드론 기반 신호 수집·3D 분석…복잡한 전자기 환경에서도 정밀 탐지 PINN·월드 파운데이션 모델 개발 추진…국방 전파 AI 기술 고도화 국방 특화 AI 기업 펀진이 전자기 스펙트럼 분석 기술을 기반으로 공공안전 시장까지 사업 확장에 나선다. 펀진은 인공지능 기반 전자기 스펙트럼 분석 시스템 ‘KWM-Ocelot’이 한국정보통신기술협회(TTA) GS인증 1등급을 획득했다고 밝혔다. GS인증은 소프트웨어 품질을 평가하는 국가 공인 인증으로, 공공시장 진입을 위한 핵심 요건 중 하나다. 이번 인증 획득으로 KWM-Ocelot은 국방을 넘어 치안, 소방 등 다양한 공공안전 분야로의 적용 가능성을 확보했다. KWM-Ocelot은 드론 등 정찰 장비로 수집된 이동통신 및 광대역 신호 데이터를 3차원 공간정보와 시계열 데이터로 결합해 분석하는 시스템이다. 이를 통해 복잡한 전자기 환경에서도 신호를 정밀하게 탐지하고, 신호원의 위치를 특정할 수 있는 것이 특징이다. 해당 기술은 이미 군 실증을 통해 활용 가능성을 확인했다. 2025년 강원도 인제 과학화전투훈련단에서 진행된 전투실험에 적용돼 실제 전장 환경에서의 성능을 검증했으며, 이후 해외 방산 기업들의 관심도 이어지고
과학기술정보통신부·정보통신산업진흥원, 한국·미국·독일과 피지컬 AI 및 PINN 모델 데이터 표준화 콘퍼런스 개최 글로벌 빅테크 LLM과 달리, 성장 잠재력 높은 피지컬 AI 시장 주도권 확보 목표 제조업 심장부 경남에서 데이터 수집 및 실증 연계 추진, AI 강국 도약 발판 마련 피지컬 AI(Physical AI) 시장 주도권 확보를 위한 한국·미국·독일의 협력이 시작됐다. 과학기술정보통신부·정보통신산업진흥원(NIPA)이 이달 1일 개최한 ‘피지컬 인공지능(AI) 및 물리정보신경망(PINN) 모델을 위한 데이터 표준화 콘퍼런스’에서 이 같은 내용이 공유됐다. 이번 콘퍼런스는 정부가 올해부터 추진하는 ‘물리정보신경망(PINN) 모델 제조 융합 데이터 수집·실증 사업’의 일환으로 전개됐다. 특히 최근 뜨거운 감자로 떠오른 높은 피지컬 AI 생태계를 다뤘다는 점에서 주목받았다. 현장에서는 피지컬 AI 글로벌 연계 협력을 도모하고 우수 사례를 공유했다. 행사의 주요 어젠다인 피지컬 AI는 AI가 물리적인 환경에서 직접 학습·적응함으로써, 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 하는 최신 기술 방법론이다. 이어 PINN은 물리 법칙을 학습 과정에
UNIST 기계공학과·인공지능대학원 정임두 교수 연구팀이 AI 기술로 산업 현장의 ‘소음 문제’를 해결하는 혁신적 기술을 선보이며 전국 규모 경진대회에서 우수한 성과를 거뒀다. UNIST의 ‘세이프엔젤(SafeAngel)’ 팀은 11월 5일 서울 용산 드래곤시티 호텔에서 열린 과학기술정보통신부 주관 ‘2025년도 AI 챔피언 대회’ 본선에서 최종 3위를 차지하며 과기정통부 장관상(AI 챌린저상)을 수상했다. 전국 630개 팀이 참가한 이번 대회는 올해 처음 열린 전국 단위 AI 기술 경연으로, 치열한 경쟁 끝에 단 5개 팀만이 본선에서 수상의 영예를 안았다. 이번 대회는 예선을 거쳐 100팀, 20팀, 최종 결선 8팀으로 압축됐으며 세이프엔젤 팀은 실용성과 기술 완성도, 사회적 파급력 측면에서 높은 평가를 받았다. 연구팀에는 정임두 교수를 비롯해 김태경·김경환·김도현·공병훈·이윤수 연구원이 참여했으며, 포항산업과학연구원(RIST) 서준영·방진아·문영민 연구원이 공동으로 참여했다. 이들이 선보인 연구 과제는 ‘산업 맞춤형 능동 청력 보호 및 소통 장치를 위한 온디바이스 물리 기반 AI(On-Device Physical AI) 기술’로, 산업 현장의 소음성 난청
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, 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 10월 15일 17시 20분
