UNIST는 24일 서울 용산 피스앤파크컨벤션에서 ‘2025 코리아 인더스트리얼 인공지능(AI) 공동포럼’을 열고, 동남권 제조업 혁신을 위한 AI 기술 성과를 발표했다. 200여 명의 산·학·연·관 전문가들이 참석한 이번 포럼 주제는 ‘AI 기반 스마트 제조와 지속가능한 미래’였다. 행사는 UNIST와 한국산업기술진흥협회, 한국생산기술연구원, LS일렉트릭, LG AI연구원, SK텔레콤이 공동주최하고, 과학기술정보통신부와 사단법인 바른 과학기술사회 실현을 위한 국민연합 AI미래포럼이 후원했다. 안현실 UNIST 연구부총장은 개회식에서 “UNIST는 제조업 특화 AI 기술 개발을 선도하며 실제 산업 현장에서 혁신을 이끌고 있다”며 “스마트 제조 혁신으로 지역과 국가 산업 경쟁력 강화에 기여할 것”이라고 강조했다. 이어 양승준 UNIST 교수는 ‘AI 기술을 활용한 동남권 제조 산업 혁신 사례’를 발표했다. 양 교수는 “AI 기반 공정 최적화, 품질 예측, 에너지 효율화 등 다양한 성과를 동남권 제조기업과의 공동 연구를 통해 도출하고 있다”고 전했다. 이는 AI 기술이 지역 산업 혁신에 어떻게 적용되고 있는지를 보여주는 실증 모델로 주목 받았다. 그 외에도 윤종
흐릿하고 끊기는 영상을 또렷하고 매끄럽게 복원하는 인공지능(AI) 모델을 울산과학기술원(UNIST) 연구진이 제시했다. 24일 UNIST는 인공지능대학원 유재준 교수팀이 영상의 해상도와 프레임을 동시에 개선하는 AI 모델 ‘BF-STVSR’(Bidirectional Flow-based Spatio-Temporal Video Super-Resolution)을 개발했다고 밝혔다. 해상도와 프레임 수는 영상 품질을 결정짓는 요소다. 해상도가 높을수록 화면이 선명하고, 프레임 수가 많을수록 영상 속 움직임이 끊기지 않고 매끄럽다. 기존 AI 영상 복원 기술은 해상도와 프레임을 따로 처리했다. 또 프레임 보강은 사물의 이동 방향과 속도를 계산해 중간 장면을 생성하는 방식인 옵티컬 플로우 예측 네트워크에 의존했다. 그러나 옵티컬 플로우는 연산이 복잡하고 오차가 쌓이기 쉬워 영상 복원 속도와 품질 면에서 한계가 있었다. 연구팀이 개발한 BF-STVSR은 비디오 특성에 적합한 신호 처리 기법을 도입해 옵티컬 플로우 예측 네트워크에 의존하지 않고 프레임 간 양방향 움직임을 스스로 학습한다. 이를 통해 사물의 윤곽 등을 함께 추론함으로써 해상도와 프레임을 동시에 개선할 수 있
단일 RGB 영상만으로 양손·물체 간 3D 상호작용 실시간 복원 손이 가려지거나 보이지 않는 물체 부분까지 자연스럽게 추정 가능해 가상현실(VR), 증강현실(AR), 로봇 제어, 원격 수술 등 분야서 각광 울산과학기술원(UNIST) 백승렬 교수팀이 사람의 양손이 처음 보는 물체를 조작하는 모든 과정을 단 한 대의 카메라 영상만으로 구현하는 인공지능(AI) 기술을 개발했다. 이 기술은 가상현실(VR), 증강현실(AR), 로봇 제어, 원격 수술 시뮬레이션 등 다양한 분야에 적용될 것으로 기대받는다. 교수팀이 개발한 이번 기술은 단일 RGB 영상만으로 양손과 처음 보는 기구의 복잡한 상호작용을 실시간 3차원(3D)로 시각화할 수 있는 AI 모델 ‘BIGS(Bimanual Interaction 3D Gaussian Splatting)’다. 이는 두 손으로 낯선 물체를 조작하는 장면을 3D로 복원하거나, 양손과 의료기구가 뒤엉킨 모의 수술 장면을 AR 화면에 재현하는 기술이다. 지금까지 AI는 카메라로 촬영된 2차원(2D) 데이터만 입력받기 때문에, 손과 물체의 실제 위치나 입체적인 형태를 파악하려면 이를 3차원으로 재복원하는 과정을 거쳐야 했다. 이러한 기존 기술은
자극 따라 감정 변화 흉내내는 ‘감정 적응 로봇’ 기술 발표 눈 모양·색깔·움직임으로 6가지 감정 표현...시간 흐름 반영해 자연스러움↑ 울산과학기술원(UNIST) 연구진이 감정을 눈과 움직임으로 표현하고, 그 반응이 시간이 지남에 따라 변화하는 적응형 로봇 기술을 개발했다. UNIST 디자인학과 이희승 교수님이 개발한 감정 변화의 흐름을 구현하는 로봇 기술은 고정 상태의 감정을 넘어선 기술이다. 연구팀은 고정된 감정이 아닌, 크기와 방향을 가진 ‘벡터(Vector)’로 해석해, 로봇이 시간의 흐름에 따라 감정의 강도와 변화 양상을 자연스럽게 표현하도록 만들었다. 강한 자극에는 감정 벡터의 크기를 빠르게 키우고, 약한 자극에는 서서히 반응을 변화시키도록 제어하는 방식으로 설계됐다. 이는 실제 사람과 유사한 감정 흐름을 재현하는 데 성공한 사례다. 이 로봇은 머리를 쓰다듬는 ‘긍정 자극’과 두드리는 ‘부정 자극’을 인식한다. 자극에 따라 눈 모양과 색상, 움직임의 조합으로 총 6가지 감정을 표현한다. 예를 들어, 로봇을 갑자기 두드리면 눈이 청색으로 변하면서 커지고, 몸을 뒤로 젖히는 동작으로 놀람 감정을 나타낸다. 여기에 같은 자극이 반복될 경우, 단순히 동
이석희 SK온 최고경영자(CEO)는 “배터리 산업의 미래는 결국 기술 인재에 달려 있다”며 “SK온은 앞으로도 최고의 인재와 함께 성장하고 배터리 산업 기술 혁신을 선도할 것”이라고 말했다. 11일 SK온에 따르면 이 CEO는 전날 대전 한국과학기술원(KAIST)에서 CEO 특강을 열고 “CEO 취임 후 연구개발(R&D)과 생산 인력을 핵심 축으로 삼으며 기술 역량과 현장 경험을 중시하고 있다”며 이같이 밝혔다. 이날 강연에는 배터리 관련 분야 교수진과 대학원생 등 100여명이 참석했다. 강연은 전기차 배터리 산업 전망, SK온의 성장 스토리·전략, SK온의 기술 혁신·미래 방향, 커리어 조언 등의 주제를 중심으로 진행됐다. 2010∼2012년 카이스트 전기·전자공학부 교수로 재직했던 이 CEO는 강연에서 성장과 혁신을 앞세우며 ‘최고의 기술 인재가 곧 배터리 산업의 미래’라는 메시지를 거듭 강조했다. 고전압 미드니켈 배터리, 셀투팩(CTP) 기술 등 SK온의 차별화된 기술 혁신과 에너지 밀도·급속충전·안전성 등 핵심 성능에서 세계 최고 수준인 기술 경쟁력도 소개했다. 강연 말미에는 진로에 대한 조언과 질의응답이 이어지며 현장 소통도 이뤄졌다. SK온
UNIST가 기상청이 주관하는 대형 국가연구사업을 수주하며, AI 기반 기후재난 대응 기술 개발에 본격 나선다. 이번 사업은 총 385억 원 규모로 기후위기 대응을 위한 국가 차원의 기후예측 시스템과 AI 융합 기술을 개발하는 것을 목표로 한다. 사업은 2025년부터 2031년까지 7년간 진행되며 연구책임자는 지구환경도시건설공학과 소속 이명인, 차동현, 임정호 교수다. 이명인 교수는 ‘기후위기 대응 국가기후예측 시스템 개발’ 사업의 총괄 책임을 맡아 141억 원 규모의 연구를 진행한다. 이 교수는 한반도와 동아시아의 기후 특성에 맞춘 독자적인 예측시스템을 구축해 1개월에서 최대 10년에 이르는 기후 예측 정보를 생성할 예정이다. 그는 “기후 변화가 빠르게 진행되는 현 시점에서 지역 특화형 고정밀 예측이 매우 중요하다”고 설명했다. 동일 사업에 참여하는 차동현 교수는 121억 원 규모의 수요자 맞춤형 기후정보 서비스 체계 구축을 주도한다. AI 기반 기술을 적용해 기후정보의 해상도와 정확도를 개선하고 이를 보건, 에너지, 관광 등 분야별로 맞춤형으로 제공하는 체계를 마련할 계획이다. 차 교수는 “정밀화된 기후정보는 재난 대응뿐 아니라 산업 분야의 효율성 향상에
SK온이 울산과학기술원(이하 UNIST)과 배터리 인재 양성을 위한 협력을 강화한다. SK온은 지난 27일 UNIST와 ‘e-SKB 산학 협동과정’ 연장 협약을 체결했다고 28일 밝혔다. e-SKB는 SK온과 UNIST가 함께 만든 배터리 인재 양성 프로그램으로, 해당 전형 입학생에게는 등록금 등의 지원과 졸업 후 SK온 취업 특전이 주어진다. 이번 협약을 통해 양측은 협력 기간을 연장하고 e-SKB 참여학과와 선발 범위를 넓히기로 했다. 우수 인재들과 접점을 늘리고 배터리 연구 분야를 확대하자는 취지다. 이에 따라 e-SKB 참여학과는 기존 에너지화학공학과에서 기계공학과, 전기전자공학과까지 확대된다. 석사 과정에 더해 박사 과정을 밟는 것도 가능해진다. 기존에는 UNIST 최초 입학시에만 e-SKB 참여 기회가 주어졌지만, 앞으로는 재학 중에도 프로그램에 지원할 수 있다. 교수진 연구 활동과 논문 지도에 대한 지원도 강화한다. 박기수 SK온 연구개발(R&D) 본부장은 “미래 배터리 산업을 이끌 인재를 육성하기 위해 최선의 노력을 다할 것”이라며 “연구개발 저변을 넓히기 위해 다양한 협력 방안을 모색해 나가겠다”고 말했다. 안현실 UNIST 부총장은
AI 기반 건강관리 앱 필라이즈(대표 신인식)가 울산과학기술원(UNIST) 임민혁 교수 연구팀과 공동으로 사용자의 일상생활 데이터만으로 혈당 반응을 예측하는 인공지능(AI) 모델 '가상 CGM(연속혈당측정)' 개발에 성공했다고 15일 밝혔다. 이번에 개발된 '가상 CGM' 기술은 식사, 수면, 운동 등 반복적인 일상 활동에서 발생하는 다양한 생활 데이터를 기반으로 AI가 개인의 혈당 반응 패턴을 학습하고 예측하는 혁신적인 방식이다. 연구팀은 기존 연속혈당측정기(CGM) 사용이 일시적으로 어렵거나 센서 부착에 불편함을 느끼는 사용자들이 혈당 관리의 연속성을 유지할 수 있도록 돕는 데 초점을 맞춰 기술을 개발했다. 연구진은 혈당 예측 모델의 정확도를 높이기 위해 양방향 순환신경망(Bi-LSTM) 기반의 인코더-디코더 구조에 이중 어텐션 메커니즘을 적용했다. 이를 통해 시간의 흐름에 따른 생활 데이터의 변화와 각 행동 요소가 혈당에 미치는 영향을 정밀하게 분석하고 예측 모델에 반영할 수 있었다. 필라이즈는 이 '가상 CGM' 기술을 자사의 혈당관리 서비스 '슈가케어'에 이미 적용하여 사용자들에게 제공하고 있다. '슈가케어' 사용자가 10일 이상 CGM 데이터를 기
인공지능에게 한 유형의 데이터만 가르쳐서, 다른 유형의 데이터 학습을 촉진 시킬 수 있는 학습 방식이 개발됐다. 서로 다른 유형의 데이터 학습에서 꼭 필요하다고 여겨지던 데이터 정렬 작업 없이도 학습이 가능해져 데이터셋 구축 비용 등을 절감할 수 있을 것으로 기대된다. UNIST 인공지능대학원 윤성환 교수팀은 데이터 정렬과 매칭 없이 하나의 데이터 유형만으로 다른 유형의 모델 학습을 촉진 시킬 수 있는 AI 멀티모달 학습 기술을 개발했다고 7일 밝혔다. 멀티모달 학습은 오디오, 이미지, 텍스트와 같이 서로 다른 데이터 모달리티를 결합해 통합적으로 이해하고 처리하는 학습법이다. 멀티 모달 학습을 위해서는 다양한 모달리티 데이터를 정렬하고 이에 대해 쌍을 이루는 라벨링 과정이 필요해 많은 시간과 비용이 소모된다. 또 명확히 짝지어진 데이터가 부족하면 성능이 저하되기까지 했다. 연구팀이 제안한 학습법은 짝지어지지 않은 데이터로도 멀티 모달 학습이 가능하다. 음성과 인간 표정을 함께 분석해 감정을 이해하는 AI 비서나, CT 영상과 진료 기록을 의사처럼 결합해 진단하는 의료AI 구축에 들어가는 비용과 시간을 절감할 수 있다. 연구팀은 텍스트 모델이 이미지 모델 학습
캐디안이 오는 23일부터 25일까지 일본 도쿄 빅사이트에서 열리는 ‘2025 일본 도쿄 춘계 IT 전시회’에 참가해 자사의 주요 CAD 솔루션을 선보인다고 22일 밝혔다. 캐디안은 이번 전시회에서 ▲전통 목조 건축 전용 설계 툴 ‘TW-Arch’ ▲dwg 기반 범용설계 CAD ‘CADian’ ▲AI 기반 물량산출 솔루션 ‘AI-CE’ 등 자사의 대표 제품들을 출품한다. 특히 캐디안은 국가유산청의 지원을 받아 한국전자통신연구원(ETRI), 고려대학교 건축문화유산연구실, 울산과학기술원(UNIST), 한국플랫폼서비스기술과 공동으로 개발한 ‘TWArch Pro(Traditional Wooden Architecture)’를 일본 시장에 소개할 계획이다. TWArch Pro는 세계 최초의 AAD(AI Aided Design) 기반 전통 목조건축 설계 도구로, 설계가 까다로운 공포계(지붕 하중 지지 구조)를 포함한 전통 목조 건축물 전체를 빠르고 정확하게 설계할 수 있도록 지원한다. 손으로 그린 전통 목조건축 도면 이미지를 AI가 자동 분석해 부재를 탐지하고 위치와 관계를 추론해 부재 목록을 생성하며, 2차원 도면을 2D·3D 디지털 모델로 자동 변환할 수 있는 것이 특
‘셀카’와 같은 개인정보가 포함된 민감 데이터를 서버로 직접 보내지 않고도 고품질 이미지 등 콘텐츠 생성을 돕는 인공지능(AI) 모델을 울산과학기술원(UNIST) 연구진이 개발했다. UNIST 인공지능대학원 유재준 교수팀은 연합학습 AI 모델인 ‘프리즘’(PRISM·PRivacy-preserving Improved Stochastic Masking)을 개발했다고 9일 밝혔다. 유 교수팀에 따르면 연합학습이란 민감 데이터를 직접 서버에 올리지 않고 각자 장치의 ‘로컬 AI’가 학습을 수행한 뒤 그 결과만을 모아 서버에 전달함으로써 하나의 ‘글로벌 AI’를 만드는 기술이다. 프리즘은 연합학습 과정에서 로컬 AI와 글로벌 AI를 연결하는 학습 중재자 역할을 하는 AI 모델이다. 최근 오픈AI의 새 이미지 생성 모델을 이용해 일본 애니메이션 제작사 지브리의 화풍으로 사진 바꾸기가 유행하고 있는데, 셀카를 지브리 화풍으로 바꾸려면 사진을 서버에 올려야 하기 때문에 개인정보 침해 우려가 있다. 반면 프리즘을 이용하면 모든 처리가 스마트폰 안에서 이뤄져 사생활 침해를 막고 결과도 빠르게 받아볼 수 있는 것이다. 단 스마트폰에서 이미지를 직접 생성하는 로컬 AI 모델 개발
한번 충전으로 폭발 위험 없이 최대 1000㎞를 갈 수 있는 차세대 장거리 주행 배터리 개발에 청신호가 켜졌다. 울산과학기술원(UNIST)은 에너지화학공학과 이현욱 교수팀이 배터리 양극 신소재인 과리튬 소재의 산소 발생 원인을 규명하고, 이를 해결할 소재 설계 원리를 제시했다고 18일 밝혔다. 이번 연구에는 한국과학기술원(KAIST) 서동화 교수, 중앙대, 포항가속기연구소, 미국 UCLA 유장 리 교수, UC버클리, 로런스버클리연구소가 참여했다. 과리튬 소재는 이론적으로 4.5V 이상의 고압 충전을 통해 배터리에 기존보다 30%∼70% 더 많은 에너지를 저장할 수 있다. 전기차 주행거리로 따지면 한 번 충전으로 최대 1000㎞를 갈 수 있다. 그러나 이 소재는 고압 충전 과정에서 소재 내부 산소가 산화돼 기체 형태로 방출되면서 폭발 위험이 커지는 문제가 있다. 연구팀은 4.25V 부근에서 산소가 산화되면서 부분적인 구조 변형이 발생해 산소 가스가 방출된다고 분석하고, 산소의 산화를 원천적으로 막는 전극 소재 설계 방식을 제시했다. 과리튬 소재의 전이금속 일부를 전기음성도가 더 낮은 전이금속 원소로 치환하는 전략이다. 두 금속 원소 간 전기음성도의 차이로 전기
원통형 배터리 설계에서 전극 곡률(곡선이나 곡면의 구부러진 정도를 나타내는 값)이 중요한 설계 변수라는 사실을 울산과학기술원(UNIST) 연구진이 밝혀냈다. UNIST는 에너지화학과 정경민 교수팀이 원통형 배터리 전극의 곡률이 전기화학적 성능에 미치는 영향을 규명하고, 최적화된 전극 설계 방안을 제시했다고 6일 밝혔다. 원통형 배터리는 음극과 양극 사이에 분리막을 끼워 차곡차곡 쌓은 다음 돌돌 말아낸 형태의 배터리다. 음극, 분리막, 양극, 분리막을 1세트로 치면 보통 전기차의 원통형 배터리 셀(cell) 1개 안에는 20∼60세트가 말려져 있다. 연구팀은 원통형 배터리의 이 같은 곡률 특성 때문에 음극과 양극 간 접촉 면적이 달라지면서 용량비가 이상적인 설곗값에서 벗어날 수 있다고 보고 이번 연구를 시작했다. 일반적으로 배터리를 설계할 때는 리튬 금속 석출(리튬이 음극에 고르게 삽입되지 못하고 금속 형태로 표면에 나오는 현상) 예방과 고속 충전을 위해 음극 용량을 양극 용량보다 더 크게 설계한다. 연구팀이 다양한 곡률 조건을 모사한 실험용 곡률형 단판 셀을 제작해 상용 21700 원통형 배터리와 비교 분석한 결과, 전극의 용량비가 전극의 위치에 따라 달라지
바닷물로 전기를 저장하고 꺼내 쓸 수 있는 해수전지 상용화를 위한 값싼 촉매 물질을 울산과학기술원(UNIST) 연구진이 개발했다. UNIST는 에너지화학공학과 이동욱 교수팀이 목재 폐기물에 요소를 첨가해 해수전지용 고성능 촉매를 개발했다고 18일 밝혔다. 이 촉매는 해수전지에 걸리는 과전압을 낮추고 전기를 빠르게 꺼내 쓸 수 있게 반응 속도를 높여 주는 물질이다. 기존에는 백금과 같은 고가의 물질을 촉매로 썼다. 연구팀이 개발한 촉매는 저렴한 리그닌과 요소를 기반으로 한다. 리그닌은 목재의 15∼35%를 구성하는 성분으로, 종이를 만드는 공정이나 바이오 연료 생산 과정에서 남는 부산물이다. 산업 폐수에 주로 있는 요소는 질소를 다량 포함하고 있다. 리그닌을 800도에서 태운 뒤 요소와 같은 온도에서 반응시키면 리그닌 구석구석 질소가 첨가돼 고성능 촉매가 만들어진다고 연구팀은 설명했다. 리그닌을 구성하는 특정 탄소 원자 자리에 대신 들어간 질소는 방전에 필요한 에너지를 크게 낮추는 것으로 나타났다. 연구팀이 이 촉매를 해수전지 전극에 입혀 실험한 결과 백금 촉매와 비슷한 성능을 보였다. 과전압은 백금 촉매보다 더 낮은 값을 보였다. 과전압이 낮을수록 충전시킨
한 번 충전으로 서울과 부산을 왕복할 수 있는 전기차용 고성능 건식 배터리 전극을 울산과학기술원(UNIST) 연구진이 개발했다. UNIST는 2일 에너지화학공학과 정경민 교수팀은 건식 공정을 통해 기존보다 5배 두꺼운 배터리 전극을 개발하는 데 성공했다고 밝혔다. 전기차 대중화로 대용량 리튬이온배터리의 필요성이 커지면서 용량과 직결되는 전극은 최대한 두껍게 만들고, 용량과 관련 없는 구성 요소의 비율은 줄이는 설계 방식이 주목받고 있다. 그러나 기존 습식 전극 제조 방식은 분말 형태의 전극 원료를 용매에 풀어내 제작하기 때문에 용매가 증발하는 과정에서 뭉침이 발생하기 쉬워 전극을 두껍게 만드는 데 한계가 있었다. 연구팀이 개발한 건식 배터리 전극의 합제층 밀도(용량과 직결되는 원료 물질의 밀도)는 3.65ｇ/㎤에 달한다. 전극의 면적당 용량도 상용 전극의 5배에 해당하는 20mAh/㎠다. 이 전극을 배터리에 적용하면 전기차의 주행 거리를 약 14% 늘릴 수 있다고 연구팀은 설명했다. 정경민 UNIST 교수는 “기존 전기차 배터리로는 서울과 부산 왕복 주행이 어려웠다”며 “이번 기술을 적용하면 600㎞ 이상의 주행이 가능해져 1회 충전으로 왕복도 가능할 것”이
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 06월 26일 20시 19분
