카이스트총동문회

동문소식 (총 3162건)

전산학부

[연구]한 번 배운 풀이 기억…스마트폰 AI가 비슷한 문제 스스로 푼다

< (왼쪽부터) KAIST 정보전자연구소 이영준 박사, 전산학부 이재길 교수, 우측 상단 개별 사진 왼쪽부터 Amazon 김도영 박사, LG AI연구원 강준혁 박사, KAIST 산업및시스템공학과 송환준 교수 > 어려운 문제를 풀 때마다 전문가에게 다시 묻는 대신, 한 번 배운 풀이를 공책에 적어두고 비슷한 문제에 활용하는 AI 기술이 나왔다. 우리 대학 연구진은 스마트폰 속 소형 AI가 서버의 대형 AI에게서 얻은 지식을 기기에 쌓아두고 재사용하도록 해, 높은 정확도를 유지하면서 서버 호출을 평균 55.61% 줄였다. 비슷한 문제를 만날수록 서버에 덜 의존하고 더 빠르게 판단하는 모바일 AI의 가능성을 제시한 것이다.우리 대학은 전산학부 이재길 교수 연구팀이 기기의 소형 AI와 서버의 대형 AI를 효율적으로 연결하는 기기-서버 협업 기술 ‘CURE(Cumulative Knowledge Reuse, 누적 지식 재사용)’를 개발했다고 21일 밝혔다.스마트폰과 같은 기기는 계산 능력과 메모리가 제한돼 가벼운 소형 AI 모델을 주로 사용한다. 소형 모델은 간단한 문제는 빠르게 처리하지만, 복잡하거나 낯선 이미지를 구분할 때는 정확도가 떨어질 수 있다.반대로 모든 문제를 고성능 서버의 대형 AI에 맡기면 정확도를 높일 수 있지만, 데이터를 보내고 답을 기다리는 시간이 길어진다. 통신량과 서버 연산량도 늘어나 이용자의 대기 시간과 서비스 운영 비용이 커진다.이를 보완하기 위해 기기의 소형 AI가 먼저 판단하고 어려운 문제만 서버로 보내는 협업 방식이 연구돼 왔다. 그러나 기존 방식은 서버에서 받은 답을 그때만 사용하기 때문에, 비슷한 문제가 다시 들어와도 서버에 같은 도움을 반복해서 요청해야 했다. 마치 학생이 어려운 문제의 답을 듣고도 기록해 두지 않아, 같은 유형의 문제를 만날 때마다 다시 물어보는 것과 같다. 연구팀은 서버가 알려준 답을 일회성으로 사용하지 않고, 기기가 이후에도 활용할 수 있는 지식으로 축적하는 데 주목했다.CURE는 먼저 기기의 소형 AI가 입력을 스스로 처리할 수 있는지 판단한다. 해결하기 어렵다면 기기에 저장된 서버 지식을 활용하고, 저장된 지식으로도 부족할 때만 서버에 도움을 요청한다. ‘혼자 풀기→배운 내용 찾아보기→전문가에게 묻기’의 3단계로 문제를 처리하는 방식이다.예를 들어 소형 AI가 사진 속 특정 차종을 구분하지 못하면 서버의 대형 AI에 답을 요청한다. 이때 CURE는 서버의 판단 결과와 이미지의 특징을 기기의 지식 저장소에 반영한다. 이후 비슷한 차종의 사진이 들어오면 앞서 저장한 지식을 참고해 서버에 다시 묻지 않고 기기에서 직접 판단한다.< 기존 기기-서버 협업 방식 vs CURE 프레임워크의 비교 > 특히 CURE는 서버가 처리한 사진을 하나씩 그대로 저장하지 않는다. 여러 사진이 공유하는 특징과 서로 다른 점을 요약해 지식으로 보관한다. 자동차 사진을 통째로 외우는 대신 차체 모양이나 전조등처럼 차종을 구분하는 핵심 특징을 정리해 두는 것과 같다. 이를 통해 이전에 본 사진뿐 아니라 처음 접하는 유사한 사진을 판단할 때도 축적된 지식을 활용할 수 있다.연구팀은 이미지와 글을 함께 이해하는 ‘비전-언어 모델’을 이용해 CURE의 성능을 검증했다. 비전-언어 모델은 사람처럼 이미지를 보고, 그 내용을 언어와 연결해 이해하는 AI다.기기용 소형 모델로는 MobileCLIP2를, 서버용 대형 모델로는 180억 개의 매개변수를 가진 EVA-CLIP을 사용했다. 매개변수는 AI가 학습 과정에서 익힌 정보를 담고 있는 내부 수치로, 사물을 구분하고 관계를 판단할 때 활용하는 ‘판단 기준’과 같다.다양한 이미지 분류 데이터셋을 이용한 실험에서 CURE는 모든 입력을 대형 서버 모델로 처리하는 방식에 근접한 정확도를 유지했다. 그러면서 서버의 지식을 축적하지 않는 기존 기기-서버 협업 방식보다 서버 호출 횟수를 평균 55.61% 줄였다.처리 속도는 기존 기기-서버 협업 방식보다 최대 2.80배 빨랐으며, 모든 입력을 서버로 보내는 방식보다 최대 3.67배 빨랐다. 서버에 묻는 횟수를 줄여 데이터를 주고받고 답을 기다리는 시간을 단축한 결과다.CURE는 소형 모델과 서버 모델을 별도로 다시 학습시키지 않고도 적용할 수 있다. 기존 AI 모델은 그대로 두고 서버에서 얻은 지식을 담는 별도의 저장소를 붙이는 방식이어서, 다양한 AI 모델과 서비스에 유연하게 적용할 수 있다는 것도 장점이다.이번 기술은 모바일 사진 인식과 이미지 검색 등에서 반복적인 데이터 전송과 서버 연산을 줄여 이용자의 대기 시간과 서비스 운영 부담을 낮추는 데 활용될 수 있다.스마트폰뿐 아니라 제한된 기기 자원으로 주변 환경을 인식해야 하는 로봇과 웨어러블 기기에도 응용할 수 있다. 특히 통신이 느리거나 불안정한 환경에서 로봇이 서버의 답을 기다리지 않고, 이전에 얻은 지식을 바탕으로 더 많은 상황을 현장에서 직접 판단하는 데 도움을 줄 수 있다.< 연구 이미지(AI 생성) > 다만 실제 적용 효과는 기기의 성능과 저장 공간, 통신 환경, 입력 데이터의 특성 등에 따라 달라질 수 있어 다양한 기기와 환경에서 추가 검증이 필요하다.이재길 교수는 “CURE는 기기의 소형 AI가 서버에 같은 문제를 반복해서 묻지 않고, 한 번 얻은 지식을 기억해 다시 활용하도록 한 기술”이라며 “높은 정확도를 유지하면서 통신 부담과 응답 시간을 줄여 스마트폰과 로봇, 웨어러블 등 다양한 기기에서 고성능 AI를 효율적으로 활용하는 기반이 될 것으로 기대한다”고 말했다.이번 연구에는 KAIST 정보전자연구소 이영준 박사후연구원이 제1저자로, 전산학부 이재길 교수가 교신저자로 참여했다. Amazon 김도영 연구원, LG AI연구원 강준혁 연구원, KAIST 산업및시스템공학과 송환준 교수가 공동저자로 참여했다. 연구 결과는 지난 9월 8일부터 12일까지 스웨덴 말뫼에서 열린 컴퓨터 비전 분야 주요 국제학술대회 ‘유럽컴퓨터비전학회(ECCV 2026, European Conference on Computer Vision)’에서 10일 발표됐다.※ 논문명: CURE: Cumulative Knowledge Reuse for Efficient Device-Server Hybrid Inference in Vision-Language Models, DOI: https://doi.org/10.1007/978-3-032-37627-5_21※ 저자정보: 이영준 박사후연구원(KAIST 정보전자연구소, 제1저자), 김도영 연구원(KAIST 졸업, 현 Amazon, 공동저자), 강준혁 연구원(KAIST 졸업, 현 LG AI연구원, 공동저자), 송환준 교수(KAIST 산업및시스템공학과, 공동저자), 이재길 교수(KAIST 전산학부, 교신저자)※ 관련 영상 링크: https://drive.google.com/file/d/1oIn-eYW4IEI_dOFWeTeaDotf1IBDjRLt/view?usp=share_link한편, 이번 연구는 과학기술정보통신부와 정보통신기획평가원의 ‘사람중심인공지능핵심원천기술개발사업’ 중 ‘AI학습능력개선기술개발’ 과제(과제번호 RS-2022-II220157)의 지원 등을 받아 수행됐다. 출처 : https://researchnews.kaist.ac.kr/researchnews/html/news/?mode=V&mng_no=67310
- KAIST총동문회
- 2026-09-22
동문소식 > 모교 소식 > 연구개발
화학과

[연구]반응 일으키는 ‘라디칼’ 만들고 촉매도 되살려..어려운 화학 반응 길 열어

< (왼쪽부터) KAIST 이윤미 교수, KAIST 장세라 석박사통합과정, 연세대학교 장성렬 석사, KAIST 김수민 석박사통합과정 > 의약품처럼 복잡한 물질을 만들 때는 다른 물질과 쉽게 반응해 새로운 결합을 만드는 ‘라디칼(radical)’이 유용하게 쓰인다. 하지만 라디칼을 잘 만들어도 촉매가 다시 제자리로 돌아오지 못하면 반응을 이어갈 수 없다. 우리 대학 연구진이 라디칼 생성과 촉매 재생의 균형을 맞추는 새로운 전략을 개발해, 쉽게 반응하지 않는 물질까지 활용해 의약품 등에 필요한 복잡한 분자를 만드는 새로운 합성법 개발의 가능성을 넓혔다.< 연구 이미지 (AI 생성) > 우리 대학은 화학과 이윤미 교수 연구팀이 금속 촉매에 붙어 촉매의 성질을 조절하는 ‘리간드(ligand)’를 이용해, 구리 촉매가 라디칼을 만들고 다시 원래 상태로 돌아오는 과정을 효과적으로 조절하는 방법을 개발했다고 20일 밝혔다.연구팀은 ‘사이클로프로펜이민(cyclopropenimine, CPI)’이라는 유기분자를 리간드로 사용했다. CPI 리간드는 구리 촉매에 붙어 전자를 주고받는 성질인 ‘산화·환원’을 조절해, 라디칼을 만드는 과정과 반응 후 변한 촉매를 다시 원래 상태로 되돌리는 과정이 원활하게 이어지도록 한다.< 사이클로프로펜이민 리간드-구리 복합체의 구조 > 이번 연구에서는 탄소에 브로민이나 염소 등이 붙어 있는 ‘3차 알킬 할라이드(tertiary alkyl halide)’를 출발물질로 사용했다. 구리 촉매가 이 결합을 끊으면 반응성이 높은 라디칼이 만들어지고, 이 라디칼이 같은 분자 안의 다른 부분과 새롭게 연결되면서 고리 모양의 구조가 만들어진다. 마치 풀려 있던 끈의 양 끝을 연결해 고리를 만드는 것과 비슷하다. 이를 ‘라디칼 고리화 반응(radical cyclization)’이라고 한다.연구팀이 여러 종류의 리간드를 비교한 결과, 라디칼을 많이 만든다고 해서 반드시 원하는 물질이 많이 만들어지는 것은 아니었다. 일부 리간드는 라디칼은 매우 잘 만들었지만 최종 생성물은 거의 만들어내지 못했다.반면 CPI 리간드는 라디칼 생성과 촉매 재생이 균형 있게 이어지도록 했다. 촉매를 반복해서 일하는 ‘작업자’라고 한다면, CPI 리간드는 작업자가 한 번 일하고 멈추지 않고 다시 다음 일을 할 수 있도록 돕는 ‘조력자’ 역할을 한 셈이다.그 결과 연구팀은 의약품과 생리활성 물질에서 활용되는 중요한 고리형 분자 구조인 ‘3,3-이치환 옥신돌(3,3-disubstituted oxindole)’을 높은 수율로 합성하는 데 성공했다.< 사이클로프로펜이민-구리 촉매를 이용한 3,3-이치환 옥신돌 반응과 메커니즘 > 특히 브로민이 붙은 물질은 상온에서도 효율적으로 반응했다. 더 나아가 쉽게 끊어지지 않는 강한 탄소-염소 결합을 가진 물질까지 반응시키는 데 성공했다. 기존에는 다루기 까다로웠던 ‘3차 알킬 클로라이드’까지 활용해 만들기 어려웠던 다양한 옥신돌 화합물을 합성할 수 있음을 보여준 것이다.이번 연구의 핵심은 라디칼을 잘 만드는 것만으로는 충분하지 않다는 점이다. 특정 단계의 반응성만 높이는 데서 나아가, 라디칼 생성과 촉매 재생을 포함한 전체 촉매 사이클의 균형을 조절함으로써 보다 효율적인 촉매를 설계하고 새로운 반응으로 확장할 수 있는 가능성을 보여줬다.이러한 원리를 활용하면 앞으로 지금까지 쉽게 반응하지 않아 활용하기 어려웠던 물질도 새로운 합성 재료로 사용할 가능성이 커진다. 이를 통해 의약품과 생리활성 물질처럼 구조가 복잡한 분자를 보다 온화하고 효율적인 조건에서 만드는 새로운 합성법 개발에 활용될 것으로 기대된다.< 연구 이미지 (AI 생성) > 이윤미 교수는 “이번 연구에서는 라디칼을 잘 만드는 것만으로는 충분하지 않고, 하나의 촉매 반응을 이루는 여러 과정이 균형 있게 이어지는 것이 중요하다는 점을 구체적으로 확인했다”며 “앞으로 반응시키기 어려운 다양한 물질을 활용하는 새로운 라디칼 촉매 반응 개발에 적용할 수 있을 것으로 기대한다”고 말했다.KAIST 화학과 장세라 석박사통합과정과 연세대학교에서 석사과정을 졸업한 정성렬이 공동 제1저자로, KAIST 화학과 김수민 석박사통합과정이 참여한 이번 연구는 미국화학회(American Chemical Society, ACS)가 발행하는 국제 학술지 ‘미국화학회지(Journal of the American Chemical Society, JACS)’에 8월 3일 온라인 게재됐다.※ 논문명: Cyclopropenimine-Enabled Redox Control in Copper-Catalyzed Radical Cyclization to 3,3-Disubstituted Oxindoles,※ DOI: 10.1021/jacs.6c09015※ 저자 정보: 장세라(KAIST, 공동 제1저자), 정성렬(연세대학교, 공동 제1저자), 김수민(KAIST, 제3저자), 이윤미(KAIST, 교신저자) 출처 : https://researchnews.kaist.ac.kr/researchnews/html/news/?mode=V&mng_no=67290
- KAIST총동문회
- 2026-09-22
동문소식 > 모교 소식 > 연구개발
신소재공학과

[연구]칫솔·스포츠웨어로 이어진 원천기술…고성능 그래핀 섬유 연구로 확장

< (왼쪽부터) KAIST 신소재공학과 김상욱 교수, 신소재공학과 박사과정 김진효, 신소재공학과 박사과정 차수진 > 우리 대학이 2011년 세계 최초로 발견한 ‘산화그래핀 액정’이 15년간 전세계적인 후속 연구를 거쳐 고강도·고열전도 그래핀 섬유 제조기술로까지 연구영역을 넓히고 있다. 항균 칫솔과 기능성 스포츠웨어 등 생활제품 상용화로 이어진 우리 대학의 원천소재 연구가 이제 첨단 열관리 소재로까지 확장되고 있다.< 글리세롤에 분산된 산화그래핀 액정의 점탄성 기반 초연신 원리 및 고배향 그래핀 섬유 형성 과정 > 우리 대학은 신소재공학과 김상욱 교수 연구팀이 산화그래핀 액정을 기반으로 한 고성능 그래핀 섬유 연구의 최신 발전과 학술적 의미를 조명한 논평을 세계적 권위의 국제 학술지 ‘네이처 머티리얼스(Nature Materials)’의 ‘뉴스 앤 뷰스(News & Views)’에 발표했다고 18일 밝혔다.산화그래핀(Graphene Oxide)은 탄소 원자가 벌집 모양으로 한 층 배열된 매우 얇은 소재인 ‘그래핀’에 산소 성분을 결합시킨 소재다. 그래핀은 강하고 열과 전기를 잘 전달하지만 물에 잘 섞이지 않아 용액 상태로 가공하기가 쉽지 않다. 반면 산화그래핀은 산소 성분이 붙으면서 물에 잘 섞이기 때문에 잉크처럼 만들거나 코팅하고, 실처럼 뽑는 등 다양한 형태로 가공하기가 쉽다.김상욱 교수팀은 2011년 이러한 산화그래핀이 물속에서 일정 농도 이상으로 섞이면 얇은 판 모양의 시트들이 한 방향으로 가지런히 배열되는 ‘액정’ 상태를 형성한다는 사실을 세계 최초로 보고했다.물속에 제각각 떠다니던 얇은 산화그래핀 조각들이 특정 조건에서는 마치 카드 여러 장을 한 방향으로 가지런히 정리하듯 줄을 맞춰 배열되는 현상이다. 이러한 특성을 이용하면 산화그래핀을 한 방향으로 정렬시키면서 실처럼 길게 뽑아 섬유 형태로 가공할 수 있다.이 발견 이후 전세계 여러 연구진이 산화그래핀 액정을 이용해 그래핀 섬유를 만드는 연구를 발전시켜 왔다. 하지만 기존 방식에서는 실을 뽑는 과정에서 용액이 쉽게 끊어지거나 그래핀 시트들이 충분히 촘촘하게 정렬되지 않아 내부에 빈 공간과 결함이 생기는 문제가 있었다. 이 때문에 섬유의 강도와 열전달 성능을 동시에 높이는 데 한계가 있었다.김 교수팀은 이번 논평에서 이러한 한계를 극복한 최신 연구를 소개하고, 산화그래핀 액정 연구가 고성능 섬유 제조기술로 발전하는 과정과 의미를 분석했다.최근 중국 저장대학교 연구진은 산화그래핀을 점도가 높은 글리세롤에 분산해 고분자 용액처럼 잘 늘어나는 성질을 구현했다. 이를 통해 실을 뽑는 과정에서 산화그래핀 용액을 강하게 늘이는 ‘초고연신 방사(ultrahigh-ratio drawing)’가 가능해졌다.이 과정에서 판 모양의 산화그래핀 시트들이 섬유 방향을 따라 더욱 가지런하게 정렬되고 내부의 빈 공간과 결함도 줄어든다. 이어 고온 열처리를 통해 그래핀 구조를 더욱 치밀하게 만들면 가벼우면서도 강하고 열과 전기를 빠르게 전달하는 고성능 그래핀 섬유를 만들 수 있다.실제로 최신 후속 연구에서 제조된 그래핀 섬유는 최대 5.9기가파스칼(GPa)의 인장강도와 미터·켈빈당 최대 1,720와트(W/m·K)의 열전도도를 나타낸다고 보고되었다. 쉽게 말해 잡아당겨도 쉽게 끊어지지 않으면서 열을 빠르게 전달하는 ‘강하고 열 잘 통하는 실’을 구현한 것이다. 이는 산화그래핀을 촘촘하고 가지런하게 정렬할수록 섬유의 강도와 열전달 성능을 함께 높일 수 있음을 보여준다.김상욱 교수팀은 이번 논평에서 특히 2011년 처음 발견한 산화그래핀 액정이 단순한 학술적 현상을 넘어, 고분자 용액처럼 흐르고 늘이면서 가공할 수 있는 이차원 소재로 발전해 온 과정에 주목했다.< 그래핀 섬유를 들고 있는 김상욱 교수 > 15년 전 우리 대학 연구진이 발견한 ‘산화그래핀이 스스로 정렬하는 현상’이 세계 연구진의 지속적인 후속 연구를 통해 이제는 ‘강하고 열을 잘 전달하는 실’을 만드는 기술로까지 연구영역을 넓히고 있는 것이다.그간 우리 대학의 산화그래핀 액정 관련 원천기술은 연구실을 넘어 실제 생활제품으로도 확장돼 왔다. 김상욱 교수의 교원창업기업인 ㈜소재창조의 원천기술이 적용된 그래핀 항균 칫솔은 2023년 출시 이후 1,400만 개 이상 판매됐으며, 그래핀텍스(GrapheneTex) 소재를 활용한 기능성 섬유는 2024년 파리 올림픽 태권도 시범단 도복에 적용됐다. 최근에는 기능성 골프웨어등 다양한 스포츠 의류나 침구등에도 적용되며 글로벌 시장 진출을 추진하고 있다.이번 논평은 하나의 기초과학적 발견이 다양한 방향으로 확장될 수 있음을 보여준다는 점에서도 의미가 있다. 우리 대학에서 시작된 산화그래핀 액정 연구가 한편으로는 항균 칫솔과 기능성 스포츠웨어 등 생활제품으로 상용화되고, 다른 한편으로는 전세계 연구진들의 후속 연구를 통해 고강도·고열전도 그래핀 섬유와 같은 첨단소재 연구로 발전하고 있기 때문이다.< 상용화된 그래핀 칫솔 > 향후 고성능 그래핀 섬유는 가볍고 강하면서 열을 빠르게 전달하는 특성을 바탕으로 전자기기의 열관리 소재를 비롯해 전기차·항공우주 분야의 경량 열관리 부품, 웨어러블 전자소자와 스마트 의류 등 다양한 분야에 활용될 수 있다.< AI 생성 이미지 > 김상욱 교수는 “2011년 발견한 산화그래핀 액정이 전세계 여러 연구진의 후속 연구를 거쳐 이제 강하고 열을 잘 전달하는 고성능 그래핀 섬유로까지 발전하고 있다”며 “하나의 기초연구가 칫솔과 기능성 의류 같은 생활제품은 물론 전자기기·모빌리티·항공우주 등 첨단소재로 활용 범위를 넓혀가고 있다는 점에서 의미가 크다”고 말했다.이번 논평은 KAIST 신소재공학과 김진효 박사과정, 차수진 박사과정, 김상욱 교수가 참여했으며, ‘네이처 머티리얼스(Nature Materials)’의 ‘뉴스 앤 뷰스(News & Views)’ 섹션에 9월 8일 게재됐다.※ 논평명 : Processing graphene fibres by viscous flow, DOI : 10.1038/s41563-026-02735-y 출처 : https://researchnews.kaist.ac.kr/researchnews/html/news/?mode=V&mng_no=67210
- KAIST총동문회
- 2026-09-22
동문소식 > 모교 소식 > 연구개발
기계공학과

500kg급 산업용 로봇부터 휴머노이드까지...유일로보틱스, 고하중 라인업 확대 - 노경식 동문(기계공학)
언론사 연결하기
- KAIST총동문회
- 2026-09-22
동문소식 > 최근 소식 > 언론 속 동문소식
전기및전자공학부

카이스트 신임 이사장에 권오현 前 삼성전자 대표 - 권오현 동문(전기및전자공학)
언론사 연결하기
- KAIST총동문회
- 2026-09-22
동문소식 > 최근 소식 > 동문동정

사업&활동 (총 19건)

회비 및 서비스 (총 1건)

동문회비 안내
- 매니저
- 2024-11-11
회비 및 서비스 > 회비·찬조금납부 > 동문 회비 안내

총동문회 소개 (총 5건)

장학재단 소개 (총 4건)

개인정보 보호방침 (총 1건)

연혁
- 관리자
- 2024-12-19
개인정보 보호방침 > 개인정보 보호방침

이용약관 (총 2건)

통합검색

통합검색