Highlights

교수팀 360
News
1 1
(왼쪽부터) 신병준 석사과정, 정진하 석박통합과정, 김지인 박사과정, (우상단) KAIST 유민수 교수.

인공지능(AI)은 이제 질문에 단순히 답하는 단계를 넘어, 여러 단계의 추론과 외부 도구를 스스로 활용해 복잡한 업무를 처리하는 ‘AI 에이전트’ 단계로 빠르게 진화하고 있다. 하지만 이러한 발전이 실제로 얼마나 많은 자원과 전력을 추가로 요구하는지는 그동안 제대로 규명되지 않았다.

 

우리 학부 유민수 석좌교수 연구팀은 AI 에이전트의 계산 비용과 응답 지연, 에너지 소비, 나아가 데이터센터 전력 수요까지를 처음으로 정량 분석한 결과를 발표했다. 해당 연구 결과는 컴퓨터 아키텍처 분야 최고 권위 학회인 IEEE HPCA 2026에서 공개돼 학계의 주목을 받았다.

 

연구팀은 AI 에이전트가 단순히 ‘연산량이 늘어나는’ 문제를 넘어, 데이터센터 인프라 전반에 이전과는 다른 새로운 부담을 준다는 점에 주목했다. 기존의 ‘단계별 추론(Chain of Thought)’이 사람의 사고 과정처럼 한 단계씩 순차적으로 이어지는 것과 달리, AI 에이전트는 대형언어모델(LLM)을 여러 차례 되풀이해 호출하는 방식으로 작동하기 때문이다.

 

분석 결과 AI 에이전트는 기존 방식보다 평균 9.2배 많은 LLM 호출을 일으켰으며, 처리가 지연되는 시간은 최대 153.7배까지 늘어났다. 또 도구를 사용하는 동안 GPU가 놀게 되는 시간이 불가피하게 발생했는데, 그 비중이 전체 실행 시간의 최대 54.5%에 달했다. 작업이 복잡해질수록 값비싼 GPU를 온전히 활용하지 못하는 비효율이 커지는 셈이다.

 

이를 데이터센터 규모로 확대하면 전력 소비의 격차는 한층 뚜렷해진다. 현재 상용 AI 서비스 수준인 700억 개 매개변수 규모의 LLM을 사용하는 AI 에이전트는 질문 한 건을 처리하는 데 평균 348.41Wh의 전력을 썼다. 이는 기존의 단발성 질의응답 방식이 소비하는 2.55Wh보다 약 136.6배 높은 수치다.

 

데이터센터가 감당해야 할 전력 부담도 기하급수적으로 커진다. 최소 7,140만 명에 이르는 챗GPT의 일일 활성 사용자가 기존 질의응답을 AI 에이전트로 전환한다고 가정하면, 필요한 전력은 7.6MW에서 1GW로 껑충 뛴다. 하루 약 137억 건에 달하는 구글 검색이 앞으로 AI 에이전트를 통해 이뤄진다고 가정할 경우에는 하루 198.9GW의 전력이 필요한 것으로 계산됐다. 이는 미국 전체 평균 전력 부하(476.9GW)의 절반에 해당하는 막대한 규모다.

 

2 2
<연구이미지(AI 생성)>

연구팀은 “AI 에이전트의 성능 향상은 더 많은 연산을 요구하는 데 그치지 않고 데이터센터 인프라 전반에 새로운 부담을 유발한다는 점을 확인한 데 이번 연구의 의의가 있다”고 밝혔다. 이어 “앞으로의 AI 에이전트 연구는 더 똑똑한 에이전트를 만드는 것은 물론, 제한된 인프라와 전력 예산 안에서 이를 얼마나 효율적으로 운영할 수 있을지까지 함께 고려해야 한다”고 강조했다. 

 

최기영 전 서울대 전기정보공학부 교수(전 과학기술정보통신부 장관)는 AI 데이터센터와 반도체·자재 부족에 더해 전력 공급 역시 만만치 않은 과제라고 지적하며, AI 에이전트의 요구대로 데이터센터의 규모와 비용을 무작정 늘리는 것은 지속 가능하지 않을 수 있다는 경종을 울렸다는 점에서 이번 논문의 의미가 크다고 평가했다.

 

이번 연구에는 신병준 석사과정, 정진하 석·박사통합과정, 김지인 박사과정 학생이 참여했다.

 

※ 논문명: The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective

※ GitHub(기술 오픈소스): https://github.com/VIA-Research/AgentBench

 

한편 이 기술은 과학기술정보통신부 및 정보통신기획평가원의 SW컴퓨팅산업원천기술개발(SW스타랩(Starlab)) 사업 및 삼성전자 미래기술육성센터로 연구개발한 결과물이다.

 

주요 언론 보도

교수님 연구팀 320
News
1
< 나성원 박사과정, (우상단) 심현철 교수 >

미래 자동차는 엔진이나 모터뿐 아니라 ‘공기’의 흐름까지 제어한다. 우리 학부 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.

 

심현철 교수 연구팀은 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 검증했다.

 

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.

 

2
< 서킷 주행 환경에서 제안한 능동 공력 시스템이 실제 차량에 적용되어 작동하는 모습 >
3
< 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

4 1
News
교수님
<김기환 교수님>

2026년 6월 26일부로 기초과학연구원(IBS) ‘트랩이온 양자과학연구단’의 김기환 단장님께서 우리 학부의 겸직교수로 새롭게 부임하셨습니다.

 

김기환 교수님은 트랩이온 양자컴퓨팅과 양자 시뮬레이션 분야에서 혁신적인 연구 성과를 창출해 오신 세계적인 석학이십니다. 김 교수님은 정밀 광학 및 전자 제어 기술과 양자 하드웨어 시스템 설계를 결합하여, 확장 가능한 양자컴퓨팅 플랫폼과 프로그래머블 양자시뮬레이터 개발 연구를 선도해 오셨습니다.

 

주요 연구 분야는 트랩이온 양자컴퓨팅 하드웨어, 레이저 및 마이크로파 기반 큐비트 제어, 다중 큐비트 양자게이트, 2차원 이온 결정, 양자 시뮬레이션, 그리고 양자화학 및 물질계 모사를 위한 양자시스템 구현 등입니다.

 

특히 단일 이온 큐비트의 1시간 이상 결맞음 시간 구현(Nature Commun 2021)과 전역 얽힘게이트를 이용한 프로그래머블 Ising 모델 구현(Nature 2019, PRL 2025), 2차원 이온 결정 기반 양자 시뮬레이션(Nature Physics 2024), 이온 진동 모드를 이용한 프로그래머블 보손 네트워크(Nature Physics 2023) 등 세계 최고 권위의 학술지에 핵심 연구 성과를 연이어 발표하셨습니다. 최근에는 무잡음 부분공간을 활용하여 10시간 이상의 결맞음 시간을 달성하는 등 독보적인 연구 행보를 이어가고 계십니다.

 

앞으로 김 교수님은 IBS 트랩이온 양자과학연구단과 우리 학부의 긴밀한 연구 협력을 이끌며, ‘물리적 한계를 뛰어넘는 최첨단 양자 하드웨어 시스템 및 제어 알고리즘’에 관한 깊이 있는 교육과 공동 연구를 수행하실 계획입니다. 특히 시스템 설계, 제어, 광학 등 전기전자공학의 하드웨어 기술을 양자정보과학과 융합하는 방향으로 후학 양성에 힘쓰실 예정입니다.

 

교수님의 상세한 연구 성과는 아래의 링크를 통해 확인하실 수 있으며, 연구실 참여에 관심 있는 학생은 이메일로 문의하시기 바랍니다.

 

교수님국
News
교수님
<이건열 교수>

오는 2026년 9월 14일부로 이건열 교수님이 KAIST 전기및전자공학부에 부임하실 예정입니다. 

 

이건열 교수님은 나노광학 및 계산 광학 분야의 연구자로, 메타표면 기반 AR 디스플레이 및 실시간 나노스케일 정량 위상 이미징 등의 혁신 연구를 수행해 오셨습니다. 서울대학교와 미국 스탠포드 대학교에서 박사후연구원(Postdoctoral Researcher)을 거치며 학술적 공헌을 인정받아 NRF 박사후펠로우십, SPIE 교육 장학금 등을 수상하셨으며, Nature 및 Nature Communications에 제1저자로 논문을 게재하며 세계적인 연구 역량을 쌓아 오셨습니다. 

 

주요 연구 분야는 나노광학 소자 및 메타표면 설계, 광학 이미징 시스템 및 3D/AR/VR 디스플레이, AI 기반 계산 이미징 및 물리 기반 인공지능 기술 등이며, 광학 하드웨어 시스템과 계산 알고리즘의 접점에서 연구를 수행해 오셨습니다. 

 

향후 우리 학부에서는 인간과 컴퓨터 간의 상호작용(HCI)을 위한 디스플레이 인터페이스, 차세대 양자 프로세서를 위한 컴퓨터-양자 물질 간 인터페이스 등 빛(Light)을 매개로 인간, 컴퓨터, 물리적 시스템을 연결하는 지능형 광학 소자 및 하드웨어 플랫폼을 중심으로 연구와 교육을 수행할 예정입니다. 

 

이 교수님의 자세한 연구 내용은 #홈페이지를 참고 부탁드리며, 연구실에 관심 있는 학생은 이메일(gunyeal@stanford.edu)로 문의하실 수 있습니다. 

 

[Education]

  • Ph.D. in Electrical Engineering and Computer Science, Seoul National University, 2021 
  • B.S. in Electrical Engineering and Computer Science, Seoul National University, 2015 
  • Professional Experience
  • Sep. 2022 – Aug. 2026: Postdoctoral Researcher, Stanford University 
  • Sep. 2021 – Aug. 2022: Postdoctoral Researcher, Seoul National University 

 

[Major Publications]

  • “Full-colour 3D holographic augmented-reality displays with metasurface waveguides,” Nature, 2024. 
  • “Neural phase microscopy with metasurface optics for real-time and nanoscale quantitative phase imaging,” Nature Communications, 2026. 
  • “Metasurface eyepiece for augmented reality,” Nature Communications, 2018. 

 

[Vision]

  • Develop intelligent photonic devices and systems that use light to connect humans, computers, and physical systems. 
  • By combining nanophotonics, optical systems, and AI, our group will create advanced photonic platforms that transform how we see, interact with, and compute with the world. 

 

[Research Plan]

  • Photonic interfaces for human-computer interaction (Lightweight and immersive AR) 
  • Photonic interfaces for computer-quantum matter interaction (Next-generation quantum processors) 

 

[Assigned Course]

  • Augmented and Virtual Reality 
  • Computational Optics and Photonics 
  • Other wave-related courses 
3 2
News
1 4
< CVPR 2026 발표 장면. 왼쪽부터 서민석 박사과정(제1저자), 마크 해밀턴(MIT·마이크로소프트, 제2저자), 김창익 교수(교신저자) >

우리 학부 김창익 교수 연구팀이 미국 MIT 및 마이크로소프트 연구진과의 공동 연구로 범용 기술인 ‘업샘플 애니띵(Upsample Anything)’을 개발했다. 이 기술은 제한된 GPU 메모리만으로도 AI의 시각 성능을 크게 높일 수 있는 것이 특징이다.

 

해당 연구는 세계 최고 권위의 AI 학회인 ‘CVPR 2026’에 발표된 4,089편의 논문 중 단 18편에만 주어지는 ‘CVPR 컴퓨트 골드 스타(CVPR Compute Gold Star)’ 상을 전체 1위로 수상하는 쾌거를 이뤘다. 아울러 연구 과정의 투명성과 재현 가능성을 높이 평가받아 ‘트랜스패런시 챔피언(Transparency Champion)’에도 동시에 선정됐다.

 

이는 연구 성능은 물론 사용된 계산 자원, 코드 공개, 실험 재현 가능성 등 책임 있는 인공지능 연구의 핵심 요소를 두루 인정받은 성과다.

 

2 3
< 연구개요도 >

최근 휴머노이드 로봇과 자율주행 시스템, 세계모델(World Model·현실 세계의 물리적 환경과 변화를 학습·예측하는 AI 모델) 기반 인공지능은 연산 속도를 높이고 메모리 사용량을 줄이기 위해 입력 영상을 저해상도 특징 정보(Feature·AI가 이미지에서 추출한 핵심 정보)로 압축해 활용하고 있다.

 

그러나 압축 과정에서 작은 물체나 얇은 구조물, 미세한 결함과 같은 중요한 시각 정보가 손실되는 문제가 발생한다. 반대로 모든 영상을 처음부터 고해상도로 처리하면 막대한 GPU 메모리와 연산 자원이 필요해 실시간 처리가 어려워진다. 이는 스마트폰과 같은 소형 기기나 기동성이 중요한 로봇이 주변 환경을 정밀하게 인식해야 하는 상황에서 오랫동안 해결되지 않은 과제로 남아 있었다.

 

연구팀은 이러한 한계를 극복하기 위해 입력 이미지의 경계와 구조 정보를 활용해 저해상도 특징 정보를 고해상도로 복원하는 학습 없는(Training-free·추가 데이터 학습이 필요 없는) 업샘플링 기술을 개발했다.

 

기존 기술은 새로운 환경이나 데이터에 적용하기 위해 별도의 재학습이나 복잡한 최적화 과정을 거쳐야 했다. 반면 연구팀이 개발한 ‘업샘플 애니띵’은 입력 이미지 한 장만으로 최적의 복원 방식을 찾아낼 수 있어 다양한 환경에 즉시 적용할 수 있다.

 

또한 모든 시각 정보를 고해상도로 저장·처리하지 않고 핵심 정보만 압축해 활용함으로써 GPU 메모리 사용량을 크게 줄였다. 연구팀은 AI 연구에서 널리 활용되는 224×224 크기 이미지(약 5만 개 픽셀) 기준 약 0.4초의 짧은 계산만으로 원본에 가까운 시각 정보를 복원했으며, GPU 메모리 효율을 최대 16배까지 향상시키는 성과를 거뒀다.

 

이는 제한된 연산 자원만으로도 인공지능이 주변 환경을 더욱 정밀하게 인식할 수 있음을 의미한다. 따라서 이번 기술은 스마트폰과 같은 소형 기기는 물론, 작은 물체를 정확하게 식별하고 조작해야 하는 휴머노이드 로봇, 자율주행 시스템, 온디바이스 AI 등 다양한 차세대 인공지능 분야에 폭넓게 활용될 것으로 기대된다.

 

3 2
< 기존 방식과의 성능 차이를 나타낸 비교 모식도 (AI 생성이미지) >

김창익 교수는 “이번 기술은 적은 자원으로도 인공지능의 시각 정밀도를 크게 높일 수 있는 알고리즘으로, 휴머노이드 로봇과 온디바이스 AI의 실용화를 앞당길 것으로 기대한다”며 “CVPR에서 성능뿐 아니라 계산 효율성과 연구 투명성까지 인정받았다는 점에서 더욱 의미가 크다”고 말했다.

 

이번 연구는 서민석 박사과정 학생이 제1 저자로 참여했으며, 이번 성과는 인공지능 및 컴퓨터 비전 분야 세계 최고 권위 학회인 ‘CVPR 2026’에서 6월 7일 발표됐다. 

 

교수님 360
News
1 3
< (왼쪽부터) 김태형 박사, 이주호 박사 (상단) 김용훈 교수 >

삼성전자와 TSMC가 ‘2nm(나노미터·10억분의 1미터) 공정’경쟁에 나서고 있지만, 실제 반도체 칩의 핵심 소자인 트랜지스터의 크기는 아직 10nm 이상이다. 그렇다면 트랜지스터는 실제로 어디까지 더 작아질 수 있을까? 우리 대학 연구진이 원자 수준의 계산을 통해 그 한계를 예측하는 기술을 개발했다.

 

우리 학부 김용훈 교수 연구팀이 컴퓨터 시뮬레이션을 활용해 차세대 반도체 소자 개발의 핵심적 난관인 트랜지스터 미세화의 한계를 분석, 예측할 수 있는 전산 설계 기술을 개발했다.

 

2 2
< (AI이미지) 반도체는 어디까지 작아질수 있을까 연구 이미지 >

트랜지스터는 전류를 켜고 끄는 초소형 스위치로, 스마트폰, 인공지능 컴퓨터 등을 구동하는 반도체 칩의 성능과 전력 효율을 결정하는 핵심 부품이다. 반도체 업계는 더 높은 성능과 낮은 전력 소모를 구현하기 위해 트랜지스터를 지속적으로 작게 만들어 왔다. 그러나 크기가 지나치게 작아지면 양자터널링(전자가 원래 통과할 수 없는 에너지 장벽을 뚫고 지나가는 양자역학적 현상)이 발생해 전류 제어가 어려워진다. 이 때문에 차세대 반도체 개발에서는 양자터널링의 한계 내에서 트랜지스터를 얼마나 더 작게 만들 수 있는지를 파악하는 것이 중요한 과제이다.

 

하지만 실험적으로 트랜지스터의 미세화 한계를 직접 확인하기는 사실상 불가능하다. 현재의 기술로는 금속 전극과 반도체가 만나는 접촉부를 원자 수준에서 정밀하게 조절하고 정량적으로 분석하기 어렵기 때문이다.

 

연구팀은 원자와 전자의 움직임을 기본 물리 법칙만으로 계산하는 제1원리 계산(실험 데이터 없이 물질의 성질을 계산하는 방법)을 활용해 이 문제를 해결했다. 연구팀은 금속 전극과 반도체가 만나는 부분에서 발생하는 복잡한 양자 현상을 정밀하게 분석할 수 있는 다공간 밀도범함구론이라는 새로운 이론-계산 체계를 직접 개발하여 보고한 바 있다.

 

이번 연구에서는 이를 기반으로 접촉저항(금속 전극과 반도체가 만나는 부분에서 발생하는 전류 흐름의 저항)과 양자터널링 한계(전자가 새어 들어가 전류 제어가 어려워지는 최소 길이)를 원자 수준에서 예측할 수 있는 전산 설계 플랫폼을 구축했다. 이는 실제 반도체를 제작하기 전에 컴퓨터 시뮬레이션만으로 소자의 성능과 한계를 미리 예측할 수 있다는 의미다.

 

연구팀은 이 기술을 차세대 반도체 후보 물질인 단일층 MoS₂(이황화몰리브덴, 원자층 수준까지 얇게 만들 수 있는 대표적인 2차원 반도체 소재) 소자에 적용했다. 그 결과 금속 전극의 종류와 접촉 구조에 따라 전자가 채널(트랜지스터 내부에서 전류가 흐르는 통로) 안으로 얼마나 깊이 침투하는지, 또 이로 인해 전류 흐름 제어가 얼마나 방해받는지를 정량적으로 분석할 수 있었다. 다시 말해 어떤 금속과 접촉 구조를 선택하느냐에 따라 트랜지스터를 더 작게 만들 수 있는 한계가 달라진다는 사실을 확인한 것이다.

 

3 1
< 제1원리 전송길이법을 이용한 2차원 반도체 접촉저항 및 임계 터널링 길이 분석 >

연구 결과, 임계 터널링 길이(전자가 채널 안으로 침투해 트랜지스터 동작에 영향을 주기 시작하는 최소 길이)는 하나의 고정된 값이 아니라는 사실이 밝혀졌다. 이 길이는 금속의 일함수(금속에서 전자를 꺼내는 데 필요한 최소 에너지)와 금속과 반도체가 만나는 경계면의 접촉 구조 등에 따라 달라지는 설계 변수로 나타났다. 즉 트랜지스터를 어디까지 작게 만들 수 있는지는 소재 조합과 구조 설계에 따라 달라질 수 있다는 의미다.

 

특히 연구팀은 고려한 후보 금속의 종류와 접촉 구조 중에서는 전자가 새어 나가기 시작하는 한계 지점을 4nm(나노미터·10억분의 1미터) 미만까지 줄일 수 있음을 확인했다. 이는 트랜지스터를 현재 달성한 수준보다 더 작게 만들 수 있는 가능성을 보여주는 결과다.

 

연구팀은 나아가 서로 다른 특성의 2차원 반도체를 조합해 전력 소모를 줄이는 차세대 반도체 소자의 설계 방향도 함께 제안했다.

 

이번 연구는 실제 반도체 소자를 제작하기 전에 미세화 한계와 최적 설계 조건을 예측할 수 있는 플랫폼을 마련했다는 점에서 의미가 크다. 이를 통해 차세대 초미세 AI 반도체 소자 개발 과정의 시행착오를 줄이고 개발 기간을 단축할 수 있을 것으로 기대된다.

 

김용훈 교수는 “이번 연구는 차세대 트랜지스터가 어디까지 작아질 수 있는지를 규정할 새로운 물리적 기준을 제시했다는 점에서 의미가 크다”며 “실험적으로 확인하기 어려운 10nm 이하 영역의 양자역학적 현상을 계산으로 분석하여 차세대 트랜지스터 설계에 활용할 수 있는 길을 열었다”고 말했다.

 

김태형 박사가 제1저자로 참여한 이번 연구는 계산 분야의 권위 있는 학술지 ‘네이처 파트너 저널 npj Computational Materials’에 5월 28일 字 온라인판에 게재됐다.

 

  • 논문명: Ab initio transfer length method simulations of tunneling limits in 2D semiconductors
  • DOI: https://doi.org/10.1038/s41524-026-02101-1
  • 공저자: 김태형 박사(KAIST 제1저자), 이주호 박사(KAIST 제1저자), 김용훈 교수(KAIST 교신저자)

 

이번 연구는 한국연구재단 중견연구자 지원사업 등의 지원을 받아 수행됐다.

교수 연구팀360
Award
교수 연구팀
< 왼쪽부터 남지훈 학부연구생, 임형태 박사, 이승훈 석사과정, 서동욱 박사과정, 전진우 박사과정(팀장), 최준완 석사과정 (이상 ACDC-K팀), 명현 교수, 신건희 박사과정, 김대범 박사과정(팀장), 이승재 박사과정, 장서연 박사과정, 이원빈 석사과정, 이응창 박사 (이상 Curaytor팀) >

세계 최고 권위의 로보틱스와 컴퓨터비전 학술대회에서 열린 국제 챌린지에서 우리 학부 연구팀이 잇달아 정상에 올랐다.

 

명현 교수 연구실 소속 ACDC-K팀과 Curaytor팀이 세계 최고 권위의 국제 로봇 및 자동화 학술대회(ICRA 2026, IEEE International Conference on Robotics and Automation)와 컴퓨터비전 및 패턴 인식 학술대회(CVPR 2026, IEEE/CVF Conference on Computer Vision and Pattern Recognition)의 워크숍 국제 챌린지에서 각각 1위를 차지했다.

 

같은 연구실 소속 두 연구팀이 서로 다른 분야의 세계적 챌린지에서 연이어 우승하며 우리 학부의 공간인지(주변 환경을 인식하고 위치를 파악하는 기술) 기술 경쟁력을 입증했다.

 

ACDC-K팀은 지난 6월 1일부터 5일까지 오스트리아 비엔나에서 열린 ICRA 2026의 OCRAIM 워크숍(Open Challenges in Robotics for Asset Inspection Workshop)에서 개최된 ‘힐티×트림블 SLAM 챌린지 2026(Hilti×Trimble SLAM Challenge 2026)’의 동시 위치추정 및 지도작성(SLAM, Simultaneous Localization and Mapping) 부문에서 60여 개 출전팀 가운데 1위를 차지했다.

 

ACDC K팀 시상식 왼쪽부터 전진우 박사과정팀장 명현 교수
< ACDC-K팀 시상식, 왼쪽부터 전진우 박사과정(팀장), 명현 교수 >

힐티(Hilti), 트림블(Trimble), 영국 옥스퍼드대학교가 공동 주관한 이번 챌린지는 실제 건설 현장에서 수집된 센서 데이터를 활용해 로봇의 위치를 추정하고 주변 환경 지도를 생성하는 성능을 평가하는 국제 대회로 올해 4회째다. 특히 시야가 겹치지 않는 전방·후방 어안 카메라 구성, 질감 정보가 부족한 저텍스처(low-texture) 실내 환경, 급격한 카메라 움직임 등 실제 건설 현장에서 발생하는 다양한 문제를 해결하는 것이 주요 과제로 제시됐다.

 

ACDC-K팀은 전방·후방 어안 카메라와 관성 센서(IMU, 가속도·각속도 등을 측정하는 센서) 데이터를 융합하고, 영상 속 특징점(feature point)과 특징선(feature line) 정보를 활용한 독자적인 비전-관성 SLAM(카메라 영상과 관성 센서 정보를 함께 활용하는 위치추정 기술)을 개발했다. 또한 환경 변화에 따라 적응적으로 제약 및 보정 모델을 적용해 복잡한 건설 환경에서도 안정적인 위치 추정과 지도 작성 성능을 구현하며 최고 성적을 거뒀다.

 

ACDC K팀이 개발한 기술의 위치 추정 및 지도작성 SLAM 결과 예시40m x 30m 규모
< ACDC-K팀이 개발한 기술의 위치 추정 및 지도작성 (SLAM) 결과 예시(40m x 30m 규모) >

이어 Curaytor팀은 6월 3일부터 7일까지 미국 덴버에서 열린 CVPR 2026의 CV4AEC 워크숍(Computer Vision for the Built World Workshop)에서 개최된 ‘NSS 챌린지 2026(Nothing Stands Still Challenge 2026)’에서 8개 출전팀 가운데 1위를 차지했다.

 

Curaytor팀 시상식 김대범 박사과정팀장
< ACDC-K팀이 개발한 기술의 위치 추정 및 지도작성 (SLAM) 결과 예시(40m x 30m 규모) >

미국 스탠퍼드대학교, 스위스 취리히 연방공과대학교(ETH Zurich), 미국 오리건주립대학교가 공동 주관한 NSS 챌린지는 시간에 따라 변화하는 건설·산업 환경에서의 3차원 포인트 클라우드(Point Cloud, 공간을 점들의 집합으로 표현한 3차원 데이터) 정합(registration, 서로 다른 시점에서 획득한 데이터를 동일한 좌표계로 맞추는 과정) 기술을 평가하는 국제 챌린지로 올해 3회째다.

 

Curaytor팀은 서로 다른 시간과 공간에서 수집된 다수의 라이다(LiDAR, 레이저를 이용해 주변 환경의 거리와 형상을 측정하는 센서) 스캔 데이터를 정합하는 독자적인 다중 정합 기술을 개발했다. 특징점 요약 및 대응점 추정, 이상치(outlier)에 강인한 전역 정합, 정합 신뢰도 판단, 변화 감지 기반 결과 정제 기술을 통합해 구조 변화와 동적 객체가 존재하는 환경에서도 안정적인 정합 성능을 달성하며 최고 성능을 입증했다.

 

Curaytor팀이 개발한 기술의 다중 정합 multiway registration 결과 예시 1500평 규모
< Curaytor팀이 개발한 기술의 다중 정합 (multiway-registration) 결과 예시 (1,500평 규모) >

명현 교수는 “이번 성과는 실제 건설·산업 환경과 같이 복잡하고 변화가 많은 상황에서도 우리 연구실의 비전·관성 기반 SLAM 기술과 3차원 라이다 정합 기술의 우수성을 입증한 결과”라며 “학생들이 세계적 연구진과 경쟁하는 국제 챌린지에서 최고 성능을 기록했다는 점에서 의미가 크다”고 말했다.

 

한편 명현 교수 연구실은 힐티 SLAM 챌린지에서 2023년 라이다 부문 전체 1위와 비전 부문 학계 1위를 기록한 바 있으며, NSS 챌린지에서는 2025년에 이어 2026년에도 우승을 차지해 2년 연속 정상에 올랐다. 이를 통해 로보틱스와 컴퓨터비전 분야를 아우르는 공간인지 기술 연구 역량을 국제적으로 인정받고 있다.

교수님 이용우 박사
News

1 2

우리 학부 이용우 박사후연구원이 교육부와 한국연구재단이 지원하는 ‘Post-Doc. 성장형 연구지원’ 사업의 단독연구 유형에 선정됐다.

 

이 사업은 학문후속세대 육성과 국가 연구역량 강화를 위해 마련된 프로그램이다. 유망한 박사후연구원이 전임교원의 멘토링 아래 혁신적이고 도전적인 연구를 수행하며 독립연구자로 성장할 수 있도록 다년간 연구비를 지원한다.

 

전국에서 총 30개 과제가 2026년도 단독연구 유형에 선정됐으며, 이용우 박사의 연구는 ICT·융합연구단 분야에서 KAIST 내에서 유일하게 이름을 올렸다. 특히, 첨단 반도체 패키징 원천기술의 중요성과 확장 가능성을 인정받았다는 점에서 의미가 크다.

 

이용우 박사는 권지민 교수(전기및전자공학부/AI시스템학과 겸임)의 멘토링 아래, Physical AI 휴머노이드를 위한 고신뢰 유리기판 기반 mmWave* GaN** RF PA*** 내장 패키징 원천기술 연구를 수행한다.

* mmWave : 5G·6G, 레이더, 위성통신 등에 활용되는 고주파 무선통신 대역 / ** GaN : 질화갈륨(Gallium Nitride). 높은 출력과 효율이 필요한 전력·고주파 반도체 소재 / *** RF PA: 고주파 전력증폭기(Radio-Frequency Power Amplifier). 무선 신호를 멀리 보내기 위해 신호 세기를 키우는 핵심 부품

 

연구의 핵심은 고출력 RF 전력증폭기를 저손실 유리기판 내부에 내장하고, 칩과 패키지를 함께 설계해 고주파 신호 손실과 전력 효율 저하를 줄이는 것이다. 이를 통해 패키징을 단순한 칩 보호·연결 기술에서 나아가, 시스템 성능 향상에 직접 기여하는 기능성 플랫폼으로 고도화 하는 것이 목표로 삼고 있다. 

 

이 기술은 향후 로봇 응용을 넘어 차세대 6G 통신, 위성, 자율주행, 양자 제어 등 국가 전략 산업에 공통으로 요구되는 고성능 무선 시스템 전반에 활용될 수 있을 것으로 기대된다.

 

이 박사는 “첨단 반도체 패키징은 이제 단순한 후공정을 넘어, 시스템 성능을 좌우하는 핵심 기술로 발전하고 있다”며 “이번 과제를 통해 유리기판 기반 RF 패키징 원천기술을 확보하고, 차세대 무선 시스템에 적용 가능한 독립적인 연구 분야로 발전시켜 나가고 싶다”고 밝혔다.

공지사항

MORE

세미나 및 행사