[연구]화학 시약 대신 ‘온도’만으로 DNA 합성 가능하다​

< (왼쪽부터) KAIST 박성준 연구원, GIST 김우진 석박통합과정생, GIST 김진호 박사과정생, KAIST 최장호 연구원, KAIST 최영재 교수, (주)에이티지라이프텍 류태훈 대표, (주)에이티지라이프텍 이채림 주임연구원, 이화여자대학교 최한솔 교수 > “DNA를 만들려면 복잡한 화학 공정이 필수다.”바이오 분야에서 수십 년간 당연하게 여겨졌던 상식을 국내 연구진이 뒤집었다. 한국 연구진이 세계 최초로 온도만으로 원하는 DNA를 합성하는 원천기술을 개발했다. 연구팀은 이 기술을 활용해 배송 과정의 온도 변화를 전력 없이 기록하는 ‘DNA 온도 블랙박스’도 구현했다.우리 대학은 공학생물학대학원 최영재 교수 연구팀이 ㈜에이티지라이프텍(대표 류태훈), 이화여자대학교(총장 이향숙) 생명과학과 최한솔 교수 연구팀과 공동으로 온도만 조절해 원하는 DNA 서열을 합성하는 원천 플랫폼 기술을 개발했다고 7일 밝혔다.DNA는 사람을 비롯한 모든 생명체의 유전정보를 담고 있는 ‘설계도’다. 과학자들은 원하는 DNA를 만들어 질병을 진단하고 신약을 개발하거나, 새로운 기능을 가진 미생물을 만드는 등 다양한 바이오 기술에 활용한다. 하지만 지금까지는 DNA를 구성하는 네 가지 염기(A·T·G·C)를 하나씩 연결할 때마다 화학 시약을 넣고 씻어내는 과정을 반복해야 했다. 이 때문에 수억 원대의 자동 DNA 합성 장비와 전문 연구시설이 반드시 필요했다.연구팀은 이러한 한계를 해결하기 위해 ‘특정 온도에서만 반응하는 헤어핀 DNA’를 개발했다. 위 헤어핀 DNA는 머리핀처럼 접혀 있다가 일정한 온도에서만 펼쳐지는 특수한 DNA 구조다. 연구팀은 서로 다른 온도에서 작동하는 여러 종류의 헤어핀 DNA를 하나의 시험관에 넣고, 온도만 순서대로 바꾸는 방식으로 원하는 DNA를 차례대로 합성하는 데 성공했다.< 온도 제어만으로 맞춤 DNA 서열 합성이 가능한 다목적 DNA 합성 플랫폼 개발 > 기존에는 DNA를 만들기 위해 화학 시약을 계속 교체해야 했다면, 이번에는 처음부터 필요한 재료를 하나의 시험관에 넣어두고 온도만 바꾸면 DNA가 순서대로 만들어지는 새로운 방식을 구현한 것이다. 복잡한 시약 교체나 대형 장비 없이도 일반적인 온도 조절 장치만으로 DNA를 합성할 수 있는 길을 연 셈이다.이번 연구의 가장 큰 의미는 DNA를 만드는 ‘방법’ 자체를 바꿨다는 점이다. 지금까지는 화학 시약이 DNA 합성 과정을 하나하나 제어했다면, 이번에는 누구나 쉽게 조절할 수 있는 ‘온도’가 그 역할을 대신하도록 만든 것이다. 이 기술이 발전하면 DNA를 만드는 비용과 시간을 크게 줄여 합성생물학과 유전자 연구는 물론, 신약 개발과 정밀의료 등 다양한 바이오 산업의 진입 장벽도 크게 낮출 것으로 기대된다.연구팀은 개발한 기술이 실제로 활용될 수 있음을 보여주기 위해 무전원 ‘DNA 온도 블랙박스’도 구현했다. 이 장치는 평소에는 동결건조 상태로 보관하다가 사용 직전 물 한 방울만 떨어뜨리면 작동을 시작한다. 이후 배송 과정에서 언제, 얼마나, 어떤 순서로 온도가 변했는지를 DNA 서열에 자동으로 기록한다. 또한 일정 온도 이상에 노출되면 색이 변해 이상 여부를 눈으로 바로 확인할 수 있어 백신과 바이오의약품, 세포치료제, 신선식품 등 저온 유통이 중요한 제품의 품질 관리에 활용될 것으로 기대된다.< 연구이미지(AI 생성이미지) > 최영재 교수는 “이번 연구는 화학 시약 대신 온도만으로 DNA를 합성할 수 있다는 새로운 원리를 제시한 세계 최초의 원천기술”이라며 “DNA 합성을 더욱 쉽고 경제적으로 만들어 바이오 기초 연구의 진입 장벽을 낮추고, 무전원 DNA 온도 블랙박스와 같은 새로운 산업 응용으로도 이어질 것으로 기대한다”고 말했다.이번 연구에는 KAIST 최장호 연구원과 GIST 김진호 박사과정생이 공동 제1저자로 참여했으며, 연구 결과는 국제학술지 네이처 커뮤니케이션즈(Nature Communications)에 7월 2일 자 게재됐다.※ 논문명 : Programmable one-pot polymerase-mediated DNA synthesis via temperature control※ DOI: https://doi.org/10.1038/s41467-026-74890-4※ 관련동영상I: https://drive.google.com/file/d/1bUtzC83qIm1k-hNFKTb09yFPhfsD4iU-/view?usp=drive_link※ 저자 : 최장호(KAIST, 공동 제1저자), 김진호(GIST, 공동 제1저자), 최한솔(이화여자대학교, 교신저자), 최영재(KAIST, 교신저자)이번 연구는 과학기술정보통신부가 지원하는 미래유망 융합기술 파이오니아사업, 바이오파운드리기반기술개발사업, 신진연구자지원사업, 글로벌기초연구실지원사업의 지원을 받아 수행됐다.

[연구]투명한 유리도 보고 미래도 예측하는 ‘피지컬 AI’ 핵심기술 개발​

< (왼쪽부터) 정앤드류 박사과정 학생, 나영주 박사과정 학생, 이주민 박사과정 학생, 윤성의 교수 (오른쪽 하단) 이세빈 박사과정 학생 > 인공지능(AI)이 화면 속 정보를 분석하는 기술을 넘어, 현실 세계의 물리적 특성을 이해하고 스스로 판단·행동하는 단계로 진화하고 있다. 우리 대학 연구진은 빛과 물질의 상호작용, 공간 인식, 미래 상황 예측, 행동 계획을 아우르는 피지컬 AI(Physical AI·물리 기반 인공지능) 핵심 기술을 개발했다. 이번 성과는 자율주행차와 휴머노이드 로봇, 산업용 로봇, 디지털 트윈 등 실제 환경에서 작동하는 차세대 자율 시스템 구현을 앞당길 것으로 기대된다.우리 대학은 전산학부 윤성의 교수 연구팀이 ▲유리나 물처럼 투명한 물체를 정확히 인식하는 기술 ▲빛과 물질의 상호작용을 분석해 주변 환경을 이해하는 기술 ▲사진 한 장만으로 로봇이 목적지를 찾아가는 기술 ▲미래 상황을 예측해 행동을 계획하는 기술을 개발했다고 6일 밝혔다.이번 연구는 시각 인식부터 물리적 이해, 미래 예측, 행동 계획까지 하나의 기술 흐름으로 연결했다는 점에서 의미가 크다. 이를 통해 AI가 '보고(인식) → 이해하고(물리 이해) → 예측하고(미래 예측) → 행동하는(계획)' 전 과정을 수행하는 기반을 제시했으며, 다양한 자율 시스템의 성능과 활용 범위를 한층 넓힐 것으로 기대된다.이번 연구 성과는 세계 최고 권위의 AI 학회인 ICLR 2026(International Conference on Learning Representations)과 CVPR 2026(Conference on Computer Vision and Pattern Recognition)에서 구두 발표 2편과 하이라이트 논문 2편 등 총 4편의 논문으로 발표됐다. 특히 ICLR과 CVPR의 구두 발표는 각각 약 1.13%, 0.8%만 선정되는 최상위 발표 형식으로, 연구의 독창성과 우수성을 국제적으로 인정받았다.▲ 유리까지 이해하는 AI… 투명한 물체도 정확히 인식연구팀은 글린트(GLINT, 투명 환경 시각 인식 기술)를 개발해 AI가 유리와 같은 투명한 물체도 정확하게 인식할 수 있도록 했다.사람은 유리창을 볼 때 유리에 비친 모습과 유리 너머의 풍경을 자연스럽게 구분한다. 하지만 기존 AI는 두 정보를 하나의 영상으로 인식해 투명한 물체를 제대로 이해하지 못하는 경우가 많았다.연구팀은 유리에 반사된 모습과 유리 뒤의 물체를 각각 분리해 분석하는 새로운 기술을 개발함으로써 AI가 투명한 환경에서도 장면을 정확하게 이해할 수 있도록 했다.※ 논문 정보 : GLINT: Modeling Scene-Scale Transparency via Gaussian Radiance Transport, 논문 원본: https://arxiv.org/abs/2603.26181 (CVPR 2026 Oral, 6월 5일 구두 발표, Award Candidate(4천여 편 발표 논문 가운데 74편 선정)< 유리와 같은 투명 물체를 AI가 이해하는 과정 > < 투명 유리를 기하적, 광학적으로 분리하여 빛의 상호작용을 역추정하는 원리 > ▲ 빛의 움직임까지 이해하는 AI연구팀은 라디오GS(RadioGS, 빛과 재질을 이해하는 장면 복원 기술)를 개발해 빛이 물체에 닿아 반사되고 퍼지는 과정까지 AI가 이해하도록 했다.같은 물체라도 햇빛 아래와 실내 조명 아래에서는 다르게 보인다. 기존 AI는 이러한 조명 변화에 영향을 받기 쉬웠다. 연구팀은 빛과 물체의 상호작용을 AI가 학습하도록 만들어 조명이 달라져도 물체의 재질과 주변 환경을 더욱 정확하게 이해할 수 있도록 했다.※ 논문 정보 : Radiometrically Consistent Gaussian Surfels for Inverse Rendering, 논문 원본: https://arxiv.org/abs/2603.01491 (ICLR 2026 Oral, 4월 23일 구두 발표)▲ 사진 한 장만 보고 목적지를 찾아가는 로봇연구팀은 비주얼-RRT(Visual-RRT, 이미지 기반 로봇 경로 계획 기술)를 개발해 시각 정보를 실제 행동으로 연결했다. 기존 로봇은 목적지의 좌표 정보가 필요했지만, 이번 기술은 현재 로봇이 보는 장면과 목표 사진을 비교하며 스스로 이동 경로를 찾아간다.실제 로봇 실험에서도 사진 한 장만으로 목적지에 성공적으로 도달해 서비스 로봇과 자율주행 로봇 등 다양한 분야에 활용될 가능성을 확인했다.※ 논문 정보: Visual-RRT: Finding Paths toward Visual-Goals via Differentiable Rendering, 논문원본: https://arxiv.org/abs/2604.16388 (CVPR 2026 Highlight) ３월 27일 하이라이트 논문 선정※ 동영상: https://www.youtube.com/watch?v=nAPk27vHwEE▲ 미래를 예측하고 스스로 행동을 계획하는 AI연구팀은 클래드(CLaD, 미래 예측 기반 행동 계획 기술)를 개발해 AI가 행동하기 전에 미래 상황을 예측하고 가장 적절한 행동을 계획하도록 했다.사람은 행동하기 전에 "이렇게 움직이면 다음에는 어떤 일이 생길까?"를 먼저 생각한다. 클래드는 AI도 이처럼 행동의 결과를 미리 예측한 뒤 가장 효과적인 행동을 선택하도록 만든 기술이다. 이를 통해 복잡한 환경에서도 높은 성공률로 작업을 수행할 수 있어 차세대 자율 로봇의 핵심 기술로 활용될 것으로 기대된다.※ 논문 정보 : CLaD: Planning with Grounded Foresight via Cross-Modal Latent Dynamics, 논문원본: https://arxiv.org/abs/2603.29409(CVPR 2026 Highlight)< ‘보는 AI’를 넘어 ‘행동하는 AI’로 (AI 생성 이미지) > 윤성의 교수는 "이번 연구는 AI가 단순히 눈으로 보는 것을 넘어 현실 세계를 이해하고 앞으로 일어날 상황까지 예측해 스스로 행동을 결정하는 방향으로 발전하고 있음을 보여준다"며 "이번 성과가 자율주행차와 휴머노이드 로봇 등 실제 환경에서 작동하는 다양한 피지컬 AI 기술의 발전에 기여하기를 기대한다"고 말했다.윤성의 교수가 교신저자로 참여한 이번 연구들은 과학기술정보통신부와 정보통신기획평가원(IITP), 한국연구재단(NRF)의 지원을 받아 수행 중인 피지컬 AI 및 지능형 로봇 연구과제의 일환으로 수행됐다.

[연구]AI 에이전트의 ‘숨은 전력 비용’ 세계 최초 규명​

< (왼쪽부터) 신병준 석사과정, 정진하 석박통합과정, 김지인 박사과정, (우상단) KAIST 유민수 교수 > AI가 스스로 생각하고 행동하는 ‘AI 에이전트' 시대가 열리면서 데이터센터의 전력 소비가 새로운 과제로 떠오르고 있다. 우리 대학 연구진이 세계 최초로 AI 에이전트의 계산 비용과 에너지 소비를 분석한 결과, 기존 생성형 AI보다 질문 한 건당 최대 136.5배 많은 에너지를 사용하는 것으로 나타났다. 이번 연구는 AI 시대의 경쟁력이 모델 성능을 넘어 데이터센터와 전력 인프라의 효율성으로 확대되고 있음을 보여준다.우리 대학은 전기및전자공학부 유민수 석좌교수 연구팀은 AI 에이전트가 실제 서비스 환경에서 얼마나 많은 계산 자원과 전력을 사용하는지를 세계 최초로 체계적으로 분석했다고 5일 밝혔다.최근 챗GPT(ChatGPT)와 같은 대형 언어 모델(LLM, Large Language Model·사람의 언어를 이해하고 글을 생성하는 인공지능 모델) 기반 어플리케이션은 단순히 질문에 답하는 수준을 넘어 스스로 계획을 세우고, 인터넷 검색이나 계산기, 코드 실행 등 다양한 외부 도구를 활용해 복잡한 문제를 해결하는 AI 에이전트(AI Agent·여러 도구를 스스로 활용해 목표를 수행하는 차세대 인공지능) 로 빠르게 발전하고 있다.이러한 AI 에이전트는 소프트웨어 개발, 연구, 업무 자동화 등 다양한 분야에서 활용이 확대되고 있지만, 이를 실제 운영하기 위해 얼마나 많은 전력과 비용이 필요한지는 거의 알려져 있지 않았다.연구팀은 AI 에이전트를 단순한 프로그램이 아니라 데이터센터의 서버와 GPU(Graphics Processing Unit·대규모 AI 계산을 수행하는 고성능 반도체) 가 지속적으로 처리해야 하는 새로운 형태의 작업인 워크로드(Workload·컴퓨터가 수행해야 하는 전체 계산 작업) 로 정의하고, 실제 실행 과정에서 발생하는 계산량과 에너지 소비를 분석했다.분석 결과, AI 에이전트는 기존의 단계별 추론(Chain-of-Thought, CoT·AI가 사람처럼 생각 과정을 하나씩 전개하며 답을 찾는 방식)과 달리 반복적으로 여러 차례 대형 언어 모델 호출(LLM Invocation·AI가 언어 모델에 새로운 판단이나 답변 생성을 요청하는 계산 과정)을 수행하는 것으로 나타났다.< AI 에이전트의 주요 특성과 인프라 시사점 > 이처럼 언어 모델을 반복적으로 호출하면서 응답 시간도 크게 증가했다. AI 에이전트의 답변 시간은 최대 153.7배 늘어났으며, 외부 도구가 작업을 수행하는 동안 GPU는 전체 실행 시간의 최대 54.5% 를 아무 계산도 하지 못한 채 대기하는 것으로 분석됐다. 즉, AI가 더 복잡한 일을 수행할수록 고가의 GPU를 충분히 활용하지 못하는 새로운 비효율이 발생하는 것이다.연구팀은 AI 에이전트가 사용하는 전력도 데이터센터 규모에서 분석했다. 현재 상용 AI 서비스 수준인 700억 개의 매개변수(파라미터, Parameter·AI가 학습한 지식과 능력을 저장하는 값) 를 가진 대형 언어 모델을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41와트시(Wh·전기를 얼마나 사용했는지를 나타내는 에너지 단위) 의 전력을 소비했다. 이는 기존 생성형 AI의 단순 질의응답 방식보다 136.5배 높은 수준이다.또한 하루 137억 건의 AI 에이전트 요청이 발생하는 미래 환경을 가정해 분석한 결과, 데이터센터 전력 수요는 약 198.9기가와트(GW·국가 단위 전력망에서 사용하는 매우 큰 규모의 전력 용량) 에 이를 것으로 추정됐다. 이는 현재 세계 각국이 추진 중인 수 기가와트(GW) 규모의 AI 데이터센터를 크게 뛰어넘는 수준이며, 미국 전체 평균 전력 소비량의 약 절반에 해당하는 규모다.이번 연구는 AI 시대의 경쟁력이 '더 똑똑한 AI'에서 '더 효율적인 AI'로 옮겨가고 있음을 보여준다. 앞으로는 AI 모델만 발전시키는 것이 아니라 AI 반도체, 데이터센터, 전력 인프라를 함께 최적화하는 '공동 설계(Co-design)'가 필수 전략이 될 것으로 기대된다. 이는 AI 서비스의 운영 비용을 낮추고, 지속가능한 AI 인프라를 구축하는 핵심 기술이 될 전망이다.< 연구이미지 (AI 생성) > 유민수 석좌교수는 “이번 연구는 단순히 AI가 더 똑똑해지는 것을 넘어, 그 지능을 구현하고 유지하기 위해 얼마나 많은 전력과 비용이 필요한지를 정량적으로 제시한 첫 사례”라며, “향후 AI 에이전트가 보편화되는 시대에는 AI 데이터센터 인프라 뿐만 아니라 AI 에이전트 모델과 전력 인프라까지 통합적으로 공동 설계(co-design)하여 최적화하는 접근이 더욱 중요해질 것”이라고 밝혔다. 이어 “이를 통해 최종 사용자가 AI 서비스를 활용하는 데 소요되는 비용을 획기적으로 절감하고, 동시에 지속가능한 AI 인프라를 구축하기 위한 연구와 투자가 필수적”이라고 강조했다.이번 연구는 KAIST 전기및전자공학부 김지인 박사과정 학생이 제1저자로 수행했으며, 컴퓨터 시스템 설계 분야 최고 권위 국제학회인 32회 IEEE HPCA(International Symposium on High-Performance Computer Architecture)에서 지난 2월 발표됐다. 연구팀은 논문에서 활용한 AI 에이전트 구현 기술과 벤치마크(Benchmark·AI 성능을 객관적으로 비교·평가하기 위한 표준 시험 환경)를 오픈소스로 공개해 전 세계 연구자들이 후속 연구에 활용할 수 있도록 했다.※ 논문명 : The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective※ 오픈소스 : https://github.com/VIA-Research/AgentBench※ 논문 링크: https://doi.org/10.1109/HPCA68181.2026.11408569본 연구는 정보통신기획평가원(IITP)의 SW스타랩(Starlab), AI 반도체를 활용한 K-클라우드기술개발사업, AI 반도체 기반 데이터센터 고도화 선도기술개발사업 및 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.

[연구]미래 전기차 핵심 '공기 흐름 제어' 기술 세계 최고 학회 인정​

< 나성원 박사과정, (우상단) 심현철 교수 > 미래 자동차는 엔진이나 모터뿐 아니라 ‘공기'의 흐름까지 제어한다. 우리 대학 연구진이 주행 상황에 맞춰 공기의 흐름을 실시간으로 조절해 고성능 전기차의 주행 성능과 안전성을 높이는 능동 공력(주행 상황에 맞춰 공기의 흐름을 자동으로 조절하는 기술)을 개발했다.우리 대학은 전기및전자공학부 심현철 교수 연구실이 현대자동차의 지원을 통해 고성능 전기차에 적용 가능한 다중 능동 공력(Multi-Surface Active Aerodynamic) 시스템(차량 앞뒤의 여러 공력 장치를 하나의 시스템으로 통합 제어하는 기술)을 개발하고 이를 실제 차량에 적용해 서킷 환경에서 검증했다고 3일 밝혔다.나성원 박사과정학생이 제1저자로 수행한 이번 연구는 2026년 6월 미국 미시간주 디트로이트에서 열린 세계 최고 권위의 지능형 차량 분야 국제학술대회인 IEEE Intelligent Vehicles Symposium(IV 2026)에서 최우수 학생논문상 1위(First Prize Best Student Paper Award)를 수상했다.이번 상은 전 세계 학생 논문 가운데 가장 우수한 연구에 수여되는 최고상이다. 특히 이번 연구는 전체 채택 논문 가운데 약 8.5%만 선정되는 구두 발표(Oral Presentation·학회가 우수 논문을 선정해 현장에서 직접 발표하도록 하는 세션)에 선정된 데 이어, 발표 논문을 대상으로 한 최종 심사를 거쳐 최우수 학생논문상을 수상하며 연구의 독창성과 기술적 완성도를 동시에 인정받았다.IEEE Intelligent Vehicles Symposium(IV)은 IEEE Intelligent Transportation Systems Society(ITSS)가 주관하는 지능형 차량 분야 최고 권위의 국제학술대회로, 자율주행, 차량 제어, 인공지능(AI), 미래 모빌리티 기술 등을 주제로 세계 각국의 대학과 연구기관, 자동차 제조사들이 최신 연구 성과를 발표하는 학술대회이다.연구팀은 차량 전면과 후면에 장착된 4개의 능동 공력 장치를 하나의 시스템으로 통합 제어하기 위해 풍동 실험(강한 바람을 만들어 실제 주행과 같은 공기 흐름을 재현하는 시험) 기반 공력 모델을 구축했다.또한 차량의 속도와 조향 상태 등 주행 상황을 실시간으로 분석해 최적의 공력 모드를 선택하는 제어 프레임워크를 개발했으며, 이를 고정밀 차량 시뮬레이션(실제 차량의 움직임을 컴퓨터에서 정밀하게 구현한 가상 시험)과 실제 차량 실험을 통해 검증했다.기존 연구들이 시뮬레이션 중심으로 수행됐던 것과 달리, 연구팀은 FIA Grade 1 규격(포뮬러원(F1) 경기를 개최할 수 있는 국제 최고 수준의 서킷 규격)의 영암 국제자동차경주장(Korea International Circuit)에서 실제 차량 주행 시험을 수행해 기술의 실효성을 입증했다.실험 결과 제안한 능동 공력 시스템은 고성능 전기차의 랩타임(서킷 한 바퀴를 도는 데 걸리는 시간) 단축, 제동 성능 향상, 코너링 성능 향상, 차량 안정성 확보에 효과적인 것으로 나타났다. 또한 시뮬레이션과 실제 차량 실험에서 일관된 성능 향상을 확인함으로써 향후 고성능 전기차는 물론 자율주행차와 소프트웨어 정의 자동차(SDV·소프트웨어 업데이트를 통해 기능을 지속적으로 개선하는 미래형 자동차) 등 미래 모빌리티에 적용 가능한 핵심 기술의 가능성을 제시했다.< 서킷 주행 환경에서 제안한 능동 공력 시스템이 실제 차량에 적용되어 작동하는 모습 > < 연구 이미지 (AI 생성) > 나성원 박사과정학생은 심현철 교수 연구실이 2021년부터 참가해 지속적으로 우수한 성과를 거두고 있는 인디 자율주행 챌린지(IAC, Indy Autonomous Challenge)에서 KAIST 유레카(EURECAR) 팀장을 맡아 최고 시속 290km의 자율주행을 성공적으로 수행했다. 이를 통해 초고속 자율주행 차량 제어 분야에서 세계적 수준의 연구개발 역량을 축적했으며, 이번 연구에도 그 경험을 적용했다.심현철 교수는 "그간 우리 연구실이 인디 자율주행 챌린지 등 고속 자율주행 레이싱에 참가하여 얻은 다양한 경험을 바탕으로 실제 차량 기반의 능동 공력 제어 기술이 세계 최고 수준의 학술대회에서 최우수 학생논문으로 선정돼 매우 뜻깊게 생각한다"며 "이번 연구가 향후 고성능 전기차뿐 아니라 미래 자동차의 주행 성능과 안전성을 동시에 높이는 핵심 기술로 이어질 것으로 기대한다"고 말했다.이번 연구의 제1저자는 나성원 박사과정이며, 양승진, 황영준, 왕정하 석사과정 학생이 공동저자로 참여했다. 또한 현대자동차 최장한 책임연구원, 이정수 책임연구원, 손정기 책임연구원이 공동 연구자로 참여했다.※ 논문명: Development of an Active Aerodynamic System for Improving Circuit Driving Performance of High-Performance Electric Vehicles, 논문 링크:https://drive.google.com/file/d/1H68vDCwL9LJT-aONUHOOTmePxC14phC8/view

[연구]AI 에이전트의 ‘숨은 전력 비용’ 세계 최초 규명​

< (왼쪽부터) 신병준 석사과정, 정진하 석박통합과정, 김지인 박사과정, (우상단) KAIST 유민수 교수 > AI가 스스로 생각하고 행동하는 ‘AI 에이전트' 시대가 열리면서 데이터센터의 전력 소비가 새로운 과제로 떠오르고 있다. 우리 대학 연구진이 세계 최초로 AI 에이전트의 계산 비용과 에너지 소비를 분석한 결과, 기존 생성형 AI보다 질문 한 건당 최대 136.5배 많은 에너지를 사용하는 것으로 나타났다. 이번 연구는 AI 시대의 경쟁력이 모델 성능을 넘어 데이터센터와 전력 인프라의 효율성으로 확대되고 있음을 보여준다.우리 대학은 전기및전자공학부 유민수 석좌교수 연구팀은 AI 에이전트가 실제 서비스 환경에서 얼마나 많은 계산 자원과 전력을 사용하는지를 세계 최초로 체계적으로 분석했다고 5일 밝혔다.최근 챗GPT(ChatGPT)와 같은 대형 언어 모델(LLM, Large Language Model·사람의 언어를 이해하고 글을 생성하는 인공지능 모델) 기반 어플리케이션은 단순히 질문에 답하는 수준을 넘어 스스로 계획을 세우고, 인터넷 검색이나 계산기, 코드 실행 등 다양한 외부 도구를 활용해 복잡한 문제를 해결하는 AI 에이전트(AI Agent·여러 도구를 스스로 활용해 목표를 수행하는 차세대 인공지능) 로 빠르게 발전하고 있다.이러한 AI 에이전트는 소프트웨어 개발, 연구, 업무 자동화 등 다양한 분야에서 활용이 확대되고 있지만, 이를 실제 운영하기 위해 얼마나 많은 전력과 비용이 필요한지는 거의 알려져 있지 않았다.연구팀은 AI 에이전트를 단순한 프로그램이 아니라 데이터센터의 서버와 GPU(Graphics Processing Unit·대규모 AI 계산을 수행하는 고성능 반도체) 가 지속적으로 처리해야 하는 새로운 형태의 작업인 워크로드(Workload·컴퓨터가 수행해야 하는 전체 계산 작업) 로 정의하고, 실제 실행 과정에서 발생하는 계산량과 에너지 소비를 분석했다.분석 결과, AI 에이전트는 기존의 단계별 추론(Chain-of-Thought, CoT·AI가 사람처럼 생각 과정을 하나씩 전개하며 답을 찾는 방식)과 달리 반복적으로 여러 차례 대형 언어 모델 호출(LLM Invocation·AI가 언어 모델에 새로운 판단이나 답변 생성을 요청하는 계산 과정)을 수행하는 것으로 나타났다.< AI 에이전트의 주요 특성과 인프라 시사점 > 이처럼 언어 모델을 반복적으로 호출하면서 응답 시간도 크게 증가했다. AI 에이전트의 답변 시간은 최대 153.7배 늘어났으며, 외부 도구가 작업을 수행하는 동안 GPU는 전체 실행 시간의 최대 54.5% 를 아무 계산도 하지 못한 채 대기하는 것으로 분석됐다. 즉, AI가 더 복잡한 일을 수행할수록 고가의 GPU를 충분히 활용하지 못하는 새로운 비효율이 발생하는 것이다.연구팀은 AI 에이전트가 사용하는 전력도 데이터센터 규모에서 분석했다. 현재 상용 AI 서비스 수준인 700억 개의 매개변수(파라미터, Parameter·AI가 학습한 지식과 능력을 저장하는 값) 를 가진 대형 언어 모델을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41와트시(Wh·전기를 얼마나 사용했는지를 나타내는 에너지 단위) 의 전력을 소비했다. 이는 기존 생성형 AI의 단순 질의응답 방식보다 136.5배 높은 수준이다.또한 하루 137억 건의 AI 에이전트 요청이 발생하는 미래 환경을 가정해 분석한 결과, 데이터센터 전력 수요는 약 198.9기가와트(GW·국가 단위 전력망에서 사용하는 매우 큰 규모의 전력 용량) 에 이를 것으로 추정됐다. 이는 현재 세계 각국이 추진 중인 수 기가와트(GW) 규모의 AI 데이터센터를 크게 뛰어넘는 수준이며, 미국 전체 평균 전력 소비량의 약 절반에 해당하는 규모다.이번 연구는 AI 시대의 경쟁력이 '더 똑똑한 AI'에서 '더 효율적인 AI'로 옮겨가고 있음을 보여준다. 앞으로는 AI 모델만 발전시키는 것이 아니라 AI 반도체, 데이터센터, 전력 인프라를 함께 최적화하는 '공동 설계(Co-design)'가 필수 전략이 될 것으로 기대된다. 이는 AI 서비스의 운영 비용을 낮추고, 지속가능한 AI 인프라를 구축하는 핵심 기술이 될 전망이다.< 연구이미지 (AI 생성) > 유민수 석좌교수는 “이번 연구는 단순히 AI가 더 똑똑해지는 것을 넘어, 그 지능을 구현하고 유지하기 위해 얼마나 많은 전력과 비용이 필요한지를 정량적으로 제시한 첫 사례”라며, “향후 AI 에이전트가 보편화되는 시대에는 AI 데이터센터 인프라 뿐만 아니라 AI 에이전트 모델과 전력 인프라까지 통합적으로 공동 설계(co-design)하여 최적화하는 접근이 더욱 중요해질 것”이라고 밝혔다. 이어 “이를 통해 최종 사용자가 AI 서비스를 활용하는 데 소요되는 비용을 획기적으로 절감하고, 동시에 지속가능한 AI 인프라를 구축하기 위한 연구와 투자가 필수적”이라고 강조했다.이번 연구는 KAIST 전기및전자공학부 김지인 박사과정 학생이 제1저자로 수행했으며, 컴퓨터 시스템 설계 분야 최고 권위 국제학회인 32회 IEEE HPCA(International Symposium on High-Performance Computer Architecture)에서 지난 2월 발표됐다. 연구팀은 논문에서 활용한 AI 에이전트 구현 기술과 벤치마크(Benchmark·AI 성능을 객관적으로 비교·평가하기 위한 표준 시험 환경)를 오픈소스로 공개해 전 세계 연구자들이 후속 연구에 활용할 수 있도록 했다.※ 논문명 : The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective※ 오픈소스 : https://github.com/VIA-Research/AgentBench※ 논문 링크: https://doi.org/10.1109/HPCA68181.2026.11408569본 연구는 정보통신기획평가원(IITP)의 SW스타랩(Starlab), AI 반도체를 활용한 K-클라우드기술개발사업, AI 반도체 기반 데이터센터 고도화 선도기술개발사업 및 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.

[연구]치매 원인 물질이 치료 ‘스위치’를 켠다​

< (앞줄) KAIST 임미희 교수, (뒷줄) KAIST 이지민 학생, 홍은서 학생(우상단) 전남대 김민근 교수, 한국생명공학연구원 이철호 박사, 김경심 박사 > 치매를 악화시키는 물질이 치료를 시작하는 ‘스위치’가 됐다. 우리 대학 연구진이 알츠하이머병 환자의 뇌에서 증가하는 과산화수소(H₂O₂, 세포를 손상시키는 활성산소종)를 이용해 병든 뇌에서만 약물이 활성화되는 새로운 치료 기술을 개발했다. 동물실험에서도 인지 기능 개선 효과를 확인하며 차세대 치매 치료의 새로운 가능성을 제시했다.우리 대학은 화학과 임미희 교수 연구팀이 전남대학교(총장 이근배) 김민근 교수, 한국생명공학연구원(KRIBB, 원장 권석윤) 이철호·김경심 박사, 한국기초과학지원연구원(KBSI, 원장 직무대행 황금숙) 이영호 박사 연구팀과 공동으로 알츠하이머병의 병든 뇌에서만 활성화되는 전구약물(Prodrug)을 개발하고, 동물실험을 통해 치료 효과를 확인했다고 2일 밝혔다.전구약물은 처음에는 약효가 없지만 몸속 특정 환경에서만 활성형 치료제로 바뀌는 약물이다. 이번 연구에서는 알츠하이머병 환자의 뇌에서 증가하는 과산화수소를 만나야만 활성화되도록 설계돼 병든 뇌에서만 선택적으로 작동하는 '스마트 치료제' 역할을 한다.알츠하이머병 환자의 뇌에서는 세포를 손상시키는 과산화수소가 정상보다 많이 생성된다. 지금까지는 이를 제거해야 할 유해물질로만 여겨졌지만, 연구팀은 오히려 이를 약을 작동시키는 신호로 활용하는 방법을 고안했다.연구팀이 개발한 전구약물(BE-1, BE-2)은 건강한 뇌에서는 거의 반응하지 않는다. 하지만 치매가 진행되는 뇌에서 과산화수소를 만나면 활성형 치료 물질(AP-1, AP-2)로 바뀐다. 이 과정에서 과산화수소 포함 활성산소종들을 줄이는 동시에 치매의 주요 원인으로 알려진 아밀로이드 베타 단백질(뇌 속에 쌓여 신경세포를 손상시키는 단백질)이 서로 뭉쳐 독성이 강한 응집체(단백질 덩어리)를 만드는 것도 막아준다.< 알츠하이머병 관련 다중 병리 인자 조절을 위한 과산화수소 반응성 활성 기반 화합물 전략과 시험관 내·생체 내 효능 > 연구팀은 첨단 분석기술을 이용해 활성화된 약물이 아밀로이드 베타 단백질의 구조를 변화시켜 큰 덩어리로 자라는 것을 억제한다는 사실을 확인했다.이 같은 효과는 알츠하이머병 생쥐 모델에서도 확인됐다. 약물은 혈액-뇌 장벽(BBB, 혈액 속 물질이 뇌로 들어가는지를 조절하는 보호막)을 통과해 실제 뇌 안에서 치료 물질로 바뀌었다. 장기간 약물을 투여한 생쥐에서는 기억을 담당하는 해마의 산화 스트레스가 감소했고, 뇌 속 아밀로이드 베타 축적도 줄어들었다. 또한 새로운 물체를 기억하거나 길을 찾는 행동 실험에서도 인지 기능이 개선된 것으로 나타났다.< 알츠하이머병 모델 마우스에서 BE-1의 생체 내 효능 평가 및 병리 완화 효과 > 이번 연구는 특정 단백질 하나만 표적으로 하는 기존 치매 치료제와 달리, 병든 뇌의 환경 자체를 이용해 약이 필요한 곳에서만 작동하도록 설계했다는 점에서 의미가 크다. 이를 통해 치료 효과는 높이고 부작용은 줄일 수 있는 새로운 치매 치료 전략을 제시했으며, 앞으로 파킨슨병 등 다른 퇴행성 뇌질환 치료에도 활용될 가능성이 기대된다.< 연구이미지 (AI생성) > 임미희 KAIST 화학과 교수는 “이번 연구는 그동안 제거해야 할 대상으로만 여겨졌던 과산화수소를 약을 작동시키는 신호로 활용했다는 점에서 의미가 있다”며 “병든 조직에서만 약이 활성화되는 이번 기술은 알츠하이머병과 같은 복합 질환을 보다 안전하고 효과적으로 치료하는 새로운 플랫폼이 될 것으로 기대한다”고 말했다.이번 연구는 KAIST 화학과 이지민·홍은서 석박통합과정생이 공동 제1저자로 참여했으며, 국제 학술지 Small(IF 12.1, 화학 분야 상위 10%)에 2026년 5월 31일 온라인 게재됐다.※ 논문명: A Prodrug Approach for Activity-Based Chemical Modulation toward Multiple Pathological Targets in Alzheimer's Disease, DOI: 10.1002/smll.74013한편, 이번 연구는 한국연구재단 리더연구, 글로벌 선도연구센터, 세종과학펠로우십, 박사과정생연구장려금지원사업, KRIBB 및 KBSI 기관고유사업의 지원을 받아 수행됐다.

[연구]'이 생선 어디서 왔지?'...세계가 인정한 수산물 이력추적 기술 확보​

< (왼쪽부터) KAIST 황현택 박사과정, 얄레우 카이단(Yalew Kidane) 연구교수, 이영종 책임연구원, 박건우 연구원, 상단 김대영 교수 > 우리가 마트에서 수산물을 살 때, 이 생선이 어디서 잡혔고 어떤 과정을 거쳐 내 식탁에 올랐는지 궁금했던 적이 있을 것이다. 하지만 복잡한 유통 과정으로 그 경로를 투명하게 확인하기 어려웠다. 우리 대학 연구진이 이러한 문제를 해결하고, 전 세계 어디서나 통용되는 국제 기준으로 수산물의 이동 경로를 한눈에 확인할 수 있는 디지털 기술을 개발했다.우리 대학은 KAIST 오토아이디랩 부산혁신연구소 김대영 소장(전산학부 교수)이 개발한 GS1 국제표준 기반 디지털전환 솔루션 ‘올리오패스(OLIOPASS)’가 글로벌 수산물 이력추적 협의체인 GDST(Global Dialogue on Seafood Traceability)의 까다로운 성능 검증을 통과해, 국내 최초로 ‘GDST 호환 솔루션(Capable Solution)’ 인증을 획득했다고 19일 밝혔다.< (왼쪽) 글로벌 수산물 이력추적 협의체(GDST) 글로벌 인증로고, (오른쪽) KAIST 올리오패스 플랫폼 로고 > 이번 GDST 인증을 받은 기술은 전 세계에서 단 13개에 불과하다. 이 가운데 생산–가공–유통–판매에 이르는 전 과정을 빠짐없이 관리하는 ‘전 구간(Full Chain)’ 이력추적 기술을 지원하는 곳은 KAIST를 포함해 전 세계 7곳뿐이다.GDST는 2015년 세계경제포럼(WEF)의 제안으로 설립된 국제 기구로, 수산물이 이동하는 모든 과정의 정보를 전 세계가 합의한 국제표준(GS1)에 따라 디지털로 기록하고 공유하도록 돕는다. 이는 전 세계가 함께 사용하는 ‘공급망 공통 언어’를 만드는 작업에 비유할 수 있다.GDST는 수산물 이동 과정에서 반드시 기록해야 할 핵심 데이터(KDEs)와 언제·어디서·무엇이 이동했는지를 정의한 중요 사건(CTEs)을 국제 기준으로 정해, 수산물 이력 정보의 신뢰성을 높이는 글로벌 표준 체계다.최근 미국과 유럽의 주요 식품유통 기업들이 GDST 기준 충족을 요구면서, 해당 기준은 글로벌 시장 진출을 위한 사실상의 필수 요건으로 자리 잡고 있다. KAIST는 2019년부터 GDST 창립 멤버로 참여해 수산물 이력추적 모델과 시스템 간 정보 연동(Interoperability) 설계에 핵심적인 역할을 해왔다.특히 미국 식품의약국(FDA)이 2028년 7월부터 식품 이력추적 의무화(FSMA 204)를 예고한 상황에서, 이번 인증은 국내 기업들이 미국 등 글로벌 시장 규제를 충족할 수 있는 기술적 해법을 확보했다는 점에서 의미가 크다.지난 11월 5일 인증을 받은 OLIOPASS는 KAIST의 IoT 기술과 국제표준(GS1 EPCIS 2.0, GS1 Digital Link)을 결합한 디지털 이력추적 플랫폼으로, 다양한 제품과 자산의 이동 정보를 표준화된 언어로 기록·공유하고 블록체인 기술로 위·변조를 원천 차단한다. 기업 간 시스템이 달라도 이력 데이터는 원활하게 연동된다.또한 OLIOPASS는 AI 활용이 가능한 ‘AI-ready 데이터’ 인프라로 설계돼 대형 멀티모달 모델, AI 에이전트, 지식그래프, 온톨로지 등 차세대 AI 기술을 손쉽게 적용할 수 있다. 이를 통해 단순 이력관리를 넘어 디지털·AI 전환을 동시에 지원하는 플랫폼으로 활용된다.김대영 KAIST 오토아이디랩 부산혁신연구소장은 “이번 인증은 글로벌 공급망 전반에서 신뢰 가능한 데이터 기술 역량을 국제적으로 인정받은 것”이라며 “OLIOPASS를 수산·식품을 넘어 의약품, 물류, 국방, 스마트시티 등 다양한 분야로 확산시켜 KAIST 기술이 세계가 함께 쓰는 플랫폼으로 성장하도록 하겠다”고 말했다.※관련 링크: https://thegdst.org/verified-gdst-capable-solutions/< 인증획득기관리스트 > 

[연구]초전도는 어떻게 시작될까… 전자들의 숨은 질서 확인​

< 위 (왼쪽부터) 공동1저자 차재훈 박사, 이형근 박사 심상준 석사, 아래 (왼쪽부터) 공동교신저자 이성빈 교수, 한명준 교수, 김용관 교수 > 초전도는 전기가 저항 없이 흐르고 에너지 손실이 거의 없어 양자컴퓨터, 자기부상열차, 차세대 전력망 등 미래 기술의 핵심으로 꼽힌다. 하지만 전자들이 어떤 과정을 거쳐 초전도 상태에 도달하는지는 아직까지 완벽히 밝혀지지 못한 미스터리다. 우리 대학 연구진은 초전도가 시작되기 전 전자들이 먼저 '숨은 질서'를 만든다는 사실을 밝혀냈다. 이번 성과는 초전도의 작동 원리를 이해하고 차세대 초전도체와 양자기술 개발에 중요한 단서를 제공할 것으로 기대된다.우리 대학은 물리학과 김용관·한명준·이성빈 교수 공동연구팀이 차세대 양자물질로 주목받는 카고메 금속(CsV₃Sb₅)에서 초전도가 나타나기 전 전자들이 먼저 '숨은 질서'를 형성한다는 사실을 실험과 이론을 통해 규명했다고 30일 밝혔다.연구팀은 초전도가 시작되기 전 전자들이 먼저 질서를 갖춰 움직인다는 사실을 확인했다. 전자들이 규칙적인 무늬를 만들기 전부터 작은 고리 모양으로 함께 순환하며 '숨은 질서(고리전류 질서)'를 형성한다는 것이다. 이는 초전도가 만들어지기 전 전자들이 어떤 준비 과정을 거치는지를 보여주는 중요한 실험 결과다.카고메 금속은 일본 전통 바구니 문양인 '카고메'처럼 삼각형이 반복되는 원자 구조를 가진 물질이다. 이러한 독특한 구조에서는 전자들이 서로 강하게 영향을 주고받으면서 일반 금속에서는 보기 어려운 다양한 양자현상이 나타난다. 특히 CsV₃Sb₅는 초전도와 전하밀도파가 모두 나타나는 대표적인 물질로, 차세대 양자소재 연구의 핵심 플랫폼으로 꼽힌다.그동안 세계 연구진은 이 물질에서 초전도가 나타나기 전에 또 다른 숨은 전자 질서가 존재하는지를 두고 논쟁을 이어왔다. 일부 실험에서는 시간반전대칭성 깨짐(시간을 거꾸로 되돌려도 같은 물리 현상이 유지되지 않는 것으로, 전자들이 일정한 방향성을 갖고 움직이기 시작했음을 의미)의 흔적이 관측됐다. 하지만 이것이 전자들이 규칙적인 무늬를 만드는 전하밀도파가 생긴 뒤 나타나는 현상인지, 아니면 그보다 먼저 독립적으로 형성되는 숨은 전자 질서인지는 명확하지 않았다.< 카고메 격자 및 격자 내 고리 전류 질서를 나타낸 모식도 (AI 생성) > 연구팀은 이 사실을 확인하기 위해 특별한 빛을 이용했다. 왼쪽으로 도는 빛과 오른쪽으로 도는 빛을 시료에 번갈아 비추고, 그때 물질 밖으로 튀어나오는 전자들의 움직임을 정밀하게 살펴봤다. 쉽게 말해, 빛을 이용해 물질 속 전자들이 어떤 방향으로, 어떤 상태로 움직이는지 들여다본 것이다. 연구팀은 이 과정에서 실험 장치 때문에 생길 수 있는 잡음은 제거하고, 물질 자체에서 나오는 신호만 골라냈다.그 결과, 전자들이 규칙적인 무늬를 만드는 현상인 전하밀도파가 시작되는 온도 약 94K(영하 179℃)보다 훨씬 높은 약 140~145K(영하 133℃)에서 이미 전자들의 움직임에 방향성이 생긴다는 사실을 확인했다. 이는 초전도가 시작되기 훨씬 전부터 전자들이 아무렇게나 움직이는 것이 아니라, 작은 고리 모양으로 함께 돌며 숨은 질서를 만들고 있었다는 뜻이다.연구팀은 온도를 낮추면서 전자들이 변하는 과정을 순서대로 확인했다. 처음에는 전자들이 작은 고리 모양으로 함께 순환하는 고리전류 질서를 만들고, 이어 일정한 간격으로 모여 규칙적인 무늬를 이루는 전하밀도파를 형성한 뒤, 마지막으로 전기가 저항 없이 흐르는 초전도 상태에 도달했다. 이는 전자들이 '고리전류 질서 → 전하밀도파 → 초전도'의 순서로 변화한다는 사실을 보여주는 결과다.연구팀은 이론 계산을 통해서도 실험 결과를 검증했다. 계산 결과, 실험에서 관측된 신호가 실제로 전자들이 작은 고리 모양으로 움직일 때 나타나는 특징과 잘 맞았다. 이는 이번 결과가 단순한 실험 오차가 아니라, 물질 안에서 전자들이 스스로 만든 숨은 질서에서 나온 신호임을 보여준다.이번 연구는 초전도가 만들어지기 전 전자들이 어떤 준비 과정을 거치는지를 보여줬다는 점에서 중요하다. 초전도는 전기가 저항 없이 흐르는 꿈의 기술로 양자컴퓨터, 초저전력 전자소자, 차세대 전력망 등에 활용될 수 있다. 이번 연구는 앞으로 초전도가 왜 생기는지 더 깊이 이해하고, 더 높은 온도에서 작동하는 새로운 초전도체를 개발하는 데 중요한 기초 자료가 될 것으로 기대된다.< 연구 이미지 (AI 생성) > 김용관 교수는 "이번 연구는 초전도가 나타나기 전 전자들이 어떤 순서로 움직이며 숨은 질서를 만드는지를 처음으로 보여준 연구"라며 "초전도가 만들어지는 원리를 이해하고 새로운 초전도 물질을 개발하는 데 중요한 단서를 제시했다"고 말했다.한명준 교수는 "실험 결과가 이론에서 예측한 전자들의 움직임과 정확히 일치한다는 점이 이번 연구의 핵심"이라며 "실험과 이론을 함께 검증해 숨은 전자 질서의 존재를 더욱 명확하게 입증했다"고 말했다.이성빈 교수는 "이번 결과는 전하 고리전류 질서와 전하밀도파가 따로 존재하는 것이 아니라 서로 얽혀 복합적인 양자상태를 만든다는 점을 보여준다"며, "향후 이러한 상전이 계층을 제어하면 새로운 초전도 상태를 설계하는 데 중요한 실마리가 될 것"이라고 설명했다.이번 연구에는 KAIST 물리학과 차재훈·이형근·심상준 연구원이 공동 제1저자로 참여했으며, 연구 성과는 물리학 분야 국제 학술지 네이처 피직스(Nature Physics)에 2026년 6월 15일 온라인 게재됐다.※ 논문명: Evidence of time-reversal symmetry breaking above the charge density wave order in a kagome metal, DOI: https://doi.org/10.1038/s41567-026-03331-2본 연구는 우수연구-중견연구 및 가속기인력양성사업 (과기부, 한국연구재단), 한국표준과학연구원, 미 공군과학연구소, 미국 에너지부 기초에너지과학실 등의 지원을 받아 수행됐다.

[연구]몸짓도 언어다… 동물 행동의 의미 읽는 AI 개발​

< 김대수 교수 > 생쥐의 몸짓을 단어처럼 읽고 의미를 이해하는 인공지능이 등장했다. 우리 대학 연구진은 행동 데이터를 언어처럼 학습해 자폐 모델 생쥐의 사회적 행동 결함을 스스로 찾아내는 AI 모델 ‘비헤이버트(BehaVERT)’를 개발하며 해석 가능한 뇌과학의 새로운 패러다임을 제시했다.< BehaVERT 파이프라인 전체 개요 > 우리 대학 뇌인지과학과 김대수 교수 연구팀이 동물의 움직임을 언어처럼 읽고 해석하는 인공지능(AI) 모델을 개발했다고 1일 밝혔다.연구팀은 생쥐의 골격 움직임을 자연어의 단어에 해당하는 ‘토큰(token)’으로 변환해 학습시키는 방식으로 행동의 의미를 이해하는 AI 모델 ‘비헤이버트'를 구현했다. 이 모델은 별도의 사전 지식 없이도 자폐 모델 생쥐의 핵심 사회행동 결함을 스스로 발견할 수 있음을 확인했다.< 자폐 모델 생쥐의 핵심 사회행동 결함을 스스로 발견한 AI > 이번 연구는 동물 행동을 언어처럼 분석하는 새로운 인공지능 접근법을 제시한 것으로 평가된다. 특히 AI가 단순한 행동 분류를 넘어 행동의 의미를 이해하고 생물학적으로 중요한 단서를 찾아낼 수 있음을 보여줌으로써, 향후 신약 개발과 정신질환 연구, 행동유전학 분야를 위한 차세대 '행동 파운데이션 모델(Behavior Foundation Model)'의 가능성을 열었다.연구팀은 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 토큰으로 변환한 뒤 자연어 처리에 널리 사용되는 BERT 기반 트랜스포머 모델에 입력해 학습시켰다. 그 결과 비헤이버트는 단순히 행동을 분류하는 데 그치지 않고, 시간의 흐름 속에서 행동의 의미를 스스로 학습하는 것으로 나타났다.개발된 모델은 사회적 상호작용, 다개체 행동, 3차원 움직임 분석, 자폐 행동 분석 등 다양한 분야의 국제 표준 벤치마크 5종에서 기존 최고 수준의 성능을 뛰어넘었다. 비헤이버트는 자신이 어떤 행동에 주목해 판단을 내렸는지 연구자에게 알려주는 해석 가능성(interpretability)도 갖추고 있다.실험 결과, 모델은 자폐 모델 생쥐(Shank3B 유전자 결손)와 정상 생쥐를 구분하는 과정에서 ‘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 정확히 일치한다. 즉, AI가 사전에 생물학적 지식을 학습하지 않았음에도 행동 관찰만으로 자폐 행동의 핵심 특징을 스스로 발견한 것이다.연구팀은 AI가 행동을 단순히 분류하는 것을 넘어 행동의 의미까지 이해하고 있다는 사실도 확인했다. AI 내부에서는 움직임과 주의, 사회성 같은 행동 특성이 체계적으로 정리돼 있었으며, 이는 동물 행동에도 언어와 유사한 의미 구조가 존재할 수 있음을 시사한다.< 연구이미지(AI생성) > 이번 연구에는 또 하나의 의미 있는 도전이 담겨 있다. 제1저자인 신승재 박사를 비롯한 연구진은 모두 생명과학을 전공한 연구자들로, 인공지능을 직접 익혀 행동 분석에 특화된 모델과 학습 전략을 설계했다. 김대수 교수 연구실은 그동안 동물 행동 데이터를 활용한 AI 연구를 수행해 왔으며, 쥐의 행동을 가상공간에 구현하는 ‘아바타(AVATAR)’ 기술을 개발해 ㈜액트노바를 창업한 바 있다.제1저자인 신승재 박사는 “동물의 움직임에도 언어와 같은 구조가 존재할 수 있다는 질문에서 연구가 시작됐다”고 말했다. 연구팀은 사람이 정답을 알려주지 않아도 AI가 행동 데이터만으로 스스로 학습하는 방식을 도입했으며, 쥐의 행동으로 학습한 모델이 생쥐의 행동 분석에도 성공적으로 활용되는 것을 확인했다. 이는 향후 여러 동물 종에 적용 가능한 '행동 파운데이션 모델' 개발 가능성을 보여준다.김대수 교수는 “비헤이버트는 단순히 행동을 분류하는 것을 넘어 행동의 의미까지 이해할 수 있는 새로운 인공지능 모델”이라며 “향후 신약 개발과 정신질환 연구, 행동유전학 등 다양한 생명과학 분야에서 새로운 발견을 이끄는 핵심 연구 도구가 될 것으로 기대한다”고 말했다.이번 연구 결과는 뇌인지과학과 신승재 박사가 제1저자로 참여했으며, 컴퓨터비전 분야 최고 권위 학술지 중 하나인 International Journal of Computer Vision(IJCV)에 2026년 3월 24일 게재됐다.※ 논문명: BehaVERT: A Transformer-Based Motion Language Model for Decoding Behavioral Semantics in Mice, DOI: 10.1007/s11263-026-02834-y※ 관련 동영상:● BehaVERT — 사회적 행동 분석 시각화 (Investigation & Mount), https://youtu.be/JshCr-ZBQR0● BehaVERT — 사회적 행동 분석 시각화 (Investigation & Attack), https://youtu.be/p9RPhZM__Js● BehaVERT — 자폐 모델 생쥐의 핵심 사회행동을 AI가 스스로 발견하다, https://youtu.be/D6zUyDu3t9I한편, 이번 연구는 과학기술정보통신부가 지원하고 한국연구재단이 주관하는 중견연구자지원사업 및 뇌과학선도융합기술개발사업의 지원을 받아 수행됐다.

[연구]암이 ‘혈관 발달 설계도’ 훔쳐 쓰는 원리 첫 규명​

< (좌측부터) KAIST 생명과학과 이정운 박사후과정, KAIST 생명과학과 민선우 박사후과정, KAIST 의과학대학원 박수찬 박사과정, KAIST 의과학대학원 이지민 교수, KAIST 생명과학과 정인경 교수 > 암에 영양분과 산소를 공급하는 새로운 혈관의 생성을 막는 항암치료인 '항혈관신생 치료'의 한계를 극복할 전략이 제시됐다. 한국 연구진은 종양이 정상 혈관을 만드는 '설계도'를 훔쳐 새로운 혈관을 만든다는 사실을 밝혀내고, 이를 조절하는 핵심 단백질인 인테그린(Integrin)을 새로운 치료 표적으로 제시했다.우리 대학은 생명과학과 정인경 교수, 의과학대학원 이지민 교수, 기초과학연구원(IBS, 원장 장석복) 혈관 연구단 고규영 교수 공동 연구팀이 종양이 정상 혈관 발달 과정에서만 일시적으로 사용되는 유전자 프로그램을 다시 활성화해 혈관신생(종양에 필요한 새로운 혈관을 만드는 과정)을 유도한다는 사실을 규명했다고 29일 밝혔다.종양은 성장에 필요한 산소와 영양분을 얻고, 나아가 다른 조직으로 퍼지기 위해 주변에 새로운 혈관이 자라도록 유도한다. 이를 막기 위해 혈관신생 억제 치료제가 사용되고 있지만, 장기적인 치료 효과가 제한적인 경우가 많다. 이는 종양 혈관 세포가 주변 환경에 맞춰 성질을 쉽게 바꾸기 때문이다. 그러나 지금까지는 이러한 변화가 어떻게 시작되는지 명확히 밝혀지지 않았다.연구팀은 8종의 고형암 데이터를 분석한 결과, 암의 종류와 관계없이 종양 혈관 세포에서 새로운 혈관을 자라게 하고 세포 주변 환경을 바꾸는 유전자들이 공통적으로 활발하게 작동한다는 사실을 확인했다. 이러한 특징은 대장암을 비롯한 여러 암에서 예후가 좋지 않은 경우와도 밀접한 관련이 있었다.또한 세포 하나하나에서 어떤 유전자가 작동하는지를 분석하는 단일세포 전사체(single-cell transcriptome)와 DNA 서열은 그대로 유지한 채 유전자 작동을 조절하는 정보를 분석하는 후성유전체(epigenome) 분석을 통해, 종양 혈관 세포의 유전자 조절 체계가 다시 바뀌면서 이러한 변화가 나타난다는 사실도 확인했다.< 연구개요도 > 연구팀은 그 원인을 확인하기 위해 인간 배아줄기세포(우리 몸의 다양한 세포로 자랄 수 있는 줄기세포)를 혈관 내피세포(혈관 안쪽을 이루는 세포)로 분화시켜 정상 혈관이 만들어지는 과정을 재현했다.이어 정상 혈관이 발달하는 각 단계에서 어떤 유전자들이 작동하는지를 분석한 결과, 종양 혈관에서 활성화되는 유전자 프로그램은 정상 혈관이 완성되기 직전인 후기 전구체 단계(late progenitor stage, 성숙한 혈관 세포가 되기 직전 단계)에서만 잠시 나타나는 프로그램과 매우 유사하다는 사실을 단일세포 후성유전체 및 3차원 게놈 분석을 통해 처음으로 확인했다.이는 종양이 혈관신생을 위해 새로운 메커니즘을 만들어낸 것이 아니라, 정상 혈관 발달 과정에서 일시적으로 사용되는 유전자 프로그램을 다시 활용한다는 것을 의미한다. 마치 새로운 설계도를 만드는 것이 아니라 예전에 사용했던 설계도를 다시 꺼내 사용하는 것과 같은 원리다.또한 연구팀은 종양미세환경(종양을 둘러싼 세포와 조직 환경)을 분석한 결과, 인테그린이 이러한 유전자 프로그램을 다시 활성화하는 핵심 역할을 한다는 사실을 확인했다. 실제 대장암 환자의 종양 혈관에서는 인테그린의 발현이 증가했으며, 이를 억제하자 이종이식 마우스 모델(사람의 암 조직을 이식한 실험용 생쥐)에서 종양 혈관 형성과 종양 성장도 함께 감소하는 것으로 나타났다.< 연구이미지(ai생성) > 정인경 교수는 "이번 연구는 종양이 새로운 혈관을 만드는 방법을 새로 만들어낸 것이 아니라, 정상 혈관이 만들어질 때 사용하는 프로그램을 다시 이용한다는 사실을 밝혀낸 데 의미가 있다"며 "이번 성과가 기존 항혈관신생 치료(종양으로 자라는 새로운 혈관을 막는 치료)의 한계를 극복하거나 또는 종양혈관을 정상혈관으로 전환 시킬 수 있는 새로운 치료법 개발로 이어지길 기대한다"고 말했다.이번 연구는 박사후연구원 이정운 박사(현 하버드대학교 박사후연구원), 민선우 박사(현 충남대학교 교수), 추메이위(Mei-Yu Qiu) 박사, 박수찬 박사과정생이 공동 제1저자로 참여했으며, 정인경 교수, 이지민 교수, 고규영 교수가 공동 교신저자로 참여했다. 연구 결과는 미국암연구학회(AACR)의 국제학술지 Cancer Research(IF=22.3)에 6월 8일 온라인 게재됐다.※ 논문명: A Co-opted Developmental Gene Regulatory Program in Endothelial Progenitors Promotes Tumor Angiogenic Phenotypes, DOI: 10.1158/0008-5472.CAN-25-5094이번 연구는 한국연구재단 기초연구사업과 바이오의료기술개발사업, KAIST 이노코어(InnoCORE) 사업 및 기초과학연구원(IBS)의 지원을 받아 수행됐다.