자율 주행 및 기타 인공 지능(AI) 기술이 일상생활에서 널리 사용되면서 반도체 집적 회로(Integrated circuit, IC)의 정보 처리 능력에 대한 수요가 급격히 늘어나고 있다. KAIST는 생명화학공학과 임성갑 교수 연구팀이 가천대 전자공학부 유호천 교수 연구팀과 공동 연구를 통해 더 높은 데이터 처리 효율성과 집적도를 제공할 신개념 디지털 논리 회로 구현을 세계 최초로 성공했다고 11일 밝혔다. 기존 '0', '1'의 두 가지 논리 상태를 사용하는 2진법 논리 회로와 비교해 3진법 논리 회로는 '0', '1', '2'의 세 가지 논리 상태를 사용해 정보를 표현하는 차세대 반도체 기술로, 같은 정보를 더 적은 논리로 표현할 수 있어 더 높은 정보 처리 효율성을 통해 반도체 칩의 고속화, 저전력화, 소형화가 가능하다. 하지만 논리 상태가 1개 더 추가됨에 따라 세 가지 논리 신호를 모두 안정적으로 출력하기 어려운 문제와 2진법 논리 체계가 3진법 논리 체계와 서로 호환이 되지 않는 문제가 3진법 논리 회로 상용화에 걸림돌로 여겨졌다. 연구팀은 문제 해결을 위해 3진법 논리 회로의 출력 특성을 회로 동작 중에 실시간으로 조절할 수 있는 새로운 논리소
의료 영상, 군용 감시, 자율주행용 영상등 다양한 차세대 정밀 영상 기술 분야에 적용 기대 KAIST는 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다. 연구팀은 영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안해 물리적 법칙과 심층 심경망이 통합된 학습 기법을 제시했다. 모든 영상 기술은 물리적인 영상 기기를 통해 영상 정보를 취득한다. 연구팀은 이 정보 취득 과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발했다. 예를 들면, '네가 도출한 복원 결과가 물리적으로 합당할까?' 혹은 '이 영상 기기는 물리적으로 이런 변수가 생길 수 있을 것 같은데?'라는 식의 질문을 통해 물리적 통찰력을 인공지능에 이식하는 방법을 제시한 것이다. 연구팀은 변화하는 영상 취득 환경에서도 신뢰도 높은 홀로그래피 영상을 복원하는데 성공했다. 홀로그래피 영상 기술은 의료 영상, 군용 감시, 자율 주행용 영상 등 다양한 정밀 영상 기술에 다양하게 활용될 수