컴퓨터공학과

UNIST가 컴퓨터 보안 분야 최고 권위 학회인 유즈닉스 시큐리티(USENIX Security)에서 인터넷 디펜스 프라이즈(Internet Defense Prize)를 수상했다. 글로벌 기업 메타(Meta)가 후원하는 우수 논문상으로, 올해는 단 3편만이 수상의 영예를 안았다. 2014년 이 상이 제정된 이후 국내 기관에서 수상작을 배출한 것은 최초다. UNIST는 컴퓨터공학과 위성일 교수팀의 웹 브라우저 보안 취약점을 찾아내는 기술을 다룬 논문이 ‘제35회 유즈닉스 시큐리티 심포지엄’에서 ‘인터넷 디펜스 프라이즈’ 수상작으로 선정됐다고 17일 밝혔다. 유즈닉스 시큐리티는 미국 비영리 학술단체 유즈닉스 협회(USENIX Association)가 주최하는 컴퓨터 보안 분야 최우수 국제학술대회다. 올해는 총 3,028편의 논문이 제출돼 362편만 채택됐으며, 채택률은 약 12%에 불과하다. 컴퓨터 분야 주요 국제학회의 채택률이 통상 20% 안팎인 점을 고려해도 낮은 수준이다. 학회는 지난 2014년부터 메타의 재원 지원을 받아 이 상을 수여하고 있다. 실제 인터넷 보안과 방어에 기여할 수 있는 기술인지, 작동 가능한 시제품을 제시했는지 등을 중점적으로 평가한다. 올해는 362편 가운데 단 3편을 선정했다. 연구팀이 논문에서 제시한 브라우저 보안 점검 기술인 ‘BUIzz’도 이 부분에서 높은 평가를 받았다. 링크를 새 탭이나 분할화면으로 열고, 주소창으로 끌어다 놓거나 닫은 탭을 다시 여는 등의 브라우저 UI 인터렉션 과정에서 보안정책이 오작동 하는 결함을 자동으로 찾아내는 기술이다. 이러한 결함이 발생하면 외부 사이트에 전송돼서는 안 되는 로그인 쿠키가 넘어가거나, 차단돼야 할 악성 스크립트가 실행될 수 있다. 사용자의 계정 정보 탈취, 키보드 입력값 유출, 방문 기록 조작, 웹사이트 변조 등 심각한 피해가 발생할 수 있는 것이다. 연구팀은 실제 BUIzz를 이용해 크롬, 파이어폭스, 엣지 등 6개 주요 브라우저에서 보안 버그 35개와 기능 오류 3개를 발견하고, 이 취약점을 해당 업체에 신고해 지난해 총 1만 4,700달러(약 2,100만 원)의 포상금을 받은 바 있다. 위 교수와 논문의 제1저자인 정민기 학생은 이 포상금 가운데 1,000만 원을 지난해 컴퓨터공학과 발전기금으로 기부했다. 이번 수상으로 연구팀은 2만 5,000달러(약 3,500만 원)의 연구지원금(Gift Award)을 받게 된다. 이번 연구는 학술적 가치도 인정받았다. 학술적인 참신성, 학계에서 파급력 등을 평가해 최우수 논문을 뽑은 ‘디스팅귀시드 페이퍼 어워드(Distinguished Paper Award)’에서도 ‘우수 논문(runners-up)’으로 뽑힌 것이다. 정민기 석사과정생은 “기존 웹 브라우저 보안 연구가 주로 웹페이지 내부에서 일어나는 문제를 분석한 것과 달리, 탭을 열고 닫거나 링크를 다른 창으로 옮기는 등 사용자가 브라우저를 실제로 사용하는 과정의 보안 취약점을 파고들었다는 점에서 좋은 평가를 받은 것 같다”고 설명했다. 연구 결과는 지난 12일부터 14일까지 미국 볼티모어에서 열린 제35회 유즈닉스 시큐리티 심포지엄에서 발표됐다. 위성일 교수는 “보안 연구의 가치는 논문에 머무르지 않고 현실의 문제를 해결하는 데 있다고 생각한다”며 “앞으로도 웹 브라우저와 인공지능에서 발생할 수 있는 보안·안전성 문제를 실질적으로 해결하는 연구를 이어가겠다”고 말했다. 이번 연구는 컴퓨터공학과 김미정 교수, 김동규 석박사통합과정생과 함께했으며, 과학기술정보통신부 재원으로 한국연구재단(NRF)의 중견연구사업과 우수신진연구사업, 정보통신기획평가원(IITP)의 지역지능화혁신인재양성사업, 취약점대응사업의 지원을 받아 수행됐다. (끝)

UNIST와 서울아산병원이 의료 AI 공동연구 과제를 발굴하기 위해 연구자들을 한자리에 모았다. 병원 임상데이터를 인공지능으로 분석해 진단·예측·치료 전략에 활용하는 연구 분야가 논의됐다. UNIST 의과학대학원·인공지능대학원과 서울아산병원 AI혁신지원실은 16일(화) UNIST 해동홀에서 ‘UNIST-서울아산병원 의료 AI 공동세미나’를 열었다. 지난 3월 체결한 의료 AI 연구 활성화 업무협약의 후속 행사다. 이날 세미나에는 UNIST 의과학대학원, 인공지능대학원, 바이오메디컬공학과, 컴퓨터공학과 연구자와 서울아산병원 교수진·연구진 등 40여 명이 참석했다. 이들은 디지털 헬스케어와 의료 AI 분야 최신 성과를 공유하고, 임상 현장에서 나온 데이터를 실제 진료에 활용하는 방안을 살폈다. 행사는 양 기관의 연구 플랫폼 소개로 시작됐다. 이어 의료 AI, 디지털 병리, 임상데이터 활용, 수술실·중환자실 데이터 분석, 디지털 트윈 기반 예측 모델링 등 의료 현장과 밀접한 주제의 발표가 진행됐다. 발표와 토론은 병원 데이터와 AI 기술을 어떻게 실제 환자 치료로 연결할 것인가에 맞춰졌다. 참석자들은 질병 진단 보조, 예후 예측, 중환자 상태 분석, 맞춤형 치료 전략 수립 등 임상 수요가 큰 연구 주제를 중심으로 의견을 나눴다. 패널 토론에서는 연구과제 설계, 데이터 접근 환경, 인프라 공동 활용 방식이 주요 안건으로 올랐다. 연구자들은 의료 AI가 성과를 내려면 기술 개발에 앞서 임상 현장의 문제를 정확히 정의하고, 병원 데이터와 대학의 알고리즘 개발 역량을 긴밀히 연결해야 한다는 데 공감했다. UNIST와 서울아산병원은 업무협약 이후 연구자 교류를 이어가며 데이터 활용 인프라와 연구시설 공동 활용 체계를 마련하고, 신규 과제를 기획해왔다. UNIST는 AI 슈퍼컴퓨팅 인프라와 데이터 과학 역량을 바탕으로 고난도 의료데이터 분석 환경을 고도화하고 있다. 서울아산병원은 임상데이터를 안전하고 효율적으로 다루기 위한 통합 데이터플랫폼(Integrated Data Platform, IDP)을 준비 중이다. 두 기관은 서로의 연구 인프라를 우선 활용할 수 있는 체계를 마련하고, 임상데이터와 AI 기술을 결합한 의료 솔루션 개발을 이어갈 계획이다. 디지털 병리, 수술실·중환자실 데이터 분석, 디지털 트윈 기반 예측 모델 등을 주요 연구과제로 삼아 환자 맞춤형 의료 서비스로 확장해 나간다. 백승재 UNIST 의과학대학원장은 “이번 세미나는 UNIST의 AI 연구 역량과 서울아산병원의 임상 인프라를 공유하고, 실질적인 연구 주제를 구체화한 자리”라며 “의료 현장의 복잡한 문제를 데이터와 인공지능으로 풀어내 세계 수준의 의료 AI 성과를 창출하도록 협력을 확대해 나가겠다”고 말했다. 양동현 서울아산병원 AI혁신지원실장은 “서울아산병원의 풍부한 임상 데이터와 UNIST의 첨단 AI 기술 역량으로 의료 현장의 문제를 해결할 수 있는 의료 AI 솔루션을 개발하고, 환자들에게 더 정확하고 안전한 맞춤형 의료 서비스를 제공할 수 있도록 노력하겠다”고 밝혔다.

복잡하게 얽힌 네트워크에서 사용자가 관심을 갖는 사람이나 대상을 중심으로 진짜 의미 있는 집단만을 효율적으로 찾아내는 알고리즘이 개발됐다. 소규모 열성 고객군에 집중하는 마케팅, 사기 의심 계좌와 엮인 관련 계정 집단 추적, 생물학 단백질 관계망 분석을 통한 신약 개발 단서 발굴 등에 도움이 될 것으로 기대된다. UNIST 컴퓨터공학과 김정훈 교수팀은 사용자가 지정한 대상을 반드시 포함하면서도, 정해진 크기 안에서 의미 있는 집단만 찾아내는 새로운 커뮤니티 탐색 기법을 개발했다고 28일 밝혔다. 커뮤니티 탐색은 방대한 네트워크 데이터 안에서 내부 연결이 강한 집단을 찾아내는 데이터 분석 기술이다. 기존 기술들은 네트워크 데이터가 크거나 개인 정보보호 문제로 일부 관계만 볼 수 있는 상황에서는 쓰기 어렵고, 관계가 밀접하지 않음에도 집단에 포함되는 문제가 있었다. 연구팀의 기술은 전체 네트워크 정보를 모두 확보하지 않아도, 사용자가 정한 크기 안에서 내부 연결이 촘촘하고 바깥과는 비교적 잘 구분되는 집단을 골라낼 수 있다. 사용자가 지정한 노드에서 출발해 주변 후보를 차례로 확인하며 집단을 넓혀가는 방식이기 때문이다. 이때 후보를 넣었을 때 전체 결과가 좋아지는지를 계산하고, 집단이 불필요하게 커질수록 점수가 쉽게 올라가지 않도록 크기 조건을 반영하게 된다. 하나씩 고르는 과정에서 놓칠 수 있는 관계는 주변의 연결된 작은 묶음을 함께 살펴보는 방식으로 보완했다. 혼자 놓고 보면 눈에 띄지 않지만, 함께 묶였을 때 집단의 성격을 더 분명하게 하는 후보들을 반영하기 위해서다. 실제 네트워크 데이터를 이용한 실험에서도 기존 최고 성능 기법보다 F1 점수는 최대 1.39배, ARI 점수는 최대 5.95배 높게 나타났다. 이는 찾고자 한 집단을 더 정확하게 골라내면서도, 관계가 약한 대상을 덜 포함했다는 의미다. 김정훈 교수는 “현실의 네트워크 분석에서는 전체 데이터를 한 번에 확보하기 어렵고, 실제로 필요한 집단의 규모도 대개 정해져 있다”며 “이번 연구는 사용자가 관심 있는 대상 주변에서 의미 있는 관계만 빠르게 찾아내는 데 초점을 맞춘 기술로, 고객군 분석, 이상거래 탐지, 생물학 단백질 관계망 분석 등 다양한 분야에 적용될 수 있을 것”이라고 말했다. 이번 연구에는 UNIST 김다희 연구원이 제1저자로 참여했으며, 한국연구재단의 지원을 받아 수행됐다. 연구 결과는 오는 5월 31일부터 6월 5일까지 인도 벵갈루루에서 개최되는 2026 SIGMOD에 채택돼 발표될 예정이다. SIGMOD(ACM Special Interest Group on Management of Data)는 데이터베이스 분야 최고 권위 학회 중 하나다. (끝).

UNIST가 조선업의 AI 전환(AX, AI Transformation)을 이끌 초거대 산업 AI 개발 연구에 본격 착수한다. 이번 연구는 인공지능대학원, 산업공학과, 컴퓨터공학과, 기계공학과, 경영과학부 등 다양한 학과 교수진이 참여하는 대규모 융합 연구로 추진된다. 과학기술정보통신부 ‘초거대산업 AI연구지원사업’에 조선 분야로 도전하여 최종 선정된 이번 연구는 총 403억원(국비 285억원, 시비 25억원, 기업부담금 93억원) 규모로 추진되며, 조선소에서 생성되는 데이터를 기반으로 산업 특화 초거대 AI를 개발하고 실제 현장에 적용하는 것을 목표로 한다. 이번 프로젝트는 총 6개 세부과제로 구성되며, 각 분야별 UNIST 교수진이 참여해 조선 산업 전반의 AI 혁신을 이끌 계획이다. 먼저 ‘산업 도메인 특화 멀티모달 초거대 AI 모델 개발’ 과제에는 반도체 소재·부품 대학원의 김성엽 교수를 비롯해 인공지능대학원 나승훈, 장영수, 백승렬, 김태환 교수와 기계공학과 정하영 교수가 참여해 조선업 특화 멀티모달 AI 파운데이션 모델 개발을 담당한다. 이 파운데이션 모델은 조선소에서 생성되는 다양한 데이터를 통합 학습하는 핵심 엔진으로, 이후 데이터셋 구축, 플랫폼 개발, 공정 최적화 및 현장 실증 등 전 세부과제의 기반 기술로 활용된다. ‘지능형 AI 처리·학습 플랫폼 기술 개발’ 과제에는 인공지능대학원 윤성환, 심재영, 이연창 교수와 산업공학과 박새롬 교수, 컴퓨터공학과 위성일 교수가 참여해 대규모 산업 데이터를 효율적으로 처리·학습할 수 있는 산업 데이터 학습 플랫폼 구축에 나선다. 또한 ‘산업 도메인 특화 데이터셋·합성 기술 개발’ 과제에는 인공지능대학원 양승준, 김지수, 이연창 교수가 참여해 효율적이고 범용적인 AI 모델 학습을 위한 실제 데이터의 한계를 보완하고 다양한 상황을 포괄할 수 있는 합성데이터 생성 연구를 진행한다. ‘제조·예지보전 및 공정 최적화 기술 개발’ 과제에는 산업공학과 김영대, 김성일, 나형호, 임동영, 임치현 교수와 컴퓨터공학과 김정훈 교수, 인공지능대학원 최진영 교수, 기계공학과 하준형 교수가 참여해 조선업 특화 파운데이션 모델을 기반으로 설계-중일정 계획 공정을 연계한 자동화·최적화 기술을 개발한다. 또한 협동로봇의 예지보전과 지능화된 운용체계 구축도 함께 추진할 계획이다. 이와 함께 ‘산업 도메인 특화 온디바이스 AI 기술 개발’ 과제는 컴퓨터공학과 공태식 교수, 이종은, 황랑기 교수가 맡아 조선 도메인 특화 적응·경량·최적화된 온디바이스 AI 기술을 개발하며, ‘산업 도메인 특화 멀티모달 초거대 AI 서비스 실증’ 분야에는 경영과학부 서병기 교수와 기계공학과 김남훈 교수가 참여해 개발된 기술의 산업 현장 적용과 확산을 담당한다. 이번 연구는 학과 간 경계를 넘는 융합 연구 체계를 기반으로 추진된다는 점에서 의미가 크다. 인공지능 기술 개발뿐 아니라 산업공학 기반의 최적화, 컴퓨터공학 기반 시스템 구현, 기계공학 기반 현장 적용, 경영과학 기반 실증 및 확산까지 전주기를 아우르는 연구 구조가 특징이다. 또 HD현대중공업, HD한국조선해양, 크라우드웍스와의 협력을 통해 산업 현장의 실제 데이터를 기반으로 연구가 진행되며, 개발된 기술은 현장에 적용·검증되는 실증 중심 연구로 추진된다. 대규모 언어모델(LLM) 전문가로서 이번 세부 과제 간 조율을 맡은 나승훈 교수는 “이번 사업은 산업 특화 AI 파운데이션 모델과 응용기술을 개발하는 데 의미가 있다”며 “앞으로 생산계획, 공정, 품질 관리 등 피지컬 AI를 포함한 조선 산업 전반의 AI 전환을 이끄는 중요한 기반이 될 것”이라고 밝혔다. 이어 “이를 통해 제조 산업 AI 분야에서 UNIST의 연구 수월성을 입증해 나가겠다”고 덧붙였다. 한편, UNIST 연구처는 이번 사업을 연구몰입환경 구축을 위한 '연구행정 Pre-Award 시범사업'으로 선정하여 과제 기획, 예산 편성, 자료 작성 및 취합 등 연구자가 대형과제를 수주하는 데 필요한 행정 지원을 수행하였다. 앞으로도 연구 수월성 제고를 위한 UNIST만의 R&D매니지먼트 모델을 정립하고 연구행정 선진화를 선도해 나갈 계획이다.

UNIST 학부생 4명으로 이뤄진 ‘울세이너(ULSANER)’ 팀이 국제 의료 인공지능 경진대회 ‘AI in Healthcare Hackathon 2026’에서 최종 3위를 차지했다. 울세이너는 지난달 27~28일 우즈베키스탄에서 열린 결선에서 1차 모델 성능 평가 1위를 기록한 뒤, 최종 발표 심사까지 통과해 시상대에 올랐다. 팀은 산업공학과 이정재·김민성, 컴퓨터공학과 전민국, 바이오메디컬공학과 조혜리 학생으로 구성됐다. 대회는 우즈베키스탄 Central Asian University(CAU)가 주관한 ‘CAU Tech Hackathon 2026’ 의료 AI 부문으로, 17개국에서 1200여 명, 300여 팀이 참가했다. 팀 리더 이정재 학생은 “산업공학과에서 쌓은 지식과 프로젝트 경험이 이번 해커톤의 밑바탕이 됐다”며 “전공이 다른 팀원들과 역할을 나눠 끝까지 완성도를 끌어올린 과정이 뜻깊었다”고 말했다. 예선은 국내에서 지원서와 소개 영상 심사로 진행됐고, 이를 통과한 58개 팀이 현지 결선에 진출했다. 파이널 라운드는 두 단계로 치러졌다. 1차에서는 모델 성능으로 상위 10개 팀을 추렸고, 2차에서는 발표와 질의응답, UI 구현 능력까지 합산해 최종 순위를 가렸다. 점수만 높다고 통하는 무대가 아니라, 결과를 어떻게 설명하고 실제 활용 장면까지 얼마나 설득력 있게 구현하느냐가 최종 순위를 갈랐다. 참가팀에 주어진 과제는 실제 의료 바이옵시 이미지 데이터를 바탕으로 피부 병변을 읽어내는 일이었다. 질환명이 공개되지 않은 12종의 병변 이미지를 분류하고, 병변 부위를 정확히 짚어내는 분할 과제를 함께 풀어야 했다. 울세이너는 피부 병변 이미지를 분석해 질환을 가려내고 병변 영역을 찾아내는 AI 모델을 구축했다. 이 과정에서 오토리서치(Autoresearch) 프레임워크를 활용해 모델 구조와 하이퍼파라미터 조합을 반복적으로 시험했다. 여러 후보 모델을 동일한 조건에서 비교한 뒤 성능 변곡점을 기준으로 우수 모델군을 추렸고, 마지막에는 예측 확률을 평균내는 앙상블 기법을 적용해 새로운 데이터에서도 안정적인 성능을 확보했다. 교차검증으로 결과의 신뢰도를 끌어올린 점도 눈에 띄었다. 특히 초점 손실(Focal Loss)을 적용한 클래스 불균형 보정과 다양한 데이터 증강 기법을 더해 성능을 한층 높였다. 그 결과 상위 2개 모델을 결합한 앙상블은 분할 성능 지표인 IoU를 0.8474에서 0.8528로 키웠다. 결선 1차 1위는 여러 조건에서 성능을 검증하고 다듬은 끝에 얻은 결과였다. 최종 심사에서는 모델 점수만으로 판가름 나지 않았다. 울세이너는 ‘스킨스캐너(SkinScanner)’ 웹사이트를 구현해 이미지 업로드부터 질환 분류 결과, 병변 분할 시각화까지 한눈에 확인할 수 있도록 했다. 여기에 피부 병변 진단 기준인 ‘ABCD rule’도 반영했다. 비대칭성(Asymmetry), 경계(Border), 색상(Color), 직경(Diameter) 정보를 함께 제시해 사용자가 결과를 직관적으로 읽을 수 있게 했다. 높은 정확도를 실제 사용 경험으로 풀어낸 점이 발표 심사에서도 강점으로 작용한 것이다. 김민성 학생은 “병변 분류와 분할은 결국 복잡한 데이터 속에서 비정상 신호를 포착하는 일”이라며 “의료를 넘어 제조와 금융 현장에서도 신뢰할 수 있는 이상 탐지 모델을 연구하고 싶다”고 소감을 전했다. 전민국 학생은 “오토리서치 기반 접근으로 모델 개발 과정을 자동화하고 효율화하는 경험을 할 수 있었다”며 “이번 경험을 바탕으로 앞으로는 에이전트 기반 연구를 더 발전시키고 싶다”고 덧붙였다. 조혜리 학생은 “AI의 경쟁력은 단순한 정확도에만 있지 않고, 결과에 대한 신뢰를 어떻게 쌓느냐에 달려 있다는 점을 이번 대회를 통해 실감했다”고 밝혔다.

UNIST에서 장기 기초연구 지원사업인 ‘한우물파기 기초연구’ 선정자 2명이 나왔다. 과학기술정보통신부와 한국연구재단이 주관하는 ‘2026년 한우물파기 기초연구’ 과제에 컴퓨터공학과 김정훈 교수와 신소재공학과 이현정 교수가 나란히 선정됐다. 올해 전국에서 30여 명만 이름을 올린 이 사업을 통해 두 교수는 앞으로 10년간 약 20억 원씩 장기적인 연구 지원을 받게 된다. 한우물파기 연구는 박사학위 취득 후 15년 이내의 우수 연구자가 한 분야를 오랫동안 파고들며 도전적인 질문에 답할 수 있도록 설계된 대표적 장기 사업이다. 단기 성과에 매이지 않고, 시간이 걸리더라도 근본적인 과학 문제를 꾸준히 추적할 수 있도록 뒷받침한다는 점에서 의미가 크다. 김정훈 교수는 ‘양자 친화적 그래프 구조화 및 하이브리드 분석 프레임워크’ 연구에 착수한다. 목표는 그래프 마이닝과 양자컴퓨팅을 잇는 원천 기술 확보에 있다. 대규모 그래프 데이터는 구조가 복잡해질수록 기존 계산 방식만으로는 처리와 분석에 한계가 뚜렷했다. 김 교수는 이런 병목을 넘기 위해 그래프를 양자컴퓨팅에 맞는 단위로 재구성하고, 이를 토대로 양자-고전 하이브리드 분석 체계를 구축할 계획이다. 핵심은 그래프를 단순히 줄이거나 쪼개는 데 있지 않다. 그래프 구조 자체를 계산 단위로 삼아 분석의 틀을 다시 짜겠다는 데 있다. 구조를 축소하거나 분할하는 기존 접근에서 벗어나, 구조 그 자체를 연산 자원으로 활용하는 새 분석 패러다임을 열겠다는 뜻이다. 김 교수는 구조 기반 그래프 분석과 융합 분야에서의 경쟁력을 인정받아 이번 과제에 선정됐다. 김정훈 교수는 싱가포르 난양공과대학교에서 박사학위를 취득한 뒤, 2022년 UNIST 컴퓨터공학과에 합류했다. 이후 대규모 그래프 데이터 분석과 구조 기반 네트워크 마이닝 분야에서 연구를 이어왔으며, 복잡한 그래프 구조를 효율적으로 분석하기 위한 모델과 알고리즘 개발에 집중해 왔다. 김 교수는 “이번 연구는 기존 데이터 마이닝 방법론을 넘어, 그래프 구조 자체를 재구성하고 이를 양자컴퓨팅과 결합하는 새로운 분석 패러다임을 제시하는 데 의미가 있다”며 “장기적인 관점에서 구조 기반 그래프 분석의 한계를 확장하고, 차세대 분석 기술의 기반을 구축하고자 한다”고 전했다. 이현정 교수는 동역학에 기반해 리튬 이온 이동을 촉진하는 새로운 개념의 고체전해질 소재 연구를 시작한다. 기존 고체전해질 연구는 결정 구조 설계와 결함 제어, 조성 조절 등을 통해 이온전도도를 높이는 방식이 중심이었다. 그러나 이런 접근만으로는 이온 이동의 근본 메커니즘을 바꾸기 어려워, 전도도 향상 폭을 일정 수준 이상 끌어올리는 데 한계가 있다는 지적이 꾸준히 제기돼 왔다. 이 교수가 주목한 것은 클러스터 음이온의 회전 운동 같은 동역학적 특성이다. 이런 움직임이 리튬 이온의 이동 장벽을 낮출 수 있다는 점에 착안해, 연구팀은 해당 현상의 작동 원리를 규명하고 이를 새로운 고체전해질 설계 전략으로 확장할 방침이다. 이번 연구는 고체전해질에서의 이온전도 메커니즘에 대한 근본적 이해를 넓히는 동시에, 차세대 소재 설계의 새로운 가능성을 제시할 것으로 전망된다. 이현정 교수는 영국 옥스퍼드대에서 박사후연구원을 지낸 뒤 2023년 UNIST 신소재공학과에 임용됐다. 이후 2024년부터 우수신진연구 과제를 수행하며 이차전지 소재와 고도 분석 분야 연구를 이어왔다. 이번 선정은 그동안 축적한 연구 성과와 학문적 잠재력을 공식적으로 인정받은 결과로 평가된다. 이 교수는 “이번 연구를 통해 새로운 이온전도 메커니즘에 기반한 초이온전도체를 개발하고, 차세대 고체전해질 소재 설계의 방향을 보여주고자 한다”며 “UNIST의 우수한 연구 환경을 바탕으로 장기 기초연구를 수행해 의미 있는 과학적 발견을 이끌어내고 싶다”고 말했다.

“입학한 지 12년 만에 졸업합니다.” 14학번 정인중 졸업생(딜라이트룸 기술이사)은 2026년 학위수여식 졸업생 대표 연단에 올라 이렇게 운을 뗐다. 그는 “분명 울산과학기술대학교에 들어왔는데, 여러 관계자들의 도움으로 울산과학기술원을 졸업하게 됐다”며 “학교가 성장하는 동안 나에게도 많은 일이 있었다”고 했다. 창업한 회사 두 곳 중 하나는 매각했고, 다른 하나는 누적 800억 원이 넘는 투자를 받으며 성장 중이라고 밝혔다. 자퇴 후 복학, 결혼까지 겪은 뒤 “지금은 내가 사랑하는 UNIST에서 졸업 연설을 하고 있다”고 말했다. 그는 스스로를 정답 없는 세계로 떠민 한 문장을 꺼냈다. “서른 살에 1000억 원을 벌고 싶다”는 말이 창업 동기가 됐고, 그 말 덕분에 남들보다 먼저 불확실성 속으로 뛰어들었다는 것이다. 2015년 9월 경영관에서 선배들과 과외 중개 서비스 ‘페달링’을 만들며 첫 창업을 시작했다. UNIST 학생팀으로는 처음 미국 벤처캐피털(VC) 투자를 유치했지만 1년 만에 벽을 만났다. 이후 합류한 글쓰기 앱 ‘씀’은 앱스토어와 구글플레이에서 동시에 ‘올해의 앱’으로 뽑히며 사용자 100만 명을 빠르게 모았다. “그때는 정말 뭐든지 할 수 있을 것 같았다”고 했다. 그러나 그는 “돈을 버는 방법을 몰랐다”고 털어놨다. 사람들이 왜 좋아하는지, 어디에서 수익이 발생하는지 깊이 고민하지 못한 채 답을 찾는 데만 급급했고, 정작 풀어야 할 문제가 무엇인지 놓쳤다는 고백이다. 결국 투자금이 바닥나 월세보다 적은 월급을 받는 상황까지 몰렸고, 회사를 매각했다. 몇 년 뒤 그는 첫 창업기업이 피벗한 ‘클래스101’에 다시 합류했다. 비대면 서비스 확산 흐름을 타며 회사는 가파르게 성장했다. 누적 500억 원 이상의 투자를 유치했고 연 매출은 1000억 원에 육박했다. 하지만 “이번에도 왜 잘되는지 이해하지 못한 채 다음 성장만 쫓았다”고 말했다. 이어 세 차례 구조조정으로 300명이 넘던 조직이 40명 규모로 줄었다고 했다. 밤을 새우던 동료들에게 퇴사를 통보해야 했고, 급여가 부족해 공동창업자들이 개인 신용대출로 회사를 버틴 적도 있었다고 덧붙였다. 정인중 졸업생이 마지막에 남긴 결론은 분명했다. “창업이든 연구든 커리어든, 우리를 앞으로 나아가게 하는 건 답을 빨리 찾는 능력이 아니라 문제를 제대로 정의하는 능력”이라는 것이다. 그는 “자주 틀리고 실패하다 보니 어느새 서른이 넘었다”며 “1000억 원을 벌지는 못했지만, 무엇이 진짜 문제인지 묻는 법은 배웠다”고 했다. 후배들에게는 ‘답부터 찾지 말라’고 당부했다. 졸업 후 마주칠 난제 앞에서 준비가 덜 됐다고 느끼는 건 정상이라며, “내가 풀고 있는 문제가 정말 맞는지 한 번 더 생각해보라”고 했다. 그러면서 “여러분은 이미 'Pioneers'로서의 첫걸음을 여기서 시작했다”며 연설을 맺었다.

전국 대학 학부생이 참여한 AI·데이터사이언스 경진대회에서 UNIST 학부생 단일팀이 대상을 차지했다. UNIST 학부생들로 구성된 단일팀 ‘RPM’은 지난 5일 열린 ‘제5회 AI & 데이터사이언스 경진대회’에서 최고상인 대상(한국타이어상)을 받았다. 인공지능과 데이터 분석 역량을 겨루는 이 대회는 전국 대학 학부생들이 참여하는 경진대회다. 이번 대회는 UNIST, KAIST, POSTECH이 공동으로 개최하고, 한국타이어앤테크놀로지가 후원했다. 전국에서 83개 팀, 238명이 참가해 문제 해결 과정의 논리성과 산업 현장 적용 가능성을 중심으로 경쟁을 벌였다. RPM 팀은 산업공학과 김선욱 학생이 대표를 맡았고, 안성호·전민국·김민준 학생이 함께했다. 대회 출범 이후 대상은 줄곧 KAIST 팀이 가져갔지만, 이번에는 UNIST가 전국 대학들과의 경쟁에서 최고 성적을 거두며 새로운 기록을 썼다. 이들은 트랜스포머와 적층형 순환신경망(LSTM) 기반의 딥러닝 모델을 활용해 타이어 불량률을 예측하고 생산 의사결정까지 연결했다. 이 과정에서 모델 설계와 선택을 자동화하는 기법(AutoML)과 판단과 선택을 반복하며 성능을 개선하는 학습 구조(ML Agent)를 단계적으로 적용했다. 또 생산 범위에 따른 손실 위험을 의사결정에 체계적으로 반영해 산업 현장 적용 가능성을 높였다. 이러한 문제 해결 과정과 접근법을 발표에 충실히 담아내며 심사위원들로부터 높은 평가를 받았다. 'RPM' 팀의 김민준(새내기학부), 김선욱(산업공학과), 안성호·전민국(컴퓨터공학과) 학생 김선욱·전민국 학생은 “산업공학과에서 다양한 프로젝트를 수행하며 익힌 사고 방식이 대회 전반에서 문제를 효율적으로 접근하는 데 큰 도움이 됐다”며 “학부 연구생으로 활동하며 배운 산업공학 지식을 실제 문제 해결에 적용해볼 수 있어 뜻깊은 경험이었다”고 말했다. 이어 “항상 학생들의 성장을 위해 힘써주신 지도교수님들께 감사드린다”고 덧붙였다. 안성호·김민준 학생도 “평소 데이터가 제한적인 의료 분야에서 인공지능을 적용해본 경험이 이번 대회 전반에 큰 도움이 됐다”며 “이번 대회를 통해 다양한 분야에 도전하는 학부생들이 함께 협업할 수 있는 소중한 기회였다”고 밝혔다. 또 “새내기로 도전한 첫 대회에서 큰 성과를 거둘 수 있어 기쁘다”며 “대회에 집중할 수 있도록 도와준 선배들과, 좋은 교육 환경을 만들기 위해 끊임없이 노력해온 학교와 학과 행정실에 깊이 감사드린다”고 말했다. 학생들의 성과 뒤에는 산업공학과 임치현·이용재 교수의 지도가 있었다. 임 교수는 “전국 규모의 경쟁에서 학부생 단일팀이 대상을 받은 점은 교육 현장에서 의미가 크다”며 “학생들이 스스로 문제를 정의하고 해법을 만들어간 과정이 무엇보다 값지다”고 격려했다. 이 교수도 “학부 단계부터 인공지능과 데이터를 산업 문제 해결과 연결해온 교육 성과가 전국 무대에서 드러났다”며 “앞으로도 학생들이 더 큰 도전에 나설 수 있도록 돕겠다”고 전했다.

과학기술정보통신부가 2026 AI Co-Scientist Challenge Korea 참가팀을 모집한다. 과학기술 연구에 AI를 효율적으로 활용할 수 있는 방법을 모색하고 더 나아가 연구동료로서 AI의 가능성과 한계를 탐색하기 위한 시도다. 이번 대회는 국내‧외 기업, 연구자, 학생 누구나 참여할 수 있으며, 상용 AI를 활용한 연구결과를 겨루는 Track 1, 직접 연구 도우미 AI 에이전트를 개발하는 Track2로 나눠 진행된다. Track1 참가자들은 상용 LLM이나 AI 에이전트를 활용해 바이오, 반도체 등 7대 분야의 지정주제 또는 자유 주제로 연구를 진행하고, 논문 형태의 연구보고서를 제출하면 된다. 이 때 AI 활용보고서(URL, 로그, 체크리스트 등 포함)와 활용 데이터 목록도 함께 제출해야 한다. Track1 부분은 총 6점의 수상작을 선발할 계획이며, 대상인 과학기술정보통신부장관상 수상자에는 500만원의 상금이 주어진다. Track2 부분의 사전 심사를 통과한 10개 팀에게 AI 모델 개발에 필요한 GPU, API 이용 비용 등을 제공한다. 총 10점의 수상작을 선발할 계획이다. Track2 대상팀은 500만원의 상금 뿐만 아니라 향후 연간 5억 원 규모의 ‘딥사이언스 창업 활성화 지원’(최대 3+2년, 기업) 또는 ‘공공연구성과 실증 시범사업’(2년, 연구자) 등 대형 후속 사업화 과제와 연계되는 특전이 주어진다. Track1은 이달 10일부터 내년 1월 31일까지, Track2의 사전 제안서는 내년 1월 2일까지 대회 공식 누리집(https://aifactory.space/page/ask2026)을 통해 온라인으로 접수하면 된다. 문의는 대회공식 누리집을 통해서 가능한다.

UNIST 대학원생의 연구가 웹 브라우저 보안을 한층 끌어올리고, 그 성과를 다시 학과에 돌려줬다. 포상금 일부를 환원하면서 그 성취가 교육·연구로 환류되게 한 것이다. 컴퓨터공학과 석사과정 1년차 정민기 학생(지도교수 위성일, 사진 오른쪽)이 다양한 웹 브라우저에서 보안정책을 자동으로 점검·탐지하는 도구를 개발해 지난달 글로벌 SW 기업들로부터 1만6,700달러(약 2천4만 원) 포상금을 받았다. 정민기 학생은 포상금 중 1천만 원을 소속 학과에 기부했다. 정민기 학생이 개발한 자동 취약점 탐지 기법은 크롬(Chrome), 파이어폭스(FireFox), 엣지(Edge), 네이버 웨일(Naver Whale), 오페라(Opera) 등 주요 브라우저를 대상으로 작동해 총 28개의 취약점을 찾아냈다. 이러한 취약성은 Same Origin Policy(동일 출처 정책), SameSite Cookie, Content Security Policy, Iframe sandbox 등 핵심 웹 보안 정책을 우회할 수 있는 문제로 분류된다. 결함이 악용될 경우 사용자의 계정 정보 탈취, 키보드 입력값 유출, 방문 기록 조작, 웹사이트 변조 등 심각한 피해가 발생할 수 있다. 정민기 학생은 발견 즉시 브라우저 업체들에 보고했고, 보고된 28건 중 20건은 이미 수정·패치된 상태다. 마이크로소프트, 네이버, 브레이브(Brave Software) 등 관련 기업들은 연구의 가치를 인정해 총 포상금을 지급했다. 현재 이 연구는 정보보안 분야의 국제적 수준 학술대회에 논문 제출을 앞두고 있다. 그는 “연구 과정에서 도움을 주신 교수님들과 동료들 덕분에 좋은 결과를 얻을 수 있다”고 했다. 이어 “연구 성과가 개인의 성취로만 머물지 않길 바랐다”며 포상금 중 일부를 학과로 기부한 배경을 설명했다. 기부금은 컴퓨터공학과 교육·연구 인프라 확충과 행사 지원에 쓰일 예정이며, 학과는 이를 기념해 ‘기부자의 벽’을 조성할 계획이다. 학과 관계자는 “대학원생의 기부는 대학 발전을 위한 나눔의 가치를 실천한 귀감”이라고 밝혔다. 위성일 교수는 “학생이 스스로 받은 포상금을 학과를 위해 내놓았다”며 “세상을 바꾸는 연구, 사회에 보탬이 되는 연구가 UNIST 안에서 계속 이어지길 바란다”고 말했다.