Highlights

교수님 360
Notice
교수님 연구팀
<(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.

 

1
< 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.

 

2
< 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.

360
News
교수님 연구팀
<(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.

 

1
< 그림 1. 수직 적층형 구조의 AI용 광학신호-스파이크 주파수 변환기 연구 요약 >
2
< 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.

 

3
< 그림 3. 뉴로모픽 소자를 활용한 차세대 생체모방형 촉각 시스템 모식도 >
4
< 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.

 

5
< 그림 5. 차세대 3D FeNAND 메모리 개발 연구 대표도 >
6
< 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.

KAIST 전기및전자공학부 김준모 교수 360
News
KAIST 전기및전자공학부 김준모 교수 360
< (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.

 

images 000116 tvkd 4 1 01
< 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.

 

 

 

images 000116 image02.png
< MT-Bench 각 과제(task)별 성능 비교 결과.
제안한 TVKD 프레임워크가 기존 방법보다 전반적으로 높은 점수를 기록함을 확인할 수 있다. >
images 000116 image03.png 1
< 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.

교수님360
News
750 enhancer
<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.

 
1
< 정명수 교수님이 제안한 종합링크 기반 데이터센터 구조 >

 

관련 대표 기사

– 연합뉴스 : 1월 과기인상에 정명수 대표…AI 인프라 비용 절감 기여

– 조선비즈 : 1월 대한민국 과학기술인상에 정명수 파네시아 대표

– 동아사이언스 : 1월 대한민국 과학기술인상에 정명수 파네시아 대표…모듈형 AI 데이터센터 설계

– 서울경제 1: “엔비디아 GPU만으론 한계…나노초급 반도체 연결로 K-AI 뒷받침” [정명수 파네시아 대표]

– 서울경제 2: 대한민국 과학기술인상에 정명수 파네시아 대표

– 디지털타임스 : 정명수 파네시아 대표 ‘1월 대한민국 과기인상’…AI 인프라 혁신 기여

– 디지털투데이 : 1월 과기인상에 정명수 파네시아 대표…모듈형 AI DC 아키텍처 설계

– 머니투데이 : 새해 첫 ‘대한민국 과학기술인상’에 AI 데이터센터 전문가 정명수 대표

– 이투데이 : 정명수 파네시아 대표, 1월 대한민국 과학기술인상 수상

– 이데일리 : ‘대한민국 과학기술인상’ 1월 수상자에 정명수 대표

– 기계신문 : 정명수 파네시아 대표, ‘대한민국 과학기술인상’ 1월 수상 

– 아시아경제 : 대한민국 과학기술인상 1월 수상자에 정명수 파네시아 대표

교수님 360
News
교수님 750
< Y-KAST 신임 회원으로 선출된 김주영 교수 >

우리 학부 김주영 교수님이 한국과학기술한림원(이하 한림원)의 2026년도 한국차세대과학기술한림원(Young Korean Academy of Science and Technology, 이하 Y-KAST) 회원으로 선출됐습니다.

 

Y-KAST는 만 43세 이하의 젊은 과학자 가운데 학문적 성과가 뛰어난 연구자를 선발하는 영아카데미로, 특히 박사학위 취득 이후 국내에서 독립적인 연구자로서 축적한 연구 성과와 학문적 파급력을 중점적으로 평가해 우리나라 과학기술 발전을 이끌 차세대 과학기술 리더를 선정합니다.

 

김주영 교수님은 세계 최초의 AI 가속기 및 PIM(Processing-In-Memory) 반도체 관련 성과를 다수 도출하고, 최근에는 LLM 추론에 특화된 AI 반도체 LPU 개발을 통해 산업적 영향력을 확장하는 등 AI 반도체 시스템 및 아키텍처 분야 전반에서 혁신적인 연구 성과를 이어온 공로를 인정받아 Y-KAST 공학부 회원으로 선출됐습니다.

 

이번 선출로 우리 학부는 김주영 교수님을 포함해 유민수, 이현주, 장민석, 최준일, 황의종 교수님 등 총 6명의 현직 Y-KAST 회원을 보유하게 됐으며, 배준우, 서창호 교수님 등 Y-KAST 임기를 마친 차세대 동문 회원 2명을 포함해 젊은 연구자 네트워크에서도 두드러진 위상을 이어가고 있습니다.

 

한편, 2017년 2월 출범한 Y-KAST는 만 45세 이하의 우수한 젊은 과학자들이 주축이 되어 과학기술 정책 제언과 국제 교류 활동을 수행하는 국내 유일의 영아카데미로 자리매김하고 있습니다.

교수님 360
News
images 000117 photo1.jpg 3
< (왼쪽부터) 송민규 박사과정, 김재한 박사과정, 손수엘 전산학부 교수 (우측상단) 신승원 교수, 나승호 책임연구원 >

구글 Gemini 등 대부분의 주요 상용 거대언어모델(LLM)은 효율성을 높이기 위해 여러 개의 ‘작은 AI 모델(전문가 AI)’를 상황에 따라 선택해 사용하는 전문가 혼합(Mixture-of-Experts, MoE) 구조를 활용하고 있다. 그러나 이 구조가 오히려 새로운보안 위협이 될 수 있다는 사실이 우리 학부 연구진에 의해 세계 최초로 밝혀졌다.

 

우리 학부 신승원 교수와 전산학부 손수엘 교수 공동연구팀이 전문가 혼합 구조를 악용해 거대언어모델의 안전성을 심각하게 훼손할 수 있는 공격 기법을 세계 최초로 규명했다. 해당 연구는 정보보안 분야 최고 권위 국제 학회인 ACSAC 2025에서 최우수논문상(Distinguished Paper Award)을 수상했다.

 

ACSAC(Annual Computer Security Applications Conference)는 정보보안 분야에서 가장 영향력 있는 국제 학술대회 중 하나로, 올해 전체 논문 가운데 단 2편만이 최우수논문으로 선정됐다. 국내 연구진이 인공지능 보안 분야에서 이 같은 성과를 거둔 것은 매우 이례적이다.

 

연구팀은 이번 연구에서 전문가 혼합 구조의 근본적인 보안 취약성을 체계적으로 분석했다. 특히 공격자가 상용 거대언어모델의 내부 구조에 직접 접근하지 않더라도, 악의적으로 조작된 ‘전문가 모델’ 하나만 오픈소스로 유통될 경우, 이를 활용한 전체 거대언어모델이 위험한 응답을 생성하도록 유도될 수 있음을 입증했다.

 

images 000117 image1.jpg 1
< 그림 1. 연구팀이 제안한 공격 기술 개념도 >

 

쉽게 말해, 정상적인 AI 전문가들 사이에 단 하나의 ‘악성 전문가’만 섞여 있어도, 특정 상황에서 그 전문가가 반복적으로 선택되며 전체 AI의 안전성이 무너질 수 있다는 것이다. 이 과정에서도 모델의 성능 저하는 거의 나타나지 않아, 문제를 사전에 발견하기 어렵다는 점이 특히 위험한 요소로 지적됐다.

 

실험 결과, 연구팀이 제안한 공격 기법은 유해 응답 발생률을 기존 0%에서 최대 80%까지 증가시킬 수 있었으며, 다수의 전문가 중 단 하나만 감염돼도 전체 모델의 안전성이 크게 저하됨을 확인했다.

 

이번 연구는 전 세계적으로 확산되고 있는 오픈소스 기반 거대언어모델 개발 환경에서 발생할 수 있는 새로운 보안 위협을 최초로 제시했다는 점에서 큰 의미를 갖는다. 동시에, 앞으로 AI 모델 개발 과정에서 성능뿐 아니라 ‘전문가 모델의 출처와 안전성 검증’이 필수적임을 시사한다.

 

신승원·손수엘 교수는 “효율성을 위해 빠르게 확산 중인 전문가 혼합 구조가 새로운 보안 위협이 될 수 있음을 이번 연구를 통해 실증적으로 확인했다”며, “이번 수상은 인공지능 보안의 중요성을 국제적으로 인정받은 의미 있는 성과”라고 말했다.

 

이번 연구에는 우리 학부 김재한·송민규 박사과정, 나승호 박사(현 삼성전자), 신승원 교수와 전산학부 손수엘 교수가 참여했으며, 연구 결과는 2025년 12월 12일 미국 하와이에서 열린 ACSAC에서 발표됐다.

 

images 000117 image2.jpg
< 최우수논문상 상장 >

 

※ 논문명: MoEvil: Poisoning Experts to Compromise the Safety of Mixture-of-Experts LLMs

※ GitHub(기술 오픈소스): https://github.com/jaehanwork/MoEvil

한편 이 연구는 과학기술정보통신부의 한국인터넷진흥원(KISA) 및 정보통신기획평가원 (IITP)의 지원을 받았다.

입력해주세요. 4
Award
석사과정 학생김정호 교수 연구실 사진 side 1
<배재근 석사과정 학생>
우리 학부 김정호 교수 연구실(KAIST TERA Lab, 이하 테라랩) 석사과정 배재근 학생이 아시아·태평양 지역에서 가장 권위 있는 반도체 패키징 기술 관련 국제학회 ‘EDAPS(Electrical Design of Advanced Packaging & Systems) 2025’에서 ‘최우수 학생 논문상’을 수상했다.
 
테라랩은 세계적으로 권위를 인정받는 국제학회에서 작년 김태수 석사과정 학생의 ‘최우수 논문상’ 수상에 이어 2년 연속 수상자를 배출하는 쾌거를 달성했다.  
 
배재근 학생은 지난 12월 15일부터 사흘간 일본 삿포로에서 열린 ‘EDAPS 2025’ 국제학회에서 ‘Switch Transformer-based HBM Design Agent’란 주제의 논문을 발표헸으며, 이 논문은 올 한 해 출판된 30여 편의 논문 중 해당 분야의 기술혁신에 기여한 점을 인정받아 ‘EDAPS 2025 전체 최우수 학생 논문상(Best Student Award)’을 수상했다.    
 
‘EDAPS’는 아시아·태평양 지역에서 가장 큰 규모와 영향력을 지닌 반도체 패키징 기술 관련 학회로, 지난 2002년부터 국제전기전자공학자협회(IEEE) Electronic Packaging Society가 매년 주최하고 있다.
 
주로 전기 공학 분야에서 활동하는 학계 연구자와 산업계 엔지니어가 참가하며, 칩(Chip) 설계, 시스템인 패키지·시스템 온 패키지(Sip/Sop), 전자파 간섭·전자 적합성(EMI/EMC), 설계 자동화 프로그램(EDA) 툴(Tool) 및 3D-IC 및 실리콘 관통 전극(TSV) 설계 등 반도체 패키징의 전반적인 분야에 대해, 연구 결과를 공유하고 산업계의 요구사항을 반영한 연구를 진행하는 기회를 제공하는 것으로 유명하다.
 
EDAPS 학회는 매년 열리는 학회 마지막 날, 해당 연도에 제출된 논문 중 최우수 논문상, 최우수 학생 논문상과 최우수 포스터 상 등 3개 부문의 수상 논문을 뽑아 발표한다.
 
 ‘Switch Transformer-based HBM Design Agent’라는 주제의 배재근 학생 논문은 신호 품질 저하의 주요 원인인 전원 공급 유도 지터(PSIJ)를 목표값 이하로 억제하면서도 디커플링 캐패시터의 개수를 최소화하기 위해 스위치 트랜스포머 기반 강화학습 알고리즘을 적용한 것으로, 기존 최적화 알고리즘 대비 약 15% 향상된 추론 속도를 입증해 많은 주목을 받았다.
 
배재근 학생은 특히 논문에서 데이터 레이트 증가로 인해 점차 축소되는 HBM의 PSIJ 마진 문제 해결을 위한 새로운 방법론을 제시했을 뿐만 아니라, 차세대 HBM을 포함한 이후 세대에도 동일한 적용이 가능한 높은 재사용성(reusability)을 갖춘 독창적인 시스템을 제안했다는 점에서 심사위원들로부터 높은 평가를 받은 것으로 알려졌다.
 
배재근 학생은 “이번 연구의 주제와 내용을 체계적으로 정리하는 과정에서 ‘HBM의 아버지’로 불리는 김정호 교수님의 지도가 큰 도움이 됐다”면서, “자신의 연구가 현재 테라랩이 지향하고 있는 HBM 하드웨어·소프트웨어 설계를 아우르는 에이전틱 인공지능(Agentic AI) 수립을 향한 작지만 의미 있는 첫걸음이 되기를 기대한다”고 소감을 밝혔다.
 
그는 이어 “향후 PSIJ 최적화를 넘어 전력·신호 무결성과 열 특성까지 통합적으로 고려하는 HBM 전주기 설계용 Agentic AI로 연구를 확장하고자 한다”며, “차세대 HBM 및 칩렛 기반 구조에서도 적용이 가능한 실무형 AI 설계 프레임워크를 구축해 산업 현장에 기여하는 연구자가 되고 싶다”고 포부를 밝혔다.
 
한편, 테라랩에는 올 12월 현재 석사과정 18명, 박사과정 9명 등 모두 27명의 학생이 반도체 전·후공정에 들어가는 다양한 패키지와 인터커넥션 설계를, 강화·모방 학습과 같은 인공지능(AI) 머신러닝(ML)을 활용해 최적화하는 연구를 수행 중이다.
 
테라랩은 이번 배재근 석사과정 학생의 수상 외에도 올해 초 조지아공대 박사과정에 진학한 김태수 석사 졸업생이‘EDAPS 2024 전체 최우수 논문상’을 수상한 데 이어 올 초에도 세계적으로 권위를 인정받고 있는 국제학술대회‘디자인콘(DesignCon)’에서 박사과정 신태인 학생이‘최우수 논문상’을 수상하는 등 반도체 설계 분야에 관한 한 세계적으로 우수한 실력을 인정받고 있다. 
교수님 360
Award

교수님 연구실

우리 학부 강준혁 교수 연구실 이영준 박사과정이 IEEE BigData 2025와 함께 열린 D2ET Workshop에서 Best Paper Award를 수상했습니다.

 

D2ET 워크숍은 빅데이터 시대에 다양한 위치에 분산된 ‘데이터 아일랜드’ 문제를 해소하고, 데이터 통합과 활용성을 높이기 위한 새로운 데이터베이스 연구 방향을 모색하기 위해 개최되었습니다. 또한 본 워크숍은 일본 JSPS, 한국 NRF, 중국 NSFC가 공동 지원하는 A3 Foresight Program의 일환으로 운영되었습니다.

 

수상 논문은 이질적인 IoT 환경에서 안정적인 학습 성능을 확보하기 위한 생성형 AI 기반 연합학습 플러그인을 제안한 연구로, 데이터 활용성 향상이라는 워크숍의 취지와 부합해 높은 평가를 받았습니다.

공지사항

MORE

세미나 및 행사