Loading...

세계가 인정함! ✅우수 연구성과✅ 인터뷰

자폐 스펙트럼 장애, 한국인 데이터로 원인을 찾다!

자폐 스펙트럼 장애는 현재 전 세계적으로 근본적인 치료법이 부족하여, 일부 증상을 완화하는 수준의 약물 처방에만 의존하고 있는 실정입니다. 이러한 한계를 극복하고자 기초과학연구원과 분당서울대병원, 카이스트 연구진은 협력을 통해 아시아 최초로 대규모 한국인 자폐 가족 코호트를 구축하여 질환의 원인 규명에 나섰습니다. 특히 정자와 난자의 형성 과정에서 발생하는 신생 유전 변이가 자폐 발생의 핵심적인 원인으로 지목됨에 따라, 연구진은 약 800명 규모의 방대한 유전체 데이터를 확보했습니다. 한 사람당 수십 기가바이트에 달하는 데이터를 정밀하게 분석하기 위해 KISTI의 고성능 컴퓨팅 인프라와 고속 병렬 처리 기술을 활용하였으며, 이를 통해 대규모 유전체 분석을 위한 독자적인 파이프라인을 성공적으로 구축하고 검증해 냈습니다. 이번 연구는 단백질을 직접 코딩하지 않는 비부호화 유전체 영역에서 발생하는 변이가 자폐 유발의 핵심 원인이 될 수 있음을 세계 최초로 규명했다는 점에서 매우 혁신적입니다. 연구진은 유전체 데이터 분석을 통해 얻은 결과가 실제로 유효한지 검증하기 위해 자폐 샘플로부터 인간 줄기세포를 유도하였고, 이를 통해 자폐 관련 유전자의 발현이 비정상적으로 변화하는 과정을 실험적으로 증명하는 데 성공했습니다. 이는 그동안 중요하게 다뤄지지 않았던 비부호화 유전체 영역을 탐구하여 자폐의 복잡한 메커니즘을 새롭게 이해할 수 있는 실마리를 제공한 것입니다. 이러한 성과는 향후 자폐 스펙트럼 장애의 정밀 진단과 환자 맞춤형 치료법 개발을 위한 강력한 과학적 근거가 될 것으로 기대됩니다. 연구팀의 성과는 단순히 질환의 유전적 원인을 밝히는 데 그치지 않고, 국가 바이오 통합 빅데이터 구축 사업 등과 연계하여 국내외 연구자들이 연구에 매진할 수 있는 중요한 기반을 마련했습니다. 앞으로 연구진은 대규모 바이오 빅데이터를 기반으로 한 후속 연구를 통해 아직 베일에 싸인 다양한 질병의 원인을 규명하고, 의료계와 과학계에 실질적인 기여를 지속할 계획입니다. 이러한 시도는 자폐뿐만 아니라 여러 난치성 질환을 겪고 있는 환자들에게 새로운 치료 전망을 제시하며, 나아가 인류의 건강한 삶을 실현하기 위한 중추적인 발판이 될 것입니다. 혁신적인 접근법과 첨단 분석 기술이 결합된 이번 연구는 미래 바이오 의료 분야에서 한국의 기술적 우위를 확보하고 질병 극복의 새로운 이정표를 세울 것입니다.

자폐 스펙트럼 장애, 한국인 데이터로 원인을 찾다!
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

신약 개발 성공 도와요! 제약사 맞춤 신약 개발 추천 모델

신약 개발은 막대한 비용과 시간이 투입되는 전형적인 '하이 리스크 하이 리턴' 분야입니다. 실제로 임상 단계에 진입한 약물 중 시판 허가까지 도달하는 비율은 단 10%에 불과할 정도로 성공 확률이 매우 낮습니다. 이러한 불확실성 속에서 제약 기업들은 개발 초기 기획 단계부터 어떤 후보 물질을 타깃으로 삼을지 깊은 고민에 빠지게 됩니다. 지금까지의 연구 데이터가 주로 실험적인 프로세스에만 국한되어 활용되었다면, 이제는 비즈니스 관점의 의사결정을 지원할 수 있는 정교한 데이터 분석 모델이 절실한 시점입니다. KISTI 연구팀은 전 세계 제약 기업의 과거 개발 이력과 재무 정보, 그리고 주요 국가 규제 기관에 보고된 신약 프로젝트 데이터를 결합하여 학습 데이터셋을 구축했습니다. 수집된 방대한 데이터를 정제하고 전처리하는 과정에는 많은 노력이 필요했으며, 이를 통해 기업 맞춤형 신약 개발 추천 모델이 탄생했습니다. 연관 규칙 학습과 협업 필터링 등 인공지능 알고리즘을 결합한 이 모델은 기업별로 성공 가능성이 높은 약품 계열을 순위별로 제안합니다. 이는 데이터 사이언스 기술을 활용하여 기존에 발견하지 못했던 지식을 도출한 성과라 할 수 있습니다. 이번에 개발된 모델은 SCI 논문 게재와 특허 등록을 통해 그 우수성을 입증받았으며, 향후 국내 기업들의 상황에 맞춰 더욱 정교화될 예정입니다. 이를 통해 기업들은 효과적인 포트폴리오 관리가 가능해지고, 신약 개발에 소요되는 시간과 비용을 획기적으로 절감할 수 있을 것입니다. 궁극적으로는 인공지능 기술을 활용한 비즈니스 인텔리전스 연구가 국내 제약 산업의 경쟁력을 강화하고 국민 건강 증진에 실질적인 도움을 주는 것이 목표입니다. 데이터로부터 가치 있는 통찰을 끌어내는 노력은 앞으로도 계속될 것입니다.

신약 개발 성공 도와요! 제약사 맞춤 신약 개발 추천 모델
  • 생명과학
  • 융합
  • 공학·기술

과학기술 전문 AI! 한글 모델과 멀티모달

한국과학기술정보연구원(KISTI)은 과학기술 분야의 정보를 깊이 있게 이해하는 과학기술 특화 언어 모델인 KorSci-BERT와 KorSci-ELECTRA를 개발하였습니다. 이는 논문, 보고서, 특허와 같은 방대한 과학기술 데이터를 기반으로 구축되었으며, 일반 상식 데이터 중심의 기존 모델과는 차별화된 성능을 제공합니다. 연구자들이 특정 분야에 특화된 모델을 만들 수 있도록 지원하며, 과학기술 자연어 처리와 의사결정의 효율성을 높이는 데 핵심적인 역할을 수행합니다. 언어 모델 개발에는 대규모 데이터와 강력한 컴퓨팅 자원이 필수적입니다. KISTI는 오랜 기간 축적해 온 과학기술 정보와 국가슈퍼컴퓨팅센터의 인프라를 활용하여 이러한 요건을 충족했습니다. 특히 자체적인 자원 확보가 어려운 민간 기업이나 대학 연구자들이 더 나은 성과를 도출할 수 있도록 지원하는 것이 개발의 주요 동기였습니다. 이를 통해 AI와 인간의 협업이 원활하게 이루어지는 연구 생태계를 조성하고 생산성을 비약적으로 높일 수 있는 토대를 마련하게 되었습니다. 데이터의 가치는 단순히 양에 있지 않고 지속적인 관리와 품질에 달려 있습니다. KISTI는 디지털 뉴딜 사업 이후에도 과학기술 텍스트 데이터 구축을 정규 업무로 수행하며 품질을 높여가고 있습니다. PDF 원문의 텍스트 변환 과정에서 구축자, 검토자, 검수자로 이어지는 다단계 검증 시스템을 도입했습니다. 문장 분리, 오타, 개인정보 포함 여부 등을 철저히 점검하여 신뢰할 수 있는 데이터셋을 제공함으로써 인공지능 모델의 정확도와 윤리성을 동시에 확보하고 있습니다. 최근 인공지능 연구는 텍스트를 넘어 이미지와 영상을 결합한 멀티모달 형태로 진화하고 있습니다. KISTI는 과학 문헌에 포함된 시각 정보를 인식하고 이해하는 시각 지능 기술 연구에 매진하고 있습니다. 사람이 말하듯 이미지를 생성하거나 논문 속의 복잡한 객체를 식별하는 기술을 통해, 마치 전문가가 모든 자료를 학습한 뒤 답변을 주는 듯한 지능형 시스템을 구축하고자 합니다. 이는 전문 지식 베이스를 바탕으로 한 고차원적인 답변 생성을 가능하게 할 것입니다. 글로벌 빅테크 기업들이 거대 모델을 주도하는 환경 속에서, KISTI는 과학기술이라는 전문 분야에 특화된 모델로 경쟁력을 확보하고 있습니다. 이제 인공지능 기술은 모델 중심에서 대규모 데이터 중심으로 변화하고 있으며, KISTI는 보유한 데이터셋과 국가슈퍼컴퓨팅센터의 인프라를 연계하여 국가적 연구 지원 체계를 강화할 계획입니다. 과학기술 종사자뿐만 아니라 국민 누구나 전문 지식에 쉽고 유익하게 접근할 수 있는 환경을 만드는 것이 KISTI가 추구하는 궁극적인 지향점입니다.

과학기술 전문 AI!  한글 모델과 멀티모달
  • 융합
  • 공학·기술

양자암호통신을 위한 핵심 기술

양자암호통신은 데이터 암호화의 안전성을 혁신적으로 높이는 기술로, 크게 양자 계층, 양자 키 관리 계층, 서비스 계층이라는 세 가지 구조로 나뉩니다. 양자 계층에서 생성된 양자 키는 관리 계층으로 전달되어 자원 관리와 릴레이 과정을 거치며, 최종적으로 서비스 계층에서 실제 데이터 암호화에 사용됩니다. 여기서 양자 키 관리 기술은 네트워크의 전체적인 성능을 결정짓는 핵심적인 요소입니다. 특히 고성능의 확장형 양자암호통신망을 구축하기 위해서는 관리 계층에서 키를 효율적으로 다루고 분배하는 시스템이 반드시 뒷받침되어야 합니다. 효율적인 양자 키 활용을 위해 새롭게 제안된 방식은 키 현황을 실시간으로 참고하여 릴레이 경로를 결정하는 '키 개수 차분 기반 양자 키 릴레이'입니다. 이 알고리즘은 양자 키의 분포 상태에 따라 릴레이 경로를 동적으로 개선하며, 전체 네트워크에서 키 자원이 한곳에 치우치지 않고 공평하게 유지되도록 돕습니다. 또한, 교차 계층 최적화 기반의 동적 관리 시스템을 통해 한정된 양자 자원을 보다 스마트하게 할당할 수 있게 합니다. 이는 국가과학기술연구망(KREONET)과 같은 대규모 네트워크에서 완벽히 안전한 보안 환경을 구축하는 데 필수적인 기술적 토대가 됩니다. 기존 기술과의 차별점은 양자 키 요청에 대한 응답 지연을 최소화하는 '사전 대응형 키 릴레이'를 구현했다는 점입니다. 보통 양자암호 서비스에서는 요청이 발생한 후 키를 생성하면 지연 시간이 발생해 서비스 품질이 저하될 수 있습니다. 하지만 이 기술은 특정 조건이 만족되면 서비스 요청 전이라도 단대단 양자 키를 미리 생성해 두어, 실제 요청 시 즉각적인 지원이 가능하도록 합니다. 이를 통해 이웃 노드로 직접 연결되지 않은 복잡한 경로 사이에서도 높은 수준의 서비스 성능을 일정하게 유지하며 사용자의 편의성을 극대화할 수 있습니다. 연구팀은 그리디 알고리즘을 활용하여 양자 키 개수 분포의 균등성을 확보하고 서비스의 공정성을 달성했습니다. 28개 노드 규모의 실질적인 백본망 토폴로지에서 실험한 결과, 이론적 최적해와 비교해 단 0.1% 수준의 계산 시간만으로도 99% 이상의 성능을 보장함을 확인했습니다. 이는 현재의 제한된 양자 키 분배 기술 수준에서도 충분히 효율적인 운용이 가능함을 시사합니다. 더 나아가 48개 노드 규모의 대규모 망에서도 원활하게 동작함이 검증됨에 따라, 향후 국가 규모의 방대한 연구망으로도 충분히 확장 적용될 수 있는 잠재력을 입증했습니다. 이번 성과는 정보통신공학, 물리학, 전산학 등 서로 다른 분야의 전문가들이 협업하여 일궈낸 융합 연구의 결과물입니다. 복잡한 양자 물리 현상을 이해하고 대규모 컴퓨팅 자원을 활용해 최적의 관리 기법을 도출하는 과정에서 학제 간 소통이 큰 역할을 했습니다. 향후에는 테스트베드를 통한 실질적인 성능 분석과 개선이 이루어질 예정이며, 최적화 이론과 기계 학습 등 최신 기법을 결합한 고도화 연구도 계획되어 있습니다. 이러한 기술적 진보는 국가 주요 데이터 서비스의 보안을 강화하고, 안전한 디지털 미래를 여는 든든한 밑거름이 될 것입니다.

양자암호통신을 위한 핵심 기술
  • 물리학
  • 융합
  • 공학·기술

슈퍼컴퓨터로 소리를 분석하다

현대 산업 현장과 일상생활에서는 수많은 센서가 생성하는 실시간 데이터를 분석하여 사물의 상태를 진단하고 미래를 예측하는 기술이 필수적입니다. 기계학습을 이용한 신호 데이터 분석 장치는 자동차 부품의 결함이나 건축물의 구조적 안전성을 정밀하게 파악하는 데 핵심적인 역할을 수행합니다. 예를 들어 자기장 센서를 활용해 금속 구조물의 손상을 감지하거나, 소음 패턴을 분석하여 폭발음과 일상 소음을 구별하는 등 활용 범위가 매우 넓습니다. 이러한 기술은 단순히 현상을 감지하는 수준을 넘어, 대상의 변화를 측정하고 이에 따른 최적의 대응 방안을 제공할 수 있도록 설계되었습니다. 센서에서 수집된 원시 데이터가 유의미한 정보로 변환되기 위해서는 고도의 전처리 과정이 수반되어야 합니다. 형상 분석, 주성분 분석, 그리고 푸리에 변환과 같은 기초적인 통계 및 신호 처리 기법을 거쳐 데이터를 학습 가능한 형태로 가공합니다. 진동, 음향, 연기, 광 센서 등 측정 대상의 특성에 맞는 다양한 센서가 결합되며, 특히 음향 센서는 원거리에서도 대상체에 직접 부착하지 않고 소리만으로 상태를 파악할 수 있다는 강력한 편의성을 제공합니다. 자체 개발된 기계학습 모델은 이러한 복합 데이터를 학습하여 현장에서 즉각적으로 상태를 분석하는 장치로 적용됩니다. 자체적으로 개발된 C 프로그램 기반의 기계학습 모델은 실제 산업 현장에서 그 우수한 성능을 증명하고 있습니다. 대표적인 사례로 자동차 제조 공정에서 창문이나 핸들을 구동하는 수많은 모터의 불량 여부를 음향 센서만으로 판별해 내는 데 성공한 바 있습니다. 또한 일상적인 소음이 심한 환경에서도 특정한 총소리를 정확하게 식별하는 기술을 통해 경호 및 국방 분야로의 확장 가능성도 열어두고 있습니다. 이는 복잡한 데이터를 학습시켜 대상체의 상태를 정확히 판단하고 결정을 내릴 수 있는 지능형 시스템이 구축되었음을 의미하며, 현장 장치에 직접 탑재 가능한 유연성까지 확보했습니다. 기술 개발 과정에서 가장 큰 장애물은 수집된 데이터의 품질 확보와 노이즈 분리 문제입니다. 센서 측정 시 발생하는 단순한 오류나 장치 설정에 따른 데이터 변이를 정밀하게 파악해야 하며, 특히 노이즈 속에 섞인 유의미한 시그널을 추출하는 작업은 난도가 매우 높습니다. 이를 해결하기 위해 여러 알고리즘을 복합적으로 적용하는 일종의 '칵테일 요법'이 사용됩니다. 각 알고리즘의 상호작용을 깊이 이해하고 성능에 미치는 영향을 예측하는 능력이 필수적인데, 이 과정에서 슈퍼컴퓨터의 강력한 연산 자원은 복잡한 데이터 분석과 학습 과정을 신속하게 해결하는 원동력이 됩니다. 슈퍼컴퓨팅 응용센터는 데이터를 분석하고 기계학습을 통해 현상을 예측하는 핵심 기술을 제작하여 다양한 분야의 연구자들에게 제공하고 있습니다. 나노 소재 계산이나 바이오 분야 등 첨단 과학 기술 연구의 도구로써 슈퍼컴퓨팅 기술이 활용될 때 우리 사회는 더욱 창의적이고 안전한 방향으로 발전할 수 있습니다. 특히 연구실에서 개발된 기술이 실제 현장에서 예상보다 뛰어난 성능을 발휘하고, 변수가 많은 환경에서도 안정적으로 작동하는 것을 확인하는 과정은 연구자들에게 큰 보람을 줍니다. 앞으로도 데이터 기반 연구를 지속하여 사회 전반의 안전과 발전에 기여하는 것이 최종 목표입니다.

슈퍼컴퓨터로 소리를 분석하다
  • 융합
  • 공학·기술

영상 데이터 자동 레이블링 시스템

현대 인공지능 기술의 핵심인 영상 학습 데이터 구축을 획기적으로 개선하기 위해 '달달'이라는 이름의 자동 레이블링 저작 도구가 개발되었습니다. 이 시스템은 단순한 저작 도구를 넘어 AI 기반의 자동 레이블링 기술과 순환형 학습 구조가 결합된 통합 솔루션입니다. 과거에는 작업자가 영상 내 객체를 일일이 찾아 테두리를 그리는 고된 수동 작업이 필수적이었으나, 이제는 시각지능 모델이 사전에 객체를 인식하여 레이블을 자동 생성합니다. 작업자는 생성된 결과물을 확인하고 검수하는 역할만 수행하면 되기에 작업의 편의성이 대폭 향상되었습니다. 이 시스템의 가장 큰 강점은 사용자의 추가 데이터를 바탕으로 끊임없이 진화하는 순환형 학습 구조에 있습니다. 일반적인 객체 인식 모델은 사전에 학습된 데이터 외의 새로운 객체를 인식하는 데 한계가 있지만, 본 시스템은 재훈련 기술을 통해 인식 성능을 지속적으로 보정합니다. 현재 약 80여 종의 사물을 사각형이나 다각형 형태로 정밀하게 인식하며, 도메인의 특성에 맞춰 모델을 유연하게 변경할 수도 있습니다. 이러한 방식은 작업자의 숙련도와 상관없이 일정한 품질의 데이터를 대량으로 확보할 수 있는 안정적인 기술적 기반을 제공합니다. 연구진은 실제 도로 영상 데이터 구축 과정에서 겪은 수동 작업의 번거로움을 해결하고자 이 기술을 고안하게 되었습니다. 단순히 편리한 도구를 만드는 것에 그치지 않고, AI 모델의 개발과 운영을 유기적으로 연결하는 데브옵스 개념을 접목한 것이 개발의 시작점이었습니다. 특히 모델의 성능을 스스로 개선할 수 있는 순환형 학습 구조를 구상하여 지식재산권으로 출원하는 성과도 거두었습니다. 이는 연구 현장에서의 실제적인 필요성이 창의적인 기술적 아이디어와 결합하여 현장의 문제를 해결하는 혁신적인 시스템으로 탄생한 좋은 사례라 할 수 있습니다. 기술 구현 과정에서는 모델 학습을 위한 자원 확보와 연산 시간 지연이라는 현실적인 장벽에 부딪히기도 했습니다. 실시간에 가까운 속도로 대용량 영상을 처리하기 위해 연구팀은 도커 기반의 컨테이너 구조를 채택하여 서비스와 훈련 과정을 효율적으로 연동했습니다. 이러한 구조적 개선을 통해 데이터 전송 시간을 제외하면 영상당 1초에서 2초 내외로 처리가 가능해질 만큼 속도를 끌어올렸습니다. 시행착오를 통해 완성된 이 기술은 현재 중소기업이나 연구 기관이 보유한 원천 데이터를 가치 있는 학습 데이터셋으로 변환하는 핵심 동력이 되고 있습니다. 현재 이 기술은 KISTI의 기계 학습 데이터 공유 플랫폼인 'AIDA(AI다)'를 통해 더욱 고도화되고 있습니다. 사용자들은 단순히 제공된 데이터셋을 내려받는 것에 그치지 않고, 워크벤치를 통해 자신에게 필요한 맞춤형 데이터를 직접 취합하고 레이블링할 수 있는 환경을 제공받습니다. '데이터로 세상을 바꾸다'라는 비전 아래, 누구나 고품질의 영상 데이터를 손쉽게 다루고 활용할 수 있는 기술적 토대를 마련하는 것이 연구의 최종 목표입니다. 앞으로 이 시스템이 대용량 데이터 생태계의 중심에서 더 많은 연구자와 기업에 큰 도움이 되기를 기대해 봅니다.

영상 데이터 자동 레이블링 시스템
  • 융합
  • 공학·기술