AI in EEAI and machine learning are a key thrust in EE researchAI and machine learning are a key thrust in EE research
AI/machine learning efforts are already a big part of ongoing
research in all 6 divisions - Computer, Communication, Signal,
Wave, Circuit and Device - of KAIST EE
최근 챗GPT, 딥시크(DeepSeek) 등 초거대 인공지능(AI) 모델이 다양한 분야에서 활용되며 주목받고 있다. 이러한 대형 언어 모델은 수만 개의 데이터센터용 GPU를 갖춘 대규모 분산 시스템에서 학습되는데, GPT-4의 경우 모델을 학습하는 데 소모되는 비용은 약 1,400억 원에 육박하는 것으로 추산된다. 한국 연구진이 GPU 사용률을 높이고 학습 비용을 절감할 수 있는 최적의 병렬화 구성을 도출하도록 돕는 기술을 개발했다.
우리 학부 유민수 교수 연구팀은 삼성전자 삼성종합기술원과 공동연구를 통해, 대규모 분산 시스템에서 대형 언어 모델(LLM)의 학습 시간을 예측하고 최적화할 수 있는 시뮬레이션 프레임워크(이하 vTrain)를 개발했다.
대형 언어 모델 학습 효율을 높이려면 최적의 분산 학습 전략을 찾는 것이 필수적이다. 그러나 가능한 전략의 경우의 수가 방대할 뿐 아니라 실제 환경에서 각 전략의 성능을 테스트하는 데는 막대한 비용과 시간이 들어간다.
이에 따라 현재 대형 언어 모델을 학습하는 기업들은 일부 경험적으로 검증된 소수의 전략만을 사용하고 있다. 이는 GPU 활용의 비효율성과 불필요한 비용 증가를 초래하지만, 대규모 시스템을 위한 시뮬레이션 기술이 부족해 기업들이 문제를 효과적으로 해결하지 못하고 있는 상황이다.
이에 유민수 교수 연구팀은 vTrain을 개발해 대형 언어 모델의 학습 시간을 정확히 예측하고, 다양한 분산 병렬화 전략을 빠르게 탐색할 수 있도록 했다.
연구팀은 실제 다중 GPU 환경에서 다양한 대형 언어 모델 학습 시간 실측값과 vTrain의 예측값을 비교한 결과, 단일 노드에서 평균 절대 오차(MAPE) 8.37%, 다중 노드에서 14.73%의 정확도로 학습 시간을 예측할 수 있음을 검증했다.
< 그림 1. vTrain 시뮬레이터 구조 모식도 >
연구팀은 삼성전자 삼성종합기술원와 공동연구를 진행하여 vTrain 프레임워크와 1,500개 이상의 실제 학습 시간 측정 데이터를 오픈소스로 공개(https://github.com/VIA-Research/vTrain)하여 AI 연구자와 기업이 이를 자유롭게 활용할 수 있도록 했다.
< 그림 2. 단일 노드 시스템(좌) 및 다중 노드 시스템(우)에 대한 학습 시간 측정값과 예측값의 비교 >
유민수 교수는 “vTrain은 프로파일링 기반 시뮬레이션 기법으로 기존 경험적 방식 대비 GPU 사용률을 높이고 학습 비용을 절감할 수 있는 학습 전략을 탐색하였으며 오픈소스를 공개하였다. 이를 통해 기업들은 초거대 인공지능 모델 학습 비용을 효율적으로 절감할 것이다”라고 말했다.
< 그림 3. 다양한 병렬화 기법에 따른 MT-NLG 학습 시간 및 GPU 사용률 변화 >
이 연구 결과는 방제현 박사과정이 제1 저자로 참여하였고 컴퓨터 아키텍처 분야의 최우수 학술대회 중 하나인 미국 전기전자공학회(IEEE)·전산공학회(ACM) 공동 마이크로아키텍처 국제 학술대회(MICRO)에서 지난 11월 발표됐다. (논문제목: vTrain: A Simulation Framework for Evaluating Cost-Effective and Compute-Optimal Large Language Model Training, https://doi.org/10.1109/MICRO61859.2024.00021)
이번 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단, 정보통신기획평가원, 그리고 삼성전자의 지원을 받아 수행되었으며, 과학기술정보통신부 및 정보통신기획평가원의 SW컴퓨팅산업원천기술개발(SW스타랩) 사업으로 연구개발한 결과물이다.
최근 인공지능 기술의 발전으로 챗GPT와 같은 대형 언어 모델(이하 LLM)은 단순한 챗봇을 넘어 자율적인 에이전트로 발전하고 있다. 구글(Google)은 최근 인공지능 기술을 무기나 감시에 활용하지 않겠다는 기존의 약속을 철회해 인공지능 악용 가능성에 대한 논란이 불거진 점을 상기시키며, KAIST 연구진이 LLM 에이전트가 개인정보 수집 및 피싱 공격 등에 활용될 수 있음을 입증했다.
우리 학부 신승원 교수, 김재철 AI 대학원 이기민 교수 공동연구팀이 실제 환경에서 LLM이 사이버 공격에 악용될 가능성을 실험적으로 규명했다. 현재 OpenAI, 구글 AI 등과 같은 상용 LLM 서비스는 LLM이 사이버 공격에 사용되는 것을 막기 위한 방어 기법을 자체적으로 탑재하고 있다. 그러나 연구팀의 실험 결과, 이러한 방어 기법이 존재함에도 불구하고 쉽게 우회해 악의적인 사이버 공격을 수행할 수 있음이 확인됐다.
기존의 공격자들이 시간과 노력이 많이 필요한 공격을 수행했던 것과는 달리, LLM 에이전트는 이를 평균 5~20초 내에 30~60원(2~4센트) 수준의 비용으로 개인정보 탈취 등이 자동으로 가능하다는 점에서 새로운 위협 요소로 부각되고 있다.
< 그림 1. LLM 에이전트가 웹 기반 도구들을 사용하여 공격자(유저)의 요구에 따라 답변을 생성하는 과정이다. >
연구 결과에 따르면, LLM 에이전트는 목표 대상의 개인정보를 최대 95.9%의 정확도로 수집할 수 있었다. 또한, 저명한 교수를 사칭한 허위 게시글 생성 실험에서는 최대 93.9%의 게시글이 진짜로 인식됐다.
뿐만 아니라, 피해자의 이메일 주소만을 이용해 피해자에게 최적화된 정교한 피싱 이메일을 생성할 수 있었으며, 실험 참가자들이 이러한 피싱 이메일 내의 링크를 클릭할 확률이 46.67%까지 증가하는 것으로 나타났다. 이는 인공지능 기반 자동화 공격의 심각성을 시사한다.
제1 저자인 김한나 연구원은 “LLM에게 주어지는 능력이 많아질수록 사이버 공격의 위협이 기하급수적으로 커진다는 것이 확인됐다”며, “LLM 에이전트의 능력을 고려한 확장 가능한 보안 장치가 필요하다”고 말했다.
< 그림 2. 메타의 CEO인 마크 저커버그의 이메일 주소만을 활용하여 LLM 에이전트 (Claude 사용)가 마크 저커버그를 대상으로 작성한 피싱 이메일 내용. LLM 에이전트가 스스로 대상자와 관련된 내용, 발신자, url 링크 문자 등을 설정한 것을 볼 수 있다. >
신승원 교수는 “ 이번 연구는 정보 보안 및 AI 정책 개선에 중요한 기초 자료로 활용될 것으로 기대되며, 연구팀은 LLM 서비스 제공업체 및 연구기관과 협력하여 보안 대책을 논의할 계획이다”라고 밝혔다.
< 그림 3. Claude 기반 LLM 에이전트를 활용하여 얼마나 많은 사람들의 개인 정보를 수집할 수 있는지를 나타낸 실험 결과이다. 본 실험에서는 CS 교수들의 개인정보를 수집하였다. >
우리 학부 김한나 박사과정이 제1 저자로 참여한 이번 연구는 컴퓨터 보안 분야의 최고 학회 중 하나인 국제 학술대회 USENIX Security Symposium 2025에 게재될 예정이다. (논문명: “When LLMs Go Online: The Emerging Threat of Web-Enabled LLMs”, DOI: 10.48550/arXiv.2410.14569 )
한편 이번 연구는 정보통신기획평가원, 과학기술정보통신부 및 광주광역시의 지원을 받아 수행됐다.
우리 학부 최경철 교수님이 SID (Society for Information Display) 학회의 석학회원(Fellow)으로 선임되었습니다.
디스플레이 분야에서 IEEE(국제전기및전자학회)와 SID(국제정보디스플레이) 학회에서 동시에 석학회원으로 선정된 연구자는 전 세계적으로 단 10명뿐입니다. SID 에서는 매년 5명의 Fellow만을 산업적 기여도 및 연구 업적을 평가하여선임하고 있고, 최경철 교수는 ‘For pioneering development of truly wearable OLED displays using fiber and fabric substrates’ 연구 업적으로 2025년 SID Fellow로 선임되었습니다.
2018년에는 Merck Award를, 2022년도에는 UDC Innovative Research Award을 받은 바 있고, 2023년에도 Flexible display 연구 업적으로 IEEE Fellow로 선임된 바 있습니다.
최근 개발된 로봇들은 계란을 섬세하게 집는 수준에 이르렀는데, 이같은 결과는 손 끝에 집적된 압력 센서가 촉각 정보를 제공했기 때문이다. 그러나, 이러한 세계 최고 수준의 로봇들조차도 물 속, 굽힘, 전자기 간섭과 같은 복잡한 외부 간섭 요소들이 존재하는 환경에서 압력을 정확히 감지하는 것은 아직 어렵다. KAIST 연구진이 물기가 묻은 스마트폰 화면과 같은 환경에서도 외부 간섭 없이 안정적으로 작동하며, 인간의 촉각 수준에 근접한 압력 센서를 개발하는 데 성공했다.
우리 학부 윤준보 교수 연구팀이 비가 오거나 샤워 후 스마트폰 화면에 물이 묻으면, 터치가 엉뚱하게 인식되는 ‘고스트 터치’와 같은 외부 간섭의 영향을 받지 않으면서도 높은 해상도로 압력을 감지할 수 있는 압력 센서를 개발했다.
흔히 터치 시스템으로 사용되고 있는 정전용량 방식 압력 센서는 구조가 간단하고 내구성이 뛰어나 스마트폰, 웨어러블 기기, 로봇 등의 휴먼-머신 인터페이스(Human-Machine Interface) 기술에 널리 활용되고 있다. 그러나 물방울이나 전자기 간섭, 굴곡으로 인한 굽힘 등 외부 간섭 요소에 의해 오작동이 발생하는 치명적인 문제가 있었다.
< 그림 1. (왼쪽) 비가 오는 날 스마트폰 표면에 물이 묻은 경우 터치가 잘 되지 않을때의 모식도. (가운데) 간섭이 존재하는 상황에서 센서의 의도치 않은 오작동 모식도. (오른쪽) 정상 상황과 간섭이 존재하는 상황에서의 전기장 분포 시뮬레이션 결과. 간섭이 존재하는 경우 프린지 필드의 왜곡이 발생한다. >
연구팀은 이와 같은 문제를 해결하기 위해 우선 정전용량 방식 압력 센서에서 발생하는 간섭의 원인을 정확히 파악하고자 했다. 그 결과, 센서 가장자리에서 발생하는 ‘프린지 필드(Fringe Field)’가 외부 간섭에 극도로 취약한 것을 확인했다.
이를 근본적으로 해결하기 위해서는 문제의 원인인 프린지 필드를 억제해야 한다는 결론에 이르렀다. 따라서, 연구팀은 이론적 접근을 통해 프린지 필드에 영향을 미치는 구조적 변수들에 대해 집중적으로 탐구했고 전극 간격을 수백 나노미터(nm) 수준으로 좁힐 경우 센서에서 발생하는 프린지 필드를 수 퍼센트 이하로 억제할 수 있음을 확인했다고 밝혔다.
< 그림 2. (왼쪽) 본 연구에서 개발한 나노 갭 압력 센서의 사진. (가운데) 나노 갭 설계로 인해 프린지 필드가 억제되어 외부 간섭을 효과적으로 차단하는 모식도. (오른쪽) 실제로 제작된 나노갭 압력 센서의 전자 현미경 사진. >
연구팀은 독자적인 마이크로/나노 구조 공정 기술을 활용해 앞서 설계한 900나노미터(nm) 수준의 전극 간격을 갖는 나노 갭 압력 센서를 개발했다. 개발된 센서는 압력을 가하는 물질에 관계없이 압력만을 신뢰적으로 감지했으며 굽힘이나 전자기 간섭에도 감지 성능에 영향이 없는 것을 검증했다.
또한, 연구팀은 개발한 센서의 특성을 활용해 인공 촉각 시스템을 구현했다. 인간의 피부에는 메르켈 원반(Merkel’s disc)라는 압력 수용기가 있어 압력을 감지하는데, 이를 모사하기 위해서는 외부 간섭에는 반응하지 않고 오직 압력에만 반응하는 압력 센서 기술이 필요했지만 기존 기술들로는 이러한 조건을 만족시키기가 어려웠다.
윤준보 교수 연구팀이 개발한 센서는 이러한 제약을 모두 극복했으며, 밀도 또한 메르켈 원반 수준에 도달해 무선으로 정밀한 압력 감지가 가능한 인공 촉각 시스템을 구현하는 데 성공했다.
< 그림 3. (왼쪽) 인체의 압력 감지 방식과 이를 모사하기 위한 간섭에서 자유롭고 높은 해상도를 갖는 나노 갭 압력 센서의 모식도. (오른쪽) 나노갭 압력 센서를 활용해 구현한 무선 인공 촉각 시스템으로 물이 묻은 물체를 집는 모습. 표면에 물이 묻어도 반응하지 않으며 오직 압력만을 정밀하게 감지한다 >
더 나아가, 다양한 전자기기로의 응용 가능성을 확인하기 위해 포스 터치 패드 시스템 역시 개발해 압력의 크기와 분포를 간섭 없이 높은 해상도로 얻을 수 있음을 검증했다고 밝혔다.
윤준보 교수는 “이번 나노 갭 압력 센서는 비 오는 날이나 땀이 나는 상황에서도 기존 압력 센서처럼 오작동하지 않고 안정적으로 동작한다. 많은 사람들이 일상에서 겪어온 불편을 해소할 수 있을 것으로 기대한다.”라고 말했다. 이어 “앞으로 로봇의 정밀한 촉각 센서, 의료용 웨어러블 기기, 증강현실(AR) 및 가상현실(VR) 인터페이스 등 다양한 응용 분야에서 혁신적인 변화를 가져올 수 있을 것이다”고 덧붙였다.
< 그림 4. (왼쪽) 나노 갭 압력 센서를 활용해 구현한 포스 터치 패드 시스템과 센서 위에 물이 차있는 상황에 대한 모식도. (가운데) 포스 터치 패드 시스템을 활용해 물이 차있는 상황에서의 멀티 터치 측정 결과. (오른쪽) 센서 위에 물에 의한 간섭이나 교차간섭 없이 압력의 크기와 분포를 정밀하게 나타내는 3차원 측정 결과 >
우리 학부 전기및전자공학부 양재순 박사, 정명근 박사과정 그리고 성균관대 반도체융합공학과 유재영 조교수(KAIST 박사 졸업)가 제1 저자로 수행한 이번 연구는 저명 국제 학술지 ‘네이처 커뮤니케이션즈 (Nature Communications)’에 2025년 2월 27일 출판됐다. (논문 제목: Interference-Free Nanogap Pressure Sensor Array with High Spatial Resolution for Wireless Human-Machine Interfaces Applications, https://doi.org/10.1038/s41467-025-57232-8)
한편, 이번 연구는 한국연구재단의 중견연구지원사업과 선도연구센터지원사업의 지원을 받아 수행됐다.
KAIST 전기및전자공학부의 봄학기 콜로퀴움 강연 시리즈가 2025년 3월 13일 시작되었다.
첫 연사로 나선 Envision Partners 의 제현주 대표는 “Mindset of venture capitalist and entrepreneurship capturing a market opportunity” 란 주제로 투자자 시점에서 본 스타트업 현장의 이야기를 공유해 학생들의 많은 관심을 끌었다. 이후에도 이영 KAIST 초빙석좌교수 (전 중소벤처기업부 장관), 양자기술 전문가인 국립싱가폴대학의 Leong Chuan Kwek 교수 등 IT 분야의 다채로운 강의가 진행될 예정이다.
콜로퀴움 강연을 주관하는 최진석 교수는 “외부 강사 외에도 전기및전자공학부에 최근 부임한 신임교원과 창업 교원의 강연도 준비되었다고 밝히며, 구성원들의 많은 관심과 참여를 부탁한다”라고 전했다. 콜로퀴움 강연은 목요일 오후 4시 정보전자공학동 (E3-1) 제1공동강의실에서 진행된다. (상세 일정은 하단 포스터 참조)
우리 학부 한준규 박사(지도교수: 최양규)가 2025년 3월 1일부로 서울대학교 재료공학부 조교수로 임용되었습니다.
한준규 박사는 박사과정 중 반도체 소자 분야 연구를 활발히 수행하였으며, Science Advances, Advanced Science, Advanced Functional Materials, Nano Letters, IEDM 등 국제저명학술지와 학회에 90편 이상의 논문을 발표하였습니다.
한준규 박사는 2023년 2월 박사학위 취득 후 서울대학교 반도체공동연구소, 하버드대학교, 서강대학교 시스템반도체공학과에서 각각 박사후연구원, 방문연구원, 조교수로 재직하였습니다.
