로봇이 낯선 공간에서 자신의 위치를 빠르게 파악하면서 주변 환경을 정밀한 3차원 지도로 만드는 인공지능(AI) 기술이 개발됐다. 기존 최고 수준 기술과 비교해 카메라 이동 경로 예측 오차를 최대 45.9% 줄였고, 위치 추정 결과를 내는 데 걸리는 시간은 0.197초로 단축했다. UNIST 인공지능대학원 주경돈 교수팀은 정확도와 속도를 동시에 높인 AI 슬램(Simultaneous Localization and Mapping) 기술 ‘유니심 슬램(UniSim-SLAM)’을 개발했다고 16일 밝혔다. AI 슬램은 로봇 등에 장착된 카메라 영상을 AI가 시점별로 분석해 주변 환경의 3차원 지도를 만들면서 지도 안에서 자신의 위치를 파악하는 기술이다. 카메라가 움직이면 화면 속 물체의 위치와 크기가 달라지는 점을 이용한다. 여러 시점의 화면을 함께 분석하면 더 정확한 위치 추정이 가능하지만 처리 시간이 길어진다는 문제가 있다. 이동 중인 로봇이나 자율주행차가 자신의 위치를 빠르게 파악해야 하는 상황에서는 속도와 정확도를 동시에 확보하기 어렵다. 연구팀이 개발한 유니심 슬램은 위치를 추적할 때 두 시점만 비교하는 방식을 사용하고, 누적된 오차를 보정할 때는 여러 시
AI 데이터센터에 연료전지로 전기를 공급하고 연료전지와 서버에서 발생하는 열을 이산화탄소 포집과 전기 생산에 재활용하면 기존 방식보다 총비용을 약 48%, 온실가스 배출량을 최대 72% 줄일 수 있다는 분석 결과가 나왔다. UNIST 탄소중립대학원 임한권 교수팀은 고체산화물 연료전지를 데이터센터의 전력원으로 사용하고 발전과 냉각 과정에서 발생하는 열을 재활용하는 통합 에너지 시스템을 고안해 경제성과 전 과정 온실가스 배출량을 분석한 결과 이같이 나타났다고 15일 밝혔다. 데이터센터는 수많은 서버를 24시간 가동하기 때문에 대규모 전력을 안정적으로 공급받아야 한다. 연구팀은 천연가스로 전기를 생산하는 고체산화물 연료전지(SOFC)를 데이터센터 인근에 설치해 전력을 직접 공급하는 방식을 적용했다. 필요한 용량만큼 모듈을 늘려 전력 수요 증가에도 대응할 수 있다. 연구팀이 제안한 통합 에너지 시스템은 연료전지에서 발생하는 열을 이산화탄소 포집에 활용한다. 고체산화물 연료전지는 발전 효율이 높은 대신 이산화탄소와 고온의 열을 배출하는데, 이산화탄소를 특수 액체로 흡수한 뒤 연료전지에서 나온 열로 액체를 가열해 이산화탄소를 분리하고 액체를 재사용하는 방식이다. 서버에
UNIST가 올해 131억 원이 투입되는 동남권 지역 자율 R&D 사업의 컨트롤타워를 맡아 조선AX·전력반도체·첨단항공 추진기술 등 9개 과제를 추진한다. UNIST는 과학기술정보통신부 ‘4극3특 지역 자율 R&D 사업’ 출범에 맞춰 동남권 지역 자율 R&D 사업단을 본격 운영한다고 밝혔다. 사업단은 UNIST가 주관하고 부산·울산·경남 지자체와 연구개발지원단, 대학, 출연연, 기업이 참여한다. 과기정통부는 대전 KAIST에서 출범식을 열고 4개 초광역권과 3개 특별자치도에 2026년 국비 789억 원을 투입한다. 지역이 중점기술을 선택하고 과학기술원과 출연연이 기획부터 성과 확산까지 책임지는 체계다. 동남권은 조선·자동차·기계·항공을 아우르는 제조 공급망을 기반으로 부산의 시험·인증·사업화, 울산의 수요산업과 제조·실증, 경남의 첨단제조·소재·시험평가 역량을 결집한다. UNIST는 산업현장의 기술 수요를 과제로 만들고 동남권 산·학·연 컨소시엄을 선정한다. 수요기업은 기획 단계부터 제조데이터와 시제품, 생산설비를 제공하며 사업단은 원천기술 개발부터 시제품 제작, 현장실증, 시험·인증, 양산·사업화까지 전 과정을 관리한다. 사업단은 조선
UNIST 연구팀이 빗방울보다 적은 3마이크로리터(μL)의 물로 최대 약 45시간 전압을 출력할 수 있는 손톱보다 작은 초소형 박막 수분 발전기를 개발했다. UNIST 에너지화학공학과 고현협 교수팀은 물속 양이온의 농도 차를 유도해 장시간 직류 전기를 생산하는 초소형 박막 수분 발전기를 개발했다고 9일 밝혔다. 일반적인 수력발전이 물이 높은 곳에서 낮은 곳으로 떨어질 때의 낙차로 터빈을 돌려 전기를 생산하는 것과 달리, 이번에 개발한 발전기는 물속 양이온의 농도 차로 전압을 만든다. 연구팀은 양이온 농도 차를 만들기 위해 발전기 박막 내부에 한쪽으로 갈수록 폭이 좁아지는 물 통로가 형성되도록 설계했다. 통로 벽은 물속에서 음전하를 띠는 맥신과 셀룰로스 나노섬유로 구성된다. 통로가 좁아질수록 양이온이 통로 벽의 인력에 더 큰 영향을 받으면서 좁은 구역의 양이온 농도가 넓은 구역보다 높아지는 원리다. 발전기 박막은 켜켜이 쌓인 맥신 나노시트 사이에 셀룰로스 나노섬유가 들어간 구조다. 한쪽 끝에서는 물을 잘 빨아들이는 셀룰로스 나노섬유가 부풀어 오르고, 반대쪽 끝은 테이프로 눌러 부풀지 못하도록 했다. 이에 따라 물을 넣으면 반대쪽으로 갈수록 폭이 좁아지는 물 통
UNIST 연구진이 서로 다른 로봇의 카메라와 촬영 환경에서 발생하는 데이터 이질성을 줄여 거리 추정 오차를 최대 32% 낮춘 연합학습 기술을 개발했다. UNIST는 인공지능대학원 주경돈 교수팀이 로봇의 눈 역할을 하는 단안 깊이 추정 AI 모델을 학습시키는 새로운 연합학습 기술 ‘페뎁스(FeDepth)’를 개발했다고 3일 밝혔다. 로봇에 깊이 추정 AI 모델을 적용하면 복잡한 센서 없이 카메라로 들어온 정보만으로 거리를 가늠할 수 있다. AI 모델이 낯선 환경에서도 정확하게 판단하려면 방대한 데이터를 학습하는 것이 중요하다. 연합학습을 활용하면 각 로봇의 카메라가 수집한 데이터를 한곳으로 모으지 않고도 다른 로봇이 현장에서 축적한 학습 결과를 활용할 수 있다. 데이터를 전송하는 데 필요한 시간과 통신 비용을 줄이는 동시에 원본 영상이 외부로 나가지 않아 개인정보도 보호할 수 있다. 페뎁스는 이 같은 연합학습 과정에서 발생하는 데이터 이질성을 줄이는 기술이다. 숲을 비행하는 드론과 실내에서 움직이는 서빙 로봇처럼 카메라 시야각과 주변 환경 데이터의 성격이 다른 경우 일반적인 연합학습은 차이를 고려하지 않고 학습 결과를 하나로 평균 내 성능이 떨어질 수 있다.
AI가 이제 질문 내용뿐 아니라 질문을 입력하는 손끝의 리듬까지 읽는다. UNIST 연구진이 타이핑 행동과 질문의 의미를 함께 분석해 사용자 전문성을 추정하고 답변 눈높이를 조절하는 AI 개인화 기술을 개발해 전문성 추정 오차를 18.4% 줄였다. UNIST 컴퓨터공학과 공태식 교수팀은 질문 내용뿐만 아니라 질문 속 전문용어를 타이핑할 때 나타나는 행동을 분석해 맞춤형 답변을 내놓는 개인화 AI 기술 ‘ExPerT’를 개발했다고 30일 밝혔다. 기존 챗봇 등은 사용자의 수준에 맞춘 답변을 제공하기 위해 사용자가 설정한 프로필이나 과거 대화 등 비교적 고정된 사용자 정보를 주로 활용해 왔다. 하지만 컴퓨터 전문가라도 회계 지식은 없을 수 있고, 같은 분야에서도 질문 주제에 따라 지식 수준이 달라질 수 있다는 점이 간과될 수 있다. 연구팀이 개발한 ExPerT는 개별 질문마다 사용자의 전문성을 실시간으로 파악한다. 질문에 쓰인 표현과 전문용어 등의 의미 정보뿐만 아니라 키를 누르고 떼기까지 걸린 시간, 다음 키로 넘어가는 간격, 백스페이스 사용 횟수 등 타이핑 행동 정보까지 함께 분석하는 방식이다. 연구팀은 같은 전문용어를 사용하더라도 이러한 타이핑 행동에서 전
UNIST가 국내 배터리 산학연 전문가 300여 명을 울산에 모아 AI 기반 배터리 연구개발·제조 혁신과 신진 연구자 성장, 산업 협력 방안을 논의했다. UNIST는 27일부터 28일까지 대학본부 대강당에서 ‘제5회 이차전지 최신 연구개발 동향 토론회’를 개최했다고 밝혔다. UNIST 삼성SDI 산학인력양성과정 연구진이 주최한 이번 행사에는 국내 주요 대학과 기업, 연구기관 등에서 300여 명이 참석했다. 이번 토론회는 빠르게 변하는 이차전지 연구개발 동향을 공유하고 대학·기업·연구기관 간 협업 과제를 발굴하기 위해 마련됐다. 행사는 ‘신진 커리어’, ‘AI-Battery’, ‘Battery 산업’ 등 3개 세션으로 구성됐다. POSTECH에서는 이차전지 특성화대학원 지원사업 관계자들이 참석했고, DGIST에서는 이차전지소재·셀제조산업 전문인력양성, 이차전지 원자재 분자단위 분석 기반구축 사업 참여자들이 함께했다. 포스코홀딩스와 엘앤에프, 에코프로이노베이션은 행사를 후원했다. 각 세션에서는 연사 발표와 주제 토론이 진행됐다. 참가자들은 신진 연구자의 연구 환경과 AI 기술의 적용 조건, 기업이 필요로 하는 배터리 기술 등을 놓고 질문과 의견을 주고받았다. ‘
UNIST 연구팀이 포토레지스트 잔류물 생성을 억제해 2차원 반도체 트랜지스터의 접촉저항을 기존 공정 대비 약 10분의 1 수준으로 낮추는 보호 공정 기술을 개발했다고 24일 밝혔다. UNIST 전기전자공학과 김명수 교수와 반도체소재·부품대학원 김병조 교수팀은 얇은 금속막을 입혀 이황화몰리브덴(MoS₂) 표면에 포토레지스트 잔여물이 눌어붙는 것을 막는 반도체 공정 기술을 개발했다. 이 공정을 적용한 트랜지스터는 접촉저항이 낮아지면서 소자가 켜졌을 때 흐르는 전류도 약 10배 커졌다. 포토레지스트는 빛에 반응하는 고분자 물질로 반도체 표면에 회로 모양을 만드는 데 사용된다. 포토레지스트를 이황화몰리브덴 반도체에 바른 뒤 남길 부분을 마스크로 가리고 나머지를 플라즈마로 깎아 제거하는 과정에서 플라즈마에 노출된 포토레지스트가 딱딱하게 굳어 표면에 붙을 수 있다. 이렇게 생긴 찌꺼기는 일반적인 용매 세척으로는 잘 제거되지 않는다. 강한 초음파 세척을 사용하면 얇고 민감한 이황화몰리브덴이 기판에서 떨어질 수 있고, 열처리도 포토레지스트 찌꺼기가 분해되기 전에 소자가 견딜 수 있는 온도를 넘을 위험이 있어 적용하기 어렵다. 연구팀은 이황화몰리브덴 위에 오염을 대신 받아
UNIST와 한국화학연구원 연구진이 X선을 활용해 대면적 페로브스카이트 태양전지 박막 전체의 결정 배열과 격자 변형을 손상 없이 분석하는 2차원 X선 회절 매핑(2DXDM) 기술을 개발했다. UNIST 김동석·신태주·김진영 교수팀은 한국화학연구원 신윤섭 박사와 함께 대면적 페로브스카이트 박막의 구조를 비파괴 방식으로 분석하는 2DXDM 기술을 개발했다고 19일 밝혔다. 페로브스카이트 태양전지는 액체 상태의 페로브스카이트 원료 용액을 기판 위에 바른 뒤 용매를 증발시켜 태양빛을 흡수하는 결정막을 만드는 차세대 전지다. 저렴한 저온 용액 공정으로 제조할 수 있다는 특징이 있다. 태양전지 효율은 결정이 얼마나 고르게 형성되고 같은 방향으로 배열되는지, 결정 격자에 미세한 뒤틀림이 얼마나 남아 있는지에 영향을 받는다. 그러나 전지 면적이 커지면 중심부와 가장자리에서 용매가 마르는 속도가 달라져 결정이 불균일하게 자라고 결함과 격자 변형이 발생하면서 효율이 떨어질 수 있다. 연구팀이 개발한 2DXDM 기술은 이 같은 결정의 불균일과 격자 변형을 태양전지를 직접 잘라내지 않고 진단할 수 있다. X선을 조사했을 때 박막 결정에서 나타나는 회절무늬의 세기와 방향, 위치가
UNIST 연구진이 다양한 기후에서 고단백 미세조류 스피루리나의 배양 조건을 자동으로 조절해 생산에 필요한 에너지를 평균 14% 줄이고 이산화탄소 흡수량을 평균 78% 늘릴 수 있는 인공지능(AI) 알고리즘을 개발했다. UNIST 탄소중립대학원 임한권 교수팀은 인도네시아대학교(University of Indonesia) 리에즈카 안디카(Riezqa Andika) 교수팀과 함께 다중 에이전트 강화학습 기반의 스피루리나 배양 AI 제어 알고리즘을 개발했다고 13일 밝혔다. 스피루리나는 단백질 함량이 60%에 이르고 필수아미노산과 비타민, 무기질이 풍부한 미세조류다. 농경지가 아닌 배양시설에서도 빠르게 자랄 수 있어 건강식품과 대체 단백질 원료로 주목받고 있다. 다만 생산량을 늘리면서 조명과 냉난방에 사용하는 에너지를 줄여야 하고, 지역과 계절에 따라 기온과 햇빛의 양이 크게 달라지는 데다 빛과 온도, 영양분, 이산화탄소, 산성도 등 생육 조건이 서로 영향을 줘 채산성을 맞추기 까다롭다. 이산화탄소 공급량을 늘리면 성장이 빨라질 수 있지만 배양액이 산성화돼 광합성과 생장이 저해될 수 있고, 인공조명을 강하게 사용하면 광합성에는 도움이 되지만 전력 사용량이 늘어난다
울산과학기술원(UNIST)이 기존 정보바이오융합대학을 확대·개편한 인공지능(AI)융합대학을 9월 출범한다. UNIST는 지난 11일 이사회를 열어 기존 정보바이오융합대학을 AI융합대학으로 확대·개편하는 안을 의결했다고 12일 밝혔다. 개편은 2027학년도 학사과정 입학생부터 적용한다. 이번 개편은 정부 국가 AI 전환 정책과 초광역 지역 메가 프로젝트, 4대 과학기술원 AI 전환(AX) 전략 등에 맞춰 추진됐다. AI융합대학은 전공 중심으로 유연하게 운영될 예정이다. 학사과정은 전기전자공학, 컴퓨터공학, AI, 산업공학, 바이오메디컬공학, 인간중심디자인공학 전공을 기반으로 한다. 여기에 조선해양, 우주항공, 방산, 소재, 반도체, 의료 등 국가·지역 전략산업과 연계한 ‘AX융합전공’ 8개를 신설한다. 학생들은 전공 간 경계를 넘나들며 진로와 관심 분야에 맞춰 교육과정을 설계할 수 있다. AI 기술을 각 산업의 실제 문제에 적용하는 교육을 통해 현장 맞춤형 문제 해결 역량을 기르도록 한다. 대표 프로그램인 ‘인더스트리 인스파이어 프로젝트(Industry Inspired Learning)’도 운영한다. 학생들은 산업체와 연구 기관이 제시한 실제 문제와 데이터를
UNIST 연구진이 철 불순물을 제거하는 대신 입자 안에 가두는 방식으로 상용 마그네슘 합금보다 부식 속도를 1/7 수준으로 낮춘 고내식성 마그네슘 합금을 개발했다. UNIST 신소재공학과 박성수 교수팀은 마그네슘 속 철 불순물을 완전히 제거하는 대신 작은 입자 안에 가두는 설계 기술을 개발해 고내식성 마그네슘 합금을 만들었다고 12일 밝혔다. 마그네슘은 구조용 금속 중 가장 가벼운 소재로 알루미늄보다 가벼워 자동차와 항공기, 드론, 휴대용 전자기기 등 경량화가 필요한 분야에서 주목받아 왔다. 다만 물기나 소금기에 의해 쉽게 분해되는 특성 때문에 활용에 한계가 있었다. 특히 상용 마그네슘 원료에 포함된 미량의 철 불순물은 주변 마그네슘이 먼저 녹도록 해 합금의 부식을 빠르게 진행시키는 요인 중 하나다. 연구팀은 철 불순물이 마그네슘과 직접 닿지 않도록 입자 안에 가두는 방식으로 내식성을 높였다. 이를 위해 마그네슘 합금에 스칸듐을 미량 첨가했다. 스칸듐을 첨가하면 철이 스칸듐 화합물 껍질에 감싸인 ‘코어-쉘’ 구조가 만들어진다. 이 구조를 형성하려면 합금이 굳는 과정에서 철이 많은 코어가 먼저 생기고, 이후 철이 거의 없는 껍질이 이를 덮어야 한다. 연구팀은
UNIST 연구진이 세부 상품군에 따라 달라지는 소비자의 구매 성향을 분석해 상위 5개 상품 추천 적중률을 기존 최고 기술보다 최대 36.3% 높인 인공지능(AI) 추천 기술을 개발했다. UNIST는 인공지능대학원 이연창 교수팀이 상품군별 소비 성향 차이를 반영하는 교차 도메인 추천 기술 ‘멀티탭(Multi-TAP)’을 개발했다고 6일 밝혔다. 교차 도메인 추천은 사용자의 구매 기록이 충분히 쌓인 상품 분야에서 얻은 정보를 구매 기록이 부족한 다른 상품 분야의 추천에 활용하는 기술이다. 전자제품을 자주 구매했지만 홈·생활용품 구매 기록은 적은 사용자를 대상으로 전자제품 구매 이력을 활용해 홈·생활용품을 추천하는 방식이다. 멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하고, 다른 상품 분야의 정보는 현재 추천과 관련된 정도에 따라 선별적으로 반영한다. 사용자는 컴퓨터를 구매할 때 가격이 높고 평점이 좋은 제품을 선택하면서도 홈 오디오를 구매할 때는 가격이 낮고 인기 있는 제품을 고를 수 있다. 기존 기술은 이 같은 세부 상품군별 구매 성향 차이를 충분히 반영하지 못했다. 멀티탭은 구매 이력과 상품 정보를 분석해 사용자가 가격과
멤리스터 로직인메모리 회로 자동 최적화로 병렬연산 효율 향상 IEEE TCAD 게재… AI·빅데이터용 차세대 반도체 설계 기술 주목 UNIST 연구진이 인공지능(AI)과 빅데이터 시대의 핵심 과제로 꼽히는 '메모리 벽(Memory Wall)' 문제를 완화할 수 있는 차세대 반도체 설계자동화 기술을 개발했다. 이번 기술은 데이터를 메모리에서 직접 처리하는 로직인메모리(Logic-in-Memory, LiM) 반도체의 연산 배치와 데이터 이동 경로를 자동으로 최적화해 전체 동작 횟수를 평균 19.6% 줄인 것이 특징이다. UNIST 전기전자공학과 박희천 교수 연구팀은 멤리스터(Memristor) 기반 로직인메모리 반도체의 회로 배치와 연결 경로를 자동으로 최적화하는 설계 기술을 개발했다고 밝혔다. 이번 연구는 AI 반도체의 성능과 전력 효율을 동시에 높일 수 있는 설계 기술로 평가받고 있다. 기존 컴퓨터는 데이터 저장을 담당하는 메모리와 연산을 수행하는 프로세서가 분리돼 있어 데이터를 반복적으로 이동시키는 과정에서 시간과 전력이 소모된다. 이러한 구조적 한계는 고성능 AI 연산에서 이른바 '메모리 벽' 문제를 유발하는 주요 원인으로 지목된다. 연구팀이 개발한 기술
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
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 16일 15시 00분
