은 ‘Quantum Robust Inner Minimization’의 약자로, 강인한 강화학습에서 계산 병목으로 꼽히는 최악의 상황 탐색 과정을 양자 알고리즘으로 가속하는 기술이다. 연구팀은 이를 통해 계산 비용을 기존 대비 최대 5분의 1 수준으로 줄이는 데 성공했다. 이번 연구는 세계 3대 인공지능 학회로 꼽히는 국제머신러닝학회(ICML) 2026에 채택됐다. 올해 ICML에 채택된 양자 인공지능 논문 가운데 국내 연구기관이 주도한 논문은 이번 연구가 유일하다고 UNIST는 설명했다. 강화학습은 AI가 시행착오를 거치며 스스로 행동 전략을 찾는 학습 방식이다. 다만 실제 환경이 학습 환경과 달라지면 성능이 급격히 떨어질 수 있다. 예를 들어 맑은 도로 환경만 학습한 자율주행차는 비나 눈으로 노면 상태가 바뀌면 제대로 대응하지 못할 수 있다. 이를 보완하기 위해
KAIST 연구진이 고성능 전기차의 공기 흐름을 실시간으로 제어하는 능동 공력 기술을 개발해 세계적 학회에서 연구 성과를 인정받았다. KAIST는 전기및전자공학부 심현철 교수 연구팀이 현대자동차의 지원을 받아 고성능 전기차에 적용 가능한 다중 능동 공력 시스템을 개발했다고 지난 3일 밝혔다. 다중 능동 공력 시스템은 차량 앞뒤에 장착된 여러 공력 장치를 하나의 시스템으로 통합 제어하는 기술이다. 주행 상황에 따라 공기의 흐름을 조절해 차량의 주행 성능과 안정성을 높이는 것이 핵심이다. 나성원 박사과정 학생이 제1저자로 수행한 이번 연구 결과는 지난달 미국 미시간주 디트로이트에서 열린 지능형 차량 분야 국제학술대회 ‘IEEE 인텔리전트 비하클 심포지움 2026(IEEE Intelligent Vehicles Symposium 2026)’에서 최우수 학생논문상 1위를 수상했다. IEEE 인텔리전트 비하클 심포지움은 IEEE 지능형교통시스템학회가 주관하는 지능형 차량 분야 국제학술대회로, 자율주행, 차량 제어, 인공지능, 미래 모빌리티 기술 등을 주제로 세계 각국 대학과 연구기관, 자동차 제조사가 연구 성과를 발표한다. 이번 연구는 전체 채택 논문 가운데 약 8.5
유기 반도체 잉크로 만든 회로를 더 미세하고 균일하게 패터닝할 수 있는 광가교제가 개발됐다. 개발된 기술은 가볍고 휘어지는 디스플레이와 웨어러블 전자기기에 쓰이는 유기 반도체 회로의 정밀 패터닝에 활용될 수 있다. UNIST는 화학과 김봉수 교수팀이 연세대학교 조정호 교수팀과 공동으로 유기 반도체 고분자와 잘 섞이면서 고분자 사슬을 효율적으로 연결하는 새로운 광가교제 ‘Diazo-6Bx’를 개발했다고 2일 밝혔다. 광가교제는 유기 반도체 용액공정에 쓰이는 물질이다. 광가교제가 포함된 반도체 잉크를 기판에 바른 뒤 회로 모양대로 자외선을 쬐면, 빛을 받은 부분의 잉크가 굳어 고정된다. 이후 용매로 씻어내면 빛을 받지 않은 부분은 제거되고, 자외선을 쬔 부분만 회로 형태로 남는다. 연구팀이 개발한 Diazo-6Bx는 탄화수소 계열 유기 반도체와 잘 섞이고, 고분자 사슬을 촘촘하고 균일하게 연결할 수 있다. 이에 따라 세척 과정에서 회로 가장자리가 덜 깎이고, 빛을 받은 영역과 받지 않은 영역의 경계도 또렷하게 유지된다. 기존 광가교제인 6Bx는 플루오린이 많이 붙은 구조로, 탄화수소 기반 유기 반도체와 잘 섞이지 않는 한계가 있었다. 이로 인해 가교제가 뭉치거나
KAIST 뇌인지과학과 김대수 교수 연구팀이 동물의 움직임을 언어처럼 읽고 해석하는 AI 모델 '비헤이버트(BehaVERT)'를 개발했다고밝혔다. 연구팀은 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 자연어의 단어에 해당하는 '토큰(token)'으로 변환해 BERT 기반 트랜스포머 모델에 입력하는 방식으로 비헤이버트를 구현했다. 이 모델은 별도의 사전 지식 없이도 자폐 모델 생쥐(Shank3B 유전자 결손)의 핵심 사회행동 결함을 스스로 발견할 수 있음을 확인했다. 비헤이버트는 사회적 상호작용, 다개체 행동, 3차원 움직임 분석, 자폐 행동 분석 등 다양한 분야의 국제 표준 벤치마크 5종에서 기존 최고 수준의 성능을 넘어섰다. 자폐 모델 생쥐와 정상 생쥐를 구분하는 과정에서 AI는 '입과 입을 맞대는 접촉(oral-oral contact)'에 집중하는 것으로 나타났다. 이는 자폐 모델 생쥐가 접근 행동은 정상적으로 수행하지만 실제 사회적 상호작용에는 결함을 보인다는 기존 연구 결과와 일치한다. AI 내부에서는 움직임과 주의, 사회성 같은 행동 특성이 체계적으로 정리돼 있었으며 동물 행동에도 언어와 유사한 의미 구조가 존재할 수 있음을 시
인하대학교 이현규 의과대학 교수 연구팀이 흉부 X선 기반 의료 AI의 임상 신뢰도를 높이는 기술 2편을 개발해 의료영상 컴퓨팅 분야 최고 권위 국제학술대회인 MICCAI 2026 본회의에 채택됐다고 1일 밝혔다. 첫 번째 연구는 흉부 X선에서 폐 여러 영역의 중증도를 평가하는 기술이다. 연구팀은 중증도 평가의 어려움이 AI가 중증도 등급의 순서 구조와 폐 영역의 해부학적 정보를 안정적으로 분리·반영하지 못하는 데 있다고 보고 DORGA(Decoupled Ordinal Refinement with Geometric Alignment) 기술을 개발했다. DORGA는 폐 영역의 구조 정보와 질환 중증도 정보를 분리해 학습함으로써 흉부 X선 중증도 평가의 정확성과 안정성을 높인다. 중환자실의 폐렴, 감염성 폐질환 환자처럼 흉부영상의 시간적 변화가 치료 판단에 중요한 경우에 활용 가능성이 있다. 해당 논문은 전 세계 4,601편의 제출 논문 중 상위 9%에 해당하는 early accept 논문으로 선정됐다. 정건 통계학과 학부연구생이 제1저자로 참여했다. 두 번째 연구는 의료 비전·언어 모델의 예측 불확실성을 질환별로 제시하는 Bi-EDL(Bidirectional E
이미지, 소리, 텍스트 등 여러 형태의 데이터를 함께 학습하는 멀티모달 AI가 단일 데이터만 학습한 AI보다 더 안정적으로 작동하는 이유가 수학적으로 규명됐다. UNIST는 인공지능대학원 윤성환 교수팀이 멀티모달 인공지능이 단일모달 인공지능보다 더 좋은 성능을 내는 원리를 ‘손실 지형’의 평탄화 관점에서 밝혔다고 26일 밝혔다. 멀티모달 학습은 이미지, 음성, 텍스트처럼 서로 다른 형태의 데이터를 함께 활용해 AI가 같은 대상이나 상황을 더 폭넓게 이해하도록 하는 학습 방식이다. 그동안 멀티모달 AI가 단일모달 AI보다 성능이 뛰어나다는 점은 경험적으로 알려져 있었지만, 실제 딥러닝 학습 과정과 연결해 이를 설명하는 이론적 근거는 부족했다. 연구팀은 여러 모달리티의 데이터를 함께 학습할 경우 손실 지형이 더 평탄해지고, 이로 인해 AI의 강건성이 향상된다는 점을 수학적으로 설명했다. 손실 지형은 AI가 학습 과정에서 겪는 오차와 모델 내부 설정값의 관계를 산과 골짜기처럼 표현한 개념이다. 손실 지형이 뾰족하고 가파르면 학습 데이터와 조금만 다른 입력에도 성능이 흔들릴 수 있다. 반대로 넓고 완만하면 경험하지 못한 새로운 데이터가 들어와도 성능을 안정적으로 유
AI 전환은 어느덧 기업 현장에서 가장 익숙한 화두가 됐다. 많은 기업이 임직원을 대상으로 생성형 AI 교육을 운영하고, 경영진은 이를 통해 일하는 방식이 달라지기를 기대한다. 수료증은 차곡차곡 쌓인다. 그런데 정작 현업의 일하는 방식은 좀처럼 바뀌지 않는다. 직원 대부분은 AI 비전공자다. 챗GPT 사용법과 프롬프트 작성을 막 익혔을 때는 당장 내 업무가 AI 기술로 인해 달라질 듯 보인다. 그러나 며칠만 지나면 다들 예전 방식으로 돌아간다. 반복되는 문의는 여전히 사람이 하나씩 처리하게 되고, 제안서 작성도 여전히 빈 화면 앞에서 시작된다. 교육은 했는데 일하는 방식은 그대로다. 많은 기업이 마주한 AI 전환의 허상이 바로 이 지점이다. 이런 이유로 AI를 배웠다는 사실과 일을 바꿨다는 증거는 엄연히 다르다. 더 근본적인 원인은 '전이의 실패'에 있다. 배운 내용이 실제 업무로 옮겨가지 못하면, AI 교육은 성과가 아니라 한 번의 행사로 끝난다. 배움은 수료증이 증명해주지만, 변화를 증명하는 것은 달라진 일뿐이다. 에이블런의 R&D팀이 사내 'AI 펠로우십(AI Fellowship)'을 시작한 이유도 여기에 있다. 비전공자 임직원이 AI를 배우는
CSA(Connectivity Standards Alliance)의 Aliro 1.0 정식 출시는 안전하고 상호운용 가능한 액세스 제어를 위한 새로운 업계 표준이 기존 독점 솔루션의 편리한 대안으로 자리잡을 준비가 되었음을 보여준다. 업계는 모바일 디바이스가 범용 디지털 키 역할을 하여 사람들이 집, 직장, 공공장소를 자유롭게 오갈 수 있는 진정한 연결된 세상을 오랫동안 그려왔다. 유효한 자격 증명을 갖춘 범용 모바일 지갑이 있다면, 사용자는 자유롭게 결제하고 개방형 루프 교통 시스템을 이용하며 주거, 상업, 숙박 시설의 출입문을 자유롭게 열 수 있다. 이러한 범용 모바일 지갑의 비전을 실현하려면 액세스 제어에 대한 통합 표준이 필요하다. 이는 사용자 교체가 빈번하고 에코시스템 통합이 복잡한 환경에서 요구되는 상호 운용성과 보안 요건을 보장하기 위한 것이다. 2026년 2월 출시된 Aliro 1.0은 고객에게 상호운용 가능한 액세스 제어 경험을 약속하고 완전 표준화된 솔루션을 제공할 준비를 마친 디바이스 제조사들에게 중요한 이정표가 될 것이다. Matter와 Zigbee를 만든 전문가들이 선보이는 새로운 산업 표준 잘 알려진 IoT 표준인 Matter와 Zi
개요 이 글은 전원공급장치 설계자들에게 스위치 모드 전원공급장치(SMPS) 내 알루미늄 전해 커패시터(Al-Ecaps)의 유효 리플 전류를 측정하기 위한 실용적인 방법론을 제공한다. 이는 커패시터 수명을 추정하는 데 있어서 중요한 요소다. 이 방법은 실제 데이터 처리에 LTspice를 활용함으로써, 내부 발열 및 커패시터 열화의 주요 원인인 유효 리플 전류를 정확하게 계산할 수 있게 해준다. 이 접근 방식은 오실로스코프로 캡처한 데이터를 PWL(piecewise linear) 소스로 변환한 후, 자동화된 고속 FFT(fast Fourier transform) 분석을 수행함으로써 주파수 의존적인 가속 계수를 반영할 수 있게 한다. 이러한 워크플로를 통해, 고가의 장비를 사용하거나 지나치게 단순화된 근사 방식에 의존하지 않고도, 커패시터의 유효 리플 전류와 그에 따른 내부 온도 상승을 검증할 수 있다. 머리말 강건한 전원공급장치 설계는 예측 가능하고 장기간의 서비스 수명을 기반으로 한다. 기존 스위치 모드 전원공급장치(SMPS)의 경우, 이러한 신뢰성은 대체로 알루미늄 전해 커패시터(Al-Ecap)의 특성에 의해 결정되는 편이었다. 다른 유형의 커패시터와 달리,
지난 회에 이어 자동화 공장에서 동시 연결을 통해 지원되는 ‘고가용성 프로세스 안전애플리케이션’에 대한 마지막 글을 연재한다. 동시 연결 유연성 동시 연결은 연결 경로를 따라 모든 참가자에서 CIP 장치 중복을 가능하게 하는 유연한 솔루션이다. 시스템 설계자가 중복성을 어디에 사용할지와 어떤 깊이(듀플렉스, 트리플렉스 등)를 적용할지 결정하는 것은 설계자에게 달려 있다. 예를 들어, 그림 1은 컨트롤러 중복성에 초점을 맞춘 시스템을 보여준다. 그림 2는 I/O 장치 중복성에 초점을 맞춘 시스템을, 그림 3은 네트워크 어댑터 중복성에 초점을 맞춘 시스템을 보여준다. 동시 연결 기술은 시스템의 특정 기능을 수행하는 장치의 수를 제한하지 않는다. 그림 4는 트리플렉스 I/O 장치 시스템을 보여준다. 동시 연결 무중단 전환 시간 제공 동시 연결은 핫, 활성, 그리고 동시 중복성을 가능하게 한다. 이 솔루션에서 중복 장치는 기능적으로 동일하며 모두 서로의 백업이다. 복제된 장치는 제어 과정에 참여할 수 있도록 동기화 상태를 유지하며, 이 동기화 메커니즘은 공급업체별로 다르다. 시작자와 대상에 있는 중복 장치는 동일한 CIP 연결 페이로드와 같은 Concurrent C
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 09월 05일 17시 55분
