<Section 1> 자기소개 및 연구실 소개
Q1. 간단하게 자기소개 부탁드립니다.
안녕하세요, 올해 1월부터 전기및전자공학부에 합류한 강익성이라고 합니다. 신호 디비전 분야에서 지능형 계산 이미징 시스템 연구를 이끌고 있습니다.
Q2. 새로 연구실을 꾸리시는 신임 교수님으로서 어떤 학생들과 함께하고 싶으신지 묻습니다. 이제 막 문을 연 Kang Imaging Group 에 합류하게 될 학생들은 어떤 도전적인 과제들을 함께 수행하게 되나요?
저희 연구실은 기본적으로 하드웨어와 소프트웨어를 통합하는 연구를 진행합니다. 하드웨어 측면에서는 광학 이미징을 주로 다루기 때문에 현미경 등 광학 시스템을 직접 구축하는 역량이 필요합니다. 소프트웨어 측면에서는 기계학습 AI를 기반으로 하되, 요즘 주목받고 있는 ‘피지컬 AI’ 개념을 현미경 광학 시스템에 접목하는 것을 목표로 하고 있습니다. 즉, AI가 단순히 이미지를 후처리하는 데 그치지 않고, 이미징 시스템 자체를 지능형으로 만드는 통합적인 프레임워크를 구현하는 것입니다. 응용 분야로는 뇌과학 및 생체 조직 이미징은 물론, 3차원 반도체 나노이미징도 함께 탐구해 나갈 계획입니다.
<Section 2> 학부생 기초 역량 & 멘토링 철학
Q1. 이미징 시스템 연구를 위해서는 광학, 물리, 딥러닝 등 다양한 배경지식이 필요해 보입니다. 교수님께서 생각하시는 학부생이 갖춰야 할 가장 필수적인 기초 역량은 무엇인가요?
범위가 워낙 방대하지만, 과목으로 꼽자면 신호 및 시스템, 확률과 기초 확률과정, 전기자기학 이 세 가지가 가장 중요합니다. 광학은 전기자기학을 기반으로 하는 학문인 만큼, 그 토대가 되는 전자기학을 탄탄히 익혀두는 것이 필수적입니다. 여기에 더해 광공학개론도 많은 도움이 될 것입니다. 저 역시 특강을 개설했는데, 2학년 학생들도 참여할 수 있을 만큼 기초부터 응용까지 폭넓게 다루고 있습니다. 신호와 파동을 아우르는 수업들을 통해 탄탄한 기반을 쌓아두면 연구에 큰 자산이 될 것입니다.
Q2. 교수님께서 학생들을 지도하실 때 가장 중요하게 여기는 가치나, 교수님만의 멘토링 스타일이 있다면 무엇인가요?
순간적인 번뜩임도 중요하긴 하지만, 그보다 더 중요한 것은 진득하고 성실한 자세라고 생각합니다. 석박사 모두 호흡이 긴 과정이기 때문에 주제를 깊이 있게 공부하기 위해서는 꾸준히 무언가를 할 수 있는 성실성이 중요하다고 생각합니다. 그리고 스스로 무엇을 알고 모르는지 솔직한 것이 가장 좋습니다. 의논을 할 때 많이 공부한 점을 드러내고 싶은 마음에 애매하게 이해한 부분은 넘어가는 경우가 종종 있습니다. 이 경우 추후 이해를 제대로 못해 잘 참여하지 못하거나 인사이트에 제약이 있을 수 있기 때문에, 두려워하지 말고 빠르게 해결한 후 논의에 참여해서 발전적인 방향으로 나아가는 것이 좋다고 생각합니다.
<Section 3> 연구 심화 (NeAT, 설계 철학, 학문적 배경)
Q1. 최근 Nature Methods 에 게제된 NeAT 프레임워크 연구가 인상 깊었습니다. 기존 이미징 기술의 한계를 어떻게 해결하셨는지, 학생들의 눈높이에서 핵심 원리를 설명해주실 수 있나요?
생체 조직의 이미징을 응용한 연구입니다. 부유물이나 파면으로 인해 심해에 있는 물체를 똑바로 보기 어려운 것처럼, 심부 조직을 현미경으로 관찰할 때도 빛이 왜곡되는 수차 현상이 발생합니다. 기존에는 이를 보정하기 위해선 고가의 하드웨어 장비가 필요했고, 이는 일반 연구실에서는 광학 전문가가 상주하지 않으면 도입되기 어려웠습니다. 저희는 이 문제를 인공지능으로 치환하여 접근성을 높이고 생체 현미경 연구의 문턱을 낮추고자 했습니다.
Q2. 지능형 이미징 시스템은 물리 법칙과 컴퓨터 알고리즘이 긴밀하게 연결되어 있습니다. 이 두 영역을 융합하는 과정에서 가장 중요하게 생각하시는 설계 철학은 무엇인가요?
무엇보다 이미징 과정 자체를 깊이 이해하는 것이 핵심이라고 생각합니다. 이미징이란 결국 빛과 물체가 상호작용하여 신호를 만들어내는 과정입니다. 이를 제대로 구현하려면 샘플의 특성, 빛의 물리적 성질, 그리고 양쪽의 상호작용 모델 모두를 충분히 이해해야 합니다. 기존 모델을 활용하는 것은 물론, 우리 응용 목적에 맞게 변형할 수 있는 능력도 필요합니다. 이러한 광학 및 수학적 토대 위에서, 각 응용 분야에 최적화된 기계학습 AI 알고리즘을 유기적으로 통합해 나가는 것이 저희 연구의 핵심 방향입니다.
Q3. MIT 와 UC 버클리에서의 연구 경험이 현재 KAIST 에서 이끄시는 Kang Imaging Group의 연구 방향에 어떤 영향을 주었는지 궁금합니다.
저는 MIT에서 광학 이미징과 머신러닝을 처음 접했습니다. 학부 때 광학 랩에 들어간 후 코로나가 유행하여 실험실에서 실험을 할 수가 없는 상황이 되었습니다. 그래서 당시에 떠오르던 딥러닝을 이용해서 지금까지 얻은 이미지를 프로세싱해서 풀어보자는 생각을 하게 되었고, 계산 이미징 분야에도 딥러닝을 도입할 수 있다는 점을 발견했습니다.
한편 저는 이전부터 뇌라는 시스템에 관심이 많았고, MRI 연구와 회로 연구도 병행했습니다. 뇌의 기저 메커니즘을 탐구하려면 작은 단위까지 볼 수 있는 광학이라는 수단이 필요했고, MIT에서 해당 역량을 갖춘 후 버클리의 뇌과학 연구실로 자리를 옮겼습니다. 처음에는 회의적인 분위기도 있었지만, 교수님을 직접 설득하며 뇌과학 관련 연구 질문을 만들어 나갔습니다.
<Section 4> 커리어 조언 및 마무리 메시지
Q1. 연구가 풀리지 않거나 기술적인 벽에 부딪힐 때, 교수님께서는 주로 어떤 방식으로 돌파구를 찾으시나요?
지도 교수님과 솔직하게 대화하는 것이 가장 효과적인 방법이었습니다. 대학원 초년 시절, 언어 장벽과 조바심이 겹치면서 어려움을 털어놓기가 쉽지 않았습니다. 한국 학생들은 특히 지도 교수를 어려워하는 경향이 있어서, 좋은 결과로만 보고하려 하고 힘든 점을 드러내기를 꺼리는 경우가 많습니다. 하지만 용기를 내어 말씀드렸더니, 교수님께서는 언제든 이야기해도 좋다고 하셨습니다. 지도 교수의 역할은 학생을 독립적인 연구자로 성장시키는 것입니다. 어려움이 생기면 빠르게 공유하고 조언을 구하는 것이 결국 가장 빠른 길입니다.
Q2. 20대 대학 시절로 돌아간다면, 연구 외에 ‘이것만큼은 꼭 해봐라’하고 권하고 싶은 활동이 있으신가요?
돌이켜보면 가장 아쉬운 점은, 학점에 매몰되다 보니 도전적인 과목들을 피하게 되었다는 것입니다. KAIST에는 훌륭한 교수님과 흥미로운 강좌들이 많습니다. 도전적으로 커리큘럼을 설계하는 것, 그것이 제가 가장 권하고 싶은 조언입니다.
Q3. 교수님의 연구가 미래에 의료 진단이나 반도체 검사 등 우리 실생활에 어떤 구체적인 모습으로 기여하기를 꿈꾸시나요?
이미징 시스템은 연구실이나 기업에서만 쓰이는 것이라는 인식이 강합니다. 하지만 저는 성능 저하 없이 접근성을 높이는 것을 목표로 합니다. 예를 들어 배터리 잔여 수명을 정확히 진단하거나, 음식의 신선도를 비파괴적으로 확인하는 일들도 고해상도 이미징 기술이 뒷받침된다면 가능해집니다. 궁극적으로는 뇌과학, 질병 연구, 반도체 설계 등 첨단 분야가 더 쉽게 발전할 수 있도록 기반 기술로 기여하고 싶습니다.
Q4. 새 학기를 맞이하며 새로운 꿈을 꾸고 있을 전기및전자공학부 학생들에게 격려의 한 마디 부탁드립니다.
큰 꿈을 안고 이 자리에 온 만큼, 두려워하지 말고 다양한 경험에 도전해 보세요. 시간이 지나고 나이가 들수록 새로운 시도가 점점 어려워집니다. 지금이야말로 여러 가지를 해보며 자신이 진정으로 원하는 것이 무엇인지 찾아갈 수 있는, 젊음의 특권을 누릴 수 있는 시간입니다.
김찬우 기자 cardano128@kaist.ac.kr
김효린 기자 kaistlyn@kaist.ac.kr
