그림. SDDGR(안정적 확산 기반 딥 생성 재생) 모델의 작동 과정. UNIST 제공

◆UNIST "기존 지식 유지하며 새 정보 학습하는 AI 기술 개발"

고품질 이미지 생성·정제해 학습내용 유지…자율주행·보안 혁신 기대

인공지능(AI)이 새로운 정보를 배우면서도 기존 지식을 잃지 않는 기능을 울산과학기술원(UNIST) 연구진이 구현했다.

20일 UNIST에 따르면 인공지능대학원 백승렬 교수팀은 인공지능이 기존 지식을 유지하면서도 새로운 정보를 학습할 수 있는 기술(SDDGR·Stability Diffusion-based Deep Generative Replay)을 개발했다.

이 기술은 스마트 가전 제품, 로봇 공학, 의료 분야 등 일상생활과 밀접한 영역에서 인공지능의 정확한 인식을 가능하게 한다. 자율주행 자동차가 도로 위에서 다양한 물체를 인식하고 안전하게 운행하는 데 도움을 주거나, 보안 시스템에 적용해 침입자를 정확하게 감지해 경고 알람을 보낼 수 있다.

[연구자] 백승렬 교수. UNIST 제공

기존에 개발된 '클래스 증분 학습'(CIL) 기술은 이미지 안 여러 객체를 인식하고 분류하는 데 한계가 있었다.

SDDGR 기술은 고품질 이미지를 만들어 이전에 배운 것들을 잘 기억하고, 반복적인 정제 과정을 통해 이미지의 질을 더 높여 기존 지식을 효과적으로 유지할 수 있다는 점이 특징이다.

새로운 데이터를 학습할 때도 성능을 높이는 방법을 사용해 더욱 정확하게 배울 수 있다.

또 기존 데이터를 반복 사용하지 않아 광범위한 데이터를 저장하고 처리하는 비용을 절감할 수 있어 경제적 효율성도 높다고 연구팀은 설명했다.

제1저자 김준수 연구원은 "SDDGR 기술이 다양한 응용 분야에서 실질적인 효과가 있음을 보여줬다"며 "기업이 더 적은 비용과 시간으로 더 나은 인공지능 모델을 개발하는 데 기여할 수 있을 것"이라고 말했다.

연구 결과는 컴퓨터 비전 학술대회인 CVPR 2024에서 21일 발표될 예정이다.

연구는 과학기술정보통신부, 한국연구재단, 정보통신기획평가원, 해양수산과학기술진흥원, LG전자, CJ AI센터의 지원을 받았다.

[연구진 사진] (아래 왼쪽부터 시계방향) 윤기용 연구원(참여저자), 장지현 교수(교신저자), Blaji 연구원(참여저자), 박주형 연구원(제1저자). UNIST 제공

◆UNIST "산화철 이용한 고효율 친환경 수소 생산 시스템 개발"

"태양광 수소 전환 효율 3.2배 향상…100시간 지속 사용"

녹슨 철을 이용해 고효율 수소를 생산하는 기술을 울산과학기술원(UNIST) 연구진이 개발했다.

20일 UNIST에 따르면 에너지화학공학과 장지현 교수팀은 전기적 특성이 높은 산화철을 사용한 광전극으로 친환경 수소 생산하는 시스템을 만들었다.

그동안 산화철은 전기적 성능이 부족해 수소 생산 효율이 낮았다. 물을 분해하는 면적이 좁고, 전자 이동 거리가 길어 상업화가 어려웠던 것이다. 이에 연구팀은 게르마늄, 티타늄, 주석을 섞어 산화철의 전기적 특성을 개선했다. 열을 이용해 다공성 구조를 만들어 반응 면적을 넓히고, 전자 이동 거리를 줄였다.

그림. 시뮬레이션을 통한 산화철 광전극의 최적 도핑 시스템 계산 (형성 에너지 및 원자 배열도) (각각 상단 좌측, 중앙). GeO2 오버레이어 증착을 통한 열확산 도핑법 모식도 (상단 우측). 커켄달 효과 모식도 (하단 좌측) 및 개발 전극 광전류밀도 그래프 (하단 우측). UNIST 제공

연구팀은 이 과정을 통해 평균 직경 10㎜ 이하의 다공성 산화철 전극을 제작하는 데 성공했다. 다공성 산화철 전극은 태양광 수소 전환 효율을 기존 산화철 전극과 비교해 3.2배 높였고, 100시간 동안 효율 저하 없이 지속 사용할 수 있다고 연구팀은 설명했다.

장지현 교수는 "수소 생산 효율을 크게 높이는 동시에 상업화를 위한 중요한 기술적 진전을 이뤄냈다"며 "그린수소 생산 상업화를 앞당기고, 다양한 반도체 시스템에 적용할 수 있을 것"이라고 말했다.

연구 결과는 국제 학술지 'ACS 에너지 레터스'(ACS Energy Letters)에 지난 3일 자로 공개됐다. 연구는 한국연구재단 중견연구과제, ERC 미세플라스틱 대응 화공/바이오 융합 공정 연구센터 과제의 지원을 받았다.