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
우리 학부 윤인수 교수 연구팀이삼성리서치, POSTECH, 조지아공과대학교(Georgia Tech) 연구진과 연합해 구성한 ‘팀 애틀랜타(Team Atlanta)’가 현지 시간으로 8월 8일 미국 라스베이거스에서 열린 세계 최대 해킹 콘퍼런스 ‘DEF CON 33’에서, 미국 국방고등연구계획국(DARPA) 주관 ‘AI 사이버 챌린지(AIxCC)’에서 최종 우승을 차지했다.
김태수 삼성리서치 상무 겸 조지아텍 교수가 이끄는 팀 애틀란타는 이번 성과로 팀은 미화 400만 달러(약 55억 원)의 상금을 수상하며, 인공지능 기반 자율 사이버 방어 기술의 우수성을 세계 무대에서 입증했다.
< 팀 애틀란타 우승 기념 촬영. (왼쪽 두번째부터) 김태수 삼성리서치 상무 겸 조지아텍 교수, 한형석 삼성 리서치 아메리카 연구원, 윤인수 교수) >
AI 사이버 챌린지(AIxCC)는 DARPA와 미국 보건첨단연구계획국(ARPA-H)이 공동 주관하는 2년간의 글로벌 경연으로, 인공지능 기반 CRS를 활용해 소프트웨어의 취약점을 자동 분석·탐지·수정하는 능력을 겨룬다. 대회 총상금은 2,950만 달러이며, 최종 우승팀에는 400만 달러가 수여된다.
대회 결선에서 팀 애틀랜타는 총점 392.76점을 기록해, 2위 Trail of Bits를 170점 이상 차이로 따돌리며 압도적인 성적으로 정상에 올랐다.
팀 애틀랜타가 이번 대회를 통해서 개발한 사이버 추론 시스템(CRS, Cyber Reasoning System)은 대회에서 투입된 다양한 유형의 취약점을 자동으로 탐지하고 상당수를 실시간 패치하는데 성공했다.
결선에 진출한 7개 팀은 총 70개의 인위적(injected) 취약점 중 평균 77%를 발견하고, 그 중 61%를 패치했다. 또한 실제 소프트웨어에서 알려지지 않은 취약점 18건을 추가로 찾아내 AI 보안 기술의 잠재력을 입증했다.
< 최종 결과 스코어 보드 (170점 이상으로 압도적으로 우승) >
우승팀을 포함한 모든 CRS 기술은 오픈소스로 제공될 예정이며, 병원·수도·전력 등 핵심 인프라 보안 강화에 활용될 전망이다.
윤인수 교수는 “엄청난 성과를 이루게 되어 매우 기쁘다. 이번 성과는 한국의 사이버 보안 연구가 세계 최고 수준에 도달했음을 보여주는 쾌거이며, 한국 연구진의 역량을 세계 무대에 보여주게 되어 뜻깊었다”라며, “앞으로도 AI와 보안 기술의 융합을 통해 국가와 글로벌 사회의 디지털 안전을 지키는 연구를 지속하겠다”고 밝혔다.
이광형 KAIST 총장은 “이번 우승은 KAIST가 미래 사이버 보안과 인공지능 융합 분야에서 세계적인 선도 기관임을 다시 한번 입증한 사례”라며, “우리 연구진이 세계 무대에서 당당히 경쟁하고 성과를 창출할 수 있도록 전폭적인 지원을 이어가겠다”고 말했다.
국내 연구진이 양자 상태의 측정 보정이 없이도 안정적으로 양자키분배(QKD)가 가능한 ‘측정 보호(MP)’이론을 세계 최초로 정립하고, 이를 실험적으로 검증하는 데 성공했다.
우리 학부 배준우 교수팀이 한국전자통신연구원(ETR) 양자통신연구실과의 공동 연구를 통해 위성, 선박, 드론처럼 움직이는 환경에서도 안정적인 양자통신을 구현할 수 있는 새로운 기술을 세계 최초로 개발했다.
양자통신은 정보를 빛의 양자 상태로 전송하는 고정밀 기술이지만, 무선으로 이동중인 환경에서는 날씨나 주변 환경 변화의 영향을 크게 받아 통신이 불안정해지는 문제가 있었다. 특히 하늘이나 바다, 공중처럼 실시간으로 변화하는 환경에서는 양자 상태의 안정적인 전달이 매우 어려웠다.
이번 연구는 이러한 한계를 극복하고, 이동중인 상태에서도 안정적으로 양자 정보를 주고받을 수 있는 기술적 가능성을 처음으로 열었다는 점에서 중요한 의미를 갖는다. 향후 위성과 지상 간의 보안 통신, 드론 및 해상 통신 등 다양한 분야에 양자기술을 적용할 수 있을 것으로 기대된다.
양자키분배(QKD) 기술이란, 양자역학 원리를 이용해 도청이 원천적으로 불가능한 암호 키를 분배하는 기술이다. 기존 QKD 프로토콜은 채널 상태가 바뀔 때마다 수신 측 측정 장치를 반복해서 보정해야만 했다.
하지만, 이번 연구에서는 간단한 국부 연산만으로도 채널 상태에 관계없이 안정적인 키 분배가 가능함을 증명해 냈다. 이론은 우리 학부 배준우 교수팀이 정립했고, 실험은 ETRI 연구진이 수행했다.
연구진은 단일광자 펄스를 생성하기 위해 100MHz인 광원, 즉 수직 공진형 표면 발광 레이저(VCSEL)를 활용했다. VCSEL이란, 레이저 빔이 칩의 상단 표면에서 수직으로 방출되는 반도체 레이저의 한 종류이다.
연구진은 10m 자유공간 구간에 최대 30dB 손실을 적용한 장거리 전송 환경을 구현하고, 다양한 편광 노이즈를 삽입해 무선환경의 장거리 실험을 상정해 열악한 상황에서도 양자의 전송과 측정이 원활하게 됨을 검증했다. 또한 송수신 단에는 각각 3개의 파장판을 장착해 국부 연산을 구현했다.
그 결과, 측정보호(MP) 기반 QKD 시스템은 전송된 양자 비트 중 오류가 발생한 비율을 뜻하는 양자 비트 오류율(QBER)의 시스템 최대 허용치를 기존 대비 20.7%까지 상승시킬 수 있다는 것을 증명했다.
이는 수신된 양자 비트 중 오류가 20.7% 미만이면 별도의 측정 보정 없이 안정적인 양자키분배가 가능하다는 의미다. 이로써 측정 보정 없이도 다양한 채널 노이즈 환경에서도 안정적인 키 생성을 달성하여 신뢰성 있는 양자통신을 구현할 수 있는 기반을 마련한 셈이다. 연구진은 이 같은 성과를 위성-지상 링크와 유사한 환경에 적용이 가능할 것으로 보고 있다.
이번 연구 결과는 6월 25일, 국제 권위 학술지 미국전기전자공학회(IEEE) 통신분야 저널인 “Journal on Selected Areas in Communications”에 게재됐다. ETRI 고해신 연구원과 KAIST 스피로스 케크림패리스(Spiros Kechrimparis) 박사가 공동 1저자로 참여했다.
배준우 교수는 “이번 성과는 복잡한 환경에서도 신뢰할 수 있는 양자 보안 통신을 현실로 끌어올리는 결정적 전환점이 될 것이다”라고 말했다.
이번 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 ‘양자인터넷 핵심원천기술개발’, ‘한국전자통신연구원연구개발지원 사업’, ‘양자암호통신산업확산및차세대기술개발 사업’, ‘양자암호통신집적화및전송기술고도화 사업‘, ’SW컴퓨팅산업원천기술개발사업‘ 과 한국연구재단의 ‘양자공통기반기술개발 사업’, ‘중견 연구’와 우주 항공청 ‘미래우주교육센터’의 일환으로 추진되었다.
우리 학부 U-AIM(Artificial Intelligence & Machine Learning Lab) 주시현 동문(지도교수: 유창동)이 현대자동차그룹 최연소 신임 상무(임원)로 승진했습니다.
주시현 상무는 2011년 2월에 U-AIM 연구실에서 인공지능 및 머신러닝 분야로 석사학위를 취득한 후, 현대자동차그룹에 입사하여 로보틱스지능SW팀장(책임연구원)으로 재직해 왔습니다. 그동안 현대자동차그룹의 로보틱스 및 소프트웨어 기술 개발을 선도하며 탁월한 연구 역량과 리더십을 발휘해왔고, 이번 인사에서 조직 내 두터운 신뢰를 바탕으로 최연소 상무로 발탁되었습니다.
주시현 상무는 현재 로봇 지능화를 위한 영상 및 음성 기반 인공지능 모델 SW 기술을 연구 개발하고 있습니다. 실내외 배송, 패트롤, 공장 보전 등 다양한 로봇 서비스의 구현과 실환경 검증 및 기술 양산화를 위한 연구를 수행 중이며, 이전에는 딥러닝 및 기계학습 기반의 제스처 및 필기 인식 기술 개발로 차량 양산 적용의 성과를 낸 바 있습니다. 주시현 상무는 앞으로 현대자동차그룹의 로보틱스와 인공지능 기술 경쟁력 강화에 핵심적인 역할을 수행할 것으로 기대됩니다.
< 사진 1. (왼쪽부터) 심영민 석박통합과정. 박도윤 박사과정, 박찬호 박사후연구원, 권경하 교수 >
심박수, 혈중산소포화도, 땀 성분 분석 등 지속적인 건강 모니터링을 위한 의료용 웨어러블 기기의 소형화와 경량화는 여전히 큰 도전 과제다. 특히 광학 센서는 LED 구동과 무선 전송에 많은 전력을 소모해 무겁고 부피가 큰 배터리를 필요로 한다. 이런 한계를 극복하기 위해 우리 학부 연구진이 주변 빛을 에너지원으로 활용하고, 전력 상황에 따라 최적화된 관리를 통해 24시간 연속 측정이 가능한 차세대 웨어러블 플랫폼을 개발했다.
권경하 교수팀은 미국 노스웨스턴대학교 박찬호 박사팀과 공동연구를 통해, 주변 빛을 활용해 배터리 전력 부담을 줄인 적응형 무선 웨어러블 플랫폼을 개발했다.
의료용 웨어러블 기기의 배터리 문제를 해결하기 위해, 권경하 교수 연구팀은 주변의 자연광을 에너지원으로 활용하는 혁신적인 플랫폼을 개발했다. 이 플랫폼은 세 가지 상호 보완적인 빛 에너지 기술을 통합한 것이 특징이다.
< 그림 1. 무선 웨어러블 플랫폼은 i) 윈도우를 통과한 주변광을 직접 측정에 사용하는 광측정 시스템, ii) 고효율 광전지 셀과 무선 전력 수신 코일을 활용해 전력을 공급받는 광발전 시스템, iii) 광발광 물질로 빛을 저장해 앞의 어두운 상황에서 발광해 두 시스템을 보조하는 광발광 시스템을 활용해 광원에 필요한 에너지를 최소화한다. 센서 내 데이터 처리는 필수적인 데이터만을 무선 전송하여 전력을 최소화한다. 적응형 전원 관리 시스템은 광발전 시스템의 전력 공급량과 배터리 충전 상태를 기반으로 전원 선택기가 11가지 전력 모드 중 최적의 모드를 선택해 효율적으로 전원을 관리한다. >
첫 번째 핵심 기술인 ‘광 측정 방식(Photometric Method)’은 주변 광원의 세기에 따라 LED 밝기를 적응적으로 조절하는 기술이다. 주변 자연광과 LED 빛을 합쳐 일정한 총 조명량을 유지하되, 자연광이 강할 때는 LED를 어둡게, 자연광이 약할 때는 LED를 밝게 자동 조절한다.
기존 센서가 환경과 관계없이 LED를 일정하게 켜야 했다면, 이 기술은 주변 환경에 맞춰 LED 전력을 실시간으로 최적화할 수 있다. 실험 결과, 충분한 조명 환경에서 전력 소모를 86.22%나 줄였다.
두 번째는 ‘고효율 다접합 태양전지(Photovoltaic Method)’ 기술이다. 이는 단순한 태양광 발전을 넘어서 실내외 모든 환경의 빛을 전력으로 변환한다. 특히 적응형 전력 관리 시스템을 통해 주변 환경과 배터리 상태에 따라 11가지 서로 다른 전력 구성으로 자동 전환되어 최적의 에너지 효율을 달성한다.
세 번째 혁신 기술은 ‘축광/발광(Photoluminescent Method)’기술이다. 스트론튬 알루미네이트 미세입자*를 센서의 실리콘 캡슐화 구조에 혼합해, 낮 동안 주변 빛을 흡수해 저장했다가 어둠 속에서 서서히 방출한다. 이를 통해 태양광 500W/m²에 10분간 노출되면 완전한 어둠에서도 2.5분간 연속 측정이 가능하다. *스트론튬 알루미네이트 미세입자: 야광페인트나 안전 표지판에 사용되는 형광체로, 빛을 흡수한 후 어둠 속에서 오랫동안 발광하는 축광 소재
이 세 가지 기술이 상호 보완적으로 작동해 밝은 환경에서는 첫 번째와 두 번째 방식이, 어두운 환경에서는 세 번째 방식이 추가로 지원하는 방식으로 24시간 연속 작동을 가능하게 한다.
< 그림 2. 에너지 하베스팅 및 전원 관리 플랫폼을 적용한 다기능 장치는 i) 광용적맥파 센서, ii) 청색광 선량계, 그리고 iii) 땀 분석용 광발광 미세유체 채널과 생체지표(염화 이온, 혈당, pH 농도) 센서 및 iv) 온도 센서로 구성된다. 이 장치는 피부에 부착될 수 있도록 유연회로기판(fPCB)으로 구현됐다. 주변광과 측정용 빛이 통과할 수 있는 윈도우가 포함된 실리콘 구조체와 광발광 보호층이 광용적맥파, 청색광 선량계, 그리고 온도 센서를 감싸고, 광발광 미세유체 채널은 광발광 보호층 밑에 부착돼 땀을 수집한다. >
연구팀은 이 플랫폼을 다양한 의료 센서에 적용해 실용성을 검증했다. 광용적맥파 측정 센서는 심박수와 혈중산소포화도를 실시간으로 모니터링해 심혈관 질환의 조기 발견을 가능하게 한다. 청색광 노출량 측정 센서는 피부 노화와 손상을 유발하는 블루라이트를 정확히 측정해 개인 맞춤형 피부 보호 가이드를 제공한다. 땀 분석 센서는 마이크로 유체 기술을 활용, 땀 속 염분, 포도당, pH를 동시에 분석해 탈수나 전해질 불균형을 실시간으로 감지할 수 있다.
추가적으로 센서 내 데이터 처리 기술을 도입해 무선 통신으로 인한 전력 소모도 대폭 줄였다. 기존에는 모든 원시 데이터를 외부로 전송해야 했지만, 이제는 센서 내부에서 필요한 결과만 계산해 전송함으로써 데이터 전송량을 400B/s에서 4B/s로 100배 감소시켰다.
연구팀은 성능 검증을 위해 건강한 성인 피험자를 대상으로 밝은 실내조명, 어두운 조명, 적외선 조명, 완전한 어둠 등 4가지 서로 다른 환경에서 테스트했다. 그 결과, 모든 조건에서 상용 의료기기와 동등한 측정 정확도를 보였다. 생쥐 모델을 이용한 저산소 상태 실험에서도 정확한 혈중산소포화도 측정이 가능함을 확인했다.
연구를 주도한 권경하 교수는 “이 기술을 활용해 24시간 연속 건강 모니터링이 가능해짐에 따라 의료 패러다임이 치료 중심에서 예방 중심으로 전환될 수 있을 것”이라며, “조기 진단을 통한 의료비 절감 효과와 함께 차세대 웨어러블 헬스케어 시장에서의 기술경쟁력 확보도 기대된다”라고 말했다.
이번 연구 결과는 인공지능반도체대학원 박도윤 박사과정 학생이 공동 제 1 저자로 국제 학술지 네이처 커뮤니케이션스(Nature Communications)에 7월 1일 발표됐다.
※논문명 : Adaptive Electronics for Photovoltaic, Photoluminescent and Photometric Methods in Power Harvesting for Wireless and Wearable Sensors;
한편, 이번 연구는 한국연구재단 우수신진연구, 지역혁신 선도연구센터 과제, 과학기술정보통신부 정보통신기획평가원(IITP) 인공지능반도체대학원 과제, 그리고 BK FOUR 프로그램(Connected AI Education & Research Program for Industry and Society Innovation, KAIST EE)의 지원을 받아 수행됐다.
최근 인공지능이 언어와 시각 정보를 이해하는 능력에서 비약적인 발전을 이루면서, 로봇이 인간의 고차원적 지시를 이해하고 실제 물리적 세계에서 물체를 조작하거나 공간을 이동하는 동작을 수행할 수 있는 Physical AI에 대한 관심이 높아지고 있다. 이는 대형 언어모델(LLM), 비전-언어 모델(VLM), 강화학습(RL), 로봇 제어 기술이 융합된 분야로, 차세대 지능형 로봇의 핵심 기반이 될 것으로 기대된다.
우리 학부 유창동 교수 연구팀(U-AIM: Artificial Intelligence & Machine Learning Lab)은 이러한 Physical AI의 비전을 실현하기 위해, 대형 비전-언어 모델을 활용한 새로운 두 가지 강화학습 프레임워크를 개발하였다. 첫 번째는 ICML 2025에 게재된 ‘ERL-VLM(Enhancing Rating-based Learning to Effectively Leverage Feedback from Vision-Language Models)’으로 대형 비전-언어 모델이 제공하는 절대 등급 피드백을 이용해 보상함수를 학습하고 이를 통해 로봇 제어 인공지능 모델을 학습한다. 이 접근은 기존의 복잡한 강화학습 보상 설계 과정을 제거하고, 대량의 피드백을 자동으로 얻을 수 있어 시간과 비용을 획기적으로 절감할 수 있다.
<그림 1. ERL-VLM 프레임워크>
두 번째는 IROS 2025에 발표된 ‘PLARE(Preference-based Learning from Vision-Language Model without Reward Estimation)’로, 보상함수를 생략하고, 대형 비전-언어 모델이 제공하는 선호도 피드백만을 활용해 로봇 제어 인공지능 모델을 학습한다. 이 방식은 별도의 보상 모델을 만들 필요가 없기 때문에 학습 과정이 단순해지고 계산 자원 소모를 줄일 수 있다.
<그림 2. PLARE 프레임워크>
이 두 연구는 로봇 시뮬레이션 환경뿐만 아니라 실제 로봇을 이용한 실험에서도 기존 방식들보다 높은 성공률과 안정적인 성능을 보여주며, 실질적인 적용 가능성을 입증하였다.
<그림 4. (왼쪽부터) PLARE 실험 결과(Success rate) 및실물 로봇 실험 환경 예시>
이번 연구는 로봇이 인간의 언어를 이해하고 실제 행동으로 옮기는 과정을 대형 비전-언어 모델을 통해 보다 효율적이고 현실적인 방식으로 구현한 것으로 Physical AI 실현 가능성을 한층 가까이 보여주었다. 앞으로도 유창동 교수 연구팀은 로봇 제어, 시각-언어 기반 상호작용, 피드백 효율화 등 다양한 방향에서 Physical AI 관련 연구를 이어갈 예정이다.
우리 학부 권인소 KAIST교수(정년후교수)가 ‘글로벌 100대 AI 인재(人材)’에 한국인 중 유일하게 선정됐습니다.
유엔산업개발기구(UNIDO) 중국투자진흥사무소(IPTO)가 발표한 ‘글로벌 AI 연구 보고서’ 통해 공개된 내용으로, 이 보고서는 2015년부터 2024년까지 Nature AI, NeurIPS, CVPR 등 AI 분야의 권위 있는 학술지에 발표된 논문 9만6961편과 연구자 20만여명을 대상으로 논문 발표 수와 피인용 횟수 등을 이용해, 글로벌 AI 연구 추세를 분석한 자료입니다.
자세한 내용은 기사 링크에서 확인하실 수 있습니다. 언론사의 저작권 보호를 위해 기사 전문을 공유해드리지 못하는 점 양해 부탁드립니다.
