이번 기술은 ODVA의 CIP 에너지 객체가 되는 에너지의 사용량과 이를 구현하여 확장성을 최적화하려는 것인데, ODVA 에너지 애플리케이션 SIG는 이를 기본 에너지 객체, 전기 에너지 객체, 비 전기 에너지 객체 등 세 가지 특정 객체로 정의했다. 이후 전력관리 객체와 전력 감축 객체가 추가되었다. 다섯 가지 CIP 객체가 CIP 에너지의 기초가 된 내용을 소개한다. CIP 에너지 객체 에너지는 산업 생산에 필수적인 구성 요소이지만 비효율적으로 관리되어 왔다. 조치를 취할 수 있을 만큼 상세한 에너지 정보를 얻기는 어렵고 비용이 많이 들었다. 에너지 사용 및 관련 비용을 제어하는 자동화 역시 비용이 많이 들었으며, 유일무이한 설계, 수많은 맞춤 엔지니어링 작업, 비용 정당화의 어려움으로 특징지어진다. ODVA의 에너지 사용 최적화(OEU™)는 비용이 적게 들고 더 세분화된 에너지 정보를 제공하는 것을 늘리고, 전력 및 에너지 관리 자동화의 표준 접근 방식을 정립하는 세 단계 접근법을 포함한다. OEU의 세 단계는 다음과 같다. · 에너지 사용 인식, · 에너지를 보다 효율적으로 사용하며, · 가장 낮은 비용으로 에너지를 조달하는 것. 2010년부터 201
KAIST와 엔비디아가 인간의 움직임을 이해하고 예측하는 ‘인체 동작 파운데이션 모델’을 구축하고 웨어러블 로봇과 휴머노이드 제어에 활용하기 위한 피지컬 AI 공동연구에 나선다. KAIST는 엔비디아와 피지컬 AI 분야 공동연구를 추진하기 위해 엔비디아 AI 테크놀로지센터(NVIDIA AI Technology Center, 이하 NVAITC)를 설립한다고 26일 밝혔다. 이번 협력은 KAIST가 축적한 인간 중심 로봇 기술과 실제 동작 데이터에 엔비디아의 AI 기술과 글로벌 연구 네트워크를 결합해 차세대 피지컬 AI 원천기술을 확보하기 위해 추진됐다. KAIST 기계공학과와 엔비디아는 ‘인간물리지능 테크놀로지센터(Human Physical AI NVAITC)’를 설립해 공동연구를 수행한다. KAIST 기계공학과 인간물리지능연구센터(Human Physical AI Research Center)가 공동연구의 핵심 거점 역할을 맡는다. 양 기관은 인간물리지능 테크놀로지센터를 기반으로 웨어러블 로봇과 휴머노이드, 디지털 트윈, 제조 등 피지컬 AI 전 분야로 협력 범위를 단계적으로 확대할 예정이다. 배충식 KAIST 총장은 “피지컬 AI 시대의 경쟁력은 AI 자체보
반도체 양자점 내부에 망간을 넣어 순식간에 사라지는 핫 전자의 에너지를 화학반응에 활용하고, 전자 전달 속도를 기존보다 10배 이상 높이는 기술이 개발됐다. UNIST 화학과 진호 교수는 미국 로스앨러모스국립연구소 빅터 클리모프 박사팀과 함께 양자점 내부의 망간이 핫 전자의 에너지를 받아 분자로 전자가 전달되도록 중개하는 스핀 교환 반응을 규명했다고 27일 밝혔다. 양자점은 수 나노미터 크기의 반도체 입자다. 빛을 흡수하면 내부 전자가 높은 에너지 상태로 올라가면서 여분의 에너지를 지닌 핫 전자가 된다. 이 전자를 다른 분자에 전달하면 해당 분자가 전자를 얻어 태양광 수소 생산이나 이산화탄소 전환 등에 필요한 광환원 반응을 일으킬 수 있다. 하지만 일반적인 양자점에서 핫 전자는 수조분의 1초 만에 에너지를 잃고 ‘식은 전자’가 돼 활용하기 어렵다. 연구팀은 핫 전자가 에너지를 잃기 전에 광환원 반응에 활용하기 위해 셀렌화카드뮴(CdSe) 양자점 내부에 자성을 띠는 망간 이온을 넣었다. 망간 이온은 핫 전자가 포함된 전자·정공 쌍과 초고속 스핀 교환을 일으켜 열로 사라질 에너지를 받아낸다. 이후 망간 이온이 원래 스핀 상태로 돌아가는 과정에서 전자가 분자로 이
KAIST와 엔비디아(NVIDIA)가 한국어와 국내 산업에 특화된 차세대 에이전틱 AI 연구를 위한 전략적 공동연구 체계를 구축한다. KAIST는 엔비디아와 김재철AI대학원에 'NVIDIA-KAIST AI 공동연구소'를 설립하고 차세대 AI 핵심기술 공동연구를 본격화한다고 24일 밝혔다. 이번 협력은 초기 5년간 총 3억 달러(약 4200억 원) 규모로 추진되며 매년 5000만 달러(약 675억 원) 상당의 AI 컴퓨팅 자원이 제공된다. 공동연구소는 매년 최소 10명의 KAIST 연구자를 지원하고 각각에게 엔비디아 인턴십 기회를 제공하며 우수한 한국 AI 연구자를 엔비디아 정규 연구직으로 채용할 계획이다. 공동연구소는 엔비디아의 풀스택 AI 기술과 엔비디아 네모트론(NVIDIA Nemotron) 오픈 모델·국내 엔비디아 클라우드 파트너의 컴퓨팅 인프라를 KAIST의 세계적 연구인력과 결합해 운영된다. 공동연구소장은 다음 달 KAIST 김재철AI대학원에 부임하는 엔비디아 김현우 박사가 맡을 예정이다. 배충식 KAIST 총장은 "이번 협력은 세계 최고 수준의 AI 연구역량과 최첨단 AI 인프라를 결합하는 전략적 파트너십의 출발점"이라며 "대한민국을 대표하는 글로
KAIST 연구진이 전기차 배터리 화재의 원인이 될 수 있는 전극의 미세한 두께 차이를 머리카락 굵기의 약 1만분의 1인 7.8나노미터까지 비접촉·비파괴 방식으로 측정하는 기술을 개발했다. KAIST는 기계공학과 김영진 교수 연구팀이 테라헤르츠파(THz, Terahertz Wave)와 광주파수빗(Optical Frequency Comb)을 결합해 리튬이온배터리 전극의 두께를 정밀하게 측정하는 기술을 개발했다고 23일 밝혔다. 리튬이온배터리 전극은 전기가 흐르는 핵심 부품이다. 전극의 두께가 균일하지 않으면 충·방전 과정에서 전류가 특정 부분에 집중돼 열이 발생할 수 있다. 열이 계속 쌓이면 배터리 내부 온도가 급격히 상승해 화재나 폭발로 이어지는 열폭주(Thermal Runaway)가 발생할 수 있다. 기존 X선 컴퓨터단층촬영(CT)은 배터리 내부를 자세히 확인할 수 있지만 검사 시간이 오래 걸려 빠른 생산라인에 적용하기 어렵다. 초음파 기반 음향현미경은 시료에 액체를 접촉시켜야 하며, 레이저 변위센서는 빠르게 측정할 수 있지만 전극 내부를 정밀하게 분석하는 데 한계가 있다. 연구팀은 테라헤르츠파를 배터리 전극에 쏜 뒤 내부에서 여러 차례 반사되며 발생하는
KAIST 화학과 황승준 교수 연구팀이 산소 반응에서 전자가 이동하는 경로를 선택적으로 제어할 수 있는 새로운 분자 시스템을 개발했다고 밝혔다. 배터리와 연료전지·친환경 화학 공정의 차세대 촉매 원천기술이 될 것으로 기대된다. 산소는 반응할 때 전자가 2개 이동하는지 4개 이동하는지에 따라 만들어지는 물질과 반응 결과가 달라진다. 2전자 반응에서는 과산화수소가 4전자 반응에서는 물이 생성되는 만큼 이를 선택적으로 제어하는 기술은 배터리와 연료전지·친환경 촉매 개발의 핵심 과제로 꼽혀 왔다. 기존에는 철·코발트·니켈 등 전이금속을 활용해 왔으나 저마늄과 같은 주족 원소로는 복잡한 반응을 구현하기 어렵다고 알려져 있었다. 연구팀은 저마늄과 전자를 저장하고 전달하는 분자구조인 '산화·환원 활성 리간드(Redox-active Ligand)'를 결합해 이러한 한계를 극복했다. 하나의 분자 시스템 안에서 2전자 반응과 4전자 반응을 필요에 따라 선택적으로 유도할 수 있음을 세계 최초로 입증했다. 또한 반응 과정에서 생성됐다가 사라지는 2전자 산화 상태의 저마늄 중간체를 안정적으로 분리하는 데도 성공해 반응 원리를 이해하는 중요한 단서를 제공했다. 연구팀은 개발한 저마늄
인공지능(AI)이 학습한 민감 개인정보나 저작권 위반 데이터를 삭제하면서 정상 정보는 보존하고, 지운 정보가 다시 살아나는 것을 막는 머신 언러닝 기술 ‘스포터(Spotter)’가 개발됐다. UNIST 인공지능대학원 윤성환 교수팀과 산업공학과 박새롬 교수팀은 삭제해야 할 정보와 유사한 정상 정보는 보호하고, 삭제 대상 사진 몇 장만으로 인식 능력을 되살리는 공격까지 차단하는 머신 언러닝(Machine Unlearning) 기술을 개발했다고 21일 밝혔다. 머신 언러닝은 학습을 마친 AI에서 특정 데이터나 범주가 미친 영향만 선택적으로 제거하는 기술이다. 얼굴 인식 AI에서 삭제를 요청한 사람의 얼굴 정보를 지우거나 학습 데이터에 포함된 개인정보와 유해 콘텐츠를 제거하는 데 활용할 수 있다. 스포터는 삭제 대상과 비슷한 정상 정보를 구별하는 AI의 능력은 유지하면서 삭제 대상 사진의 공통점을 찾아내는 능력은 없앤다. 이를 통해 삭제하지 않아야 할 정보의 인식 성능을 보호하고, 공격자가 삭제 대상 사진 몇 장을 확보하더라도 지워진 인식 기준을 다시 만들기 어렵게 한다. 연구팀은 기존 언러닝 기술의 약점인 ‘과잉 삭제’와 삭제한 정보가 다시 살아날 수 있는 ‘재학
한국전자통신연구원(ETRI)이 개발한 기계학습 기반 주파수 이용 가능성 평가·예측 방법론이 국제전기통신연합 전파통신부문(ITU-R)의 신규 보고서로 승인됐다. ETRI는 지난달 3일부터 11일까지 스위스 제네바에서 열린 ITU-R 스펙트럼관리 연구반(SG1) 회의에서 신규 보고서 ‘스펙트럼 가용성 평가 및 예측 방법론(Methodologies for assessing or predicting spectrum availability)’이 승인됐다고 밝혔다. 이번 보고서는 기계학습을 활용해 특정 지역과 시간에서 주파수를 얼마나 사용할 수 있는지 평가하고 예측하는 방법을 담았다. ETRI가 SCIE급 국제학술지에 발표한 기계학습 기반 스펙트럼 가용성 평가·예측 기술을 토대로 작성됐으며, ITU-R의 최종 편집 절차를 거쳐 공식 신규 보고서로 발간될 예정이다. 스펙트럼 가용성은 특정 지역과 시간에서 주파수를 무선통신에 사용할 수 있는 정도를 뜻한다. AI 서비스와 6G 이동통신, 저궤도 위성통신 등 차세대 무선서비스가 확대되면서 주파수 수요도 증가해 주파수 이용 가능성을 평가하고 예측하는 기술의 중요성이 커지고 있다. ETRI는 실제 이동통신 주파수 이용 데이터를
KAIST 전기및전자공학부 김창익 교수 연구팀이 챗GPT와 같은 대형언어모델(LLM)을 개인이나 기업의 데이터에 맞게 다시 학습시키는 파인튜닝(Fine-tuning) 과정에서 안전성이 훼손되는 문제를 해결하는 '버퍼 앤드 리인포스(Buffer-and-Reinforce)' 학습 프레임워크를 개발했다. 기존에는 AI를 맞춤형으로 학습시키면 새로운 업무 능력은 향상되지만 기존의 안전 규칙이 함께 약화되는 문제가 AI 개인화 시대의 가장 큰 과제로 꼽혀왔다. 연구팀은 AI가 원래 거부해야 할 위험한 요청에도 응답할 수 있는 '탈옥(Jailbreak)' 상태의 AI를 맞춤형으로 학습시키면 오히려 안전성이 크게 훼손되지 않는다는 기존 연구 결과에 주목하고 그 원인을 규명했다. 이를 바탕으로 연구팀은 '완충(Buffer)'과 '안전성 강화(Reinforce)'의 두 단계 학습 기법을 개발했다. 먼저 완충 모듈인 '버퍼로라(BufferLoRA)'를 AI에 임시로 적용해 맞춤형 학습 과정에서 악성 데이터가 AI 본체에 직접 영향을 주지 못하도록 막는 보호막 역할을 하도록 했다. 맞춤형 학습이 끝나면 이 모듈은 제거된다. 이후 안전성 강화 모듈인 '리인포스로라(Reinforc
KAIST(총장 배충식) 신소재공학과 홍승범 교수 연구팀이 신소재공학과 강기범 교수, 성균관대학교 조성범 교수 연구팀과 공동으로 차세대 반도체 소자로 주목받는 2차원 소재에서 전기가 막힘없이 흐르는 새로운 구조를 세계 최초로 구현하고, 이를 나노미터 수준에서 직접 관찰할 수 있는 분석 플랫폼을 개발했다. 반도체는 금속 전극과 반도체가 만나는 경계에서 접촉 저항이 발생해 성능이 떨어지고 전력 손실이 나타난다. 반도체가 점점 소형화될수록 접촉 저항의 영향은 더욱 커져 차세대 반도체 개발의 핵심 기술적 난제로 꼽혀왔다. 연구팀은 기존처럼 금속 전극을 반도체 위에 붙이는 대신, 하나의 2차원 소재 안에서 원자층 두께를 조절하는 방식을 택했다. 단일 백금 이셀레나이드(PtSe2) 소재 내에서 층수를 달리해 반금속 영역과 반도체 영역을 하나의 구조체 안에 동시에 만들어내는 이종 위상 접합 구조를 구현한 것이다. 이를 통해 반금속과 반도체 위상 경계면에서 전하가 뚜렷한 저항 장벽 없이 연속적으로 흐른다는 점을 확인했으며, 생성된 반도체 영역이 전기장에 의해 성공적으로 변조되어 트랜지스터로서의 기능도 증명했다. 또한 원자현미경(AFM)을 이용해 계면을 가로지르는 전하의 이
양자컴퓨팅을 활용해 환경 변화에도 안정적으로 작동하는 강인한 인공지능(AI)을 더 효율적으로 학습시키는 기법이 개발됐다. UNIST는 인공지능대학원 윤성환 교수팀이 고려대학교 전기전자공학부 김중헌 교수팀과 함께 양자 알고리즘 기반 강인한 강화학습 기법 ‘QRIM’을 개발했다고 6일 밝혔다. QRIM은 ‘Quantum Robust Inner Minimization’의 약자로, 강인한 강화학습에서 계산 병목으로 꼽히는 최악의 상황 탐색 과정을 양자 알고리즘으로 가속하는 기술이다. 연구팀은 이를 통해 계산 비용을 기존 대비 최대 5분의 1 수준으로 줄이는 데 성공했다. 이번 연구는 세계 3대 인공지능 학회로 꼽히는 국제머신러닝학회(ICML) 2026에 채택됐다. 올해 ICML에 채택된 양자 인공지능 논문 가운데 국내 연구기관이 주도한 논문은 이번 연구가 유일하다고 UNIST는 설명했다. 강화학습은 AI가 시행착오를 거치며 스스로 행동 전략을 찾는 학습 방식이다. 다만 실제 환경이 학습 환경과 달라지면 성능이 급격히 떨어질 수 있다. 예를 들어 맑은 도로 환경만 학습한 자율주행차는 비나 눈으로 노면 상태가 바뀌면 제대로 대응하지 못할 수 있다. 이를 보완하기 위해
KAIST 연구진이 고성능 전기차의 공기 흐름을 실시간으로 제어하는 능동 공력 기술을 개발해 세계적 학회에서 연구 성과를 인정받았다. KAIST는 전기및전자공학부 심현철 교수 연구팀이 현대자동차의 지원을 받아 고성능 전기차에 적용 가능한 다중 능동 공력 시스템을 개발했다고 지난 3일 밝혔다. 다중 능동 공력 시스템은 차량 앞뒤에 장착된 여러 공력 장치를 하나의 시스템으로 통합 제어하는 기술이다. 주행 상황에 따라 공기의 흐름을 조절해 차량의 주행 성능과 안정성을 높이는 것이 핵심이다. 나성원 박사과정 학생이 제1저자로 수행한 이번 연구 결과는 지난달 미국 미시간주 디트로이트에서 열린 지능형 차량 분야 국제학술대회 ‘IEEE 인텔리전트 비하클 심포지움 2026(IEEE Intelligent Vehicles Symposium 2026)’에서 최우수 학생논문상 1위를 수상했다. IEEE 인텔리전트 비하클 심포지움은 IEEE 지능형교통시스템학회가 주관하는 지능형 차량 분야 국제학술대회로, 자율주행, 차량 제어, 인공지능, 미래 모빌리티 기술 등을 주제로 세계 각국 대학과 연구기관, 자동차 제조사가 연구 성과를 발표한다. 이번 연구는 전체 채택 논문 가운데 약 8.5
유기 반도체 잉크로 만든 회로를 더 미세하고 균일하게 패터닝할 수 있는 광가교제가 개발됐다. 개발된 기술은 가볍고 휘어지는 디스플레이와 웨어러블 전자기기에 쓰이는 유기 반도체 회로의 정밀 패터닝에 활용될 수 있다. UNIST는 화학과 김봉수 교수팀이 연세대학교 조정호 교수팀과 공동으로 유기 반도체 고분자와 잘 섞이면서 고분자 사슬을 효율적으로 연결하는 새로운 광가교제 ‘Diazo-6Bx’를 개발했다고 2일 밝혔다. 광가교제는 유기 반도체 용액공정에 쓰이는 물질이다. 광가교제가 포함된 반도체 잉크를 기판에 바른 뒤 회로 모양대로 자외선을 쬐면, 빛을 받은 부분의 잉크가 굳어 고정된다. 이후 용매로 씻어내면 빛을 받지 않은 부분은 제거되고, 자외선을 쬔 부분만 회로 형태로 남는다. 연구팀이 개발한 Diazo-6Bx는 탄화수소 계열 유기 반도체와 잘 섞이고, 고분자 사슬을 촘촘하고 균일하게 연결할 수 있다. 이에 따라 세척 과정에서 회로 가장자리가 덜 깎이고, 빛을 받은 영역과 받지 않은 영역의 경계도 또렷하게 유지된다. 기존 광가교제인 6Bx는 플루오린이 많이 붙은 구조로, 탄화수소 기반 유기 반도체와 잘 섞이지 않는 한계가 있었다. 이로 인해 가교제가 뭉치거나
KAIST 뇌인지과학과 김대수 교수 연구팀이 동물의 움직임을 언어처럼 읽고 해석하는 AI 모델 '비헤이버트(BehaVERT)'를 개발했다고밝혔다. 연구팀은 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 자연어의 단어에 해당하는 '토큰(token)'으로 변환해 BERT 기반 트랜스포머 모델에 입력하는 방식으로 비헤이버트를 구현했다. 이 모델은 별도의 사전 지식 없이도 자폐 모델 생쥐(Shank3B 유전자 결손)의 핵심 사회행동 결함을 스스로 발견할 수 있음을 확인했다. 비헤이버트는 사회적 상호작용, 다개체 행동, 3차원 움직임 분석, 자폐 행동 분석 등 다양한 분야의 국제 표준 벤치마크 5종에서 기존 최고 수준의 성능을 넘어섰다. 자폐 모델 생쥐와 정상 생쥐를 구분하는 과정에서 AI는 '입과 입을 맞대는 접촉(oral-oral contact)'에 집중하는 것으로 나타났다. 이는 자폐 모델 생쥐가 접근 행동은 정상적으로 수행하지만 실제 사회적 상호작용에는 결함을 보인다는 기존 연구 결과와 일치한다. AI 내부에서는 움직임과 주의, 사회성 같은 행동 특성이 체계적으로 정리돼 있었으며 동물 행동에도 언어와 유사한 의미 구조가 존재할 수 있음을 시
인하대학교 이현규 의과대학 교수 연구팀이 흉부 X선 기반 의료 AI의 임상 신뢰도를 높이는 기술 2편을 개발해 의료영상 컴퓨팅 분야 최고 권위 국제학술대회인 MICCAI 2026 본회의에 채택됐다고 1일 밝혔다. 첫 번째 연구는 흉부 X선에서 폐 여러 영역의 중증도를 평가하는 기술이다. 연구팀은 중증도 평가의 어려움이 AI가 중증도 등급의 순서 구조와 폐 영역의 해부학적 정보를 안정적으로 분리·반영하지 못하는 데 있다고 보고 DORGA(Decoupled Ordinal Refinement with Geometric Alignment) 기술을 개발했다. DORGA는 폐 영역의 구조 정보와 질환 중증도 정보를 분리해 학습함으로써 흉부 X선 중증도 평가의 정확성과 안정성을 높인다. 중환자실의 폐렴, 감염성 폐질환 환자처럼 흉부영상의 시간적 변화가 치료 판단에 중요한 경우에 활용 가능성이 있다. 해당 논문은 전 세계 4,601편의 제출 논문 중 상위 9%에 해당하는 early accept 논문으로 선정됐다. 정건 통계학과 학부연구생이 제1저자로 참여했다. 두 번째 연구는 의료 비전·언어 모델의 예측 불확실성을 질환별로 제시하는 Bi-EDL(Bidirectional E
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 09월 10일 19시 22분
