연구 > 연구성과 - KAIST 전기 및 전자공학부

정명수 교수 연구팀, GNN 전처리 가속하는 오토GNN 기술 개발

< (좌상단부터) ㈜ 파네시아 소속 권미령, 장준혁, 이상원, (좌하단부터) 정명수 교수, 강승관 박사과정, 이승준 박사과정 >

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.

<(좌) 하드웨어 프로토타입 (우) AUTO GNN 기술개요>

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.

<오토GNN 성능 비교 그래프>

[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

김상현 교수팀, 초고해상도· 초저전력 적색 마이크로LED 디스플레이 기술 개발

< (뒷줄 좌측부터) KAIST 박주혁박사, KAIST 김현수 박사과정, (앞줄 좌측부터) KAIST HaoiLe Bao 석사과정, 김채연석사과정 (동그라미 왼쪽부터) KAIST 김상현 교수, 인하대학교 금대명교수 >

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.

< 적색 마이크로 LED 성능 개선결과 >

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.

< 모노리식 3D 마이크로LED-on-Si 디스플레이 >

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.

신영수 교수 연구실 장세용 박사과정, SPIE Photomask 2025 Photronics 최우수 학생상 수상

<(왼쪽부터) 신영수 교수, 장세용 박사과정 학생>

우리 학부 신영수 교수 연구실(DT Lab)의 박사과정생 장세용(Shilong Zhang) 학생이 2025년 9월 22일부터 26일까지 미국 캘리포니아주 몬터레이에서 개최된 SPIE Photomask Technology + EUV Lithography 2025에서 Photronics 최우수 학생 발표상(1위)을 수상했다.

SPIE Photomask Technology + EUV Lithography는 반도체 산업 분야의 전문가와 연구자들이 모여 최신 포토리소그래피 마스크 기술을 발표하고 논의하는 세계적인 국제 학술대회다. Photronics, Inc.의 후원으로 제정된 Photronics Best Student Presentation Award는 포토마스크 및 EUV 리소그래피 관련 연구를 수행하는 학생들의 연구를 독려하기 위해 마련된 상으로, 1위 수상자에게는 미화 1,500달러의 상금이 수여된다.

장세용 학생의 수상 논문인 ‘Integrated Curvilinear OPC and SRAF Optimization through Reinforcement Learning’은 강화학습 기반 방법을 통해 곡선형 서브해상도 보조 패턴(SRAF)과 곡선형 주 패턴을 동시에 최적화하는 기법을 제안하였다.

기존의 고정 SRAF를 사용하는 곡선형 OPC 방식 대비 최대 정점 위치 오차(Vertex Placement Error, VPE)를 7.6%, 최대 공정 변동 폭(Process Variation Band, PVB)을 23.0% 감소시켜, 패턴 충실도와 공정 윈도우 안정성 측면에서 모두 유의미한 성능 향상을 입증해 우수성을 인정받았다.

시상 분야 및 수상 정보에 관한 자세한 내용은 아래 링크에서 확인할 수 있다.

https://spie.org/conferences-and-exhibitions/photomask-technology-and-extreme-ultraviolet-lithography/program/conferences/awards

손영익 교수팀 참여 집단연구, 양자과학기술 플래그십 프로젝트의 2025년도 신규 과제 선정

< (왼쪽부터) 손영익 · 배준우 · 정완영 전기및전자공학부 교수, 남동욱 기계공학과 교수>

우리 학부 양자소자연구실(PI: 손영익 교수)이 「칩스케일 퓨전 멀티플렉싱과 양자점 기반 확정적 선형 클러스터를 활용한 전광 양자중계기」를 주제로 한 집단연구 과제가 양자과학기술 플래그십 프로젝트의 2025년도 신규 과제로 선정되었다.

본 연구는 양자 통신의 장거리화를 위해 필수적인 핵심 시스템인 양자 중계기(quantum repeater)개발을 목표로 한다. 특히 전자 스핀 등 물질 큐비트를 사용하지 않고 광 큐비트만으로 구현하는 ‘전광자(all-photonic) 양자 중계기’라는 점에서 기존 접근법과 차별성을 갖는다. 전광 양자 중계기는 이론적 기반이 비교적 최근에 제시된 신흥 연구 분야로, 차세대 양자 네트워크 기술의 핵심 후보로 주목받고 있다.

< 전광자 양자 중계기의 개념도. 얽힘광 생성 장치인 RGS (repeater graph state) 노드와 측정 노드가 1개씩 반복되며 구성된다. >

물질 큐비트를 배제한 이러한 새로운 접근법을 통해, 본 기술은 기존 반도체 공정 기술만을 활용한 대량 생산 가능성이라는 중요한 장점을 지닌다. 이에 따라 향후 산업계 표준 양자 중계기 기술로 발전할 높은 잠재력을 보유한 것으로 평가된다.

도전적인 연구 목표 달성을 위해, 주관기관인 KAIST를 중심으로 국내 부품 기업인 파이버프로와 쿼드가 참여하는 산학 컨소시엄이 구성되었다. 또한 세계적인 광기반 양자컴퓨팅 기업인 프랑스 콴델라(Quandela)와 국제 공동연구팀을 구성하여 협력을 추진한다. 콴델라 연구팀은 세계 최고 수준의 얽힘광 생성 기술을 양자 중계기 핵심 부품으로 활용할 수 있도록 긴밀한 공동 연구를 수행할 예정이다.

양자 중계기 구현을 위해서는 양자광학 칩 기술뿐만 아니라, 시스템 운용 설계, 고속 멀티플렉싱을 위한 주문형 반도체(ASIC), 저손실 패키징 기술등 융복합적 연구가 필수적이다. 이에 따라 전기및전자공학부 배준우 교수, 정완영 교수, 그리고 기계공학과 남동욱 교수가 공동 연구진으로 참여하여 각 분야의 전문성을 결집한다.

본 과제는 과학기술정보통신부의 양자기술 분야 대표 사업인 양자과학기술 플래그십 프로젝트의 일환으로 수행된다. 해당 프로젝트는 2032년까지 약 8년간 총 6,454억 원 규모로 추진되며, 양자 컴퓨팅·통신·센싱의 3대 분야를 중심으로 미션 지향형 연구개발을 수행한다. KAIST 연구팀은 이 중 통신 분야 5개 핵심 과제 중 하나에 선정되어, 약 128억 원의 연구비 지원을 받게 된다.

본 연구를 통해 양자 중계기가 성공적으로 구현될 경우, 현재 약 100km 내외에 국한된 양자암호통신 기술을 글로벌 규모로 확장하고, 궁극적으로 양자 인터넷 실현에 결정적인 기여를 할 것으로 기대된다.

정명수 교수, IEEE HPCA 명예의 전당 헌액

<정명수 교수님>

우리 학부 정명수 교수님께서 IEEE HPCA 명예의 전당(Hall of Fame)에 헌액되었습니다.

HPCA(The International Symposium on High-Performance Computer Architecture)는 고성능 컴퓨팅 시스템 관련 최신 연구 성과를 교류하는 컴퓨터 아키텍처 분야의 최우수 학술대회로, 전세계 연구자 중 해당 학회에 8편 이상의 논문을 출판하며 지속적으로 기술발전에 기여한 인물을 선정하여 명예의 전당에 등재합니다.

정명수 교수님은 올해 그래프 신경망 전처리 과정을 하드웨어로 가속하는 기술인 AutoGNN 논문(AutoGNN: End-to-End Hardware-Driven Graph Preprocessing for Enhanced GNN Performance)을 게재하며, 명예의 전당에 이름을 올리게 되었습니다.

지난해 IEEE/ACM ISCA 명예의 전당에 헌액된 바 있는 정 교수님은 이로써 컴퓨터 구조 분야 최우수 학술대회 두 곳의 명예의 전당에 등재되는 영예를 안았습니다.

이 외에도 정 교수님은 컴퓨터 아키텍처 및 메모리 시스템 연구실(CAMELab)을 이끌며 연결 기술 및 스토리지/메모리 분야의 연구를 지속적으로 수행해왔습니다. SOSP, OSDI, ISCA, MICRO, ASPLOS, HPCA, ATC, FAST, SC 등 주요 국제 학술대회에서 총 145편의 논문을 발표하였으며, 2022년도부터는 교원창업기업 파네시아를 설립, AI데이터센터의 효율을 개선하는 링크 솔루션 제품을 개발하며 산업계의 발전에도 이바지하고 계십니다. 최근에는 이처럼 꾸준히 과학기술발전에 기여한 공로를 인정받아 2026 대한민국 과학기술인상 첫 수상자로 선정된 바 있습니다.

한편, 정명수 교수님의 AutoGNN 논문은 오는 1월 31일부터 2월 4일까지 호주 시드니에서 개최되는 HPCA’26 행사에서 발표될 예정입니다.

이번 명예의 전당 헌액은 그동안 정 교수님께서 더 나은 컴퓨팅 시스템을 만들기 위해 많은 분들과 함께 노력하며 일구어낸 의미 있는 성과라고 생각됩니다.

조병진 교수, ‘KAIST 자랑스러운 동문상’ 수상자 선정

<(왼쪽부터) 이윤태 KAIST 총동문회장, 조병진 교수>

우리 학부 조병진 교수가 KAIST 총동문회가 수여하는 ‘KAIST 자랑스러운 동문상’ 사회봉사 부문 수상자로 선정되었습니다.

KAIST 자랑스러운 동문상’은 학문과 산업, 공공 및 사회 전반에서 탁월한 성취를 통해 국가와 사회 발전에 기여하고, 모교의 명예를 높인 동문에게 수여하는 상입니다. KAIST 총동문회는 동문들의 다양한 사회적 공헌을 보다 폭넓게 조명하기 위해 올해부터 시상 분야를 혁신창업, 산업기여, 학술연구, 공공혁신, 사회봉사, 젊은동문 등 6개 부문으로 확대·개편해 수상자를 선정했습니다.

조병진 교수는 외국인 유학생을 위한 장기간의 헌신적인 봉사와 공동체 구축 활동을 통해 KAIST의 국제화와 포용적 캠퍼스 문화 확산에 기여한 공로를 인정받아 사회봉사 부문 수상자의 영예를 안았습니다.

조 교수는 2010년 외국인 학생들과 함께 교내 외국인 유학생 공동체인 KIC(KAIST International Chapel)를 설립한 이후, 지난 15년간 한 주도 빠짐없이 매주 학생들과 정기 모임을 이어오며 지도교수로서 봉사해 왔습니다. KIC는 외국인 유학생들이 학업과 연구뿐만 아니라 학교생활과 한국 사회에 안정적으로 적응할 수 있도록 돕는 공동체로, 조 교수는 설립 초기부터 현재까지 활동을 이끌어 왔습니다.

조병진 교수는 외국인 학생들이 겪기 쉬운 소속감 부족과 문화적·정서적 고립 문제를 해소하는 데 주력해 왔으며, 학교생활 전반에서 발생하는 다양한 어려움에 대해 지속적인 상담과 지원을 제공해 왔습니다. 향수병으로 어려움을 겪는 학생들에게는 가족과 같은 역할을 수행하였고, 질병이나 수술, 경제적 어려움이 있는 경우에는 모금과 지원을 통해 실질적인 도움을 제공해 왔습니다. 또한 지도교수와의 갈등, 연구실 부적응, 졸업 후 진로 문제 등과 관련해서도 학생들과 함께 해결 방안을 모색해 왔습니다.

이러한 활동을 통해 지금까지 300명 이상의 외국인 유학생들이 KIC를 거쳐 가며 조병진 교수의 도움을 받았으며, 이는 외국인 유학생들의 KAIST 생활 정착과 공동체 의식 형성에 실질적으로 기여한 것으로 평가받고 있습니다. 조 교수는 이러한 공로로 2023년 KAIST 개교기념행사에서 사회봉사부문 우수상을 수상한 바 있습니다.

이광형 KAIST 총장은 “올해 수상자들은 탁월한 성취로 사회와 국가 발전에 기여해 온 KAIST인의 모범”이라며 “이와 같은 선배들의 도전과 성과가 후배들에게 영감을 주고 KAIST의 혁신 가치를 확산하는 데 기여할 것”이라고 밝혔습니다.

이윤태 KAIST 제27대 총동문회장은 “수상자 여섯 분은 학문과 산업, 공공과 사회 전반에서 KAIST인의 가치를 실천해 온 주역들”이라며 “총동문회는 앞으로도 동문들의 성취가 사회로 확산되는 연결고리 역할을 해 나가겠다”고 말했습니다.

한편, ‘2026 KAIST 자랑스러운 동문상’ 시상식은 2026년 1월 16일 서울 엘타워에서 열린 신년교례회 행사에서 진행됐습니다.

유승협 교수팀, 발광 효율 2배 높인 OLED 기술 개발

<(왼쪽부터) KAIST 김민재 학생, 유승협 교수(상단) 김준호 박사과정 >

유기발광다이오드(OLED)는 색 표현이 뛰어나며, 얇고 잘 휘어지는 평면 구조 덕분에 스마트폰과 TV에 널리 쓰이지만, 내부 빛 손실로 밝기를 높이는 데 한계가 있었다. 우리 대학 연구진이 OLED 디스플레이의 장점인 평면 구조를 유지하면서도 OLED 발광 효율을 2배 이상 높이는 기술을 개발했다.

유승협 교수 연구팀이 OLED 내부에서 발생하는 빛 손실을 크게 줄일 수 있는 새로운 ‘준평면 광추출 구조’*와 OLED 설계 방법을 개발했다. *준평면 광추출 구조: OLED 표면을 거의 평평하게 유지하면서, 안에서 만들어진 빛을 밖으로 더 많이 꺼내 주는 얇은 구조

OLED는 여러 층의 매우 얇은 유기물 박막이 겹겹이 쌓여 만들어진다. 이 과정에서 빛이 층과 층 사이를 지나며 반사되거나 흡수돼, OLED 내부에서 생성된 빛의 80% 이상이 밖으로 나오지 못하고 열로 사라진다.

이를 해결하기 위해 OLED 위에 렌즈 구조를 붙여 빛을 밖으로 꺼내는 방식인 반구형 렌즈나 마이크로렌즈 어레이(MLA) 같은 광추출 구조가 사용돼 왔다. 그러나 반구형 렌즈 방식은 큰 렌즈가 돌출되어 평면형태를 유지하기 어렵고, 마이크로렌즈어레이의 경우는 충분한 광추출 효과를 보려면 픽셀 크기 보다 훨씬 커야 해서 주변 픽셀과의 간섭 없이 높은 효율 향상을 도출하는데 한계가 있었다.

연구팀은 OLED를 더 밝게 만들면서도 평면 구조를 유지하기 위해, 각 픽셀 크기 안에서 빛을 최대한 효율적으로 밖으로 내보내는 새로운 OLED 설계 방법을 제안했다.

기존 설계가 OLED가 끝없이 넓다고 가정한 것과 달리, 실제 디스플레이에서 사용되는 제한된 픽셀 크기를 고려한 것이 특징이다. 이를 통해 같은 크기의 픽셀에서도 더 많은 빛을 외부로 방출할 수 있었다.

또한 연구팀은 빛이 옆으로 퍼지지 않고 화면 정면으로 잘 나오도록 돕는 새로운 ‘준평면 광추출 구조’를 개발했다. 이 구조는 매우 얇아 기존 마이크로렌즈 어레이와 비슷한 두께를 가지면서도, 반구형 렌즈에 가까운 높은 광추출 효율을 구현할 수 있다. 덕분에 휘어지는 플렉서블 OLED에도 쉽게 적용할 수 있다.

이 새로운 OLED 설계와 준평면 광추출 구조를 함께 적용한 결과, 작은 픽셀에서도 빛을 내는 효율을 2배 이상 향상시키는 데 성공했다.

< 준평면 광추출 OLED기술 >

이번 기술은 OLED의 평평한 구조를 유지하면서도 같은 전력으로 더 밝은 화면을 구현할 수 있어, 스마트폰·태블릿 PC 등 모바일 기기의 배터리 사용 시간을 늘리고 발열을 줄이는 데 기여할 것으로 기대된다. 또한 디스플레이 수명 향상 효과도 함께 기대된다.

이번 연구의 제 1저자인 김민재 학생은 “수업 중 떠올린 작은 아이디어가 KAIST 학부생 연구 프로그램(URP)을 통해 실제 연구 성과로 이어졌다”고 설명했다.

유승협 교수는 “그간 수많은 광추출 구조가 제시되었지만, 많은 경우 면적이 넓은 조명용이 대부분이었고, 수 많은 작은 픽셀로 이루어진 디스플레이에는 적용하기 어렵거나 적용해도 그 효과가 크지 못한 경우가 많았다”며, “이번에 제시된 준평면 광추출 구조는 픽셀 내 광원 대비 크기에 제약을 두어 인접 픽셀 사이에서 빛이 서로 간섭하는 현상도 줄이면서 효율도 극대화할 수 있도록 구현되었다”고 강조하면서, “OLED 뿐 아니라 페로브스카이트·양자점 등 차세대 소재 기반의 디스플레이에도 적용할 수 있다”고 말했다.

< 제안된 광추출 구조 개요 및 적용 예 >

신소재공학과 김민재 학사과정(현재 스탠포드대 재료공학과 박사과정)과 전기및전자공학부 김준호 박사(현재 독일 쾰른대 박사후연구원)가 공동 제1저자로 참여한 이번 연구는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 온라인판에 2025년 12월 29일 공개됐다.

※논문명: Near-planar light outcoupling structures with finite lateral dimensions for ultra-efficient and optical crosstalk-free OLED displays

이번 연구는 KAIST URP 프로그램, 한국연구재단 중견연구자 지원사업, 미래디스플레이 전략연구사업, 산업통상자원부 산업혁신인재성장지원사업, 전자부품산업기술개발사업의 지원을 받아 수행됐다.

전상훈 교수팀, ‘센서–연산–저장’ 통합한 초저전력 AI 반도체 핵심 기술 제시

<(상단 왼쪽부터 시계방향으로) 전상훈 교수, 김승엽 박사과정, 조홍래 박사후연구원, 박선재 석사과정, 정태승 박사과정, 이상호 박사과정>

인공지능(AI) 고도화로 센서 · 연산·메모리를 하나로 통합하는 초저전력 반도체 기술의 중요성이 커지고 있다. 그러나 기존 구조는 데이터 이동에 따른 전력 손실과 지연, 메모리 신뢰성 한계를 안고 있다. 이러한 문제를 해결할 ‘센서–연산–저장’ 통합 AI 반도체 핵심 기술을 우리 학부 연구진이 제시해 국제 학계의 주목을 받았다.

전상훈 교수 연구팀이 지난 12월 8일부터 10일까지 미국 샌프란시스코에서 열린 세계 최고 권위의 반도체 학회 ‘국제전자소자학회(IEEE IEDM 2025)’에서 총 6편의 논문을 발표했으며, 이 가운데 하이라이트 논문과 최우수 학생 논문(Top Ranked Student Paper)으로도 동시에 선정되었다.

특히, 이번 성과는 반도체 소자 분야 세계 최고 권위 학회인 IEEE IEDM의 낮은 논문 채택률과 높은 학문적·산업적 검증 기준을 고려할 때, 단일 연구실이 실리콘 기반 반도체 소자 논문 6편을 동시에 발표했다는 점에서 매우 높은 학문적 성취로 평가된다

※하이라이트 논문: Monolithically Integrated Photodiode–Spiking Circuit for Neuromorphic Vision with In-Sensor Feature Extraction

※최우수 학생 논문: A Highly Reliable Ferroelectric NAND Cell with Ultra-thin IGZO Charge Trap Layer; Trap Profile Engineering for Endurance and Retention Improvement

하이라이트 논문으로 선정된 M3D 집적 신경모방 시각 센서 연구는 사람의 눈과 뇌를 하나의 칩 안에 쌓아 올린 반도체다. 쉽게 말해, 빛을 감지하는 센서와 뇌처럼 신호를 처리하는 회로를 아주 얇은 층으로 만들어 위아래로 겹쳐 한 칩에 넣었고, 이 덕분에 보고–판단하는 과정이 동시에 이뤄지는 구조를 구현했다.

이를 통해 연구팀은 카메라 센서 안에서 바로 ‘보고 동시에 판단하는’ AI 연산 기술이 동시에 이뤄지는 ‘세계 최초의 인-센서 스파이킹 컨볼루션(In-Sensor Spiking Convolution)’ 플랫폼을 완성했다.

< 그림 1. 수직 적층형 구조의 AI용 광학신호-스파이크 주파수 변환기 연구 요약 >

< 그림 2. 산화물 박막 트랜지스터 기반 2T-2C 근접 픽셀 아날로그 연산 셀 개발 연구 대표도 >

이 기술은 기존에는 이미지를 찍고(센서), 숫자로 바꾼 뒤(ADC), 메모리에 저장하고(DRAM), 다시 연산하는(CNN) 여러 단계를 거쳐야 했지만, 이번 기술은 센서 안에서 바로 연산이 이뤄져 불필요한 데이터 이동을 없앴다. 그 결과 전력 소모는 크게 줄이고, 반응 속도는 획기적으로 높인 실시간·초저전력 엣지 AI 구현이 가능해졌다.

연구팀은 이번 학회에서 이러한 접근을 바탕으로 AI 반도체의 입력부터 저장까지 전 계층을 아우르는 6가지 핵심 기술을 제시했다. 기존 반도체 공정을 그대로 쓰면서도 전기를 훨씬 덜 쓰는 뇌처럼 작동하는 뉴로모픽 반도체와 AI에 최적화된 차세대 메모리를 동시에 만든 것이다.

먼저 센서 쪽에서는, 이미지를 찍는 부품과 계산하는 부품을 따로 두지 않고 센서 단계에서 바로 판단이 이뤄지도록 설계했다. 덕분에 사진을 찍어 다른 칩으로 보내 계산하던 기존 방식보다 전력 소모는 줄고 반응 속도는 빨라졌다.

< 그림 3. 뉴로모픽 소자를 활용한 차세대 생체모방형 촉각 시스템 모식도 >

< 그림 4. Ultra-thin-Mo 및 Sub-3.5 nm HZO 기반의 NC-NAND 개발 연구 대표도 >

또한 메모리 분야에서는, 같은 재료를 활용해 더 낮은 전압으로 동작하면서도 오래 쓰고, 전원이 꺼져도 데이터를 안정적으로 저장할 수 있는 차세대 낸드 플래시를 구현했다. 이를 통해 AI에 필요한 대용량·고신뢰성·저전력 메모리를 한꺼번에 만족하는 기반 기술을 제시했다.

< 그림 5. 차세대 3D FeNAND 메모리 개발 연구 대표도 >

< 그림 6. 차세대 FeNAND 메모리의 전하 거동 규명 및 정량적 분석 방법론 연구 대표도 >

연구를 이끈 전상훈 교수는 “이번 연구는 센서·연산·저장을 각각 따로 설계하던 기존 AI 반도체 구조에서 벗어나, 전 계층을 하나의 재료와 공정 체계로 통합할 수 있음을 실증했다는 점에서 큰 의의가 있다”며, “앞으로 초저전력 엣지 AI부터 대규모 AI 메모리까지 아우르는 차세대 AI 반도체 플랫폼으로 확장해 나갈 것”이라고 밝혔다.

한편, 이번 연구는 과학기술정보통신부, 한국연구재단 등 기초연구 사업과 극한스케일 극한물성 이종집적 한계극복 반도체기술 연구센터(CH³IPS)를 통해서 지원 받아 수행되었다. 삼성전자, 경북대, 한양대와 협업으로 수행되었다.

김준모 교수 연구팀, 강화학습 프레임워크 ‘TVKD’ 개발

< (왼쪽부터) 김준모 교수, 권민찬 박사과정 학생>

아무리 많은 데이터를 학습해도, 인공지능(AI)은 왜 사람의 의도를 자주 빗나갈까? 사람의 선호를 이해시키기 위한 비교 학습은 오히려 AI를 혼란스럽게 만드는 경우도 적지 않았다. KAIST 연구진은 AI에게‘가정교사’를 붙이는 방식으로, 적은 데이터에서도 사람의 선호를 정확히 배우는 새로운 학습 해법을 제시했다.

우리 학부 김준모 교수 연구팀이 인간의 선호를 효과적으로 반영하면서도 데이터 효율성과 학습 안정성을 크게 향상시킨 강화학습 프레임워크 ‘TVKD(Teacher Value-based Knowledge Distillation)’를 개발했다.

기존 인공지능 학습 방식은 “A가 B보다 낫다”는 식의 단순 비교(preference comparison) 데이터를 대량으로 수집해 학습하는 구조였다. 이 방식은 많은 데이터가 필요하고, 판단이 애매한 상황에서는 AI가 혼란에 빠지기 쉽다는 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해, 사람의 선호를 먼저 깊이 이해한 ‘교사(Teacher) 모델’이 그 핵심 정보만을 ‘학생(Student) 모델’에게 전달하는 방식을 제안했다. 이는 복잡한 내용을 정리해 가르치는 가정교사에 비유할 수 있으며, 연구팀은 이를 ‘선호 증류(Preference Distillation)’라고 명명했다.

이번 기술의 가장 큰 특징은 단순히 ‘좋다·나쁘다’를 흉내 내는 것이 아니라, 각 상황이 얼마나 가치 있는지를 수치적으로 판단하는 ‘가치 함수(Value Function)’를 교사 모델이 학습한 뒤 이를 학생 모델에 전달하도록 설계했다는 점이다.

이를 통해 AI는 애매한 상황에서도 단편적인 비교가 아닌, ‘이 선택이 왜 더 나은지’를 종합적으로 판단하며 학습할 수 있다.

< TVKD의 연구 개념도: 인간 선호 데이터셋을 교사 모델에게 가르친 뒤, 학생 모델에게 교사 정보와 데이터셋을 전달하여 학습을 진행한다 >

이번 기술의 핵심은 크게 두 가지다. 첫째, 문맥 전체를 고려한 가치 판단을 학생 모델에 반영함으로써, 단편적인 답변이 아닌 전체 흐름을 이해하는 학습이 가능해졌다. 둘째, 선호 데이터의 신뢰도에 따라 학습 중요도를 조절하는 기법을 도입했다. 명확한 데이터는 학습에 크게 반영하고, 모호하거나 잡음이 섞인 데이터는 영향력을 줄여 현실적인 환경에서도 AI가 안정적으로 학습할 수 있도록 했다.

연구팀이 이 기술을 여러 AI 모델에 적용해 실험한 결과, 기존에 가장 성능이 좋다고 알려진 방법들보다 더 정확하고 안정적인 성능을 보였다. 특히 엠티-벤치(MT-Bench), 알파카-이밸(AlpacaEval) 등 주요 평가 지표에서 기존 최고 기술을 안정적으로 앞서는 성과를 기록했다.

김준모 교수는 “현실에서는 사람의 선호 데이터가 항상 충분하거나 완벽하지 않다”며 “이번 기술은 그런 제약 속에서도 AI가 일관되게 학습할 수 있게 해, 다양한 분야에서 실용성이 매우 높을 것”이라고 말했다.

< MT-Bench 각 과제(task)별 성능 비교 결과.
제안한 TVKD 프레임워크가 기존 방법보다 전반적으로 높은 점수를 기록함을 확인할 수 있다. >

< Shaping term 시각화 결과. teacher 모델이 응답 내에서 중요하게 판단한 상위 토큰(단어로 변환됨)들이 붉은색으로 표시되어, value 기반 정렬 과정에서 어떤 토큰이 더 큰 영향을 미치는지 직관적으로 보여준다. >

우리 학부 권민찬 박사과정이 제1 저자로 참여한 연구 성과는 국제 인공지능 분야 최고 권위 학회인‘신경정보처리시스템학회(NeurIPS) 2025’에 채택됐다. 해당 연구는 2025년 12월 3일(미국 태평양시간) 포스터 세션에서 발표됐다.

※논문명: Preference Distillation via Value based Reinforcement Learning), DOI: https://doi.org/10.48550/arXiv.2509.16965

한편 이번 연구는 2024년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구 성과물(No.RS-2024-00439020, 지속가능한 실시간 멀티모달 인터렉티브 생성 AI 개발, SW스타랩)을 지원을 받아 수행했다.

정명수 교수, 2026년 첫 대한민국 과학기술인상(1월) 수상

<정명수 교수>

우리 학부의 정명수 교수님께서 2026년 대한민국 과학기술인상 첫 수상자(1월)로 선정되는 영예를 안았습니다.

대한민국 과학기술인상은 최근 3년간 독창적인 연구 성과를 창출해 과학기술 발전에 크게 기여한 연구자 1인을 매월 선정해 과학기술정보통신부 장관상을 수여하는 상으로, 정명수 교수님은 2026년 한 해의 시작을 알리는 첫 수상자로 이름을 올렸습니다.

정 교수님은 종합적인 링크·메모리 기반의 모듈형 AI 데이터센터 설계 기술을 제시해 AI 인프라의 비용 절감과 운영 효율 향상에 기여한 공로를 인정받았습니다. 해당 기술은 대규모 AI 서비스 환경에서 연산 및 메모리 자원의 고정된 구성으로 발생하는 한계를 극복하기 위한 새로운 아키텍처 가이드로, 차세대 연결 표준인 CXL을 활용해 시스템 자원을 필요에 따라 유연하게 분리·연결·관리할 수 있도록 설계되었습니다.

또한, UALink(AI 가속기 간 고대역폭, 저지연 통신을 위한 개방형 표준 상호연결 기술), NVLink(엔비디아의 고속 GPU 간 통신 기술) 등 가속기 중심의 고대역폭·저지연 링크 기술과 고대역폭 메모리(HBM) 반도체 기술을 모듈형 AI 데이터센터 구조에 통합하는 방향을 제시했으며, 이러한 종합적인 링크 기반 시스템 및 데이터센터 구조를 기술백서로 공개해 학계 와 산업계의 큰 관심을 받았습니다.

그 밖에 정 교수님은 KAIST 교원창업기업인 파네시아를 설립했으며, 컴퓨터 아키텍처 분야 최고 권위 학회인 ISCA 명예의 전당에 헌액된 연구자이기도 합니다. 최근에는 세계 최초로 PCIe 6.4/CXL 3.2 스위치 실리콘 칩을 제작하는 등 AI 인프라 및 반도체 연결 기술 혁신을 지속적으로 이끌고 있습니다.

이번 수상은 2026년 첫 대한민국 과학기술인상 수상이라는 상징성과 함께, 정 교수님의 뛰어난 연구 성과가 국가 과학기술 발전에 기여한 점을 공식적으로 인정받았다는 데 큰 의미가 있습니다.

< 정명수 교수님이 제안한 종합링크 기반 데이터센터 구조 >

[보관함:] 연구 > 연구성과