연구 > 연구성과 - 68 / 7 페이지 - KAIST 전기 및 전자공학부

전기및전자공학부 김정호 교수, AI 반도체 신 생태계 조성 공동 협력을 위한 NAVER-Intel-KAIST AI 공동연구센터(NIK AI Research Center) 설립

전기및전자공학부 김정호 교수, AI 반도체 신 생태계 조성 공동 협력을 위한 NAVER-Intel-KAIST AI 공동연구센터(NIK AI Research Center) 설립

<공동연구센터 협약식 단체 사진>

챗GPT가 촉발한 생성형 인공지능(AI)*이 세계적으로 열풍을 일으키는 가운데 새로운 인공지능 반도체의 생태계 구축을 위해 우리 학부 김정호 교수(KAIST)는 네이버(NAVER) 및 인텔(intel)과 손잡고 상호 보유 중인 역량과 강점을 한 곳에 집중한 ‘NAVER · intel · KAIST AI 공동연구센터(NIK AI Research Center)’를 설립한다.

업계에서는 이들 세 기관의 전략적인 제휴가 인공지능 반도체·인공지능 서버와 데이터센터의 운영에 필요한 오픈소스용 소프트웨어 개발 등 인공지능 분야에서 각자 보유하고 있는 하드웨어 및 소프트웨어 기술과 역량을 융합해서 새로운 인공지능 반도체 생태계를 구축하는 한편 시장과 기술 주도권 확보를 위해 선제적인 도전에 나선 것으로 보고 있다.

특히 첨단 반도체 CPU 설계부터 파운드리까지 하는 세계적인 반도체 기업 인텔이 기존의 중앙처리장치(CPU)를 넘어 인공지능 반도체 ‘가우디(GAUDI)’**를 최적의 환경에서 구동하기 위해 오픈소스용 소프트웨어 개발 등을 목적으로 국내 대학에 공동연구센터를 설립하고 지원하는 것은 KAIST가 처음이다.

KAIST는 네이버클라우드(대표: 김유원)와 대전 KAIST 본원에서 인공지능 반도체·인공지능 서버와 클라우드·데이터센터 등의 성능개선과 최적의 구동을 위한 오픈소스용 첨단 소프트웨어 개발 등을 위해 ‘NAVER · intel · KAIST AI 공동연구센터(NIK AI Research Center)’ 설립과 운영을 주요 내용으로 하는 업무협약(MOU)을 체결했다고 30일 밝히며, “인텔이 인공지능과 반도체 분야 오픈소스용 소프트웨어 개발파트너로 네이버와 KAIST를 선택한 것은 전략적으로 매우 큰 의미가 있다”라고 강조했다.

특히 “네이버클라우드가 지닌 컴퓨팅·데이터베이스·인공지능 등 네이버 클라우드 플랫폼(NAVER Cloud Platform) 기반의 다양한 인공지능 서비스 역량과 인텔의 차세대 인공지능 칩 기술, 그리고 KAIST가 갖추고 있는 세계적 수준의 전문인력과 소프트웨어 연구 능력이 결합해 인공지능 반도체 분야에서 기존과는 다른 창조적이면서도 혁신적인 생태계 조성을 성공적으로 이뤄낼 것”이라고 기대했다.

이날 협약식 행사에는 KAIST 이광형 총장을 비롯해 이균민 교학부총장, 이상엽 연구부총장, 전기및전자공학부 김정호 교수 등 주요 보직교수가, 네이버클라우드 김유원 대표이사와 하정우 AI 이노베이션 센터장, 이동수 하이퍼스케일 AI 담당 이사 등 주요 경영진이 참석했다.

KAIST와 네이버클라우드는 이번 MOU 체결을 계기로 올 상반기 중에 KAIST에 ‘NAVER · intel · KAIST AI 공동연구센터(NIK AI Research Center)’를 설치하고 7월부터 본격적인 연구에 들어갈 계획이다.

KAIST에서는 고대역폭메모리(HBM)*** 등 인공지능 반도체 설계와 인공지능 응용설계(AI-X) 분야에서 세계적인 석학으로 꼽히는 전기및전자공학부 김정호 교수가, 네이버클라우드 측에서는 인공지능 반도체 설계 및 인공지능 소프트웨어 전문가인 이동수 이사가 공동연구센터장을 맡는다. 또 KAIST 전산학부 성민혁 교수와 네이버클라우드 권세중 리더가 각각 부센터장으로서 공동연구센터를 이끈다.

공동연구센터의 운영 기간은 3년인데 연구성과와 참여기관의 필요에 따라 연장한다. KAIST에 설치되는 공동연구센터가 핵심 연구센터로서 기능과 역할을 맡는 데 KAIST에서 인공지능과 소프트웨어 분야 전문가인 20명 내외의 교수진과 100여명의 석·박사 대학원생들이 연구진으로 참여한다.

초기 2년간은 인텔의 하바나랩스가 개발한 인공지능 학습 및 추론용 칩(Chip) ‘가우디(GAUDI)’를 위한 플랫폼 생태계 공동 구축을 목적으로 20~30개 규모의 산학 연구과제를 진행한다. 자연어 처리, 컴퓨터 비전과 머신러닝 등 주로 인공지능 분야 오픈소스용 소프트웨어 개발 위주로 연구가 이뤄지는데 자율 주제 연구가 50%, 인공지능 반도체의 경량화 및 최적화에 관한 연구가 각각 30%와 20%를 차지한다.

이를 위해 네이버와 인텔은 네이버 클라우드 플랫폼 기반의 ‘가우디2(GAUDI2)’를 KAIST 공동연구센터에 제공하며 KAIST 연구진은 ‘가우디2’를 이용한 논문 등 연구 실적을 매년 공개한다.

이 밖에 인공지능·클라우드 등 각자가 보유한 역량 외에 공동 연구에 필요한 각종 인프라 시설(Infrastructure)과 장비 등을 공유하는 한편 연구 인력의 상호 교류를 위해 공동연구센터에 필요한 공간과 행정인력을 지원하는 등 다양한 협력 활동을 전개할 방침이다.

우리 학부 김정호 교수는 “KAIST는 가우디 시리즈의 활용을 통해 인공지능 개발, 반도체 설계와 운영 소프트웨어 개발 등에서 기술 노하우를 확보할 수 있다”라면서, “특히 대규모 인공지능 데이터센터 운영 경험과 향후 연구개발에 필요한 인공지능 컴퓨팅 인프라를 확보할 수 있다는 점에서 이번 공동연구센터 설립이 매우 큰 의미가 있다”라고 강조했다.

네이버클라우드 이동수 이사는 “네이버클라우드는 KAIST와 함께 다양한 연구를 주도해 나가며 하이퍼클로바X 중심의 인공지능 생태계가 확장되기를 기대한다”라며, “공동연구센터를 통해 국내 인공지능 연구가 보다 활성화되고 인공지능 칩 생태계의 다양성이 확보되기를 바란다”라고 말했다.

【용어설명】

* 생성형 인공지능(Generative AI)

: 딥 러닝 모델을 사용하여 대량의 데이터를 학습해, 이용자의 요구에 따라 능동적으로 텍스트·이미지·영상 등과 같은 결과를 생성하는 인공지능 기술

** 가우디(Gaudi)

: 인텔이 2019년 인수한 이스라엘 AI 칩 전문업체인 하바나랩스 (HabanaLabs)가 개발한 데이터센터용 범용 AI 가속기.

*** 고대역폭메모리(HBM)

: 여러 개의 D램 칩을 TSV(Through Silicon Via, 수직관통전극)로 연결해 데이터 처리 속도를 혁신적으로 끌어 올린 고부가가치, 초고성능 D램. GPU와 연결돼 인공지능 학습과 생성 속도를 높인다. 초거대 생성 인공지능 데이터센터에 설치되는 AI 컴퓨터의 핵심 반도체로 특히 고속 병렬 연산에 적합하도록 메모리 대역폭을 극대화한 것이 특징임. 1세대(HBM) · 2세대(HBM2) · 3세대(HBM2E)·4세대(HBM3)를 거쳐 현재 5세대(HBM3E)까지 개발됨. 현재 삼성전자, SK하이닉스는 HBM4를 개발 중인데 이들 HBM은 엔비디아, 인텔, AMD의 GPU 모듈에 사용되고 있음.

전기및전자공학부 정재웅 교수 연구실 오수빈 박사과정, SPIE Smart Structures + NDE 2024 학술대회 최우수 논문상 (Best Paper Award) 수상

전기및전자공학부 정재웅 교수 연구실 오수빈 박사과정, SPIE Smart Structures + NDE 2024 학술대회 최우수 논문상 (Best Paper Award) 수상

<(왼쪽부터) 오수빈 박사과정, 상장 사진>

전기및전자공학부 정재웅 교수님 연구실 오수빈 박사과정 학생이 SPIE Smart Structures + Nondestructive Evaluation 2024 국제 학술대회에서 Best Paper Award (최우수 논문상)을 수상하였다.

SPIE Smart Structures + NDE 2024는 미래 재료과학과 헬스 모니터링 기술 발전에 대하여 관련 연구 종사자들에게 네트워크를 형성할 수 있는 기회를 제공하는 학술대회로 450여개 이상의 논문이 발표되었으며 지난 3월 25일부터 28일까지 미국 로스앤젤레스에서 개최되었다.

오수빈 학생은 “Shape morphing magnetic materials using liquid metal for 3D electronics and soft robots” 라는 제목의 논문을 발표하였고, 그 우수성을 인정받아 수상자로 선정되었다.

이번 연구는 열적 자극에 의해 물성변환이 가능한 액체금속과 자성 물질을 포함한 복합소재를 활용하여 다양한 3차원 구조 구현 가능성을 입증하였으며 이를 통해 차세대 3차원 전자기기 및 소프트 로봇 분야에 응용될 것으로 예상된다.

전기및전자공학부 김회린 교수 연구팀, 국제 최우수 음향, 음성 및 신호처리 학술대회 최우수 학생 논문상 (Best Student Paper Award) 수상

전기및전자공학부 김회린 교수 연구팀, 국제 최우수 음향, 음성 및 신호처리 학술대회 최우수 학생 논문상 (Best Student Paper Award) 수상

<(왼쪽부터) 상장 사진, 수상식 사진, 장강욱 박사과정 사진 (제1저자), 김성년 박사과정 사진>

전기및전자공학부 김회린 교수 연구팀은 국제 최우수 신호 및 음성, 음향 학술대회 중 하나인 ‘IEEE 국제 음향, 음성 및 신호처리 학회(International Conference on Acoustics, Speech, and Signal Processing, ICASSP)’에서 최우수 학생 논문상(Best Student Paper Award)을 수상했다고 발표했다. 이는 제출된 5576편의 논문들 중, 교육 기관에서 작성한 논문 상위 5편에게만 주어지는 영예이다.

전기및전자공학부 장강욱 박사과정(제1저자), 김재철AI대학원 김성년 박사과정, 김회린 교수로 구성된 연구팀은 음성 자기지도학습(Speech Self-Supervised Learning, Speech SSL) 모델의 압축을 위해 음성 간의 시간적 관계를 새로운 증류 손실 함수로 제안하여 최우수학생논문상을 수상했다.

음성 자기지도학습 모델은 음성인식과 화자인식과 같은 다양한 음성 과제에서 우수한 성능을 보이지만, 매우 큰 파라미터 개수로 인해 on-device 적용과 같은 실용성이 아직은 부족한 상태이다. 따라서 이들 모델의 파라미터 개수를 지식 증류(Knowledge Distillation, KD)를 통해 줄이는 압축 연구가 많이 진행되어 왔다. 그러나 현재까지의 기술들은 선생 모델의 음성 표현을 학생 모델에게 직접적으로 일치시키는 연구가 대부분이었으나, 이것이 모델 표현력이 약한 학생 모델들에게 과한 제한조건이 되는 등의 문제가 있었다.

<김회린 교수 연구팀이 제안하는 음성의 시간적 관계성 손실 함수 모식도>

김회린 교수 연구팀은 음성 프레임들 간의 시간적 관계성을 표현하는 지표를 다양하게 탐색하여, 음성 자기지도학습 모델에 적합한 손실 함수를 제안하였다. 이를 통해 압축된 학생 모델은 총 10가지 음성 관련 과제에 대해 검증되었으며, 파라미터를 약 30% 수준으로 압축한 모델들 중에서 가장 우수한 성능을 보인다.

이번 연구는 정부의 재원으로 한국연구재단의 지원을 받아 수행되었다.

논문: https://arxiv.org/abs/2312.09040

전기및전자공학부 권경하 교수 연구팀, 수술 후 방광 기능 전자센서로 모니터링하는 생체전자 시스템 개발

전기및전자공학부 권경하 교수 연구팀, 수술 후 방광 기능 전자센서로 모니터링하는 생체전자 시스템 개발

<(좌측부터) 권경하 교수, 박도윤 석사과정, 미국 노스웨스턴대학교 김지혜 박사 사진>

방광절제술을 받은 환자들의 성공적인 재활을 위해 카테터* 삽입없이 방광 기능을 안전하게 모니터링하는 생체전자 시스템이 개발되어 화제다.

*카테터: 방광에 삽입하는 고무 또는 금속제의 가는 관

전기및전자공학부 권경하 교수팀이 미국 노스웨스턴대 김지혜 박사와 공동연구를 통해 방광의 크기 및 압력 변화를 정확하게 측정하는 디지털 헬스케어 기술을 개발했다고 16일 밝혔다.

부분적 방광절제술*은 긴 회복 기간이 필요하며, 이 기간에 요로 동역학 검사**(이하 UDS)를 통해 몸 밖으로 소변을 배출하는 기능을 간헐적으로 평가한다.

그러나 UDS는 환자 친화적이지 않으며 사용자마다 결과에 변동성이 있고, 연속적인 데이터 수집 능력이 제한된다. 또한 카테터 관련 요로 감염의 위험을 초래하며, 고위험 환자에게서는 상행성 신우신염으로 진행되기도 한다.

이러한 UDS의 적절한 대안으로, 요로에 카테터를 삽입하지 않고 방광의 상태를 연속적이고 실시간으로 모니터링할 수 있는 기술이 필요하다.

*부분적 방광절제술: 방광에 종양이 있는 부위를 잘라내고 나머지 방광을 이어 붙여주는 수술

**요로 동역학 검사: 방광과 요도의 전반적인 기능을 확인하여 치료 계획을 세우기 위한 진단적 검사

이에 연구팀은 방광의 충전 및 배뇨와 관련된 기계적 변형 변화를 무선 원격 측정할 수 있는 이식형 방광 플랫폼을 개발했다.

이 시스템은 생분해성 스트레인 센서를 이용해 방광의 크기와 압력 변화를 실시간으로 측정하고, 회복 기간이 끝나면 해당 센서가 신체 내에서 자연스럽게 용해돼 사라지는 것이 특징이다. 모니터링 장비 제거를 위한 추가 수술이 필요 없고 합병증 위험을 줄이는 것은 물론 환자의 편안함과 회복 시간을 개선한다.

< 그림 1. 방광 기능 모니터링을 위한 무선 이식형 플랫폼 (위), 쥐 모델 실험 셋업 (중간), 개코원숭이 실험 셋업(아래) >

연구팀은 이 플랫폼을 이식 후 최대 30일까지 실시간 변화를 재현적으로 측정할 수 있음을 쥐 모델에서 입증했다. 또한 개코원숭이 실험을 통해, 해당 기술이 전통적인 UDS와 비교해 최대 8주까지 압력 측정의 일치성을 보였다. 이러한 결과는 해당 시스템이 장기간 수술 후 방광 회복 모니터링을 위한 UDS의 적절한 대안으로 사용될 수 있음을 시사한다.

권경하 교수는 “비인간 영장류(개코원숭이)를 활용한 광범위한 실험을 통해 방광 기능에 대한 정확하고 신뢰할 수 있는 데이터를 제공하는 장치의 효능을 입증했다ˮ면서 “환자들의 회복 시간을 단축하고 전반적인 수술 결과를 개선하는데 활용할 수 있을 것ˮ이라고 말했다.

이번 연구 결과는 국제 학술지 `미국 국립 과학원 회보 (Proceedings of the National Academy of Sciences; PNAS)’에 지난 4월 2일 발표됐다.

(논문명 : A wireless, implantable bioelectronic system for monitoring urinary bladder function following surgical recovery, 링크: https://www.pnas.org/doi/abs/10.1073/pnas.2400868121?af=R)

한편, 이번 연구는 과학기술정보통신부 한국연구재단의 기초연구사업, 지역혁신선도연구센터사업 및 BK21의 지원을 받아 수행됐다.

전기및전자공학부 정명수 교수, 오늘 6월 IEEE/ACM ISCA 명예의 전당 헌액

전기및전자공학부 정명수 교수, 오늘 6월 IEEE/ACM ISCA 명예의 전당 헌액

<졍명수 교수 사진>

전기및전자공학부 정명수 교수가 올해 미국 전기전자공학회(IEEE)/전산공학회(ACM) 국제 컴퓨터 아키텍처 심포지엄(The International Symposium on Computer Architecture, 약칭 “ISCA”의 명예의 전당(Hall of Fame)에 오는 6월 헌액 된다.

ISCA는 컴퓨터 아키텍처 연구의 최전선에서 중요한 역할을 하는 최고권위를 가진 국제적인 학술대회 (https://iscaconf.org/isca2024/)로 올해는 6월 29일부터 7월 3일까지 아르헨티나에서 열린다.

정명수 교수는 올해 채택된 대규모 Cross-Silo Federated Learning에 대한 하드웨어 가속 연구로 총 8편 이상의 논문을 게재하여 명예의 전당에 포함되게 된다.

이외에도 정명수 교수는 CXL 컴퓨터 시스템의 구조적 설계와 관련된 혁신적인 연구와 기술 발전을 소개하고, 논의하기 위하여 미국 캘리포니아 Sunnyvale에 메타(Meta)시설에서 열리는 5월 OCP Composable Memory Systems 행사에 인텔, 우버, AMD등과 함께 초대되어 KAIST의 기술과 CXL에 대한 논의 일정을 가지는 등 다양한 활동을 하고 있다.

전기및전자공학부 최신현 교수 연구팀, (Nature 게재) 차세대 뉴로모픽 컴퓨터/메모리용 신개념 반도체 소자 개발

전기및전자공학부 최신현 교수 연구팀, (Nature 게재) 차세대 뉴로모픽 컴퓨터/메모리용 신개념 반도체 소자 개발

<(좌측부터) 최신현 교수, 박시온 석박통합과정, 홍석만 박사과정 사진>

전기및전자공학부 최신현 교수 연구팀이 디램 (DRAM) 및 낸드(NAND) 플래시 메모리를 대체할 수 있는 *초저전력 차세대 상변화 메모리 소자를 개발했다고 4일 밝혔다.

☞ 상변화 메모리(Phase Change Memory): 열을 사용하여 물질의 상태를 비정질과 결정질을 변경하여, 이를 통해 저항 상태를 변경함으로써 정보를 저장하거나 처리하는 메모리 소자.

기존 상변화 메모리는 값비싼 초미세 반도체 노광공정을 통해 제작하며 소모 전력이 높은 문제점이 있었다. 기존 연구는 메모리 동작을 위한 발열 효과를 높이기 위해 초미세 반도체 노광공정을 이용해 소자의 물리적 크기를 줄여 소비 전력을 낮추는 연구가 진행됐으나, 소비 전력 개선 정도가 작고 공정비용과 공정 난이도가 증가해 실용성 측면의 한계점이 존재했다.

최 교수 연구팀은 상변화 물질을 전기적으로 극소 형성하는 방식을 통해 제작한 초저전력 상변화 메모리 소자로 값비싼 노광공정 없이도 매우 작은 나노미터(nm) 스케일의 상변화 필라멘트를 자체적으로 형성하였다.

이는 공정 비용이 매우 낮을 뿐 아니라 초저전력 동작이 가능하다는 획기적인 장점이 있다.

최신현 교수 연구팀은 이러한 상변화 메모리의 소비 전력 문제를 해결하기 위해, 상변화 물질을 전기적으로 극소 형성하는 방식으로 기존의 값비싼 초미세 노광공정을 이용한 상변화 메모리 소자보다 소비 전력이 15배 이상 작은 초저전력 상변화 메모리 소자 구현에 성공했다.

전기및전자공학부 박시온 석박사통합과정, 홍석만 박사과정이 제1 저자로 참여한 이번 연구는 저명한 국제 학술지 `네이처(Nature)’ 4월호에 4월 4일 자 출판됐다. (논문명 : Phase-Change Memory via a Phase-Changeable Self-Confined Nano-Filament)

<그림1. 본 연구에서 제작한 초저전력 상변화 메모리 소자 개념도, 그리고 기존 상변화 메모리 소자 대비 초저전력 상변화 메모리 소자의 소비 전력 감소 비교>

한편 이번 연구는 한국연구재단 차세대 지능형반도체기술개발사업, PIM인공지능반도체핵심기술개발(소자)사업, 우수신진연구, 그리고 나노종합기술원 반도체공정기반 나노메디컬 디바이스개발 사업의 지원을 받아 수행됐다.

전기및전자공학부 최양규 교수 연구팀, 뉴로모픽 신경망으로 컴퓨팅 난제 해결

전기및전자공학부 최양규 교수 연구팀, 뉴로모픽 신경망으로 컴퓨팅 난제 해결

<(좌측부터) 최양규 교수, 윤성윤 박사과정, 서강대학교 한준규 교수(우리 대학 졸업생) 사진>

전기및전자공학부 최양규 교수 연구팀이 현재 반도체 산업체에서 사용되는 실리콘 소재 및 공정만을 사용해 초소형 진동 신경망을 구축하여 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제*를 해결했다.

*그래프 색칠 문제: 그래프 이론에서 사용되는 용어로, 그래프의 각 정점에 서로 다른 색을 할당해야 하며, 이러한 색깔 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있음

최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학적 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다.

빅데이터 시대가 도래하면서 인공지능 기술이 예전과 비교할 수 없을 만큼 비약적으로 발전하고 있다.

인간의 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이다.

진동 신경망은 기본단위에 해당하는 진동자의 연결 동작을 이용하며 신호의 크기가 아닌 진동을 이용해 연산을 수행하므로 소모 전력 측면에서 이점을 가지고 있다.

< 그림 1. 바이리스터를 사용한 발진 신경망과 그 활용 >

연구팀은 실리콘 기반 진동자를 이용해 진동 신경망을 개발했다. 축전기를 이용해 두 개 이상의 실리콘 진동자를 연결하면, 각각의 진동 신호가 상호작용해 시간이 경과하면서 동기화(synchronization) 된다.

연구팀은 진동 신경망으로 영상 처리에 사용되는 경계선 인식(edge detection) 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제(vertex coloring problem)를 해결했다.

또한 이번 연구는 제조 관점에서, 복잡한 회로나 기존 반도체 공정과 호환성이 낮은 소재 및 구조 대신, 현재 반도체 산업체에서 사용되는 실리콘 관련 소재 및 공정만으로 진동 신경망을 구축했기 때문에, 양산에 바로 적용 가능하다는 장점이 있다.

연구를 주도한 윤성윤 박사과정, 서강대학교 한준규 교수는 “개발된 진동 신경망은 복잡한 컴퓨팅 난제를 계산할 수 있는 뉴로모픽 컴퓨팅 하드웨어로, 자원 분배, 신약 개발, 반도체 회로 설계 및 스케줄링 등에 유용하게 사용될 수 있을 것으로 기대된다ˮ고 연구의 의의를 설명했다.

윤성윤 박사과정과 한준규 교수가 공동 제1 저자로 참여한 이번 연구는 나노과학 분야 저명 국제 학술지 ‘나노 레터스(Nano Letters)’에 2024년 3월 24권 9호에 출판되었으며, 추가 표지 논문(Supplementary Cover)으로 선정됐다.

< 그림 2. 나노 레터스 추가 표지 논문으로 선정된 이미지 >

(논문명 : A Nanoscale Bistable Resistor for an Oscillatory Neural Network) (https://pubs.acs.org/doi/full/10.1021/acs.nanolett.3c04539).

한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업 및 국가반도체연구실지원핵심기술개발사업의 지원을 받아 수행됐다.

윤인수 교수 연구실 이승현 학생, 국제 해킹 대회 ‘폰투온’에서 1.9억원 상금 획득

윤인수 교수 연구실 이승현 학생, 국제 해킹 대회 ‘폰투온’에서 1.9억원 상금 획득

<(좌측부터) 윤인수 교수, 이승현 학생 사진>

윤인수 교수 연구실(Hacking Lab)의 이승현 학생이 3월 20일부터 21일까지 진행된 국제 해킹 대회인 ‘폰투온(Pwn2Own)’에서 주목할만한 성과를 거두었다.

캐나다 토론토에서 열린 이 대회에서 이승현 학생은 두 건의 브라우저 취약점을 발견하고 성공적으로 공격, 총 14만 5천 달러(약 1.9억원)의 상금을 획득했다. 이번 대회에서 이승현 학생은 구글 크롬과 마이크로소프트 엣지 브라우저를 대상으로 하나의 취약점을 이용한 동시 해킹이라는 ‘더블 탭’도 달성하였다.

‘폰투온’은 구글, 마이크로소프트, 애플과 같은 세계적인 IT 기업들이 파트너로 참여하는 해킹 대회로, 브라우저, 운영체제, 가상 머신 등 현대 컴퓨터 시스템의 핵심을 이루는 실제 제품들을 대상으로 한다.

이 대회는 상금과 명성 뿐만 아니라, 대회 이후 발견된 취약점을 패치하여 사용자들의 안전을 증진시키는데 기여한다는 점에서도 중요한 의미를 갖는다.

윤인수 교수는 이번 수상을 통해 KAIST의 해킹 기술이 세계적인 수준에 도달했음을 입증했다고 평가하며, 앞으로도 KAIST에서 최고의 연구자이자 해커로 성장할 인재들이 많이 배출되기를 기대한다고 밝혔다.

이번 성과는 국제적으로 인정받는 대회에서의 수상으로, KAIST의 기술력과 학생들의 우수성을 전 세계에 알리는 계기가 되었다.

<(좌측부터) 공격 성공, 크롬 해킹 성공, 엣지 해킹 성공 화면>

이가영 교수 연구팀, 극저온일수록 강력한 고성능 반도체 소자 개발

이가영 교수 연구팀, 극저온일수록 강력한 고성능 반도체 소자 개발

<(좌측부터) 이가영 교수, 석용욱 박사과정 사진>

KAIST 연구진이 초고속 구동이 가능하고 온도가 낮아질수록 성능이 더욱 향상되어 고주파수 대역 및 극저온에서의 활용 가능성이 기대되는 고성능 2차원 반도체 소자 개발에 성공하였다.

전기및전자공학부 이가영 교수 연구팀이 실리콘의 전자 이동도와 포화 속도*를 2배 이상 뛰어넘는 2차원 나노 반도체 인듐 셀레나이드(InSe)** 기반 고이동도, 초고속 소자를 개발했다고 20일 밝혔다.

*포화 속도(Saturation velocity): 반도체 물질 내에서 전자나 정공이 움직일 수 있는 최대 속도를 가리킴. 포화 속도는 포화 전류량 및 차단 주파수(Cutoff frequency) 등을 결정하며 반도체의 전기적 특성을 평가할 수 있는 핵심 지표 중 하나임.

**인듐 셀레나이드(InSe): 인듐과 셀레늄으로 이루어진 무기 화합물로 2차원 층간 반데르발스 결합을 이루고 있음

연구진은 고이동도 인듐 셀레나이드에서의 2.0×10⁷cm/s를 초과하는 우수한 상온 전자 포화 속도 값을 달성하였는데, 이는 실리콘과 다른 유효한 밴드갭을 지니는 타 2차원 반도체들의 값보다 월등히 우수한 수치이다.

특히 80 K으로 냉각시 InSe의 전자 포화 속도는 최대 3.9×10⁷ cm/s로 상온 대비 50% 이상 향상되는데, 이는 전자 포화 속도가 약 20% 정도만 상승하는 실리콘 그리고 냉각하여도 포화 속도에 거의 변화가 없는 그래핀 대비 주목할만하다.

인듐 셀레나이드의 전자 포화 속도를 체계적으로 분석하여 보고한 것은 이번이 처음이며, 연구진은 전자 포화 속도 양상의 결정 기제 또한 규명하였다.

*이종접합: 서로 다른 결정 반도체의 2개의 층 또는 영역 사이의 접점

< 그림 1. 기존 소자와 비교한 신규 소자의 우수한 전자 이동도 및 전자 포화 속도 특성 >

이번 연구를 주도한 석용욱 학생은 “고성능 소자 개발을 통해 2차원 반도체 InSe의 높은 전자 이동도와 포화 속도를 확인할 수 있었다”며 “실제 극저온 및 고주파수 구동이 필요한 응용 기기에의 적용 연구가 필요하다”라고 덧붙였다.

이가영 교수는 “고주파수 전자 시스템 구현에는 높은 포화 속도가 요구되는데 이번에 개발한 고성능 전자 소자는 초고속 구동이 가능하여 5G 대역을 넘어 6G 주파수 대역에서의 동작이 가능할 것으로 예측된다”며 “저온으로 갈수록 소자의 성능이 더욱 향상되어 퀀텀 컴퓨터의 양자 제어 IC(Integrated circuit)와 같이 극저온 고주파수 구동 환경에 적합하다.”라고 말했다.

KAIST 전기및전자공학부 석용욱 박사과정 학생이 제1저자로 참여한 이번 연구는 나노과학 분야 저명 국제 학술지 `ACS Nano’에 2024년 3월 19일 정식 출판됐으며 동시에 저널 표지 논문으로 채택됐다. (논문명 : High-Field Electron Transport and High Saturation Velocity in Multilayer Indium Selenide Transistors)

한편 이번 연구는 한국연구재단의 신진연구자지원사업, 기초연구사업 및 BK21, KAIST의 C2(Creative & Challenging) 프로젝트, LX 세미콘-KAIST 미래기술센터, 그리고 포스코청암재단의 지원을 받아 수행됐다.

< 그림 2. ACS 나노 저널의 커버 이미지 >

황의종 교수 연구팀, 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술 개발

[ 황의종 교수 연구팀, 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술 개발 ]

<(좌측부터) 황의종 교수, 황성현 박사과정, 김민수 박사과정 사진>

최근 실생활에 활용되는 인공지능 모델이 시간이 지남에 따라 성능이 점차 떨어지는 현상이 다수 발견되었고, 이에 따라 지속가능한 인공지능 학습 기술에 대한 필요성이 커지고 있다. AI 모델이 꾸준히 정확한 판단을 내리는 것은 더욱 안전하고 신뢰할 수 있는 인공지능을 만들기 위한 중요한 요소이다.

전기및전자공학부 황의종 교수 연구팀이 시간에 따라 데이터의 분포가 변화하는 드리프트 환경에서도 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다. 최근 인공지능이 다양한 분야에서 인간의 능력을 뛰어넘을 정도의 높은 성능을 보여주고 있지만, 대부분의 좋은 결과는 AI 모델을 훈련시키고 성능을 테스트할 때 데이터의 분포가 변하지 않는 정적인 환경을 가정함으로써 얻어진다. 하지만 이러한 가정과는 다르게 SK 하이닉스의 반도체 공정 과정에서 시간에 따른 장비의 노화와 주기적인 점검으로 인해 센서 데이터의 관측값이 지속적으로 변화하는 드리프트 현상이 관측되고 있다.

시간이 지나면서 데이터와 정답 레이블 간의 결정 경계 패턴이 변경되면, 과거에 학습되었던 AI 모델이 내린 판단이 현재 시점에서는 부정확하게 되면서 모델의 성능이 점차 악화될 수 있다. 본 연구팀은 이러한 문제를 해결하기 위해, 데이터를 학습했을 때 AI 모델의 업데이트 정도와 방향을 나타내는 그래디언트(gradient)를 활용한 개념을 도입하여 제시한 개념이 드리프트 상황에서 학습에 효과적인 데이터를 선택하는 데에 도움을 줄 수 있음을 이론적으로 실험적으로 분석했다. 그리고 이러한 분석을 바탕으로 효과적인 학습 데이터 선택 기법을 제안하여, 데이터의 분포와 결정 경계가 변화해도 모델을 강건하게 학습할 수 있는 지속 가능한 데이터 중심의 AI 학습 프레임워크를 제안했다.

< 그림 1. 본 연구에서 제안한 알고리즘이 드리프트 환경에서 적절한 학습 데이터를 선택하는 예시 >

본 학습 프레임워크의 주요 이점은, 기존의 변화하는 데이터에 맞춰서 모델을 적응시키는 모델 중심의 AI 기법과 달리, 드리프트의 주요 원인이라고 볼 수 있는 데이터 자체를 직접 전처리를 통해 현재 학습에 최적화된 데이터로 바꿔줌으로써, 기존의 AI 모델 종류에 상관없이 쉽게 확장될 수 있다는 점에 있다. 실제로 본 기법을 통해 시간에 따라 데이터의 분포가 변화되었을 때에도 AI 모델의 성능, 즉 정확도를 안정적으로 유지할 수 있었다.

제1 저자인 김민수 박사과정 학생은 “이번 연구를 통해 인공지능을 한번 잘 학습하는 것도 중요하지만, 그것을 변화하는 환경에 따라 계속해서 관리하고 성능을 유지하는 것도 중요하다는 사실을 알릴 수 있으면 좋겠다ˮ고 밝혔다. 연구팀을 지도한 황의종 교수는 “인공지능이 변화하는 데이터에 대해서도 성능이 저하되지 않고 유지하는 데에 도움이 되기를 기대한다”고 말했다.

본 연구에는 김민수 박사과정이 제1 저자, 황성현 박사과정이 제2 저자, 그리고 황의종 교수가 교신 저자로 참여했다. 이번 연구는 지난 2월 캐나다 밴쿠버에서 열린 인공지능 최고 권위 국제학술 대회인 ‘국제 인공지능 학회(Association for the Advancement of Artificial Intelligence, AAAI)’에서 발표되었다. (논문명: Quilt: Robust Data Segment Selection against Concept Drifts)

한편, 이 기술은 SK 하이닉스 인공지능협력센터(AI Collaboration Center; AICC)의 지원을 받은 ‘노이즈 및 변동성이 있는 FDC 데이터에 대한 강건한 학습’ 과제 (K20.05) 와 정보통신기획평가원의 지원을 받은 ‘강건하고 공정하며 확장가능한 데이터 중심의 연속 학습’ 과제 (2022-0-00157) 와 한국연구재단의 지원을 받은 ‘데이터 중심의 신뢰 가능한 인공지능’ 과제 성과다.

[보관함:] 연구 > 연구성과