우리 학부 최경철, 최준균 교수님의 연구성과가 과학기술정보통신부가 주관하는 ‘2024년 국가연구개발 우수성과 100선’에 선정됐습니다.
국가연구개발 우수성과 100선은 국가 발전을 견인해 온 과학기술의 역할에 대한 국민들의 이해와 관심을 높이고 과학기술인들의 자긍심을 고취하기 위해 마련된 제도로, 지난 2006년부터 범부처적으로 우수한 국가연구개발 성과를 선정하고 있습니다.
올해는 각 부‧처‧청이 선별해 추천한 총 869건의 성과가 후보로 올랐으며, 산‧학‧연 전문가 100명으로 구성된 선정평가위원회의 평가와 대국민 공개검증을 거친 최종 100건의 우수성과가 선정되었습니다.
<휘어지는 조건에서 안정적으로 발광하는 섬유 OLED>
정보/전자분야의 우수 성과로 꼽힌 최경철 교수님의 ‘웨어러블 디스플레이 구현을 위한 세계 최고 수명의 섬유 기반 OLED 개발’ 성과는 사용자의 착용감과 편의성을 극대화하는 섬유형 디스플레이를 위해 고안됐습니다.
최경철 교수님이 개발한 섬유 유기 발광 소자(OLED)는 원통 형태의 실 한 가닥 위에서 동작할 수 있도록 구현됐으며, 기존 산업에서 활용 중인 열 증착 장비만으로도 제작할 수 있어 산업과의 연계 및 호환성이 높다는 장점을 가지고 있습니다.
특히, 현재까지 보고된 섬유 OLED의 최고 구동 수명인 80시간 보다 9배 높은 수준인 최대 720시간 동안 안정적으로 동작이 가능해 세계 최고 수준의 성능을 확보한 기술로 인정받고 있습니다.
실 한 가닥에 구현되는 발광 소자와 이를 토대로 구현될 웨어러블 디스플레이는 발광 소자뿐만 아니라 센서, 배터리 등 다양한 전자소자의 섬유화에 기여하고 다양한 웨어러블 전자섬유 개발을 촉진시킬 핵심 기술이기도 합니다. 이를 통해, 착용하는 의류형 디스플레이를 통한 의료 및 안전산업의 혁신은 물론 다양한 과학기술 분야와 산업에서 파급 효과를 미칠 것으로 기대되고 있습니다.
<ITU-T 국제 표준 채택>
2024년 국가연구개발 우수성과 100선 정보/전자분야의 우수 성과로 함께 이름을 올린 최준균 교수님의 ‘IoT 트러스트 인에이블러 기술 개발 및 국제 표준 선도’ 성과는 신뢰있고 안전한 지능형 IoT 생태계 구축을 위해 개발됐습니다.
최준균 교수님이 개발한 IoT 생대계의 구축을 위한 트러스트 모델링 알고리즘은 정보통신기술분야의 최고위 국제기구인 ITU-T에서 IoT 데이터의 트러스트 프레임워크 및 신뢰기반 서비스 제공 구조에 대한 국제 표준안(Y.3057, Y.3058, Y.3060) 3건의 표준안승인을 확보한 기술입니다.
특히, 국제표준화 기고서 49건 제출 중 38건이 채택이라는 높은 채택률을 보이며 글로벌 표준 정립을 주도했다는 점에서 큰 의미를 가집니다.
이러한 표준화 성과를 뒷받침하기 위해 개발된 트러스트 분석 및 IoT 기기 운영기술 등은 mrnlF 상위 SCI 국제학술지에 10 건 이상을 포함한 총 17건의 논문으로 게재됐고, 총 9건의 국내외〮 특허 출원/등록되어 기술의 혁신성과 실용성을 아울러 보여준 우수한 성과로 평가되고 있습니다.
‘인바디(InBody)’란 기기로 체성분을 분석하는 것은 이제 우리의 일상이 되었다. 이렇듯 몸에 교류 전류를 흘릴 때 전류 흐름을 방해하는 인체의 저항 특성인 생체 임피던스* 측정 기술은 웨어러블 기기에 매우 중요하다. 국제 공동 연구진이 단 두 개의 전극만을 사용하면서도 기존보다 5배 정밀하게 생체 임피던스를 측정할 수 있는 기술을 개발해 화제다. *생체 임피던스 측정 기술 : 생체 조직의 전기적 특성을 기반으로 체내의 다양한 생리적 상태를 모니터링할 수 있는 핵심 기술
우리 학부 제민규 교수 연구팀은 뉴욕대학교 아부다비(New York University Abu Dhabi, NYUAD) 하소명 교수 연구팀과 공동연구를 통해 웨어러블 기기에 최적화된 고해상도 생체 임피던스 측정 기술을 개발했다. 생체 임피던스 측정 기술로 잘 알려진 기존 4개 전극 시스템*에 비해 2개 전극 기반 측정 시스템**은 소형화가 쉽다는 장점으로 웨어러블 기기에 적합하다고 평가받고 있다.*4개 전극 시스템: 생체 임피던스를 측정하기 위해 네 개의 전극을 사용하는 시스템으로 웨어러블 기기의 소형화에 불리함 **2개 전극 시스템: 단 두 개의 전극만을 사용하여 생체 임피던스를 측정할 수 있는 시스템으로 웨어러블 기기의 소형화에 적합함
하지만, 2개 전극 시스템은 전극 자체의 임피던스 값이 포함된 신호를 측정하기 때문에 넓은 입력 범위가 필요하며, 측정하는 임피던스 값에 비례해 정확한 측정을 방해하는 잡음이 증가하는 한계로 활용이 어려웠다.
< 그림 1. (좌) 웨어러블 기기를 이용한 생체 임피던스 측정의 예시; (우) 전극 자체의 임피던스 값인 베이스라인과 그로 인한 잡음 제거 기능을 갖춘 새로운 임피던스 측정 회로의 개념도 >
연구팀은 기존 2개 전극 시스템의 기술적 한계를 극복하기 위해 전극 자체의 임피던스 값인 베이스라인과 그에 의해 발생하는 측정 잡음을 기존보다 훨씬 효과적으로 제거할 수 있는 반도체 회로 설계 기술을 새롭게 개발했다. 이번에 제안된 기술을 적용한 시스템은 기존 기술 적용 시 필요로 하던 별도의 전류 생성 회로를 없앨 수 있어 전력 소모 역시 줄일 수 있다.
이런 기술을 통해 생체 임피던스 측정 과정에서 발생하는 임피던스의 위상 및 크기 변화에 따른 잡음 문제를 효과적으로 해결해, 높은 정밀도와 효율성을 동시에 확보했다.
제민규 교수(교신저자)는 “이번 연구로 개발된 생체 임피던스 측정 기술은 다양한 임피던스 모델에 대해 기존의 방식 대비 최대 약 5배 가량 우수한 잡음 성능을 달성하였음을 입증했다”면서 “향후 생체 임피던스 측정을 활용한 개인 맞춤형 건강 관리와 질환 예측 기술 발전에 크게 기여할 것”이라고 말했다.
< 그림 2. 다양한 임피던스 모델에 대한 잡음 성능 측정 결과 >
우리 학부 최해담, 천송이 박사과정이 공동 제1 저자, 제민규 교수와 NYUAD 하소명 교수가 공동 교신 저자로 참여했으며 해당 논문은 세계 최고 권위의 반도체 집적회로 및 시스템 학회인 ‘ISSCC (International Solid-State Circuits Conference)’에 발표됐으며, 동 분야 세계 최고 학술지인 ‘IEEE JSSC (Journal of Solid-State Circuits)’의 초청을 받아 지난해 11월 게재됐다.
* IEEE Journal of Solid-State Circuits (2024), DOI:10.1109/JSSC.2024.3439865 (논문명: A Bio-Impedance Readout IC With Complex-Domain Noise-Correlated Baseline Cancellation)
한편 이번 연구는 NYUAD (New York University Abu Dhabi)와의 협업으로 진행됐으며, 과학기술정보통신부가 지원한 ‘상시 근골격 모니터링 및 재활을 위한 무자각 온스킨 센서 디바이스 기술’과제와 ‘인간 기능 확장을 위한 생체 신호 센서 기반의 내골격 장치 및 통합 시스템 개발’ 과제를 통해 수행됐다.
우리 학부 정혜원 교수님께서 IEEE 정보이론 학회 (Information Theory Society, ITOSC)가 지원하는 저명 강연자 (Distinguished Lecturer)로 선정되었습니다.
IEEE Information Theory Society는 정보이론 분야에서 세계적으로 가장 권위 있는 학회로, 해당 분야를 선도하는 연구들 중 매년 5명을 Distinguished Lecturer로 선정하여 2년 동안 전세계 약 50개의 지부(Chapter)에서 초청 강연을 진행할 기회를 제공합니다. 이를 통해 학회 회원들은 최신 연구 동향과 우수 연구 성과를 직접 접하고, Distinguished Lecturer와 교류할 수 있는 기회를 얻게 됩니다.
<두 익명화 된 그래프 간의 유사성을 평가하고 노드의 일대일 대응관계를 찾아 네트워크 간의 상관성을 표현하는 그래프 매칭 연구 이미지>
정혜원 교수님은 데이터과학 이론과 데이터 효율적 기계학습 분야의 뛰어난 연구 성과를 인정받아 2025-2026년 동안 저명 강연자로 활동하게 되었습니다. 또한, 2024년에는 정보이론 분야 최대 학회인 IEEE International Symposium on Information Theory (ISIT)에서 ‘그래프 매칭의 이론적 한계와 효율적 알고리즘’에 관한 튜토리얼 강연자로도 선정되었습니다.
우리 학부 전상훈 교수님께서 국내 최고 권위를 인정받는 학술단체 대한전자공학회(IEIE, 이충용 회장, 연세대학교)가 주관하고 해동과학문화재단이 후원하는 2024년 해동우수논문상 학계 부문에서 최우수 수상자로 선정되었습니다.
시상식은 11월 25일 오후 6시 하이원 리조트 컨벤션타워 그랜드 볼룸에서 진행되었습니다. 대한전자공학회 해동상은 학술상, 기술상, 젊은공학인상 3개 부문으로 이루어져 있으며, JSTS 부문 학술상은 최근 3년간 JSTS 저널에 게재된 논문 중 최우수 논문을 선정하여 시상하고 있습니다.
전상훈 교수님은 “Ferroelectricity in Al2O3/Hf0.5Zr0.5O2 Bilayer Stack: Role of Dielectric Layer Thickness and Annealing Temperature”라는 논문에서, 차세대 메모리 및 스토리지 소자로 주목받고 있는 하프니아 강유전체의 열적 안정성, 성능 및 신뢰성을 개선할 수 있는 유전체 적층 구조 및 설계 가이드라인을 제안한 공로를 인정받아 수상자로 선정되었습니다. 다시 한 번, 전기및전자공학부의 위상을 드높인 전상훈 교수님께 축하의 인사를 전합니다.
우리 학부 조성환 교수 연구실의 황우현 석사과정 학생과 이재준 학부과정 학생이 12월 11일 그랜드인터컨티넨탈 서울 파르나스 호텔에서 열린 ‘2024년 한국 대학생 반도체 회로설계 경진대회 시상식’에서 대상을 수상하는 성과를 거두었습니다.
‘한국 대학생 반도체 회로설계 경진대회’는 반도체공학회의 주관으로, 전국 반도체 분야 대학생들의 IC 회로 설계 능력을 배양하고, 창의적인 아이디어를 발굴하고자 개최되며, 다수의 반도체 관련 기업의 후원을 받아 개최되었습니다.
<12월 11일 열린 시상식에서 이재준 학부생(왼쪽)과 황우현 석사과정>
수상한 작품의 제목은 ‘칩 스케일에서 동작 가능한 자기공명방식의 2-코일 무선통신 시스템’이며, 황우현 석사과정, 이재준 학부과정이 참여하였습니다.
해당 작품은 창의성, 난이도, 완성도를 기준으로 높은 평가를 받았으며, 특히, ‘칩 스케일’에서 ‘자기공명방식의 2-코일 시스템’이라는 창의적인 아이디어를 채택한 점과, 무선통신이 어려운 환경에서도 높은 완성도로 효과적인 설계를 수행한 점을 인정받아 대상을 수여했습니다.
우리 학부 최진석 교수 연구실의 오민택 박사과정 학생이 12월 7일 IEEE Seoul Section에서 개최한 ‘2024 IEEE Student Paper Contest’에서 은상(Silver Award)을 수상하는 성과를 거두었습니다.
‘IEEE Student Paper Contest’는 IEEE Seoul Section에서 주최하는 행사로, 전기전자공학 전 분야에 걸친 우수 연구 논문을 발굴하고 학생들의 연구 역량을 평가하여 시상하는 권위있는 대회입니다. 이번 연도 대회에서 우수한 논문을 발표한 학생들은 2025 IEEE Region 10 학생 논문 대회에 참가할 자격이 부여됩니다.
<‘2024 IEEE Student Paper Contest’에서 은상을 수상한 오민택 박사과정>
수상한 논문의 제목은 “Multi-RIS-Aided Beamforming Design for MU-MIMO Systems with Imperfect CSIT”이며, 해당 논문은 차세대 무선 통신 시스템에 핵심 기술로 각광받고 있는 RIS를 활용한 무선 통신 시스템에서 현실적인 제약 조건을 고려한 빔포밍 설계 연구입니다. 오민택 박사과정 학생은 불완전한 채널 상태 정보 하에서 다중 RIS를 활용해 MU-MIMO 시스템의 성능을 최적화하는 설계 방안을 제시했습니다. 이를 통해 국내 전기전자공학 전 분야를 아우르는 학생들과의 경쟁 속에서, 무선 통신 분야의 연구 우수성을 인정받아 은상을 수상했습니다.
우리 학부 김준모 교수 연구팀이 사람처럼 이미지의 변화를 상상하고 이해하는 인공지능(AI) 기술을 개발했습니다. 이번 기술은 이미지를 단순히 분석하는 것을 넘어, 이미지가 어떻게 변형되는지 그 과정 자체를 이해하고 이를 표현할 수 있는 능력을 갖췄습니다. 이를 통해 의료 영상 분석, 자율주행, 로봇공학 등 다양한 분야에서 더 정교하고 유연한 AI 활용이 기대됩니다.
사람처럼 변화를 이해하는 AI
연구팀이 개발한 새로운 AI 기술, STL(Self-supervised Transformation Learning)은 이미지를 변화시키는 방식을 스스로 배우는 데 초점을 맞췄습니다. STL은 사람이 만든 꼬리표(라벨) 없이 원래 이미지와 변형된 이미지를 비교하며, “이건 돌려졌네”, “이건 색이 바뀌었네”와 같은 변화를 스스로 학습합니다. 마치 사람이 한 장의 사진을 보며 변화를 상상하고 해석하는 것과 비슷합니다.
<STL을 구성하는 세 가지 표현 학습의 역할을 보여주는 그림: (a) 변환과 상관없이 이미지를 구분하도록 학습, (b) 서로 다른 이미지에 같은 변환이 적용되었을 때 변환 표현이 일치하도록 학습, (c) 동일한 이미지에서 변환된 다양한 버전들의 표현 사이 관계가 실제 변환을 반영하도록 학습. STL은 이러한 역할을 모두 통합하여 학습합니다.>
기존 방식의 한계 극복
지금까지의 AI는 이미지를 학습할 때, 다양한 변화를 무시하고 단순히 큰 특징만 포착하는 경향이 있었습니다. 하지만 이러한 접근은 특히 정교한 작업이나 섬세한 변화가 중요한 상황에서는 성능이 떨어지는 한계가 있었습니다.
STL은 기존 AI와 달리, 이미지의 세세한 변화를 구체적으로 학습합니다. 변화를 무시하는 대신, 이를 이미지의 특징 공간(머릿속의 지도를 그리듯 데이터의 관계를 표현한 공간)에 저장하고 반영해 훨씬 더 정밀한 결과를 얻을 수 있습니다.
예를 들어, STL은 이미지 자르기, 밝기 조절, 색상 변경 등 세부적인 변화를 정확히 이해하며, 이를 활용해 기존 AI보다 최대 42% 더 뛰어난 성능을 보였습니다. 특히 STL은 기존 방법으로는 처리하기 어려웠던 복잡한 변형들도 자연스럽게 다룰 수 있습니다.
<기존 방식들이 종종 무시하는 변환의 예시. 이러한 변환은 미세하지만 중요한 차이를 담고 있을 수 있습니다.>
AI의 한계를 넘어, 더 똑똑하게
STL이 특별한 이유는 단순히 이미지를 이해하는 데서 끝나지 않고, 변화 그 자체를 표현하고 학습할 수 있다는 점입니다. 이는 의료용 CT 스캔에서 병변의 미세한 변화를 찾아내거나, 자율주행차가 다양한 도로 상황을 이해하는 데 큰 도움을 줄 수 있습니다.
<(왼쪽부터) 김준모 교수, 유재명 박사과정>
STL은 이미지의 변형을 스스로 파악하고, 이를 바탕으로 더 안전하고 정밀한 결과를 제공할 수 있습니다. 김준모 교수는 “STL은 사람이 이미지를 보고 느끼며 상상하는 방식과 유사하게, 변화를 깊이 이해하는 AI 기술입니다. 이 기술은 의료, 자율주행, 로봇 공학 등 여러 분야에서 새로운 혁신을 이끌어낼 것입니다”라고 말했습니다.
이번 연구는 유재명 박사과정 학생이 제1저자로 참여했으며, 세계적인 AI 학술대회인 NeurIPS 2024에서 “Self-supervised Transformation Learning for Equivariant Representations”라는 제목으로 발표되었습니다.
우리 학부 윤찬현 교수 연구팀은 AI 안전에서 중요한 요소인 Machine Unlearning 에 대해 새로운 접근법으로 과거 가중치 예측 모델 InvWNN을 개발하였다. 이 기술은 문제가 되는 데이터를 기반으로 훈련된 AI 모델에서 해당 데이터를 선택적으로 제거하는 것을 목표로 한다. 기존의 기법들은 전체 훈련 데이터 접근을 요구하거나 성능 저하 문제를 유발하는 문제가 있다. 이를 해결하고자, 가중치 히스토리를 학습해 과거의 가중치를 예측할 수 있는 모델을 제시하고, 이를 반복적으로 사용해 점진적으로 데이터의 영향을 제거하는 새로운 방법을 제안하였다.
<그림 1 : 제안된 InvWNN의 Machine Unlearning 과정 및 Unlearning Trajectory>
이 기술은 특정 데이터에 대한 Finetuning과 가중치 예측 과정을 반복함으로써, 문제가 되는 데이터를 점진적으로 제거한다. 특히, 해당 접근법은 잔여 데이터에 대한 접근 없이도 작동 가능하며, 다양한 데이터셋과 아키텍처에서 효과적으로 적용될 수 있다는 장점이 있다. 본 연구는 기존 방법들과 비교했을 때 학습 데이터로부터 불필요한 지식을 정확히 제거하고 부작용을 최소화하는 데 있어 우수한 성능을 보였다. 또한, 별다른 추가 절차 없이도 다양한 Task에 바로 적용이 가능하다는 장점도 확인할 수 있었다.
연구팀은 제안된 방법을 통해 다양한 벤치마크에서 높은 정확도의 성능을 입증했으며, 이러한 결과는 머신 언러닝 기술의 실질적 응용 가능성을 크게 확장하는 데 기여할 것으로 기대된다.
해당 연구 결과는 내년 2월 미국에서 열리는 인공지능 분야 최우수 국제 학회 중 하나인 The 39th Annual AAAI Conference on Artificial Intelligence (AAAI 2025)에서 ‘Learning to Rewind via Iterative Prediction of Past Weights for Unlearning’라는 제목으로 발표될 예정이다.
우리 학부 최준일 교수가 한국과학기술한림원과 한국대학총장협회가 공동 주관하고 에쓰-오일 과학문화재단에서 후원하는 ‘제6회 차세대과학자상(IT 분야)’을 수상하였다. 한국과학기술한림원(https://kast.or.kr)은 2011년부터 에쓰-오일 과학문화재단의 후원으로 기초과학 및 공학 분야의 젊은 과학자를 선발·포상함으로써 21세기 국가 과학기술의 주역으로 육성하고자 에쓰-오일 시상 사업을 시행해 오고 있다.
에쓰-오일 차세대과학자상은 만 45세 이하 연구자에게 수여하는 상으로, 박사과정 및 포닥 시기 발표 논문을 제외한 최근 10년 간 대표 연구논문 10편을 바탕으로 수상자를 선정한다.
최준일 교수는 기계학습을 활용한 통신 시스템 및 6G 무선통신 시스템에 대한 우수한 연구 결과를 인정받아 2024년 12월 5일에 차세대과학자상을 수상하였다.
우리 학부는 2022년 이현주 교수, 2023년 정재웅 교수에 이어 2024년 최준일 교수까지 3년 연속으로 차세대과학자상(IT 분야) 수상자를 배출하였다.
