카이스트총동문회

동문소식 (총 2443건)

전산학부

[연구]KAIST, 생성 AI 국가 R&D 사업서 핵심기술 개발 주도

KAIST는 산업체의 실질적 기술 수요에 기반한 연구 주제 도출, 고급 AI 인재 양성, 연구 성과의 산업 현장 실증을 통해 AI 기술의 산업 적용(AX, AI Transformation) 전환을 주도하고 있다. 이러한 가운데, KAIST가 과학기술정보통신부 주관 생성AI 국가R&D 사업에서 AI 핵심기술 개발에 나서며, 국내 AI 기술 경쟁력 강화에 앞장서고 있다고 13일 밝혔다.우리 대학은 이번 ‘생성AI 선도인재양성사업’에서 산업체 주관 2개 과제와 기관 주관 1개 과제 등 총 3개 과제 모두의 공동연구기관으로 선정됨으로써, 생성형 AI의 핵심 기술 개발과 산학협력 기반 실무형 핵심 인재 양성이라는 이중 과제를 함께 수행하게 됐다.또한 ‘독자 AI 파운데이션 모델 개발’사업에서는 총 5개 컨소시엄 중 4개에 우리 교수진이 핵심 연구진으로 참여해, 명실상부한 국내 생성 AI 연구의 중심 축 역할을 하고 있다.생성AI 선도인재양성사업에서 각 과제당 67억 원, 독자 AI 파운데이션 모델 개발 사업에서 각 컨소시엄은 GPU 인프라 등 총 2,000억 원 규모의 정부 지원을 받는다.2028년 말까지 진행되는 ‘생성AI 선도인재양성사업’의 일환으로, 우리 대학은 LG AI연구원과 협력, 전산학부 박노성 교수가 KAIST 책임연구자로 참여해 피지컬(Physical) AI 분야 연구를 수행한다. 이 사업은 물리 법칙에 기반한 이미지·비디오 생성 기술과 세계 모델(World Model) 개발에 집중한다.특히 AI가 물리 세계의 실제 규칙을 더 정밀하게 학습하도록 설계된 모델 구조를 제안한 연구를 박노성 교수팀과 윤성의 교수팀이 진행하고 있고, 이는 물리 기반 생성형 AI(피지컬 AI)의 핵심 기술로 평가받고 있다.< 왼쪽부터 우리 대학 박노성, 이재길, 황지영, 윤성의, 김현우 교수 >또한 이 과제에는 AI 분야에서 세계적으로 주목받는 성과를 내고 있는 전산학부 박노성, 이재길, 황지영, 윤성의, 김현우 교수가 공동 참여한다. 이들은 올해 AI 분야 최고 학회인 ICLR, ICRA, ICCV, ICML에서 ▲물리 법칙 기반 올리비에-리치 플로우(Ollivier-Ricci Flow) 연구(ICLR 2025, 박노성 교수) ▲사족보행 로봇의 내비게이션 효율성 향상 기술(ICRA 2025, 윤성의 교수) ▲텍스트-비디오 검색을 위한 멀티모달 대형언어모델(ICCV 2025, 김현우 교수) ▲지식 생성을 위한 구조적 표현 학습(ICML 2025, 황지영 교수) 등을 발표했다. < (a)물리 법칙 기반 올리비에-리치 플로우(Ollivier-Ricci Flow) 연구 (Physics-Informed Ollivier-Ricci Flow), ICLR2025 (박노성 교수 연구실), (b)사족보행 로봇의 내비게이션 효율성 향상 기술(Enhancing Navigation Efficiency of Quadruped Robots), ICRA2025 (윤성의 교수 연구실), (c)텍스트-비디오 검색을 위한 멀티모달 대형언어모델(Multi-Modal Large Language Models for Text-Video Retrieval), ICCV2025 (김현우 교수 연구실), (d)지식 생성을 위한 구조적 표현 학습(Structural Representation Learning for Knowledge Generation), ICML 2025 (황지영 교수 연구실) >NC AI와의 협력 사업에서는 전산학부 김태균 교수가 책임연구자로 참여해 멀티모달 AI 에이전트 기술을 개발한다. 3D 모델링, 애니메이션, 아바타 표정 생성, 캐릭터 AI 등 게임 산업 전반에 적용 가능한 기술을 연구한다. 게임 제작 파이프라인을 효율화하여 산업 현장을 경험함으로써 실무형 AI 인재를 육성하는 데 기여할 전망이다.가상세계와 게임 산업에서 몰입감 있는 아바타 구현의 핵심 기술을 개발하고 있는 책임연구자인 김태균 교수는 3차원 컴퓨터 비전, 생성 AI의 석학으로, 이번 메타와 공동 연구를 통해 개발한 1인칭 시점 전신 동작 확산 모델을 VR·AR 환경에 적용할 것이다.< 왼쪽 위부터 우리 대학 김태균, 성민혁, 오태현, 이성희, 우운택, 노준용, 임경태, 이기민, 김승룡 교수 >NC와의 사업에는 전산학부 김태균, 성민혁, 오태현 교수와 문화기술대학원 이성희, 우운택, 노준용, 임경태 교수가 참여한다. 이들은 CVPR 2025와 ICLR 2025에서 ▲ 1인칭 시점 전신 동작 확산 모델(CVPR 2025, 김태균 교수) ▲ 이미지 생성을 위한 확률적 확산 동기화 기술(ICLR 2025, 성민혁 교수) ▲ 대규모 3차원 얼굴 메시 비디오 데이터셋 구축(ICLR 2025, 오태현 교수) ▲ 사물 적응적 에이전트 동작 생성 기술 InterFaceRays (Eurographics 2025, 이성희 교수) ▲ 3차원 뉴럴 얼굴 편집 기술 (CVPR2025, 노준용 교수) ▲ 다국어 시각-언어 모델의 선택적 검색 증강 기술 연구(COLING2025, 임경태 교수) 등 세계적인 성과를 발표한 바 있다.한국전자기술연구원(KETI) 주관 사업에는 김재철AI대학원 김승룡 교수가 생성AI 기술 개발 등에 참여한다. 김 교수팀은 최근에 어도비 리서치(Adobe Research), 구글 딥마인드(Google DeepMind) 등과 함께 비디오 데이터에서 강인한 점추적 정보를 추출하는 기술을 개발하여 비디오를 명확히 이해하고 생성하는 핵심 기술을 제시했다.각 산업체 파트너는 우리 대학과 공동 강의를 개설하고 보유한 생성AI 파운데이션 모델을 교육·연구용으로 제공한다. 선발된 우수 학생들은 산업체에 파견되어 실무 중심의 연구를 수행하며, 우리 교수진은 LG AI연구원이 설립한 자체 AI 대학원에서 겸임교수로도 활동할 예정이다.< (a)1인칭 시점 전신 동작 확산 모델Egocentric Whole-Body Motion Diffusion, CVPR2025 (김태균 교수 연구실), (b)이미지 생성을 위한 확률적 확산 동기화 기술 Stochastic Diffusion Synchronization for Image Generation, ICLR2025 (성민혁 교수 연구실), (c)대규모 3차원 얼굴 메시 비디오 데이터셋 구축A Large-Scale 3D Face Mesh Video Dataset, ICLR2025 (오태현 교수 연구실), (d) 사물 적응적 에이전트 동작 생성 기술 InterFaceRays, Eurographics 2025 (이성희 교수 연구실) (e) 3차원 뉴럴 얼굴 편집 기술 CVPR2025 (노준용 교수 연구실) (f) 다국어 시각-언어 모델의 선택적 검색 증강 기술 연구, COLING2025 (임경태 교수 연구실) >한편 과기정통부 '독자 AI 파운데이션 모델 개발' 사업에 우리 대학은 4개 컨소시엄에 참여해 독보적인 존재감을 보였다.NC AI 컨소시엄에서는 전산학부 김태균, 윤성의, 박노성, 황지영, 성민혁 교수가 참여해, 멀티모달 파운데이션 모델(LMM) 및 로봇 기반 모델 개발에 집중한다. 특히 공간·물리·시간 상식을 학습하는 방식의 LMM 개발에 주력한다. 즉, 글·그림·영상·소리 등 다양한 정보를 동시에 이해하고 처리할 수 있는 '만능 AI 두뇌'를 가지고 물리 세계를 이해하고 상호작용할 수 있는 차세대 멀티모달 AI 모델 개발에 최적화된 연구팀을 구성했다.업스테이지 컨소시엄에는 데이터 AI, NLP(자연언어) 각 분야 석학인 전산학부 이재길, 오혜연 교수와 LLM 전문가인 문화기술대학원 임경태 교수가 참여해 금융, 법률, 제조 등 산업별 버티컬 모델 개발을 담당한다. 우리 대학 연구진은 산업 현장에서 바로 적용 가능하고 각 산업에 맞는 실용적 AI 모델 개발에 집중한다.네이버 컨소시엄에는 멀티모달 학습, 조합적 언어시각 모델에 핵심기술을 가진 전산학부 오태현 교수, 언어 모델을 사용하여 비디오 추론, 생성 방법론을 제시한 김현우 교수와, 김재철AI대학원 및 전자과 교수진이 공동 참여한다.SKT 컨소시엄에는 텍스트-이미지 생성, 인간 선호도 모델링, 시각적 로봇 조작 기술 개발에서 탁월한 성과를 보이는 김재철AI대학원 이기민 교수가 참여한다. 이 기술은 통신사의 개인화 서비스와 맞춤형 AI 솔루션 개발에 핵심적 역할을 할 것으로 전망된다.이번 성과는 KAIST가 추진해 온 산업 수요 기반 연구와 현장 실증 중심의 AI 기술 개발 전략이 결실을 맺은 것으로 평가된다.우리 대학 이광형 총장은 "AI 기술이 학문적 성과를 넘어 산업과 연결되고 실용화되기 위해서는 정부의 지속적 지원과 산학협력 중심의 연구·교육이 핵심”이라며 "KAIST는 앞으로도 산업 현장의 문제를 해결하고 AI 생태계 경쟁력을 높이는 실질적 기여에 힘쓸 것”이라고 밝혔다.또한 이번 독자 파운데이션 모델 개발 사업에서 KAIST 주관기관으로 지원됐던 김재철AI대학원 황성주 교수 주도의 프로젝트는 아쉽게도 최종 선정에는 이르지 못했지만, 독창적인 접근과 과감한 시도가 돋보인 의미 있는 도전으로 평가받고 있다. 이 총장은 “선정 여부와 관계없이 이러한 시도가 축적되며 대한민국 AI 생태계를 더욱 풍요롭게 만들 것”이라고 덧붙였다.
- KAIST총동문회
- 2025-08-13
동문소식 > 모교 소식 > 연구개발
전산학부

[연구]GPU 한 대로 95배 빠르게 그래프 분석 AI 'FlexGNN' 개발

< (왼쪽부터) 한동형 그래파이 CTO, 전산학부 배정민 박사과정, 전산학부 김민수 교수 >텍스트 기반 대규모 언어 모델(LLM)인 ChatGPT 등과 함께, 산업 현장에서는 금융 거래, 주식, SNS, 환자기록, 등 비정형 데이터를 그래프 형태로 분석하는 GNN(Graph Neural Network) 기반의 그래프 AI 모델이 적극 활용되고 있다. 하지만 전체 그래프를 한 번에 학습(풀 그래프 학습)하는데 막대한 메모리와 GPU 서버가 필요하다는 한계점이 있다. KAIST 연구진이 단 한 대의 GPU 서버만으로도 대규모 GNN 모델을 최고속 학습할 수 있는 세계 최고 성능의 소프트웨어 기술 개발에 성공했다.우리 대학 전산학부 김민수 교수 연구팀이 여러 대의 GPU 서버를 활용하는 기존 방식과 달리 한 대의 GPU 서버에서 대규모 풀(full) 그래프 AI 모델을 빠르게 학습하고 추론할 수 있는 GNN 시스템 ‘FlexGNN(플렉스지엔엔)’을 개발했다고 13일 밝혔다. FlexGNN은 기존 기술 대비 학습 속도를 최대 95배 향상한다.최근 기후, 금융, 의료, 제약, 제조, 유통 등 다양한 분야에서는 데이터를 정점과 간선으로 구성된 그래프 형태로 변환해 분석 및 예측하는 사례가 증가하고 있다.전체 그래프를 모두 학습에 활용하는 풀 그래프 방식이 더욱 우수한 정확도를 보이지만, 학습 과정에서 대규모의 중간 데이터(intermediate data)가 발생해 메모리 부족 현상이 빈번히 발생하고, 여러 서버 간의 데이터 통신으로 인해 학습 시간이 길어지는 한계가 있었다.연구팀이 개발한 FlexGNN은 이러한 문제를 극복하기 위해 여러 대의 GPU 서버 대신 단일 GPU 서버에서 SSD(솔리드 스테이트 드라이브)와 메인 메모리를 활용한 최적의 AI 모델 학습을 수행한다.특히 데이터베이스 시스템의 질을 최적화시키는 AI 퀴리 최적화 학습을 통해 GPU-메인 메모리-SSD 계층 간 모델 파라미터, 학습 데이터, 중간 데이터를 최적의 시점과 방식으로 계산을 시키는 새로운 학습 최적화 기술을 개발했다.< 그림 (a): 기존 전체 그래프 GNN 학습 시스템의 일반적인 실행 흐름을 나타낸다. 학습 중 생성되는 중간 데이터는 모두 GPU 메모리에 유지되며, 데이터 이동이나 메모리 최적화 없이 순차적으로 연산이 수행된다. 이로 인해 GPU 메모리 용량을 초과하는 경우 학습 자체가 불가능하며, GPU 간 데이터 교환도 고정된 방식(X_rigid)만을 사용하여 성능 및 확장성에 한계를 가진다. 그림 (b): FlexGNN이 생성한 최적화된 학습 실행 계획에 따른 실행 흐름의 예시를 나타낸다. 각 중간 데이터에 대해 유지, 오프로딩, 재계산 전략이 선택적으로 적용되며, 자원 제약 및 데이터 크기에 따라 G2G 또는 G2H 중 적절한 GPU 간 교환 방식이 적응형 교환 연산자(X_adapt)로써 선택된다. 또한 오프로딩 및 리로딩 연산은 계산과 최대한 겹치도록 스케줄링되어, 계산-데이터 이동 병렬성이 극대화된다. 그림 내의 적응형 교환 연산자와 다양한 데이터 오프로딩 및 리로딩 연산자(R, O)는 FlexGNN이 학습 실행 계획을 기반으로 중간 데이터 관리 방식과 GPU간 교환 전략을 유연하게 제어할 수 있음을 보여준다. >이를 통해 FlexGNN은 데이터 크기, 모델 규모, GPU 메모리 등 가용 자원 상황에 따라 유연하게 최적의 학습 실행 계획을 생성해 높은 자원 효율성과 학습 속도를 구현한다.그 결과, 메인 메모리 용량을 훨씬 초과하는 데이터에 대해서도 GNN 모델을 학습하며, 단일 GPU 서버에서도 최대 95배 빠르게 학습이 가능해졌다. 특히 기후 예측 등에서 슈퍼컴퓨터보다 정밀한 분석이 가능한 풀 그래프 AI 구현이 현실화됐다.우리 대학 김민수 교수는 “날씨 예측과 신소재 발견 등 복잡한 문제를 해결하는데 풀 그래프 GNN 모델이 활발히 활용되면서 관련 기술의 중요성이 점점 높아지고 있다”며 “FlexGNN이 그동안 어려움으로 남아 있던 그래프 AI 모델의 학습 규모와 속도 문제를 획기적으로 해결한 만큼, 다양한 산업 분야에 널리 활용되기를 기대한다”고 밝혔다.이번 연구는 전산학부 배정민 박사과정이 제1 저자로, 김민수 교수창업기업인 (주)그래파이의 한동형 CTO가 제2 저자로 참여했으며, 김 교수가 교신저자를 맡았다.연구 결과는 세계적 권위의 데이터마이닝 학술대회인 ‘ACM KDD’에서 지난 8월 5일에 발표됐다. FlexGNN 기술은 향후 (주)그래파이의 그래프 DB 솔루션인 그래프온(GraphOn)에도 적용될 예정이다.※ 논문제목: FlexGNN: A High-Performance, Large-Scale Full-Graph GNN System with Best-Effort Training Plan Optimization※ DOI: https://doi.org/10.1145/3711896.3736964한편, 이번 연구는 과기정통부 IITP SW스타랩과 IITP-ITRC, 그리고 한국연구재단 중견과제의 지원을 받아 수행됐다.
- KAIST총동문회
- 2025-08-13
동문소식 > 모교 소식 > 연구개발
전기및전자공학부

[연구]착용만으로 망막 검사 가능한 OLED 콘택트렌즈 세계 최초 구현

< OLED 콘택트렌즈 샘플 (가운데) 및 주요 저자 (좌: 유승협 교수, 우: 심지훈 박사)의 실험실 배경 사진 증명사진: 우세준 교수, 한세광 교수, 김수본 박사, 채현욱 박사 (위에서부터) >ERG(망막전위도, Electroretinography)는 망막의 기능이 정상적으로 작동하는지 측정할 수 있는 안과 진단법으로, 유전성 망막질환 진단이나 망막 기능 저하 여부 등 검사에 폭넓게 활용된다. 한국 연구진이 지금까지는 어두운 공간에 고정형 장비를 이용했던 기존 망막 진단 방식을 대체할 ‘초박막 OLED’를 탑재한 무선으로 구동되는 차세대 안과 진단 기술을 개발했다. 이번 기술은 향후 근시 치료, 안구 생체신호 분석, 증강현실(AR) 시각 전달, 광 기반 뉴로자극 등 다양한 분야로 응용이 가능할 것으로 기대된다.우리 대학 전기및전자공학부 유승협 교수 연구팀이 서울대분당병원(원장 송정한) 우세준 교수, POSTECH(총장 김성근) 한세광 교수, ㈜ PHI 바이오메드(대표이사 한세광), 국가과학기술연구회(NST 이사장 김영식) 산하 한국전자통신연구원(ETRI, 원장 방승찬)과의 공동연구를 통해, 유기발광다이오드(OLED)를 활용한 세계 최초의 무선 콘택트렌즈 기반 웨어러블 망막 진단 플랫폼을 개발했다고 12일 밝혔다.< OLED 콘택트렌즈 샘플과 심지훈 박사 >이 기술은 큰 특수 광원 설치 없이 렌즈 착용만으로도 망막전위검사를 수행할 수 있어, 기존 복잡한 안과 진단 환경을 획기적으로 간소화할 수 있다.기존 ERG는 고정형 Ganzfeld(대형 망막전위도(ERG) 검사기) 장비를 이용해 어두운 방 안에서 환자가 눈을 뜨고 정지한 상태로 검사를 받아야만 했다. 이는 공간적 제약뿐 아니라 환자 피로도와 협조도의 문제를 수반했다.공동 연구팀은 이 같은 한계를 극복하기 위해, 머리카락보다 6~8배 얇은 초박막 유연 OLED(두께 약 12.5 μm*)를 ERG용 콘택트렌즈 전극에 집적하고, 무선 전력 수신 안테나와 제어 칩을 함께 탑재해 독립 구동이 가능한 시스템을 완성했다.*12.5 μm: 머리카락의 평균 두께가 약 70~100μm이므로, 이 OLED는 머리카락보다 6~8배 얇음< 그림 1. 무선 OLED 콘택트렌즈 모식도와 실제 기기 사진 (좌상). 기기에 탑재된 초박막 유연 OLED의 전기/광학적 특성 (우상)과 세부 구성 절단면 (좌하). 콘택트 렌즈 몰딩 과정을 가정한 삼차원 기계 시뮬레이션 렌더링과 초박막 유연 OLED의 응력 최적화를 나타낸 그래프 (우하). >특히 전력 전송에는 안정적인 무선 통신에 적합한 433MHz 공진 주파수를 이용한 무선 전력 전송을 채택하고, 이를 스마트폰과 연동되는 수면안대 형태의 무선 컨트롤러로 구현해 실사용 가능성을 높였다.기존 빛을 눈에 쏘이도록 개발되고 있는 스마트 콘택트렌즈형 광원은 대부분 무기 LED를 활용했으나, 딱딱한 형태의‘무기 LED’는 점광원(한 점에서 너무 강하게 빛이 나옴) 특성으로 인해 열 집적 문제에 취약하므로, 사용 가능한 광량에 한계가 있을 수 밖에 없다.이에 반해 OLED는 면광원으로, 넓고 균일한 조사가 가능하며, 저휘도 조건에서도 충분한 망막 반응을 유도할 수 있다. 실제 본 연구에서는 비교적 낮은 밝기의 126니트(nit)의 휘도* 조건에서도 안정적인 ERG 신호를 유도, 기존 상용 광원과 동등한 수준의 진단 신호를 확보했다.*휘도: 어떤 표면이나 화면이 얼마나 밝게 빛을 내는지를 나타내는 수치로 스마트폰 화면 밝기는 약 300~600 nit (최대 1000 nit 이상 가능)임< 그림 2. 무선 OLED 콘택트렌즈를 활용한 망막전위도 검사 시스템의 모식도 (좌상)와 실제 검사 모습의 예시 이미지 (우상). 무선 OLED 콘택트렌즈를 활용한 동물 전임상 시험 모습 (좌하)과 발생 망막 전위도의 전력 스펙트럼 밀도 그래프 (우하) >동물실험 결과, OLED 콘택트렌즈를 착용한 토끼의 눈에서 표면 온도가 27°C 이하로 유지돼 눈을 덮고 있는 각막에 열로 인한 손상을 주지 않았고, 고온 다습한 환경에서도 빛을 내는 성능이 유지됨으로써 실제 임상 환경에서도 유효하고 안정적인 ERG 검사 도구가 될 수 있음을 입증했다.유승협 교수는 "초박막 OLED의 유연성과 확산광 특성을 콘택트렌즈에 접목한 것은 세계 최초의 시도이며, 이번 연구는 기존 스마트 콘택트렌즈 기술을, 빛을 이용한 접안형 광 진단·치료 플랫폼으로 확장하는 데 도움이 될 것”이라며 "디지털 헬스케어 기술 확대에 도움이 될 수 있으면 좋겠다”고 밝혔다.< OLED 콘택트렌즈의 무선구동 사진 >우리 대학 심지훈 박사, 채현욱 박사, 김수본 박사가 공동 제 1저자로 ㈜PHI 바이오메드의 신상배 박사와 협력해 핵심적 역할을 담당했으며, 유승협 교수(KAIST 전기및전자공학부), 한세광 교수(POSTECH 신소재공학과), 우세준 교수(서울대학교 분당병원)가 교신저자로 참여한 이번 연구 성과는 국제 권위지 에이시에스 나노(ACS Nano)에 온라인으로 5월 1일에 게재되었다.※논문 제목: Wireless Organic Light-Emitting Diode Contact Lenses for On-Eye Wearable Light Sources and Their Application to Personalized Health Monitoring※DOI: https://doi.org/10.1021/acsnano.4c18563※ 관련 연구 동영상: http://bit.ly/3UGg6R8< OLED 콘택트렌즈 샘플 확대 사진 >
- KAIST총동문회
- 2025-08-13
동문소식 > 모교 소식 > 연구개발
생명화학공학과

[연구]전기 스위치처럼 몸속 세포 신호 쉽게 켜고 끈다

< 사진 1. (왼쪽부터) 박지민 교수, 이명은 박사과정, 이재웅 박사과정, 김지한 교수 >우리 몸속 세포들은 신경, 면역, 혈관 기능을 조절하기 위해 다양한 신호 분자(signaling molecules)를 주고받는다. 그중 일산화질소(NO)와 암모니아(NH₃)는 특히 중요한 역할을 하지만, 이들은 불안정하거나 기체 상태로 존재해 외부에서 생성하거나 조절하기가 매우 어려웠다. 우리 연구진이 전기 자극 하나만으로 세포 안팎에서 원하는 신호 물질을 생성하고, 이를 통해 세포 반응을 마치 전기 스위치처럼 켜고 끌 수 있는 플랫폼을 개발했다. 향후 전자약, 전기유전학, 맞춤형 세포 치료 등 미래형 의료 기술의 핵심 기반으로 활용될 수 있을 것으로 기대된다. 우리 대학 생명화학공학과 박지민 교수 연구팀이 생명화학공학과 김지한 교수팀과의 공동연구를 통해, 전기 신호만으로 일산화질소와 암모니아 신호 물질을 원하는 순간에 생성할 수 있고 세포의 반응 시점·범위·지속 시간까지 조절할 수 있는 고정밀 생체 제어 플랫폼인 ‘바이오전기합성(Bioelectrosynthesis) 플랫폼’을 개발했다고 11일 밝혔다. 연구팀은 몸속 질산염(Nitrite, NO2-) 환원효소가 작동하는 것에 아이디어를 얻어, 하나의 물질(질산염, Nitrite, NO2-)로부터 생체 신호 물질인 일산화질소와 암모니아를 선택적으로 생성할 수 있는 전기 기반 기술을 구현하는데 성공했다. 연구팀은 촉매에 따라 만들어지는 신호 물질이 달라지는 점을 기반으로, 질산염을 단일 전구체로 사용하여 구리-몰리브덴-황 기반 기본 촉매(Cu2MoS4)와 철이 들어간 촉매(FeCuMoS4)를 활용하여 암모니아와 일산화질소 신호 물질을 각각 선택적으로 합성하는데 성공했다.< 그림 1. 전기 신호로 원하는 신호물질을 합성하는 바이오전기합성 플랫폼 모식도 (왼쪽) 및 이를 활용한 세포 정밀 제어 결과 (오른쪽) >연구팀은 전기화학 실험과 컴퓨터 시뮬레이션을 통해,‘철’이 일산화질소와 강하게 결합해 철이 있는 촉매를 쓰면 일산화질소가 더 잘 만들어지고, 철이 없는 촉매를 쓰면 암모니아가 더 잘 만들어지는 식으로 생성 비율을 제어한다는 사실을 규명했다. 즉, 촉매만 교체하면 전기 신호만으로 일산화질소 또는 암모니아 신호 물질을 자유롭게 생성할 수 있음을 입증했다.연구팀은 이 플랫폼을 이용해 인간 세포에 발현시킨 TRPV1(통증·온도 자극을 느끼게 하는 센서)와 OTOP1(산·암모니아 등 pH 변화를 감지하는 센서) 같은 이온 채널들을 전기 신호로 작동시키는데도 성공했다.< 그림 2. 촉매 종류에 따른 일산화질소, 암모니아 신호물질 생성 비율 변화 실험 결과 (왼쪽) 및 철과 일산화질소 간 강한 결합을 보여주는 전산모사 결과 (오른쪽) >또한, 전압의 세기와 작동 시간을 조절함으로써 세포 반응의 시작 시점, 반응 범위, 종료 시점을 자유롭게 조절할 수 있음도 실험적으로 입증했다. 말 그대로 마치 전기 스위치를 켜고 끄듯이 세포 신호를 조절하는 기술이 가능해진 것이다.박지민 교수는 “이번 연구는 전기로 다양한 신호 물질을 선택적으로 생산해 세포를 정밀하게 조절할 수 있다는 점에서 큰 의미가 있다”며, “신경계나 대사질환을 대상으로 한 전자약 기술로의 확장 가능성도 크다”고 밝혔다.생명화학공학과 이명은, 이재웅 박사과정 연구원이 제1 저자로, 김지한 교수가 공저자로 참여했고 연구 결과는 화학 및 화학공학 분야 최고 권위지 중 하나인‘앙게반테 케미(Angewandte Chemie International Edition)’에 지난 7월 8일 게재(온라인 공개는 8월 4일) 됐다.※ 논문명 (1): Bioelectrosynthesis of Signaling Molecules for Selective Modulation of Cell Signaling (저자 정보 : 박지민(KAIST, 교신저자), 이명은(KAIST, 제1 저자), 이재웅(KAIST, 공동 제1 저자), 김지한 (KAIST, 공저자) 포함 총 7명)※ DOI: https://doi.org/10.1002/ange.202508192이번 연구는 한국연구재단의 지원으로 수행됐다.
- KAIST총동문회
- 2025-08-13
동문소식 > 모교 소식 > 연구개발
화학과

[연구]암 표적 돌연변이에 최적의 약물 후보 자동 설계 AI 개발

< (왼쪽부터) 화학과 정원호 석박사통합과정, 이중원 석박사통합과정, 김우연 교수, 서지수 석박사통합과정 >기존 약물 개발 방식은 질병을 일으키는 원인이 되는 표적 단백질(예: 암세포 수용체)을 정하고, 그 단백질에 잘 달라붙어 작용을 막을 분자(약물 후보)를 찾는 방식으로 수많은 후보 분자 대상으로 진행하다 보니 시간·비용이 많이 들고 성공 가능성도 낮았다. 우리 대학 연구진이 표적 단백질 정보만 있으면, 사전 정보(분자)가 없어도 딱 맞는 약물 후보를 설계해 주는 AI를 개발해서 신약 개발의 새로운 가능성을 열었다.우리 대학 화학과 김우연 교수 연구팀이 결합하는 약물 후보 분자의 사전 정보 없이 단백질의 구조만으로, 그에 꼭 맞는 약물 후보 분자와 그 결합 방식(비공유 결합성 상호작용)까지 함께 설계 및 최적화까지 할 수 있는 인공지능 모델 ‘BInD’를 개발했다고 10일 밝혔다.이 기술의 핵심은 ‘동시 설계’다. 기존 AI 모델들은 분자만 만들거나, 만들어진 분자와 단백질의 결합 여부만 따로 평가했다. 반면, 이번에 개발된 모델은 분자와 단백질 사이의 결합 방식까지 함께 고려해 한 번에 설계한다.< 그림 1. 연구팀이 개발한 단백질 구조 기반 분자 구조 및 비공유결합성 상호작용을 생성하는 확산 모델의 모식도. 노이즈 분포로부터 원자의 위치, 종류, 공유결합 종류, 그리고 상호작용 종류를 노이즈를 제거(역확산)해가며 분자를 생성한다. 기존에 알려진 결합 분자나 단백질에 대한 사전 정보로부터 상호작용 패턴을 추출하여, 인페인팅 기법을 통해 역확산 과정 동안 고정하여 분자 생성을 유도할 수 있다. >실제로 단백질과 결합할 때 중요한 요소를 미리 반영하기 때문에, 효과적이고 안정적인 분자를 만들 확률이 훨씬 높다. 이러한 생성 과정은 단백질의 표적 부위에 맞춰 원자들의 종류와 위치, 공유결합과 상호작용을 하나의 생성 과정에서 동시에 만들어내는 과정을 시각적으로 보여준다.또한, 이 모델은 신약 설계 시 반드시 고려해야 할 여러 요소(예를 들어 분자의 안정성, 물성, 구조의 자연스러움 등)을 동시에 만족시키도록 설계됐다. 기존에는 한두 가지 목표에 집중해 다른 조건을 희생하는 경우가 많았지만, 이번 모델은 다양한 조건을 균형 있게 반영해 실용성을 크게 높였다.연구팀은 이 AI가 무작위 상태에서 점점 더 정교한 구조를 그려나가는 방식인 ‘확산 모델’을 기반으로 작동한다고 설명했다. 확산 모델은 2024 노벨 화학상을 받은 ‘알파폴드3’의 단백질-약물 구조 생성에서 활용돼 높은 효율성이 입증된 바 있다.이번 연구에서는 원자가 공간상 어디에 있어야 하는지 좌표를 찍어주는 알파폴드3와 달리 ‘결합 길이’나 ‘단백질-분자 간 거리’처럼 실제 화학 법칙에 맞는 기준들을 알려주는 지식 기반 가이드를 넣어, 생성된 구조가 더 현실적인 결과를 내도록 도왔다.< 그림 2. (좌) 표적 단백질과 원본 결합 분자, (우) 본 연구팀이 개발한 모델로 설계한 분자의 예시들. 단백질 결합 친화도(Vina) 와 약물 가능도(QED), 합성 가능도(SA) 값이 하단에 적혀있다. >뿐만 아니라, 연구팀은 한 번 만든 결과 중에서 뛰어난 결합 패턴을 찾아 다시 활용하는 최적화 전략도 적용했다. 이를 통해 추가 학습 없이도 더 뛰어난 약물 후보를 만들어낼 수 있었으며, 특히 암 관련 표적 단백질(EGFR)의 돌연변이에 선택적으로 작용하는 분자도 생성하는 데 성공했다.또한, 이번 연구는 본 연구팀이 앞서 발표한 단백질에 어떤 분자가 어떻게 결합하는지에 대한 조건을 입력해야만 했던 기존 AI를 한 단계 더 발전시켰다는 점에서도 의미가 깊다.화학과 김우연 교수는 “이번에 개발한 AI는 표적 단백질에 잘 결합하는 핵심 요소를 스스로 학습하고 이해해, 사전 정보 없이도 상호작용 하는 최적의 약물 후보인 분자를 설계할 수 있다는 점에서 신약 개발의 패러다임을 크게 바꿀 수 있을 것이다”라고 말했다.이어 “이번 기술은 화학적 상호작용 원리에 기반해 더 현실적이고 신뢰할 수 있는 분자 구조를 생성할 수 있어, 더 빠르고 정밀한 신약 개발을 가능하게 할 것으로 기대한다”라고 강조했다.우리 대학 화학과 이중원, 정원호 박사과정 학생이 공동 제1 저자로 참여한 이번 연구 결과는 국제학술지 ‘어드밴스드 사이언스(Advanced Science)’(IF=14.1)에 지난 7월 11일 자에 게재됐다.※ 논문명: BInD: Bond and Interaction-Generating Diffusion Model for Multi-Objective Structure-Based Drug Design※ DOI: 10.1002/advs.202502702한편 이번 연구는 한국연구재단과 보건복지부의 지원으로 수행됐다.
- KAIST총동문회
- 2025-08-13
동문소식 > 모교 소식 > 연구개발

사업&활동 (총 13건)

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