쭉 늘려도 여전히 투명하고, 빠르게 원래 모양으로 돌아오는 폴더블·롤러블 디스플레이용 투명 점착제가 나왔다. UNIST 에너지화학공학과 이동욱 교수팀은 옥수수 전분 성분인 ‘아이소소르비드’를 활용해 투명도와 복원력을 높인 광학용 투명점착제 (OCA)를 개발했다고 27일 밝혔다. 투명 점착제는 디스플레이의 보호유리와 터치센서, 패널 등을 서로 붙이는 데 쓰인다. 점착제의 투명도와 복원력이 좋을수록 저전력으로 밝은 화면을 만들고 디스플레이를 오래 쓸 수 있다. 연구팀은 점착제의 가교제를 새롭게 설계해 투명도와 복원력이 우수한 점착제를 만들었다. 가교제는 접착 고분자 사슬을 그물처럼 연결해 점착제가 쉽게 늘어지지 않도록 잡아주고, 변형된 뒤 원래 모양으로 돌아오게 하는 물질이다. 개발된 가교제를 넣은 점착제는 빛 투과율이 99.8%이며, 원래 길이의 50% 늘려도 98.6%의 투과율을 유지했다. 투명 점착제는 늘어날 때 고분자 사슬의 배열이 불균일해지면 빛이 산란돼 탁해질 수 있다. 또 원래 길이보다 20% 늘렸다가 놓는 과정을 100회 반복한 뒤에도 2.5초 안에 원래 길이로 돌아왔다. 반면 기존의 HDDA 가교제를 넣은 점착제는 원래 길이의 50% 늘렸을 때 투과율이 71.9%로 떨어졌고, 반복 변형 후 복원에는 100초 이상 걸렸다. 투명도의 비결은 가교제의 ‘아이소소르비드’ 성분이다. 아이소소르비드는 옥수수, 밀 전분 등을 가공해 얻는 성분으로 빛의 왜곡이 적어 투명도를 높일 수 있다. 또 가교제 자체의 길고 유연한 특성 덕분에 고분자 사슬 사이의 간격도 넓어져 접히거나 말렸을 때 복원력이 좋아진다. 점착제가 늘어나는 과정에서 이웃한 사슬끼리 달라붙으면서 복원이 더뎌지는데, 사슬 간격을 넓히면 이러한 현상이 줄어 힘을 뺐을 때 빠르게 원래 모양으로 돌아오게 되는 것이다. 점착력 또한 상용 점착제와 비슷한 수준을 확보했다. 실제 유연 디스플레이 모듈에 적용해 1만 회 접는 시험에서도 눈에 띄는 균열이나 주름, 층 사이의 들뜸이 관찰되지 않았다. 또 80℃에서 열처리를 거친 뒤 떼어내는 시험에서도 점착제 잔여물이 남지 않아, 디스플레이 부품의 회수와 재사용에도 유리하다. 이번 연구는 UNIST 백명진 박사가 공동 교신저자로, 최윤지 연구원이 제1저자로 참여했다. 이동욱 교수는 “디스플레이용 점착제는 패널에 나온 빛을 잘 통과시키고, 화면의 반복적인 변형을 견뎌야 한다”며 “이번에 개발된 점착제는 저전력으로 밝은 화면을 만들고 내구성이 뛰어난 폴더블·롤러블 디스플레이를 만드는 데 도움이 될 것”이라고 말했다. 이번 연구는 과학기술정보통신부 한국연구재단의 지원을 받아 수행됐으며, 연구 결과는 세계적인 학술지 어드밴스드 사이언스(Advanced Science)에 8월 30일 온라인 공개됐다. (끝).

열이 뜨거운 곳에서 차가운 곳으로 흐르고, 전체 에너지는 보존된다는 열역학 법칙은 양자 세계에서도 통한다. 하지만 수많은 입자의 상태를 온도나 압력 같은 평균값으로 나타내는 거시 세계와 달리, 작은 양자계에서는 원자 하나나 큐비트 하나의 에너지 상태가 어떻게 변하는지까지 따져야 한다. 이때 어떤 변화가 주변 환경과 열을 주고받는 것만으로 가능한지를 가르는 원리를 국제공동연구팀이 제시했다. UNIST 물리학과 이석형 교수는 싱가포르 난양공과대학교, 독일 베를린 자유대학교·하노버 라이프니츠대학교 연구진 등과 함께 ‘정보론적 평형(informational equilibrium)’이라는 개념을 이용해 ‘열적 작용’과 다른 ‘양자 열과정’을 구분하는 기준을 제시했다고 22일 밝혔다. 열적 작용은 양자계가 열평형 상태의 주변 환경과 에너지를 주고받되, 양자계와 주변 환경을 합친 전체 에너지는 보존하는 양자 과정의 한 종류다. 양자 과정은 원자나 큐비트에 어떤 작용을 가했을 때, 처음 상태가 어떤 상태로 바뀌는지를 나타내는 개념이다. 연구팀은 이번 연구에서 양자 열과정인 열적 작용과 ‘깁스 보존 사상’을 구분하는 기준을 제시했다. 깁스 보존 사상은 이미 열평형인 양자계에 작용해도 그 양자계의 상태가 그대로 유지되는 양자 열과정이다. 모든 열적 작용은 깁스 보존 사상에 포함되지만, 모든 깁스 보존 사상이 열적 작용은 아니다. 연구팀은 둘을 구분하기 위해 ‘정보론적 평형’이라는 수학적 조건을 출발점으로 삼았다. 서로 독립적으로 준비한 양자계와 주변 환경이 상호작용한 뒤에도 각각의 상태가 그대로 유지되는 조건이다. 연구팀은 이 조건을 수학적으로 분석해, 정보론적 평형을 유지하도록 구현할 수 있는 양자 과정이 정확히 열적 작용에 해당한다는 것을 증명했다. 즉 양자계가 이미 열평형일 때 주변 환경까지 그대로 유지하도록 해당 양자 과정을 구현할 수 있는지가 둘을 구분하는 기준이라는 뜻이다. 반대로 깁스 보존 사상이면서 열적 작용은 아닌 양자 열과정은 어떤 방식으로 구현해도 주변 환경을 변화시켜야 한다. 겉으로는 양자계에 아무 변화가 없어 보여도, 작동에 별도의 비평형 자원이 필요하다는 것이다. 연구팀은 이 정보론적 평형 원리를 이용해 양자 촉매의 한계도 밝혔다. 양자 촉매는 양자계의 상태 변화를 돕고 자신은 원래 상태로 돌아오는 보조 장치다. 양자계의 초기 상태에 작은 오차가 있어도 촉매가 정확히 원래 상태로 돌아와야 한다면, 촉매를 추가해도 열적 작용으로 가능한 양자 과정의 범위를 넓힐 수 없다는 것을 증명했다. 열적 작용의 한계를 넘어서는 촉매 효과를 얻으려면, 초기 상태의 오차에 민감한 촉매에 의존해야 한다는 의미다. 이석형 교수는 “이번 연구는 온도나 각 양자 상태의 에너지를 미리 정하지 않고, 양자계와 주변 환경의 상태가 유지된다는 정보론적 조건에서 열적 작용의 원리를 이끌어냈다는 점에서 의미 있는 연구”라고 설명했다. 또한 이 교수는 “양자컴퓨터와 나노소자, 양자 열기관 등의 작동에 필요한 자원과 비용을 평가하려면, 주변 환경과 열을 주고받는 것만으로 가능한 양자 과정과 추가 자원이 필요한 양자 과정을 구분해야 한다”며 “이번 연구는 그 구분의 기준을 제시함으로써, 양자정보처리 장치의 에너지 비용과 양자 열기관의 성능 한계를 분석하는 기초 이론으로 활용될 수 있을 것”이라고 덧붙였다. 이번 연구는 난양공과대학교 넬리 응(Nelly H. Y. Ng) 교수, 독일 베를린 자유대학교 손정락 연구원, 하노버 라이프니츠대학교 헨리크 빌밍(Henrik Wilming) 교수, 독립 연구자 파울 보에스(Paul Boes)와 함께했으며, 물리학 분야 권위 학술지인 ‘피지컬 리뷰 레터스(Physical Review Letters)’에 7월 13일 게재됐다. 연구 수행은 과학기술정보통신부 정보통신기획평가원(IITP), 한국연구재단의 지원을 받아 이뤄졌다.

차세대 극자외선(EUV) 노광 소재인 주석계 포토레지스트 소재의 감도와 정밀도를 공정 요구에 맞춰 설계하는 기술이 개발됐다. UNIST 에너지화학공학과 장지현 교수팀은 주석계 포토레지스트의 감도와 정밀도를 조절하는 기술을 개발했다고 21일 밝혔다. 포토레지스트는 반도체 노광 공정에서 빛에 반응해 회로 모양을 만드는 물질이다. 빛을 받은 부분과 받지 않은 부분이 현상 용액에 씻겨 나가는 정도가 달라지는 성질을 이용해 회로 모양을 남기는 원리다. 주석계 포토레지스트는 EUV를 잘 흡수할 뿐만 아니라 용매에 녹여 얇게 바르기 쉽고, 아래층을 깎아 회로 모양을 옮기는 ‘식각’ 과정도 잘 견뎌 차세대 노광 소재로 주목받고 있는 물질이다. 주석 원자 여러 개를 리간드라는 유기물질이 둘러싼 형태다. 연구팀이 개발한 설계 기술은 포토레지스트의 리간드 물질을 바꿔 주석 원자가 몇 개씩 모이는지를 조절함으로써 감광제의 감도와 정밀도를 바꾸는 기술이다. 감도가 높으면 회로를 빠르게, 정밀도가 높으면 더 반듯한 회로를 새길 수 있다. 리간드로 전자를 내주는 성질의 아다만탄-1-카르복실산과 전자를 끌어당기는 성질의 디페닐포스핀산을 각각 사용했다. 아다만탄-1-카르복실산을 리간드로 쓴 소재는 감도가 높아 적은 전자빔 노출량으로 설계 선폭 20나노미터(㎚·10억 분의 1m)의 가는 패턴을 만들었고, 반면 디페닐포스핀산을 쓴 소재는 더 많은 전자빔이 필요했지만 선의 가장자리가 더 매끈했다. 폭 50㎚ 선에서 ‘선 가장자리 거칠기’가 1.02㎚로 측정됐다. 이는 아다만탄-1-카르복실산을 쓴 소재의 경우 주석 원자 6개가 모여 전자빔 에너지를 잘 흡수하고 일부 리간드가 쉽게 떨어져 나가 분자들이 빠르게 연결되기 때문인 것으로 분석됐다. 디페닐포스핀산을 쓴 소재는 주석 원자 3개가 모인 구조였으며, 리간드가 쉽게 분해되지 않고 분자들이 점진적으로 균일하게 연결되는 것으로 나타났다. 장지현 교수는 “이번 연구는 주석 함량뿐 아니라 리간드의 성질이 감도와 패턴 정밀도를 좌우한다는 점을 밝혔다”며 “공정 요구에 맞는 차세대 EUV 포토레지스트를 개발하는 설계 기준으로 활용될 것”이라고 설명했다. 이번 연구는 과학기술정보통신부 한국연구재단(NRF)의 지원과 UNIST 2026 연구기금, 정보통신기획평가원(IITP) 이노코어(InnoCORE) 사업의 지원을 받아 수행됐다. 연구 성과는 나노·마이크로 분야 국제학술지 스몰(Small)에 8월 25일 온라인 공개됐으로 저널의 후면 표지 논문으로도 선정돼 정식 출판을 앞두고 있다. (끝)

로봇이 카메라로 주변 공간을 파악하고, 그 안에서 자신의 위치를 알아내게 하는 인공지능 기술이 새롭게 개발됐다. 낯선 공간에서도 로봇이 길을 잃지 않고 이동할 수 있게 도움을 주는 기술이다. UNIST 인공지능대학원 주경돈 교수팀은 정확도와 속도를 동시에 높인 인공지능 슬램 기술인 ‘유니심 슬램(UniSim-SLAM)’을 개발했다고 16일 밝혔다. AI 슬램(Simultaneous Localization and Mapping) 기술은 로봇 등에 달린 카메라 영상을 AI가 시점별로 분석해 3차원 주변 지도를 만들면서 그 안에서 자신의 위치를 파악하게 하는 기술이다. 카메라가 움직일 때 화면 속 물체의 위치와 크기가 달라지는 점을 이용한다.때문에 여러 시점의 화면을 함께 분석하면 더 정확하게 추정할 수 있지만, 처리시간이 오래 걸려 이동 중인 로봇이나 자율주행차가 위치를 빠르게 파악하기 어렵게 된다. 개발된 유니심 슬램은 위치 추적에는 두 시점만을 비교하는 방식을, 누적된 오차 보정에는 여러 시점을 함께 분석하는 방식을 적용해 빠른 위치 추적과 정확한 보정을 함께 할 수 있다. 두 장씩 분석한 결과와 여러 장을 분석한 결과는 같은 공간을 서로 다른 축척이나 방향으로 그린 지도처럼 어긋날 수 있는데, 이를 보정할 수 있는 기술을 연구팀이 개발한 덕분이다. 두 분석에 공통으로 들어간 화면의 촬영 위치와 촬영 순서에 따라 카메라가 이동한 방향·거리를 함께 이용하는 기술이다. 이 정보들이 서로 맞아떨어지도록 3차원 복원도와 이동 경로를 함께 늘리거나 줄이고, 돌리거나 옮겨 두 결과의 차이를 줄이게 된다. 실내 공간을 촬영한 대표적인 벤치마크(7-Scenes)로 성능을 검증했을 때 카메라 이동 경로를 예측하는 오차가 기존 최고 수준 기술보다 최대 45.9% 감소했다. 또한 실제 공간을 3차원 형태로 복원하는 성능도 기존 기술보다 향상됐다. 위치 추정에 필요한 화면이 입력된 뒤 결과를 내놓는 데 걸리는 시간도 줄었다. 여러 화면을 함께 분석하는 기존 기술(VGGT-SLAM)은 3.41초가 걸렸지만, 유니심 슬램은 0.197초가 걸렸다. 이번 연구는 UNIST 이인하 연구원이 제1저자로 참여했다. 주경돈 교수는 “슬램 기술은 로봇이나 자율주행차뿐만 아니라 실시간으로 공간을 복원해야 하는 증강현실(AR) 기술에도 쓸 수 있다”며 “유니심 슬램은 빠른 분석과 정확한 분석의 장점을 하나로 결합함으로써 로봇이나 증강현실, 자율주행 등에서 필요한 정확한 위치 파악과 3차원 공간 복원 성능을 동시에 높일 수 있는 기술”이라고 말했다. 이번 연구는 컴퓨터 비전 분야 최고 권위 국제학술대회 중 하나인 ‘유럽 컴퓨터 비전 학술대회(European Conference on Computer Vision, ECCV) 2026’에 채택됐다. 올해 학회는 9월 8일부터 12일까지 스웨덴 말뫼에서 열렸다. 연구 수행은 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원(IITP)이 지원하는 ‘인공지능대학원지원(울산과학기술원)’, ‘AI Bots 협업 플랫폼 및 자기조직 인공지능 기술개발’, ‘화자 중심 데이터 센싱과 공간에서의 실감 체험 기술 개발’ 사업과 과학기술정보통신부의 ‘바이오 체화형 피지컬 AI 연구단(이노코어)’ 사업의 지원을 받아 이뤄졌다.

AI 데이터센터에 연료전지로 전기를 공급하고, 연료전지와 서버에서 나오는 열을 각각 이산화탄소 포집과 전기 생산에 재활용하면 기존 방식보다 총비용을 약 48%, 온실가스 배출량을 최대 72% 줄일 수 있다는 분석 결과가 나왔다. UNIST 탄소중립대학원 임한권 교수팀은 고체산화물 연료전지를 데이터센터의 전력원으로 쓰고 발전과 냉각 과정에서 나오는 열을 재활용하는 통합 에너지 시스템을 고안하고, 이 시스템의 경제성과 전 과정 온실가스 배출량을 분석한 결과 이 같은 결론을 얻었다고 15일 밝혔다. 데이터센터는 수많은 서버를 24시간 가동하기 때문에 막대한 전력을 안정적으로 공급받아야 한다. 천연가스로 전기를 만드는 고체산화물 연료전지(SOFC)를 데이터센터 인근에 설치해 전력을 직접 공급하면 필요한 용량만큼 모듈을 늘려 전력 수요 증가에 대응할 수 있다. 연구팀이 제안한 통합 에너지 시스템에서는 연료전지가 방출하는 열을 이산화탄소 포집에 활용한다. 고체산화물 연료전지는 연료전지 중 가장 발전 효율이 높지만, 이산화탄소와 고온의 열을 배출한다. 이 이산화탄소를 흡수하는 특수 액체로 포집한 뒤, 연료전지에서 나온 열로 액체를 가열해 이산화탄소를 분리하고 액체를 다시 사용하는 것이다. 서버에서 나오는 열도 전기를 생산하는 데 활용된다. 서버를 식힌 냉각수의 열로 특수 냉매를 증발시키고 이 증기가 터빈을 돌려 전기를 만드는 유기 랭킨 사이클(ORC) 방식이다. 연구팀은 GPU 2만 개 규모의 데이터센터를 가정하고 전력 공급원과 냉각 방식, 탄소 포집 여부에 따른 8가지 조합을 한국·미국·유럽연합(EU)의 에너지 가격과 전력 생산 구조를 반영해 분석했다. 분석 결과, 고체산화물 연료전지와 탄소 포집, 유기 랭킨 사이클 냉각을 결합한 통합 시스템은 비용과 온실가스 배출량을 종합적으로 평가했을 때 다른 조합보다 전반적으로 높은 순위를 차지했다. 유기 랭킨 사이클 냉각은 한국과 미국, 유럽 모두에서 경제성과 환경성이 우수했으며, 연간 냉각 비용에 드는 전력 비용을 최대 1,900만 달러 줄일 수 있는 것으로 나타났다. 전력 생산량이 줄어 온실가스 배출량도 연간 약 8만~15만 톤 줄어드는 것으로 분석됐으며, EU 배출권거래제처럼 탄소 배출에 비용을 부과하는 제도를 고려하면, 온실가스 배출 감소로 연간 약 500만~1,000만 달러의 탄소 배출 비용도 줄일 수 있다. 다만 전력 공급 방식의 유불리는 지역별로 달랐다. 천연가스가 저렴한 미국에서는 고체산화물 연료전지가 경제적이었지만, 천연가스가 비싼 한국에서는 비용을 우선할 경우 기존 전력망을 이용하는 편이 유리했다. 이동현 연구원은 “AI 데이터센터가 늘면서 전력 공급과 냉각에 드는 에너지, 탄소 배출을 함께 고려해야 한다”며 “이번 연구는 전력 공급과 폐열 활용, 탄소 포집을 하나의 시스템으로 묶어 평가했다는 데 의미가 있다”고 설명했다. 임한권 교수는 “데이터센터에 적합한 에너지 시스템은 지역별 에너지 가격과 전력 생산에 따른 탄소 배출량에 따라 달라진다”며 “이번 연구는 데이터센터의 규모와 지역 여건에 맞춰 비용과 탄소 배출을 줄이는 에너지 시스템 설계와 ESG 전략 수립에 도움이 될 것”이라고 말했다. 이번 연구는 한국연구재단 및 과학기술정보통신부 지원으로 수행됐으며, 연구 결과는 화학공학 분야 최상위 국제학술지인 ‘케미컬 엔지니어링 저널(Chemical Engineering Journal)’에 8월 14일 온라인 출판됐다.

페로브스카이트 태양전지의 발전 효율과 내구성을 높이면서, 만들어지는 전지마다 성능도 균일하게 유지하는 기술이 개발됐다. 고효율 태양전지를 대량 생산하는 데 청신호가 켜졌다. UNIST 에너지화학공학과 양창덕·신소재공학과 최경진 교수팀은 특수 물질을 진공에서 휘발시켜 페로브스카이트 표면에 얇게 입힘으로써 태양전지 발전 효율과 내구성을 높였다고 20일 밝혔다. 페로브스카이트 태양전지의 페로브스카이트층과 전자수송층 사이에 패시베이션 물질이 입혀진다. 패시베이션 물질을 바르면 페로브스카이트층 상단의 결함 제거되면서 전자 손실이 줄어 태양광을 전기로 바꾸는 효율이 높아진다. 결함은 소재 손상이 시작되는 지점이기도 해서 전지 수명도 늘어난다. 이 물질은 주로 용매에 녹여 바르는데 일부가 뭉치거나 표면에 고르게 퍼지지 않아 에너지 손실이 발생하고 전지마다 성능이 들쭉날쭉해질 수 있었다. 반면 패시베이션 물질을 진공에서 가열해 휘발시킨 뒤 기체 상태의 분자가 페로브스카이트 위에 바로 내려앉도록 하면 표면에 공급되는 물질의 양과 쌓이는 속도를 조절해 균일한 막을 만들 수 있다. 이 같은 진공 증착은 균일한 막을 만들기 위해 반도체 공정 등에서도 많이 쓰이는 공정이다. 관건은 휘발 속도를 잘 제어할 수 있는 물질 자체를 찾는 일이었다. 너무 쉽게 휘발되면 표면에 쌓이는 양을 조절하기 어렵고, 반대로 잘 휘발하지 않으면 더 높은 온도로 가열해야 해 물질 자체가 분해될 수 있기 때문이다. 연구팀은 패시베이션 물질 6종의 열 안정성과 휘발 특성을 비교해 ‘피페라지늄 다이아이오다이드(PDI)’를 선정했다. 이 물질을 초당 0.01나노미터씩 쌓자 용액으로 처리했을 때보다 분자들이 표면에 더 가깝고 고르게 붙어 결함에 따른 에너지 손실을 줄였다. 이 표면 처리 기술을 적용한 페로브스카이트 태양전지의 최고 효율은 26.05%로, 같은 물질을 용액으로 처리한 전지의 25.43%보다 높았다. 페로브스카이트와 실리콘을 위아래로 쌓은 탠덤 태양전지도 33.09%의 높은 공인 효율을 기록했다. 각각 12개 전지를 제작해 비교했을 때, 전지 간 효율 편차도 줄었다. 내구성도 향상됐다. 섭씨 65도에서 빛을 계속 비추며 작동시킨 시험에서 개발한 기술을 적용한 전지는 초기 효율의 90%를 유지하는 시간이 1,005시간으로, 용액으로 처리한 전지보다 약 55% 더 길어졌다. 이번 연구는 UNIST 에너지화학공학과 박지원·김지은 연구원, 신소재공학과 노영임 연구원이 제1저자로 참여했다. 박지원 연구원은 “패시베이션 물질의 휘발성을 하나의 설계 변수로 삼아 진공에서 휘발 속도를 안정적으로 제어함으로써, 페로브스카이트 표면에 균일한 막을 만들 수 있었다”고 설명했다. 양창덕 교수는 “이번 기술은 페로브스카이트 태양전지의 효율과 내구성을 높이면서 전지 간 성능 편차도 줄일 수 있는 방법”이라며 “페로브스카이트·실리콘 탠덤 태양전지에서도 33%가 넘는 인증 효율을 확보해 고효율 태양전지의 대면적·대량 생산에 도움이 될 것으로 기대한다”고 말했다. 연구는 친환경 에너지 화학 분야 권위지 저널인 에너지와 환경 과학(Energy & Environmental Science)에 9월 1일 출판됐으며, 과학기술정보통신부 한국연구재단, 기후에너지환경부 한국에너지기술평가원의 지원을 받아 이뤄졌다.

간 주변 조직을 모사한 환경에서 키운 대장암 세포는 생존 신호를 받아들이는 ‘수신기’ 단백질을 차단하면, 일반 환경에서 배양된 세포보다 생존율이 크게 떨어지는 것으로 나타났다. UNIST 바이오메디컬공학과 조승우·박태은 교수팀은 장기별 주변 조직을 재현한 배양 시스템을 만들어, 대장암 세포의 전이 초기 적응 과정과 간 전이 대장암의 취약점을 규명했다고 17일 밝혔다. 연구팀이 만든 배양 시스템은 장기에서 세포를 제거하고 세포외기질만 남겨 만든 젤에 환자 유래 대장암세포를 넣은 형태다. 세포외기질은 세포를 둘러싸 지탱할 뿐만 아니라 세포 표면의 수용체와 상호작용해 세포 성장과 생존에도 영향을 주는 물질이다. 장기마다 세포외기질이 다른데, 연구팀은 사람과 조직 성분이 유사하고 충분한 양을 확보할 수 있는 돼지의 대장·간·폐·뇌로 총 4종의 배양재료를 만들었다. 실험 결과, 배양재료에 따라 종양 덩어리의 형성 정도와 유전자 작동을 조절하는 ‘후성유전적 변화’가 다르게 나타났다. 암세포가 주변 조직에 따라 어떤 유전자를 활성화할지를 조절하며 적응해나간다는 의미다. 특히 간 조직 배양재료에서는 유전자 작동을 조절하는 단백질 ‘HNF4A’의 생성이 늘었고, 이를 억제하자 작은 종양 덩어리가 형성되는 비율이 크게 줄었다. 생존 신호의 ‘수신기’ 역할을 하는 단백질 ‘c-MET’을 차단하는 약물에도 취약했다. 약물 처리 후 암세포 생존율이 크게 떨어진 반면, 일반 배양재료에서는 반응이 미미했다. c-MET이 간으로 전이된 대장암의 ‘아킬레스건’이 될 수 있음을 보여주는 결과다. 연구팀은 “암세포가 다른 장기에 도착한 직후 적응하는 과정은 전이 성공을 가르는 중요한 관문이지만, 환자에게서는 이미 종양이 형성된 뒤 발견되는 경우가 많아 연구하기 어려웠다”며 “이번 연구는 장기별 주변 조직을 재현해, 암세포가 자리 잡은 곳에 따라 유전자 작동과 생존 방식이 달라질 수 있음을 보여줬다”고 설명했다. 연구진은 “다양한 암종으로 확대해 환자의 암이 특정 장기로 전이됐을 때의 취약점을 파고드는 맞춤형 치료 개발에 도움이 될 것”이라고 덧붙였다. 연구팀은 면역세포까지 함께 배양되는 시스템을 만들어, 장기별 암세포와 면역세포의 상호작용을 살펴보고 면역항암제의 효과와 독성을 평가하는 데 활용할 계획이다. 면역세포는 병원균뿐만 아니라 암세포를 찾아 제거하는 역할도 하며, 면역항암제는 암세포가 이러한 공격을 피하는 것을 막거나 면역세포의 공격 능력을 높이는 방식의 치료제다. 이번 연구는 UNIST 윤희정, 김다영 연구원이 제1저자로 참여했다. 연구는 생체재료 분야 국제 학술지 ‘바이오액티브 머터리얼즈(Bioactive Materials, 피인용지수 23.6)’에 8월 26일 자로 온라인 게재됐으며, 보건복지부 및 한국보건산업진흥원 K-헬스미래추진단의 지원으로 수행 중인 한국형 ARPA-H 프로젝트, 한국연구재단 기초연구실 후속연구사업 및 차세대바이오사업, 울산과학기술원 등의 지원을 받아 이뤄졌다.

스포츠 경기 영상에서 하이라이트를 뽑아내는 AI 모델의 성능을 제대로 평가할 수 있는 기술이 나왔다. UNIST 인공지능대학원 김태환 교수팀은 스포츠 영상에서 하이라이트를 추출하는 AI 모델을 평가하는 대규모 벤치마크인 ‘SVHighlights(Sport Video Highlights)’를 만들었다고 13일 밝혔다. 벤치마크는 어느 AI가 정답을 더 잘 맞히는지 비교하는 일종의 공통 시험지다. AI가 풀어야 할 문제뿐만 아니라 성능을 판단할 정답을 함께 있어야 한다. 기존 벤치마크에 담긴 영상은 대부분 2~4분 내외였다. ‘정답’을 만들려면 사람이 영상을 처음부터 끝까지 보면서 어느 구간이 하이라이트인지 일일이 표시해야 해 영상이 길수록 천문학적 시간과 비용이 들기 때문이다. 반면 연구팀이 만든 벤치마크는 축구, 야구, 농구, 배구, 미식축구, 아이스하키, 럭비, 레이싱 등 8개 종목 320편의 영상으로 구성돼 있으며, 누적 640.18시간이라는 방대한 규모다. 영상 한 편의 평균 길이가 2시간으로 기존 데이터셋보다 무려 30~60배나 길어, 실제 스포츠 중계 길이와 비슷한 수준이다. 이 같은 방대한 벤치마크를 구축하는 데 사람의 역할은 경기 시작과 끝 지점을 영상당 한 번 표시하고, 자동으로 짝지어진 화면을 격자 이미지로 훑어보는 정도에 그쳤다. 이 확인 과정에서 자동으로 짝지어진 화면이 오류로 드러난 비율은 0.18%에 불과했다. 인터넷 등에 이미 공개된 스포츠 공식 하이라이트 영상을 활용한 덕분에 이같이 길고 방대한 규모의 데이터셋을 비용 효율적으로 만들어낼 수 있었다. 전문 편집자가 고른 하이라이트 장면 자체가 믿을 만한 정답 역할을 하기 때문이다. 남는 문제는 하이라이트 영상이 원본의 ‘몇 분 몇 초’에서 나왔는지에 대한 타임스탬프 정보가 없다는 점이었는데, 연구팀은 이를 자동으로 찾아내는 매칭 알고리즘을 만들어냈다. 원본 영상과 하이라이트 영상의 프레임을 픽셀 단위(PSNR)로 비교해 가장 유사한 장면을 짝짓는 알고리즘이다. 또 알고리즘을 설계할 때 화면의 유사성뿐만 아니라 앞에서 찾은 장면과의 시간 순서까지 함께 따지도록 했다. 중계 영상에는 보통 득점 장면 등을 여러 번 리플레이하는 경우가 많아, 실제 경기 발생 시점 대신 시각적으로 동일한 리플레이 장면을 하이라이트로 잘못 매칭하는 오류를 방지하기 위해서다. 연구팀은 기존의 장면 분할 모델과 음성인식모델, 비전언어모델, 대규모 언어모델을 조합해 긴 영상에서도 하이라이트를 효과적으로 추출할 수 있는 ‘TF-SELECTOR’라는 AI 모델도 함께 개발했다. SVHighlights 벤치마크로 테스트했을 때, TF-SELECTOR는 대부분의 지표에서 기존 모델들보다 우수한 성능을 보였다. 차순위 모델과 비교해 가장 중요하다고 고른 장면이 실제 하이라이트인지를 평가하는 HIT@1은 2.50%포인트, 실제 하이라이트 수만큼 후보를 골랐을 때 얼마나 많이 찾아냈는지를 평가하는 HIT@K는 4.04%포인트 높았으며, 예측 구간과 정답 구간의 겹침을 나타내는 IoU도 2.95점 높았다. 이번 연구는 이동규 UNIST 석·박사통합과정생, 기영빈 석사가 제1저자로 함께 했다. 김태환 교수는 “방송사가 이미 만들어 둔 하이라이트를 활용해 사람이 수 시간을 들여야 했던 정답 작업을 대체했으며, 같은 방식으로 데이터를 계속 늘려갈 수 있어 장시간 영상 분석 모델을 객관적으로 평가하고 성능이 더 나은 모델을 개발하는 데 도움이 될 것”이라고 말했다. 연구 결과는 지난달 9일 제주에서 열린 데이터마이닝분야 권위 국제학회인 ACM KDD(ACM SIGKDD Conference on Knowledge Discovery and Data Mining) 채택됐다. 데이터셋과 코드는 연구팀의 프로젝트 페이지(https://leedongkyu2019.github.io/SVHighlights/) 에서 확인 할 수 있다. 연구 수행은 과학기술정보통신부 및 정보통신기획평가원의 인간과 교감하는 멀티모달 인터랙션 인공지능 기술 (RS-2022-II220608/2022-0-00608), 산업융합형 멀티모달 생성 인공지능 인재양성 사업 (RS-2024-00360227), AI스타펠로우십지원 (RS-2025-25442824), 인공지능대학원 사업 (No.RS-2020-II201336)의 지원을 받아 이뤄졌다.

알레르기와 같은 사용자의 특성에 맞춰 AI가 더 정확한 맞춤형 답변을 내놓도록 하는 개인화 AI 기술이 새롭게 개발됐다. UNIST 컴퓨터공학과 공태식 교수팀은 사용자와 밀접한 정보만 선별·저장해 맞춤형 답변을 더 빠르게 내놓게 하는 온디바이스 검색증강생성(RAG) 기술인 ‘에픽(EPIC)’을 개발했다고 10일 밝혔다. 온디바이스 검색증강생성은 챗GPT와 같은 언어모델이 사용자의 기기 안에 저장된 웹페이지나 이전 대화 내용을 먼저 검색하고, 여기서 찾은 정보를 보태 답변을 만들도록 하는 기술이다. 언어모델이 미리 학습하지 못한 최신 정보나 사용자의 개인적인 기록까지 답변에 반영할 수 있어 더 정확하고 유용한 답변을 만들 수 있다. 연구팀이 새롭게 개발한 온디바이스 검색증강생성 기술인 에픽은 각 자료가 사용자 취향과 의미상 얼마나 가까운지를 빠르게 계산해 관련성이 낮은 자료를 먼저 걸러낸 뒤, 남은 자료는 언어모델이 다시 확인하는 방식을 통해 꼭 필요한 정보만을 남겨 검색 정보를 저장하는 공간을 줄일 수 있다. 기존 온디바이스 검색증강은 개인정보를 기기 밖으로 보내지 않아 사생활 침해 우려를 줄일 수 있지만, 휴대전화와 같은 온디바이스 기기에서 메모리를 지나치게 많이 차지하는 문제가 있다. 또 에픽은 정보를 저장할 때 원정보뿐만 아니라 이 정보를 어떤 상황에서 활용할지를 담은 사용지침을 함께 붙여 저장하는 방식이라 더 정확하고 빠른 검색이 가능하다. 만약 해산물 알레르기가 있는 사용자가 “제주도에서 먹을 음식을 추천해 줘”라고 물으면, 에픽은 질문과 ‘해산물 알레르기’를 연결하고, 관련 사용 지침이 붙은 제주 음식 자료를 찾아 답변 모델에 전달함으로써 갈치조림 대신 흑돼지 요리 등을 추천할 수 있게 된다. 실제 추천·토론·설명·대화 상황을 다룬 네 개의 벤치마크와 세 종류의 언어모델 조합으로 검증한 결과, 검색용 저장공간과 검색 시간은 줄고 사용자 취향을 반영한 답변의 정확도는 높아졌다. 위키피디아에서 맞춤형 추천 정보를 찾는 PrefWiki 벤치마크에서 저장공간은 기존 648.96MB에서 0.27MB로 약 2,404분의 1이 됐고, 네 벤치마크의 평균 검색 시간은 96.5밀리초(ms)에서 3밀리초로 줄었다. 모든 벤치마크와 언어모델 조합에서 답변 정확도가 높아졌으며, 특히 Llama-3.1-8B-Instruct를 답변 모델로 사용한 실험에서는 에픽의 사용자 취향 반영 정확도가 기존 최고 성능 기술보다 평균 18.79%포인트 높았다. 서버가 아닌 실제 개인 기기에서도 에픽이 작동하는지를 검증했을 때도, 젯슨 오린 나노와 맥북 프로 M4, 갤럭시 Z 플립6에서 검색용 메모리를 1MB 미만으로 유지하면서 질문 한 건당 5.21∼29.35밀리초 만에 필요한 자료를 찾았다. 제1저자인 이창민 연구원은 “에픽은 새로운 자료가 들어오거나 사용자 취향이 바뀌어도 검색 목록 전체를 다시 만들지 않고 관련 자료만 추가하거나 제거할 수 있어 장기간 사용하는 맞춤형 AI에 적합하다”며 “다만 자료를 지나치게 엄격하게 선별하면 취향과 약하게 관련된 유용한 정보를 놓칠 수 있는 만큼, 검색 범위를 유연하게 넓히고 오래된 기억을 삭제하거나 압축하는 기술을 후속 연구에서 개발할 계획”이라고 설명했다. 공태식 교수는 “개인화된 AI가 사용자 맞춤 답변을 내놓기 위해 정보를 기억하는 방식을 ‘많이 저장하는 것’에서 ‘사용자에게 가치 있는 것을 저장하는 것’으로 바꾼 연구”라며 “개인정보를 외부로 보내지 않으면서도 작은 검색 메모리만으로 개인의 취향과 요구를 놓치지 않고, 스마트폰과 노트북 같은 일상 기기에서 빠르게 작동하는 맞춤형 AI의 개발에 기여할 것”이라고 말했다. 이번 연구는 과학기술정보통신부·정보통신기획평가원(IITP)의 AI 스타 펠로우십, 인공지능대학원지원사업, 초거대 제조 AI 연구지원사업과 한국연구재단 지원 등을 받아 수행했으며 연구결과는 지난 7월 서울에서 열린 인공지능 3대 국제학회인 국제머신러닝학회(International Conference on Machine Learning, ICML)에서 공개됐다. 연구 코드는 https://github.com/UbiquitousAILab/EPIC 에서 확인할 수 있다.