우리 학부 Nano-Oriented Bio-Electronics Lab 유지만 박사 (지도교수: 최양규)가 2026년 3월 1일부 경북대학교 전자공학부 조교수로 임용 되었습니다.
유지만 박사는 “Silicon-based Synaptic Tranistors for Computing-In-Memory”이라는 논문으로 박사 학위를 취득했으며, 박사 과정 동안 Advanced Functional Materials, Small, IEEE Electron Device Letters 등 유수 학술지에 1저자 16편을 포함하여 총 58편의 다수의 연구 성과를 발표했습니다.
2024년 2월 박사 학위 취득 후 SK 하이닉스 미래기술연구원에 현재까지 재직하며 DRAM Scaling을 위한 요소 기술들을 개발해온 바 있습니다. 향후 주요 연구 분야는 차세대 뉴로모픽 소자/ 3차원 DRAM/ Metal Interconnection 입니다.
우리 학부 문건우 교수 연구실(KAIST Power Electronics Lab, KPEL) 졸업생인 김태우 박사와 김동민 박사가 각각 경북대 전기공학과와 한국기술교육대학교 전기전자통신공학부의 전임교원으로 임용되었습니다.
김태우 박사는 2026년 3월 3일부 경북대학교 전기공학과 전임교원으로 임용되었습니다. 2025년 2월 KAIST에서 박사학위를 취득한 이후 IMEC USA 연구소에서 박사후연구원으로 근무하고 있으며, 전력전자 및 아날로그 집적회로를 주요 연구 분야로 연구를 수행해 왔습니다. IEEE Transactions on Industrial Electronics (TIE), IEEE Transactions on Power Electronics (TPE) 등 국제 저명 학술지 및 학술대회에 다수의 논문을 발표했습니다.
김동민 박사는 2026년 3월 1일부 한국기술교육대학교 전기전자통신공학부 조교수로 임용되었습니다. 2024년 KAIST에서 박사학위를 취득하였으며, 박사과정 동안 무선전력전송, 전기자동차, 데이터센터 관련 전력전자 시스템 연구를 수행했습니다. IEEE Transactions on Power Electronics 등 전력전자 분야 주요 국제 저널에 다수의 논문을 게재한 바 있으며, 졸업 후에는 한국전자통신연구원(ETRI) 소재부품연구본부에서 전기자동차 및 우주항공용 전력반도체와 전력전자 시스템 개발 연구를 수행했습니다.
이번 임용은 전력전자 전 분야에 걸쳐 전문성을 갖춘 인재를 배출해 온 문건우 교수 연구실의 꾸준한 연구 성과를 보여줍니다. 우리 학부는 앞으로도 졸업생들이 학계 각 분야에서 연구 역량을 발휘하며 활발한 활동을 이어갈 것으로 기대합니다.
우리 학부 정명수 교수님 연구팀이 그래프 신경망 기반 기계학습의 단대단 추론 연산을 가속할 수 있는 AI 반도체 기술(이하 오토GNN)를 세계 최초로 개발했습니다.
그래프는 일련의 꼭짓점들과 그들 사이의 연결관계인 변들로 구성된 자료구조로, 그래프 기반 신경망은 현실의 데이터들을 사이의 복합적인 관계를 학습할 수 있어 추천 시스템, 소셜 네트워크 서비스(SNS), 지식 그래프 등 다양한 분야에서 필수적인 기술로 자리 잡았습니다. 그래프 신경망 기반의 기계학습은 이처럼 기존 방법 대비 높은 정확도를 제공할 수 있음에도 불구하고, 실제 서비스 환경에서 활용 시 긴 지연시간이 문제로 제기되어 왔습니다.
연구팀이 개발한 오토GNN 기술은 그래프 신경망 기반의 기계학습의 추론시간 중 70~90%가 사실은 그래프 자료구조를 변환하는 그래프 전처리 단계로 인해 발생함을 규명했습니다. 이후 그래프 전처리 과정의 각 연산에 대한 분석을 통해 기존의 GPU 아키텍처가 병렬화하지 못하는 연산들을 분류하고, 이들을 가속할 수 있는 특수 하드웨어 로직을 활용해 이를 가속하였습니다. 특히 연구진이 디자인한 하드웨어는 일반적인 AI 반도체와 유사하게 고정된 로직으로 구성된 하드웨어 쉘과 재구성 가능한 로직으로 구성된 하드웨어 커널로 나누어져있어, 실시간으로 처리해야 하는 그래프에 맞춤으로 하드웨어 커널을 재구성함으로써 항상 높은 성능을 제공할 수 있도록 하였습니다.
연구팀은 제안하는 오토GNN의 실효성을 검증하기 위해 프로그래밍 가능 반도체를 활용해 RTL 기반의 프로토타입을 제작하였으며, 서버 등급의 인텔 CPU 및 엔비디아 GPU와 그래프 신경망 기반 기계학습 추론 성능을 비교 평가하였습니다. 평가 결과, 오토GNN은 CPU 대비 9.0배, GPU 대비 2.1배 빠른 속도를 기록하였으며, 이 과정에서 에너지 또한 3.3배 절약할 수 있음을 확인하였습니다. 특히, 실시간으로 입력 그래프가 변하는 현실 시나리오에서 재구성 가능한 하드웨어 디자인을 통해 항상 높은 성능을 제공할 수 있음을 검증하였습니다.
[발표 영상]
https://www.youtube.com/watch?v=wOgCHihGZq0
[뉴스]
https://www.youtube.com/watch?v=wNndGXyEw1g
https://www.youtube.com/watch?v=lsZcD6c6A8c
[기사]
https://www.yna.co.kr/view/AKR20260205075100063?input=1195m
https://www.dongascience.com/news/76251
https://zdnet.co.kr/view/?no=20260205150817
https://researchnews.kaist.ac.kr/researchnews/html/news/?mode=V&mng_no=57970
https://www.aitimes.kr/news/articleView.html?idxno=38501
https://www.etnews.com/20260205000051
https://www.hankyung.com/article/202602057029i
https://www.seoulfn.com/news/articleView.html?idxno=620443
https://www.sedaily.com/article/20005154?ref=naver
https://mbiz.heraldcorp.com/article/10670006
https://www.tjb.co.kr/news05/bodo/view/id/94420/version/1
https://www.econovill.com/news/articleView.html?idxno=728477
https://www.mt.co.kr/tech/2026/02/05/2026020510121457200
https://www.chungnamilbo.co.kr/news/articleView.html?idxno=872286
https://www.ccdailynews.com/news/articleView.html?idxno=2396079
우리 학부 정재용 박사(지도교수: 김상현)가 2026년 3월 1일부 UNIST 전기전자공학과 조교수로 임용되었습니다.
정재용 박사는 2024년 2월 박사학위 취득 후 KAIST 정보전자연구소, IBM Research Zurich (한-스위스 이노베이션 사업을 위해 파견 근무)에서 연수연구원 (박사후 연구원)으로 재직하였습니다.
정재용 박사는 화합물 반도체 소자 분야에서 활발한 연구 활동을 수행하며, 현재까지 50편 이상의 국제저명저널 및 국제학회 논문을 발표하였습니다. 특히 반도체 분야 최고 권위의 학회로 ‘반도체 올림픽’이라고 불리는 IEDM(International Electron Device Meeting)과 VLSI Symposium에서 제1저자로 총 15회 발표하는 등 탁월한 연구 성과를 거두었습니다. 이를 바탕으로 학위 과정 중에도 IEEE EDS Ph.D. Fellowship을 수상한 바 있습니다.
향후에도 화합물반도체 고주파 소자, 전력소자 관련 분야 연구에 몰두하며 학문, 산업 발전에 큰 기여를 할 것으로 기대됩니다.
우리 학부 이홍주 박사(지도교수: 노용만)가 2026년 3월 1일부로 서울과학기술대학교 인공지능응용학과 조교수로 임용되었습니다.
이홍주 박사는 “Investigating Adversarial Robustness via Booster Signal”이라는 논문으로 박사학위를 취득했으며, 박사 과정 동안 미래국방 인공지능 특화연구센터 (CARAI)에 참여하여 연구를 수행했습니다. 또한 CVPR, IEEE TIP, IEEE TNNLS 등 최상위 학회와 유수 학술지에 다수의 연구 성과를 발표했습니다.
2023년 박사학위 취득 후에는 독일 뮌헨공과대학교(TUM)에서 박사후 연구원으로 재직하며 의료 분야 인공지능 모델의 신뢰성 연구를 수행했습니다. 이 기간에도 ECCV, MICCAI, AAAI 등에서 우수한 연구 결과를 발표하며 깊이 있는 연구 역량을 보여주었습니다.
이홍주 박사는 앞으로 대학에서 Reliable Intelligence System을 주제로 인공지능 모델의 취약성(Vulnerability), 안정성(Safety), 공정성(Fairness) 등에 관한 연구를 더욱 심화할 예정입니다.
TV와 스마트워치, 그리고 최근 주목받는 VR·AR 기기까지. 화면을 구성하는 핵심 기술인 마이크로LED는 머리카락 굵기보다 작은 LED 하나하나가 스스로 빛을 내는 차세대 디스플레이다. 빨강·초록·파랑(RGB)은 디스플레이 완성의 필수 조건이나, 적색 마이크로LED 기술은 고효율 픽셀로 구현하기 가장 어려운 것으로 알려져 있다. 우리 학부 김상현 교수는 공동 연구팀과 함께 기존 기술의 한계를 넘어 초고해상도이면서도 전력 소모를 크게 줄인 적색 마이크로LED 디스플레이 기술을 개발했다.
연구팀은 이를 통해 최신 스마트폰 디스플레이 해상도의 약 3~4배, VR·AR 기기에서도 초고해상도 수준의 화면이 아닌 ‘현실에 가까운 영상’을 구현할 수 있는 1700 PPI*급 초고해상도 마이크로LED 디스플레이를 실제로 구현하는 데도 성공했다. *PPI(Pixel Per Inch): 화면을 구성하는 가장 작은 점인 픽셀이 얼마나 촘촘히 배치돼 있는지를 나타내는 지표.
마이크로LED는 픽셀 자체가 발광하는 디스플레이 기술로, OLED보다 밝기와 수명, 에너지 효율 면에서 뛰어나지만 두 가지 핵심 난제가 있었다. 첫째는 적색 LED의 효율 저하 문제다. 특히 ‘적색 픽셀’ 구현할 때 픽셀이 작아질수록 에너지가 새어나가 효율이 급격히 떨어지기 때문이다. 둘째는 전사(Transfer) 공정의 한계였다. 수많은 미세 LED를 하나씩 옮겨 심어야 하는 기존 공정 방식은 초고해상도 구현이 어렵고 불량률도 높았다.
연구팀은 이러한 문제를 동시에 해결했다. 먼저 알루미늄 인듐 인화물/갈륨 인듐 인화물(AlInP/GaInP) ‘양자우물 구조’를 적용해, 픽셀이 작아져도 에너지 손실을 크게 줄인 고효율 적색 마이크로LED를 구현했다. 쉽게 말해, 양자우물 구조는 전자와 정공이 밖으로 빠져나가지 않도록 ‘에너지 장벽’을 세워 빛을 내는 공간에 가둬 두는 기술이다. 연구팀은 더 많은 정공을 확보할 수 있는 양자우물 구조를 개발하여 픽셀이 작아짐에 따라 발생하는 에너지 손실을 줄이고, 더 밝고 효율적인 적색 마이크로LED 구현에 성공하였다.
또한 LED를 하나씩 옮기는 대신, 회로 위에 LED 층을 통째로 쌓아 올리는 ‘모놀리식 3차원 집적 기술’을 적용했다. 이 방식은 정렬 오차를 줄이고 불량률을 낮춰, 초고해상도 디스플레이를 안정적으로 제작할 수 있다는 장점이 있다. 연구팀은 이 과정에서 회로 손상을 막는 저온 공정 기술도 함께 확보했다.
이번 성과는 고효율 구현이 가장 어렵다고 알려진 초고해상도 적색 마이크로LED를 실제 구동 가능한 디스플레이로 입증했다는 점에서 의미가 크다. 해당 기술은 화면의 입자감이 거의 느껴지지 않아야 하는 AR·VR 스마트 글래스를 비롯해, 차량용 헤드업 디스플레이(HUD), 초소형 웨어러블 기기 등 다양한 차세대 디스플레이 분야에 폭넓게 활용될 것으로 기대된다.
김상현 교수는 “이번 연구는 마이크로LED 분야에서 오랫동안 해결되지 않았던 적색 픽셀 효율과 구동 회로 집적 문제를 동시에 풀어낸 성과”라며, “상용화가 가능한 차세대 디스플레이 기술로 발전시켜 나가겠다”고 말했다.
본 연구는 KAIST 정보전자연구소 박주혁 박사가 제1저자로 연구를 주도했으며 연구 결과는 세계적 학술지 Nature Electronics에 1월 20일에 게재됐다.
※ 논문명: Monolithic 3D 1700PPI red micro-LED display on Si CMOS IC using AlInP/GaInP epi-layers with high internal quantum efficiency and low size dependency, DOI: 10.1038/s41928-025-01546-4, URL: https://www.nature.com/articles/s41928-025-01546-4
인하대 금대명 교수와 공동으로 연구하고 화합물 반도체 제조업체 큐에스아이(대표 이청대)와 마이크로디스플레이·반도체 SoC 설계 기업 라온택(대표 이승탁)과 협업한 이번 연구는 한국연구재단 기본연구(2019), 디스플레이전략연구실 사업(현재 수행 중), 삼성미래육성센터(2020~2023)의 지원을 받아 수행됐다.
우리 학부에 이슬기 교수님께서 2026년 2월 4일자로 부임하십니다. 많은 환영과 축하를 부탁드립니다.
이슬기 교수님의 오피스는 IT융합빌딩 910호입니다. 이슬기 교수님은 임베디드 AI(On-device AI)를 중심으로, 실시간·모바일·센싱 시스템, AIoT(AI+IoT), 지능형 엣지 시스템 및 딥러닝 컴파일러 분야를 연구하고 있습니다. 제한된 자원 환경에서도 학습·적응·진화가 가능한 임베디드 지능 시스템을 구현하는 것을 목표로, 하드웨어와 소프트웨어, 시스템과 인공지능을 아우르는 연구를 수행하고 있습니다.
특히 메모리와 연산 자원이 제한된 임베디드 환경에서의 효율적인 딥러닝 최적화, 온디바이스 신경망 구조 탐색, 실시간 AI 시스템 설계 등을 통해 실제 환경에서 활용 가능한 베디드 인공지능 기술 발전을 목표로 연구를 수행하고 있습니다.
이슬기 교수님의 자세한 연구 내용은 아래 홈페이지를 참고해 주시기 바랍니다.
홈페이지: https://sites.google.com/view/embeddedai
< Academic and Professional Profile>
Major Field
Educational Background
Career
Publications
Assigned Curricular Plan
Vision
We make resource-constrained real-time and embedded sensing systems capable of learning, adapting, and evolving, with the aim of enabling Embedded Artificial Intelligence (Embedded AI or On-Device AI).
Research Plan
우리 학부 정준선 교수 연구실(Multimodal AI Lab) 소속으로 2026년 2월 박사학위를 취득할 예정인 김지훈 박사과정과 류형곤 박사과정이 국내 유수 대학의 전임교원으로 임용되었습니다.
김지훈 박사과정은 2026년 3월 1일부로 중앙대학교 첨단영상대학원 전임교원으로 임용되었으며, 재학 중 인간 중심 멀티모달 인공지능 분야를 연구했습니다. IEEE Transactions on Audio, Speech and Language Processing (TASLP), IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), AAAI Conference on Artificial Intelligence (AAAI) 등에 연구 성과를 발표한 바 있습니다. 향후 인간과 인공지능 간의 자연스러운 상호작용을 위한 멀티모달 인공지능 연구를 이어갈 예정입니다.
류형곤 박사과정은 2026년 3월 1일부로 한국외국어대학교 Language & AI 융합학부 전임교원으로 임용되었으며, 재학 중 시각·청각 멀티모달 인공지능을 연구했습니다. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), CVF International Conference on Computer Vision (ICCV) 등에 연구 성과를 발표했습니다. 향후 시각·청각 정보를 기반으로 한 멀티모달 인공지능 연구를 통해 학문적·산업적 발전에 기여할 예정입니다.
이번 두 박사과정의 전임교원 임용은 정준선 교수 연구실이 멀티모달 인공지능 분야에서 자율적인 연구 수행과 국제 학술 활동을 장려하는 연구 환경을 바탕으로, 독립적인 연구 역량을 갖춘 연구자를 양성해 온 성과를 보여줍니다.
Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT
Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT
Copyright ⓒ 2015 KAIST Electrical Engineering. All rights reserved. Made by PRESSCAT
Copyright ⓒ 2015 KAIST Electrical
Engineering. All rights reserved.
Made by PRESSCAT
