우리 학부 정명수 교수님의 창업기업인 파네시아(Panmnesia)가 글로벌 하이퍼스케일러 메타(Meta)와의 협업을 통해, 데이터센터 전체를 하나의 칩처럼 동작시키는 차세대 인공지능 데이터센터 (AIDC) 구조를 제시하였습니다. 해당 리뷰 논문은 네이처(Nature)가 발행하는 학술지 NREE(Nature Reviews Electrical Engineering)에 게재되었습니다.
이번 논문이 실린 NREE의 리뷰 논문은 학술지가 해당 분야를 이끄는 소수의 연구자나 기관에게 직접 집필을 요청하는 초청 기반으로 만들어집니다. 네이처 측이 CXL과 AI 데이터센터 분야를 다룰 저자로 파네시아를 직접 선정하였다는 것은, 그만큼 회사의 기술력을 해당 분야를 대표할 수준으로 인정하였다는 의미로 해석됩니다. 파네시아는 이 초청을 받아 전 세계 반도체 스타트업으로는 처음으로 NREE 리뷰 논문을 주도하였으며, 이 논문은 NREE가 CXL 기술과 AI 데이터센터 구조를 다룬 첫 번째 리뷰이기도 합니다. 특히 국내 대학에서 출발한 스타트업이 글로벌 빅테크의 데이터센터 인프라 조직과 공동 저자로 이름을 올린 것은 매우 이례적인 사례입니다.
[연구내용]
<메타와 파네시아가 네이처 리뷰 학술지(NREE)에 공동 제시한 단일 칩형 AI 데이터센터 구조 (CXL 적용을 통한 캐시 일관성 도메인 확장, 지연 편차를 없애는 전용 하드웨어, 칩의 설계 원리를 따른 구조적 배치)>
인공지능 모델이 빠르게 커지면서, 하나의 AI를 실행하는 데 쓰이는 하드웨어의 규모도 개별 칩에서 데이터센터 수준으로 확대되고 있습니다. 엔비디아는 랙 하나를 통째로 묶는 NVL72를 공개한 바 있고, AMD 역시 랙 스케일 AI 시스템 ‘헬리오스(Helios)’를 선보였습니다.
이렇게 커진 시스템을 구성하는 데는 그동안 엔비디아의 NV링크(NVLink)나 UA링크(UALink) 같은 고속 연결 기술이 주로 쓰여 왔습니다. 이들은 랙 하나 내부에서 주로 활용되며 긴밀한 결합이 가능하다는 점을 보여왔으나, 가속기 중심의 연결이어서 메모리까지 하나의 자원으로 묶지는 못하고 그 범위를 데이터센터 전체로 넓히기 어려웠습니다.
이번에 제시된 구조는 CPU와 가속기, 메모리를 국제표준 CXL(Compute Express Link) 기반의 단일 도메인에 넣어 그 범위를 데이터센터 전체까지 확장한 것이 특징입니다. 그 결과 기존 네트워크 기반 구조(GB200 NVL72을 이더넷/인피니밴드로 연결한 구조)와 비교해 하나처럼 묶이는 가속기가 약 13배 늘어나고, 서버 간 왕복 접근 지연시간은 마이크로초급에서 수백 나노초급으로 짧아지며, 장애 발생 시 교체 단위도 서버 전체에서 부품 하나로 작아집니다.
연구팀은 이를 위해 CXL 위에 고성능 패브릭 스위치, 링크 가속 유닛(LAU), 패브릭 컨트롤러 등 지연시간 편차를 없애는 전용 하드웨어를 더하고, 이를 칩의 타일 구조와 같은 원리로 트레이(tray)·포드(pod)·패브릭(fabric)의 계층으로 배치하였습니다. 파네시아는 이 핵심 부품들을 이미 실리콘으로 구현하고 실증 검증까지 마쳤으며, 현재 상용 공급을 위한 준비를 진행하고 있는 상태입니다.
[맺음말]
<정명수 KAIST 교수 겸 파네시아 대표>
정명수 교수님은 우리 학부에서 컴퓨터 아키텍처 및 메모리 시스템 연구실(CAMELab)을 이끌며 연결 기술 및 스토리지/메모리 분야의 연구를 지속해 오셨으며, 2022년 교원창업기업 파네시아를 설립해 AI 데이터센터를 더욱 효율적으로 만들기 위한 링크 솔루션을 개발하고 계십니다.
이번 성과는 우리 학부에서 출발한 연구가 교원창업을 거쳐, 글로벌 빅테크와 함께 차세대 AI 인프라의 방향을 제시하는 단계로 나아가고 있음을 보여주는 의미 있는 사례라고 생각됩니다.
논문명: One-chip-like datacenter design enabled by CXL-based scale-up fabrics
우리 학부 최경철 교수 연구실 박사과정 심준희 학생이 2026 International Meeting on Information Display (IMID 2026)에서 KIDS Award 금상(Gold Award)을 수상했다.
IMID는 한국정보디스플레이학회(KIDS)와 Society for Information Display (SID)가 주최하는 디스플레이 분야의 세계적인 국제학술대회로, 올해는 2026년 8월 18일부터 21일까지 부산 BEXCO에서 개최됐다.
심준희 박사과정 학생이 수상한 KIDS Award는 LG Display와 Samsung Display가 후원하는 상으로, 제출된 논문 가운데 디스플레이 분야에서 연구의 혁신성과 우수성을 종합적으로 평가하여 선정되며, 금상은 총 2편의 논문에 수여되는 KIDS Award의 최고 등급이다.
수상 논문인 “Artificial Neural Network-based Optical Inverse Design of White Tandem Organic Light-Emitting Diodes”은 복잡한 다층 박막 구조를 갖는 백색 탠덤 유기발광다이오드(White Tandem OLED)의 광학 구조를 인공지능을 활용하여 역설계하는 기술을 제안했다.
이번 수상은 AI 기반 디스플레이 광학 설계 기술의 우수성을 입증함과 동시에, 차세대 소자 설계 기술로서의 높은 활용 가능성을 보여준 성과다.
< (왼쪽부터) KAIST 정은영 박사과정, KAIST 정재웅 교수, 연세대학교 의과대학 김화영 교수, 연세대학교 의과대학 박종우 박사과정 >
미국 시카고에서 한국 대전에 있는 초소형 뇌 이식 장치를 인터넷으로 원격 조절한다. 우리 학부 연구진이 세계 어디서든 약물을 전달하고 빛으로 뇌 신경세포를 정밀하게 조절할 수 있는 무선 장치를 개발했다. 거리와 장소의 제약을 넘어 뇌 질환의 장기 연구와 미래 치료기기 개발에 활용될 것으로 기대된다.
정재웅 교수 연구팀이 연세대학교 의과대학 김화영 교수 연구팀과 공동으로 약물 전달, 빛 자극, 무선 통신, 인터넷 원격 제어 기능을 하나로 통합한 사물인터넷(IoT) 기반 무선 뉴럴 임플란트(뇌 이식 장치)를 개발했다.
< IoT 기반 무선 뉴럴 임플란트의 개념도 >
기존에는 실험동물의 뇌 신경을 자극하거나 약물을 주입하기 위해 복잡한 선이 연결된 장비를 사용하는 경우가 많아 동물의 자연스러운 움직임을 관찰하는 데 한계가 있었다. 무선 장치 역시 연구자가 가까운 곳에서 직접 조작해야 하는 등 거리와 실험 환경의 제약이 있었다.
연구팀은 이러한 한계를 해결하기 위해 뇌 이식 장치를 인터넷에 연결했다. 연구자가 실험실에 직접 가지 않아도 인터넷을 통해 실시간으로 약물을 투여하거나 빛을 쬐어 특정 뇌 신경세포를 조절할 수 있다. 미리 설정한 시간에 자동으로 작동하도록 프로그램하는 것도 가능하다.
장치는 각설탕 정도의 작은 크기로 제작돼 동물의 자유로운 움직임을 크게 방해하지 않는다. 연구자가 실험동물 가까이에서 반복적으로 장비를 조작할 필요도 없어, 사람의 존재로 인한 스트레스가 동물의 행동과 실험 결과에 영향을 미치는 것을 줄일 수 있다.
장치 내부에는 뇌의 원하는 부위에 약물을 정밀하게 전달하는 미세 유체 시스템과 특정 신경세포를 빛으로 조절하는 마이크로 발광다이오드(Micro LED)가 함께 탑재됐다. 약물과 빛을 각각 따로 조절할 수도 있고, 두 기능을 연계해 사용할 수도 있다.
특히 약물 저장소는 자석으로 쉽게 떼었다 붙일 수 있도록 설계했다. 약물이 떨어져도 장치를 다시 이식하는 수술 없이 저장소를 교체하거나 약물을 보충할 수 있어 장기간 반복 실험이 가능하다.
연구팀은 실제 쥐에 장치를 이식해 4주 동안 성능을 검증했다. 특히 미국 시카고에 있는 연구자가 인터넷을 통해 한국 대전에 있는 뇌 장치를 실시간으로 원격 조작하는 데 성공, 국가 간 거리에서도 안정적으로 작동할 수 있음을 입증했다.
또한 연구팀은 무선으로 쥐의 뇌에 코카인을 투여하고 동시에 특정 신경세포에 빛 자극을 가하는 실험을 진행했다. 그 결과 중독과 관련된 행동 반응을 억제할 수 있음을 확인해 약물 전달과 빛 자극을 결합한 뇌 회로 연구의 가능성을 보여줬다.
이번 기술은 연구자가 실험동물 옆에서 직접 장비를 조작해야 했던 기존 방식에서 벗어나, 동물이 자유롭게 행동하는 환경에서 장기간 뇌 회로와 행동의 관계를 연구할 수 있다는 점에서 의미가 있다. 중독이나 우울증, 퇴행성 뇌 질환처럼 오랜 기간에 걸쳐 뇌와 행동이 변화하는 질환을 연구하는 데 활용될 것으로 기대된다.
향후에는 뇌의 상태를 감지하는 센서와 인공지능(AI) 기술 등을 결합해, 필요한 시점에 약물이나 신경 자극을 제공하는 지능형 이식형 의료기기 연구로 확장될 가능성도 있다.
< 연구 이미지 (AI 생성) >
정재웅 교수는 “이번 기술은 빛과 약물을 이용한 무선 뇌 이식 장치를 단순한 근거리 조작 도구에서 장기간·반복적·원격 실험이 가능한 사물인터넷(IoT) 뇌공학 플랫폼으로 확장했다는 데 의미가 있다”며 “장기적으로는 뇌 질환의 진단과 치료를 위한 지능형 이식형 의료기기 개발에 응용될 것으로 기대한다”고 말했다.
연세대 김화영 교수는 “동물이 자유롭게 행동하는 환경에서 특정 뇌 회로를 장기간 정밀하게 조절할 수 있게 됐다”며 “향후 중독, 우울증, 퇴행성 뇌 질환 등 다양한 질환 모델에서 뇌 회로와 행동 사이의 인과관계를 규명하는 데 중요한 연구 도구로 활용될 것”이라고 말했다.
이번 연구에는 KAIST 전기및전자공학부 정은영 박사과정과 연세대 의대 박종우 박사과정 연구원이 공동 제1저자로 참여했다. 연구 결과는 국제 학술지 ‘사이언스 어드밴시스(Science Advances)’ 7월 29일 자에 게재됐다.
논문명: IoT-enabled wireless neural implant for chronic, programmable neuropharmacology and optogenetics
DOI: 10.1126/sciadv.aee8648
한편, 이번 연구는 과학기술정보통신부 한국연구재단 중견연구자지원사업과 기초연구실지원사업, 산업통상자원부 산업기술 알키미스트 프로젝트의 지원을 받아 수행됐다.
AI가 똑똑해질수록 더 많은 데이터를 빠르게 처리할 수 있는 ‘고성능 메모리’가 필요하다. 하지만 기존처럼 반도체를 계속 작게 만드는 데는 한계가 있다. 우리 학부 연구진이 반도체를 위로 쌓는 3차원 구조의 약점까지 해결하면서, AI 반도체의 성능은 높이고 전력 소모는 낮출 새로운 길을 열었다.
권지민 교수 연구팀은 UNIST, 연세대학교 등 국내 연구진과 공동으로 차세대 메모리 소자인 산화물 수직 채널 트랜지스터(Vertical Channel Transistor, VCT)의 결함을 줄이고 성능과 안정성을 크게 높일 수 있는 새로운 다층 층간 절연막 구조를 개발했다.
컴퓨터의 주기억장치로 사용되는 DRAM은 컴퓨터가 작업 중인 데이터를 임시로 저장해 빠르게 꺼내 쓸 수 있도록 하는 메모리다. 지난 수십 년간 DRAM은 반도체 소자의 크기를 줄여 같은 면적에 더 많은 데이터를 저장하고, 전력 소모를 낮추는 방향으로 발전해 왔다.
그러나 반도체를 평면에서 계속 작게 만드는 방식은 점차 물리적 한계에 가까워지고 있다. 이에 최근에는 소자를 옆으로만 줄이는 대신 위로 쌓아 올려 집적도를 높이는 3차원 구조가 주목받고 있다. 좁은 땅에 단층 주택을 계속 촘촘하게 짓는 대신 고층 아파트를 세워 더 많은 가구를 수용하는 것과 비슷한 원리다.
이 가운데 수직 채널 트랜지스터(VCT)는 전류가 흐르는 길인 ‘채널’을 기존의 수평 방향이 아닌 수직 방향으로 만든 소자다. 이를 활용하면 제한된 면적에 더 많은 소자를 배치할 수 있어 고집적 메모리 구현에 유리하다.
< 산소터널(Oxygen Tunnel) 구조를 적용한 산화물 수직채널트랜지스터 >
특히 채널 소재로 산화물 반도체(Oxide Semiconductor)를 사용하면 전류가 새어나가는 현상을 크게 줄일 수 있어, 전력 소모가 적은 차세대 메모리를 만드는 데 유리하다.
하지만 해결해야 할 문제가 있었다. 바로 ‘산소 공공(Oxygen Vacancy)’이다. 이는 산화물 반도체에서 원래 산소 원자가 있어야 할 자리가 비어 있는 상태를 말한다. 즉, 벽돌담에서 벽돌 몇 장이 빠지면 벽 전체가 불안정해지는 것처럼, 이러한 빈자리가 많아지면 반도체의 전기적 특성이 달라져 소자가 안정적으로 작동하기 어려워진다.
그렇다고 산소를 무작정 많이 공급할 수도 없다. 부족한 산소를 채우려다가 산소가 금속 전극까지 이동하면 전극이 산화돼 오히려 소자의 성능을 떨어뜨릴 수 있기 때문이다. 즉, 산소가 필요한 곳에는 보내고, 필요하지 않은 곳에는 가지 못하도록 정밀하게 조절하는 기술이 필요했다.
연구팀은 이를 해결하기 위해 질화규소/이산화규소/질화규소(SiN/SiO₂/SiN)로 구성된 새로운 다층 층간 절연막을 개발했다. 층간 절연막은 반도체 내부의 여러 소자와 배선 사이를 전기적으로 분리하는 막으로, 쉽게 말해 아파트의 층과 층 사이를 나누는 바닥과 천장 같은 역할을 한다.
연구팀은 이 절연막을 단순히 전기를 차단하는 용도로 사용하는 데서 한발 더 나아가, 산소의 이동까지 조절하는 ‘산소 터널(Oxygen Tunnel)’로 활용했다.
마치 복잡한 건물 안에서 사람이 아무 곳으로나 돌아다니지 않고 정해진 통로를 따라 필요한 장소로 이동하도록 동선을 설계한 것과 같다. 산소가 필요한 산화물 반도체 쪽으로는 이동할 수 있도록 하면서, 산화되면 안 되는 전극 쪽으로는 이동을 억제한 것이다. 그 결과 산화물 반도체 내부의 빈 산소 자리를 안정적으로 채우면서도 전극의 불필요한 산화를 동시에 억제할 수 있었다.
이를 통해 연구팀은 산화물 수직 채널 트랜지스터 분야에서 세계 최고 수준의 전류 흐름과 데이터 유지 시간(Retention Time)을 달성했다. 데이터 유지 시간이란 메모리가 저장된 정보를 얼마나 오랫동안 안정적으로 유지할 수 있는지를 나타내는 지표다.
내구성도 확인했다. 연구팀이 소자에 1,000만 회(10⁷) 이상의 가혹한 동작 스트레스를 가한 뒤에도 문턱전압(트랜지스터가 켜지기 시작하는 기준 전압)의 변화는 50밀리볼트(mV) 이하에 그쳤다. 이는 수많은 반복 동작에도 소자의 특성이 크게 흔들리지 않았다는 의미로, 높은 메모리 동작 안정성을 보여준다.
연구팀은 여기서 한발 더 나아가 기존 실리콘(Si) 기반 CMOS 반도체와 새로운 산화물 반도체를 하나로 결합하는 기술도 구현해 시스템 성능을 평가했다. CMOS는 현재 대부분의 컴퓨터와 스마트폰 반도체를 구성하는 기본 회로 기술이다.
이번 기술은 향후 차세대 반도체 기술인 컴퓨트 인 메모리(Compute-in-Memory, CIM)의 성능을 높이는 데 활용될 것으로 기대된다.
현재 컴퓨터는 데이터를 저장하는 ‘메모리’와 계산을 담당하는 ‘프로세서’가 분리돼 있어 연산할 때마다 데이터를 서로 주고받아야 한다. 주방에 있는 재료를 요리할 때마다 멀리 떨어진 조리실로 옮겼다가 다시 가져오는 것과 같다. AI처럼 처리해야 할 데이터가 많아질수록 이 이동 과정에서 시간과 전력이 많이 소모된다.
컴퓨트 인 메모리는 이러한 문제를 해결하기 위해 데이터가 저장된 메모리 내부 또는 가까운 곳에서 연산까지 수행하는 기술이다. 재료가 있는 곳에서 바로 요리하는 셈이어서 데이터 이동을 줄이고 연산 속도와 전력 효율을 높일 수 있다.
이번 연구처럼 저전력 산화물 반도체와 기존 실리콘 회로를 3차원으로 결합하면, 좁은 면적에 더 많은 메모리와 연산 기능을 넣을 수 있어 AI가 대규모 데이터를 더 빠르고 적은 전력으로 처리할 수 있을 것으로 기대된다.
권지민 교수는 “고층 건물을 높이 지으려면 층수를 늘리는 것만큼 건물을 안정적으로 만드는 것이 중요하듯, 3차원 반도체도 많이 쌓으면서 안정적으로 작동하게 만드는 것이 핵심”이라며 “이번 기술은 AI 연산 속도를 높이면서 전력 소모는 줄이는 차세대 메모리 반도체 개발을 앞당길 것으로 기대한다”고 말했다.
이번 연구에는 구현호 연구원이 제1저자로 참여했으며, 이용우 박사, 정학순 박사, 권지민 교수가 교신저자로 참여했다. UNIST, 연세대학교, 한국화학연구원, 서울과학기술대학교, 서울대학교 연구진도 공동 연구에 참여했다.
연구 결과는 재료과학 분야 국제학술지 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)’에 5월 20일 게재됐으며, 연구의 학술적 중요성과 독창성을 인정받아 표지 논문(Front Cover)으로 선정됐다.
< Advanced Functional Materials 논문 Front Cover로 선정된 연구 이미지 >
논문명 : Oxygen-Tunnel Indium Tin Oxide Vertical Channel Transistors with Enhanced Current Density and Reliability for Monolithic 3D Compute-in-Memory Systems
우리 학부 윤인수 교수 연구팀 및 동문들이 대거 참여한 한국 해킹팀 ‘0x4b52’가 지난 8월 7일부터 9일까지 미국 라스베이거스에서 열린 ‘DEF CON CTF 2026(데프콘 캡처 더 플래그 2026)’에서 최종 2위를 차지했다.
약 30명의 한국인 해커로 구성된 0x4b52는 세계 정상급 다국적 연합팀들과 경쟁해 준우승을 거뒀다. 이는 2015년 한국팀 ‘DEFK0R’가 우승한 이후 순수 한국인 팀이 DEF CON CTF에서 거둔 가장 높은 성적이다.
< DEFCON CTF 최종 스코어 >
특히 전 세계 686개 팀이 참가한 예선에서 상위 12개 팀만 본선 진출권을 얻은 가운데, 0x4b52는 예선 5위로 본선에 진출한 뒤 최종 2위까지 순위를 끌어올렸다. 학부생과 대학원생, 졸업생 등 서로 다른 세대의 KAIST 구성원들이 한 팀으로 참여해 세계 정상급 해커들과 경쟁하며 거둔 성과라는 점에서도 의미가 크다.
배충식 KAIST 총장은 “세계 최고 수준의 해커들이 경쟁하는 무대에서 우리 학생과 동문들이 뛰어난 역량을 보여준 것을 매우 뜻깊게 생각한다”며 “특히 학부생부터 대학원생, 졸업생까지 여러 세대의 KAIST 구성원들이 함께 도전해 이뤄낸 성과라는 점에서 더욱 의미가 크다”고 말했다.
이어 배 총장은 “AI 시대일수록 탄탄한 기본과 도메인 전문성이 더욱 중요하다”며, “KAIST는 학생들이 학부 때부터 관심 분야에 과감하게 도전하고 실전 경험과 연구를 통해 전문성을 쌓아, AI를 주도적으로 활용하며 새로운 길을 개척하는 글로벌 인재로 성장할 수 있도록 적극 지원하겠다”고 밝혔다.
DEF CON CTF는 세계 최대 규모의 해커 콘퍼런스 중 하나인 ‘DEF CON(데프콘)’의 대표 행사로, 세계 각국의 정상급 해커들이 참가해 시스템 보안과 해킹 역량을 겨루는 국제 해킹대회다. 올해 본선은 미국 라스베이거스에서 열린 ‘DEF CON 34(데프콘 34)’의 메인 행사 중 하나로 진행됐으며, 다국적 연합팀 ‘Blue Water(블루 워터)’가 우승하고 한국팀 0x4b52가 준우승했다.
CTF(Capture The Flag·캡처 더 플래그)는 참가팀이 주어진 시스템과 소프트웨어의 취약점을 분석하고 공격과 방어 등을 수행하며 점수를 획득하는 방식의 해킹대회다. 참가자들은 제한된 시간 안에 시스템과 소프트웨어를 분석해 취약점을 찾아내고 상대팀과 경쟁해야 해 고도의 기술력뿐 아니라 팀원 간 협업과 전략적 판단 능력이 요구된다.
올해 예선에서는 바이너리 익스플로잇(Binary Exploitation·프로그램 취약점 공격), 리버스 엔지니어링(Reverse Engineering·역공학), 크립토그래피(Cryptography·암호학), 웹 익스플로잇(Web Exploitation·웹 취약점 공격) 등 다양한 정보보안 분야의 문제가 출제됐다.
0x4b52는 국내 해킹팀 ‘HypeBoy(하이프보이)’와 윤인수 교수 연구실 구성원들을 중심으로 결성된 한국팀이다. 전체 팀원 약 30명 가운데 3분의 1가량이 현재 윤 교수의 ‘Hacking Lab(해킹랩)’에 소속돼 있거나 연구실을 거쳐 간 구성원들이다.
이외에도 KAIST 학생과 동문들이 다수 참여했다. 상당수는 학부 재학 시절 정보보호 동아리 ‘GoN’ 활동을 비롯해 전기및전자공학부, 전산학부, 정보보호대학원 등에서 시스템 해킹과 보안 연구 경험을 쌓아 왔다. 특히 학부생과 석·박사과정 학생부터 졸업 후 산업계와 연구기관에서 활동하는 동문까지 서로 다른 세대의 KAIST 해커들이 한 팀에서 함께 경쟁했다.
0x4b52의 중심축 가운데 하나인 윤인수 교수 연구팀은 지난해에도 미국 라스베이거스에서 세계적인 사이버보안 경연대회 정상에 오른 바 있다. 윤 교수 연구팀은 삼성리서치, POSTECH, 미국 조지아공과대학교(Georgia Institute of Technology) 연구진과 구성한 연합팀 ‘Team Atlanta(팀 애틀랜타)’로 미국 국방고등연구계획국(DARPA)이 주관한 ‘AI Cyber Challenge(AI 사이버 챌린지·AIxCC)’에 참가해 2025년 8월 DEF CON 33에서 열린 결선에서 우승했다.
AIxCC는 인공지능(AI)을 활용해 소프트웨어의 취약점을 자동으로 찾아내고 수정하는 기술을 겨루는 대회다. Team Atlanta는 결선 우승으로 400만 달러의 상금을 받았다. 윤 교수 연구팀은 지난해 AI를 활용한 자율 사이버 방어 기술 경연에서 세계 정상에 오른 데 이어 올해 DEF CON CTF에서도 학생·동문들과 함께 세계 정상급 팀들과 경쟁하며 시스템 보안 분야에서 연이어 성과를 냈다.
이번 성과는 KAIST에서 학부 단계의 실전 해킹 경험이 대학원의 전문 보안 연구로 이어지고, 졸업 후 관련 분야의 전문성으로 확장되는 정보보호 인재 성장 경로를 보여준다는 점에서도 의미가 있다.
학부생들은 교육과 동아리 활동 등을 통해 실제 시스템을 분석하고 취약점을 찾아내는 경험을 쌓고, 대학원에서는 이를 소프트웨어 취약점 분석, 프로그램 분석, 자동화된 취약점 탐지 등 전문적인 시스템 보안 연구로 발전시키고 있다. 우리 대학은 석·박사급 정보보호 전문인력을 양성하는 한편 정보보호특성화대학 사업에 참여하는 등 정보보호 분야의 교육·연구 기반을 확대하고 있다.
윤인수 교수는 “이번 성과는 특정 개인이 아니라 학생들이 오랜 시간 함께 공부하고 실전 경험을 쌓으며 성장해 온 결과라는 점에서 의미가 크다”며 “저 역시 KAIST 학부 시절 정보보호 동아리 GoN을 통해 정보보호 분야에 본격적으로 입문한 만큼, 학부생과 대학원생, 졸업생이 세대를 넘어 한 팀으로 세계 정상급 해커들과 경쟁해 성과를 냈다는 점이 특히 뜻깊다”고 말했다.
그림 1. RSS Open-World Navigation(OWN) 워크숍 내비트레이스 챌린지 준우승 상장
우리 학부 명현 교수 연구팀(미래도시 로봇연구실)이 지난 7월 13일부터 17일까지 호주 시드니에서 열린 세계 최고 권위의 로보틱스 학술대회인 RSS 2026 (Robotics: Science and Systems)의 OWN (Open-World Navigation) 워크숍에서 개최된 ‘내비트레이스 챌린지(NaviTrace Challenge)’에서 준우승을 차지했다.
이번 챌린지는 로봇의 1인칭 시점 사진 한 장과 짧은 자연어 명령만 주고, 인공지능이 사진 위의 어떤 경로로 이동해야 하는지 추론하는 능력을 평가하는 국제 대회다.
“길을 건너라”는 명령에는 횡단보도를 찾고 신호를 기다려야 한다는 정보가 없다. 로봇은 이러한 암묵적 사회 규범을 눈앞의 장면에서 스스로 읽어내야 한다. 그러나 하나의 인공지능에 목표 찾기·위험 판단·경로 생성을 한꺼번에 맡기면 과업이 뒤섞여 성능이 떨어진다.
연구팀이 개발한 ‘프리즘내브(PRISM-Nav)’는 이를 네 개의 전문 에이전트로 나눴다. 목표 지점, 계단·턱 등 위험 요소, 횡단보도·인도처럼 사회적 의미가 있는 구조를 각각 찾는 세 에이전트가 동시에 동작하고, 마지막 에이전트가 이를 종합해 경로를 찾아낸다. 핵심은 에이전트끼리 좌표와 문자가 아니라 입력 사진 위에 직접 기호를 그려 결과를 주고받는다는 점이다. 말로 설명하는 대신 지도에 표시해 건네주는 방식으로 공간 정보 손실을 크게 줄였다. 추가 학습이 필요 없어 새로운 로봇이나 환경에 곧바로 적용할 수 있다.
그림 2. PRISM-Nav 결과 예시. 같은 장면에서 기존 방식(초록 점선)은 출구 차선을 가로지르는 반면, PRISM-Nav(분홍 실선)는 사회적 규범을 이해하여 주차장에 진입한다.
연구팀은 53점을 기록해 난징대·파이브에이지스(FiveAges) 공동팀에 이어 2위에 올랐다. 주목할 점은 사용한 인공지능 모델의 경제성이다. 주최측이 참고 기준으로 함께 공개한 최상위 고성능 범용 모델(Gemini 3.1 Pro Preview)은 사용 비용이 높아 로봇에 상시 적용하기 어렵다. 연구팀은 이보다 훨씬 저렴한 경량 모델(Gemini 3 Flash)을 쓰면서도 최상위 모델의 성능을 앞섰다. 값비싼 모델을 하나 쓰는 대신, 저렴한 모델을 여러 에이전트로 나눠 구성하는 것이 성능과 비용 모두에서 유리하다는 의미다.
그림 3. 인간 전문가 대비 성능 비교 그래프. PRISM-Nav가 2위를 차지했다.
명현 교수는 “별도의 학습 데이터 없이도 대형 인공지능 모델을 로봇의 실제 상황 판단에 활용할 수 있음을 입증한 결과”라며 “사람과 공간을 함께 쓰는 배송 로봇, 안내 로봇 등 서비스 로봇 분야의 핵심 기술로 활용될 수 있을 것”이라고 말했다.
한편 명현 교수 연구실은 지난 6월 ICRA 2026과 CVPR 2026 워크숍 국제 챌린지에서 각각 1위를 차지한 바 있으며, 공간인지 기술에서 축적한 역량을 체화 인공지능(Embodied AI) 분야로 확장하고 있다.
AI 반도체도 이제 ‘눈치’를 본다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 정보를 기억하는 시간이 한 번 정해지면 바꿀 수 없는 ‘고정된 반응 특성’을 가졌지만, 이제는 데이터의 변화 속도에 맞춰 스스로 반응하는 시대가 열렸다. 우리 학부 연구진은 이 기술로 시간에 따라 변하는 데이터의 예측 오류를 기존보다 최대 40배 줄였다. 자율주행차와 로봇, 웨어러블 기기의 실시간 AI 성능을 높일 핵심 원천기술로 기대된다.
최신현 석좌교수 연구팀이 입력되는 데이터의 변화 속도에 따라 반응 특성을 자유롭게 바꿀 수 있는 새로운 AI 반도체 소자 ‘프로그래머블 동적 멤트랜지스터(Programmable Dynamic Memtransistor, PDM)’와 이를 집적한 어레이를 개발했다.
< 다양한 시간 척도의 시계열 신호를 함께 처리하는 프로그래머블 동적 멤트랜지스터(PDM)의 개념 및 동작 원리 >
멤트랜지스터(Memtransistor)는 정보를 저장하는 메모리(Memory)와 계산을 수행하는 트랜지스터(Transistor)의 기능을 하나로 결합한 차세대 반도체 소자다. 데이터를 계산하면서도 이전 정보를 기억할 수 있어 입력되는 데이터에 맞춰 반응 속도를 조절할 수 있는 것이 특징이다.
현실 세계의 데이터는 모두 같은 속도로 변하지 않는다. 심장 박동이나 음성처럼 매우 빠르게 변하는 정보가 있는가 하면, 날씨나 공장 설비 상태처럼 천천히 변하는 정보도 있다. 하지만 기존 AI 반도체는 입력 신호에 반응하는 속도와 그 상태를 유지하는 시간(시간 응답 특성)이 고정돼 있어, 서로 다른 속도의 데이터를 동시에 효율적으로 처리하는 데 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 전기적 정보를 저장하는 층(전하 저장층)과 전자를 저장해 반도체의 반응 속도를 조절하는 층(전자 포획층)을 하나의 트랜지스터 안에 결합한 새로운 구조를 개발했다.
PDM은 데이터가 입력되면 전하 저장층에서 정보를 처리하고, 전자 포획층이 반도체가 원래 상태로 돌아가는 속도를 조절한다. 마치 운전자가 고속도로에서는 속도를 높이고 골목길에서는 속도를 줄이듯, 반도체도 데이터의 변화 속도에 맞춰 가장 적합한 반응 속도를 스스로 선택한다.
실험 결과 연구팀은 반도체가 입력 신호에 반응한 뒤 원래 상태로 돌아오는 시간을 약 5배 범위에서 조절했으며, 빠르게 반복되는 신호를 처리하는 능력(주파수 특성)도 10배 이상 폭넓게 조절할 수 있음을 확인했다.
특히 빠르게 변하는 정보와 느리게 변하는 정보가 함께 포함된 시계열 데이터(Time-series data, 시간의 흐름에 따라 연속적으로 생성되는 데이터) 예측 실험에서는 기존의 고정형 반도체보다 예측 오류를 최대 40배 줄이는 성능을 보였다.
또한 연구팀은 PDM을 여러 개 연결한 어레이(Array, 동일한 반도체 소자를 일정한 형태로 집적한 구조)를 제작해 실험한 결과, 기존 소프트웨어 기반 AI 시스템과 비슷한 정확도를 유지하면서도 훨씬 적은 에너지로 동작하는 것을 확인했다.
이번 기술은 별도의 복잡한 데이터 전처리 없이도 다양한 속도로 변하는 데이터를 효율적으로 처리할 수 있다. 또한 한 번 설정한 반응 특성은 전원을 계속 공급하지 않아도 유지되는 비휘발성(전원이 꺼져도 정보가 유지되는 특성)을 갖춰 에너지 소비를 줄일 수 있다. 여기에 현재 널리 사용되는 상용 반도체 공정(CMOS 공정)과도 호환돼 대량 생산과 상용화 가능성이 높다는 점에서도 의미가 크다.
< 연구이미지 (AI 생성) >
최신현 석좌교수는 “이번 연구는 데이터의 변화 속도에 맞춰 반도체가 스스로 가장 적합한 방식으로 반응하는 AI 반도체를 구현한 것”이라며 “자율주행차와 로봇, 웨어러블 기기 등 다양한 AI 기기의 성능은 높이고 전력 소모는 줄이는 핵심 기술이 될 것으로 기대한다”고 말했다.
이번 연구는 반도체공학대학원 김대원 박사과정이 제1저자로 참여했으며, 조윤호, 서석호, 김유진, 박시온, 장태환, 박채빈이 공동저자로 참여했다. 또한 삼성전자 반도체연구소 오영택 연구원과 이재덕 Fellow가 공동저자로 참여했으며, 최신현 교수가 교신저자를 맡았다. 연구 결과는 세계적인 권위의 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications)’에 7월 게재됐다.
논문명: Programmable memtransistor array with temporal dynamics modulation for efficient time-series data processing
우리 학부 유창동 교수 연구팀이 주관하는 **「AX선도 창업가형 인재양성센터」**가 과학기술정보통신부와 정보통신기획평가원(IITP)이 추진하는 AI·디지털 기반 창업인재양성 사업에 최종 선정되었다. 또한 사업의 성공적인 추진과 산학연 협력 허브 구축을 위해 AX DeepTech Bridge Center를 공식 개소하였다. 본 사업은 AI 원천기술과 산업 도메인 기술을 융합하여 글로벌 기술창업을 선도할 석·박사급 인재를 양성하는 국가 전략사업으로, KAIST를 중심으로 POSTECH, 분당서울대학교병원, 전북대학교가 참여하는 컨소시엄으로 운영된다. 사업기간은 2026년 7월부터 2031년 12월까지 5년 6개월이다.
AI가 산업 전반의 혁신을 이끄는 AX(AI Transformation) 시대에는 우수한 AI 기술만으로는 충분하지 않다. AI 원천기술을 반도체, 전력, 의료, 센서 등 실제 산업 현장의 핵심 문제와 결합하고, 이를 창업으로 연결할 수 있는 새로운 인재양성 패러다임이 요구되고 있다. 그러나 기존 교육은 연구, 기술사업화, 창업지원이 분절되어 있어 세계 시장을 선도할 DeepTech 창업가를 지속적으로 배출하는 데 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 KAIST AI Hub를 중심으로 AI 알고리즘·모델·컴퓨팅 역량과 참여 연구실의 도메인 전문성을 융합하는 AX DeepTech Bridge Center를 구축하였다. 센터는 교육, 공동연구, 실증, 지식재산(IP), 기술이전, 창업보육, 투자연계를 하나의 체계로 연결하는전주기 창업 지원 플랫폼으로 운영되며, 연구성과가 논문과 특허에 머무르지 않고 글로벌 DeepTech 스타트업으로 이어질 수 있도록 지원한다.
특히 AX DeepTech Bridge Center는 “AI Hub × Domain Expertise × Entrepreneurship”를 핵심 철학으로 삼아, AI 연구자와 분야 전문가가 함께 실제 산업 난제를 해결하는 융합 프로젝트를 수행하고, 이를 기술사업화와 창업으로 연결하는 새로운 모델을 제시한다. 또한 KAIST의 AI Hub, SW교육센터, 기술가치창출원, 화성 사이언스 허브 등 기존 인프라를 유기적으로 연계하여 교육부터 창업, 투자까지 이어지는 국내 최초 수준의 통합 AX 창업 생태계를 구축할 계획이다.
이번 사업과 센터 개소를 통해 KAIST는 세계 최고 수준의 AI 연구역량을 산업 혁신과 기술창업으로 연결하는 핵심 거점으로 자리매김하는 것은 물론, 반도체, 전력, 의료, 센서 등 국가 전략산업의 AX 전환을 이끌 글로벌 DeepTech 창업가를 지속적으로 배출하여 대한민국 AI 산업 경쟁력 강화와 미래 성장동력 확보에 크게 기여할 것으로 기대된다.
< (왼쪽부터) 정상윤 박사과정(MAD 및 DNA 연구 제1저자), 노용만 교수(교신 저자), 유영준 박사(DNA연구 공동 제1저자) >
AI가 ‘안 들리는데 들린다’, ‘없는데 있다’고 우기는 시대가 끝난다. 우리 학부 연구진이 AI가 여러 감각 정보를 스스로 구분하고 존재하지 않는 정보를 만들어내는 ‘환각’을 줄이는 핵심 기술을 개발했다. 자율주행차와 로봇, 의료 AI 등 실제 산업 현장에서 더욱 신뢰할 수 있는 멀티모달 AI 구현의 기반이 될 것으로 기대된다.
노용만 교수 연구팀이 멀티모달 대형 언어모델(MLLM, 텍스트와 이미지·소리 등 여러 정보를 함께 이해하는 AI)의 감각 혼선을 줄이는 두 가지 핵심 기술을 개발했다. 이번 기술은 카메라와 다양한 센서의 특성을 정확히 이해하도록 하는 기술과 시각·청각 정보가 뒤섞이면서 발생하는 환각을 줄이는 기술로, 별도의 대규모 재학습 없이도 AI의 신뢰성을 크게 높였다.
연구팀이 개발한 첫 번째 기술은 AI가 열화상(Thermal, 물체가 내는 열을 영상으로 보여주는 센서), 깊이 영상(Depth, 물체까지의 거리를 측정하는 센서), 엑스레이(X-ray) 등 다양한 센서가 담고 있는 물리적 의미를 정확하게 이해하도록 돕는 ‘센서 이해 AI’기술(DNA, Diverse Negative Attributes) 최적화 기법이다.
< 연구팀이 개발한 DNA 최적화 기술이 적용된 모델 >
사람은 열화상 화면에서 밝게 보이는 부분이 ‘뜨거운 곳’이라는 것을 알지만, 기존 AI는 이를 일반 사진처럼 해석해 단순한 빛으로 착각하기도 했다. 연구팀은 AI가 열과 거리 등 센서가 측정하는 물리 정보를 이해하도록 새로운 학습 기술을 개발했다. AI가 자주 틀리는 사례를 반복적으로 학습하게 한 결과, 어둠이나 연기 속에서도 사물을 더욱 정확하게 인식할 수 있게 됐다.
두 번째 기술은 시각과 청각 정보가 서로 영향을 주면서 발생하는 환각을 줄이는 ‘감각 혼선 방지’ 기술(MAD, Modality-Adaptive Decoding) 기술이다.
예를 들어 CCTV 영상에 자동차가 지나가는 장면이 담겨 있지만 실제로는 소리가 녹음되지 않았을 때, 기존 멀티모달 AI는 자동차가 보인다는 이유만으로‘엔진 소리가 들린다’고 답하는 경우가 있었다. 연구팀은 AI가 먼저 ‘이번 질문은 영상을 보고 판단해야 하는지, 소리를 듣고 판단해야 하는지’를 스스로 구분한 뒤, 더 중요한 감각 정보에 집중하도록 만들었다. 이를 통해 AI를 처음부터 다시 학습시키지 않고도(Training-free) 이러한 감각 혼선과 환각을 효과적으로 줄였다.
또한 연구팀은 AI를 막대한 컴퓨팅 자원으로 처음부터 다시 학습시키는 대신, DNA 기술은 적은 데이터만으로 다양한 센서를 이해하도록 성능을 높이고, ‘감각 혼선 방지’ 기술(MAD)은 기존 AI에 프로그램을 추가하듯 바로 적용할 수 있도록 설계했다. 따라서 시간과 비용을 크게 줄이면서도 기존 멀티모달 AI의 신뢰성을 높일 수 있어 산업 현장에 빠르게 적용할 수 있다.
이번 기술은 밤이나 안개 속에서도 보행자와 차량을 정확히 인식해야 하는 자율주행차, 연기로 앞이 보이지 않는 화재 현장에서 생존자를 찾는 구조 로봇, 열화상 카메라를 이용하는 드론 등에 활용될 수 있다. 또한 공항 보안검색에서 엑스레이 영상을 분석하거나, 병원에서 CT·MRI·엑스레이 등 여러 의료영상을 함께 분석하는 AI의 정확성과 신뢰성을 높이는 데도 기여할 것으로 기대된다.
< 연구 이미지 (AI 생성) >
노용만 교수는 “멀티모달 AI가 실제 환경에서 사용되기 위해서는 다양한 센서의 특성을 정확히 이해하고 여러 감각 정보를 혼동하지 않는 것이 중요하다”며 “이번 연구는 대규모 재학습 없이도 AI의 감각 편향과 환각을 줄여 실제 생활과 산업 현장에서 믿고 사용할 수 있는 멀티모달 AI의 기반을 마련했다”고 말했다.
이번 성과는 정상윤 박사과정이 두 기술 연구 모두 제1 저자로 참여해 두 연구를 유기적으로 연결하며 기술적 완결성을 높였으며, 유영준 박사가 ‘센서 이해 AI’ 기술(DNA) 연구에 공동 제1 저자로 참여했다.
관련 논문 중 ‘감각 혼선 방지’ 기술(MAD) 연구는 인공지능 컴퓨터 비전 분야 최고 권위 국제학회인 ‘국제 컴퓨터 비전 및 패턴인식 학술대회(CVPR)’에 지난 6월 발표되었다. 또한 ‘센서 이해 AI’ 기술(DNA) 연구는 영상처리 분야 최고 국제 학술지인 ‘IEEE Transactions on Image Processing’에 게재가 되었다.
논문명: Enhanced Vision-Language Models for Diverse Sensor Understanding: Cost-Efficient Optimization and Benchmarking,
DOI:10.48550/arXiv.2412.20750
저자 정보: 정상윤 (공동 제1 저자), 유영준 (공동 제1 저자), 김세연 (제3 저자), 지영채 (제4 저자), 노용만(교신저자)
논문명: MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models
우리 학부 심현철 교수 연구팀이 개발 중인 휴머노이드 로봇 ‘파이봇(PIBOT)’이 해군과의 협업을 통해 함정의 침로를 잡는 ‘타수(舵手, helmsman)’ 임무 실증 실험에 성공하며, AI·로봇 기술의 국방 분야 적용 가능성을 입증했다.
이번 실증은 기존 함정 시스템의 별도 성능 개량이나 수정 없이, 인간 승조원의 물리적 임무를 휴머노이드 로봇이 직접 대체할 수 있음을 보여준 최초의 ‘로봇 승조원 전투실험’이라는 점에서 의의가 크다.
연구팀은 문장의 의미를 이해하고 적절한 응답을 생성하는 대규모 언어모델(LLM, Large Language Model) 기술을 파이봇에 적용하여, 로봇이 함정의 복잡한 조함 절차와 음성 명령을 스스로 인식하고 실행할 수 있도록 설계했다.
<해군 지휘관의 조함명령에 따라 타수 업무를 수행하는 파이봇. 사진제공=해군>
지난 7월 23일 해군교육사령부 조함훈련장에서 진행된 1단계 육상 시뮬레이션 실험에서, 파이봇은 함교 당직사관의 “키 왼편 5도, 330도 잡아!”라는 음성 명령을 정확히 인식·복창한 뒤 직접 타기를 조작했다. 이어 목표 침로에 도달하자 “330도 잡기 끝!”이라는 완료 보고까지 성공적으로 수행했다.
약 1시간 동안 진행된 이번 실험은 협수로 통과, 외해 악기상, 야간항해 등 복잡하고 가혹한 항해 환경 조건 속에서 이루어졌다. 연구팀은 파이봇의 명령 인식 및 반응 시간, 타기 조작의 정밀도, 인간 운용자와의 편의성 데이터를 면밀히 분석해 알고리즘을 한층 더 고도화할 계획이다.
심현철 교수 연구팀은 이번 1단계 육상 시뮬레이션 성과를 바탕으로, 향후 정박 함정 실증(2단계), 실제 해상 주간 항해(3단계), 주·야간 장기 항해(4단계)로 연구 검증 범위를 단계적으로 확대해 나갈 예정이다.
심현철 교수는 “이번 연구는 인구절벽에 따른 병역자원 감소 등 안보환경 변화 속에서, 대학이 보유한 첨단 AI 및 휴머노이드 로봇 기술이 현장 임무에 어떻게 기여할 수 있는지를 보여준 대표적 사례”라며, “조함 임무를 시작으로 로봇이 수행할 수 있는 임무 영역을 확충해 승조원의 안전과 효율성을 대폭 높이겠다”고 밝혔다.
한편, KAIST 심현철 교수 연구팀의 ‘파이봇’ 개발 연구는 방위사업청의 지원(57억 원 출연)을 바탕으로 국방과학연구소(ADD)의 미래도전 국방기술 연구개발사업으로 지정되어 지난 2022년부터 착수·진행되고 있으며, 우리 학부의 김민준 교수진도 참여중이다.
