강석주 교수 연구팀, 인공지능 모델 경량화 기술로 세계 최우수 인공지능 학회 ‘NeurIPS 2026’ 논문 2편 채택   ▲ (왼쪽 상단부터) 강석주 교수, 양진철 석박통합과정, 최재민 석사과정, 임나현 석사과정, 정윤성 석사과정, Matti Zinke 석사과정, 유현우 석박통합과정  전자공학과 강석주 교수 연구팀의 Vision Transformer와 Monocular Depth Estimation 모델 경량화를 주제로 한 논문 2편이 세계 최우수 인공지능 학회인 ‘Neural Information Processing Systems, NeurIPS 2026’에 채택되었다. 1987년부터 시작된 NeurIPS는 인공지능 및 머신러닝 분야의 발전을 선도해온 세계 최고 권위의 국제 학술대회로, 오는 12월 6일부터 12월 13일까지 호주 시드니, 미국 애틀랜타와 프랑스 파리에서 개최될 예정이다. 이번 연구에는 강석주 교수 연구팀의 양진철 석박통합과정 (제1저자), 최재민 석사과정 (제1저자), 임나현 석사과정 (공동 1저자), 정윤성 석사과정 (공동 1저자), Matti Zinke 석사과정 (공동 1저자), 유현우 석박통합과정 (공동 1저자)이 참여하였다. 첫 번째 논문 제목은 ‘Post-Training Quantization with Gradient-Projected Fisher Approximation for Vision Transformers’으로, Vision Transformer를 저비트로 양자화하는 과정에서 발생하는 성능 저하를 줄이기 위한 GPFA-Q를 제안하였다. 본 논문에서 제안한 방법은 크게 두 가지이다. 첫 번째 방법인 Gradient-Projected Reconstruction (GPR)은 블록 단위의 양자화 오차를 손실 함수의 기울기 방향으로 투영하여 차원 간 상호작용을 반영한다. 이 과정에서 곡률 행렬을 직접 구성하거나 역행렬을 계산하지 않는다. 두 번째 방법은 연속적인 최적화 과정과 실제 추론에 사용되는 이산 양자화 값 사이의 차이를 줄이는 Soft Grid Rounding (SGR)이다. 두 방법을 결합한 GPFA-Q는 선행 연구에서 충분히 반영하지 못했던 차원 간 상호작용과 행렬 역산의 수치적 불안정성, 최적화와 추론 간 불일치를 줄여 저비트 양자화 성능을 개선한다. 이를 통해 모델을 메모리와 연산 자원이 제한된 엣지 기기에서도 고성능 비전 AI 모델을 효율적으로 구동할 수 있다. 본 연구는 추가 학습 없이 대형 AI 모델을 작고 가볍게 만드는 경량화 기술로서, 향후 온디바이스 AI 확산에 기여할 것으로 기대된다. 이번 연구에 참여한 양진철 학생은 “연구 성과를 인정받게 되어 기쁘고 함께 연구해 주신 교수님과 연구실 동료들에게 감사드립니다. 앞으로도 AI 모델이 다양한 환경에서 효율적으로 동작할 수 있도록 경량화 연구에 더욱 매진하겠습니다.”라고 소감을 전했다.  ‣제안하는 GPFA-Q 프레임워크 두 번째 논문 제목은 ‘SPA-Q: Structure-Preserving Adaptive Post-Training Quantization for Monocular Depth Estimation’이며, Monocular Depth Estimation 모델 특화 quantization 프레임워크를 제안하였다. 연구팀은 기존 양자화 방법이 Query와 Key를 각각 양자화하는 과정에서 두 정보의 상호작용으로 만들어지는 attention 분포를 보존하지 못하고, 양자화 오차가 여러 층에 누적되면서 중간 특징의 분포가 달라지는 문제를 지적하였다. 본 논문에서는 Query와 Key의 상호작용에 따른 attention 분포가 원본 모델의 분포와 가까워지도록 KL divergence를 최소화해 양자화 파라미터를 정하는 Attention-Preserving Calibration (APC)을 제안하였다. 또한 학습 가능한 채널별 변환을 적용하여 양자화된 중간 특징의 분포를 원본 모델에 맞추는 Channel-Wise Distribution Alignment (CWDA)를 제안하였다. 본 연구의 의미는 기존의 범용 양자화 방식에서 한 단계 나아가, 깊이 추정 모델의 attention 구조와 특징 분포를 함께 고려하는 양자화 프레임워크를 제시했다는 데 있다. 이를 통해 모델 경량화에서도 단순한 수치 오차 최소화뿐 아니라, 해당 모델의 예측에 중요한 내부 정보가 어떻게 유지되는지를 고려할 필요성을 보여주었다. 제안한 SPA-Q는 단안 깊이 추정의 정확도를 높이면서 모델 크기와 연산량을 줄여, 메모리나 연산 자원이 제한된 환경에서 자율주행·로보틱스 등 주변 환경의 거리와 구조 파악이 중요한 분야에 깊이 추정 모델을 효율적으로 적용하는 데 기여할 것으로 기대된다. 이번 연구에 참여한 최재민 학생은 “연구 방향을 함께 고민하며 도움을 준 연구실 동료과 늘 믿어주시고 지지해주신 교수님 덕분에 좋은 결과를 얻을 수 있었습니다. 이번 성과에 안주하지 않고, 더 크고 복잡한 AI 모델로 연구를 확장해 나가겠습니다.”라고 소감을 전했다.   ‣제안하는 SPA-Q 프레임워크   ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과 ‣논문정보1. Post-Training Quantization with Gradient-Projected Fisher Approximation for Vision Transformers양진철, 최재민, 임나현, 정윤성, Matti Zinke, 유현우, 현봉준 (삼성전자), 손교민 (삼성전자), 강석주2. SPA-Q: Structure-Preserving Adaptive Post-Training Quantization for Monocular Depth Estimation최재민, 양진철, 임나현, 정윤성, Matti Zinke, 유현우, 강석주 

 물리학과 김현정 교수 공동 연구팀,결정 내부 결함(전위)이 루테늄 촉매를 표면까지 운반하는 새 경로 규명 ▲ (좌측부터) 물리학과 김현정 교수, 최성욱 박사 본교 물리학과 김현정 교수 연구팀(최성욱 박사, 현 삼성전자)이 값비싼 루테늄 촉매 입자가 산화물 표면에 형성되는 비밀을 규명했다. 결정 내부에서 생겨나 표면으로 자라는 결함인 '전위(dislocation)'가 루테늄 금속 원자를 직접 실어 표면까지 운반한다는 사실을 밝혀낸 것이다. 인공지능(AI) 시대가 열리며 전력 수요가 폭증하는 가운데, 친환경 수소·암모니아 생산 및 활용 기술이 안정적 에너지 공급의 해법으로 떠오르고 있다. 연료전지나 수소 생산 같은 친환경 기술에는 백금·루테늄 같은 귀금속 촉매가 필수적이지만, 가격이 매우 비싸고 내구성이 떨어진다는 한계가 있었다. 이를 해결하기 위해 금속 원자를 산화물 결정 속에 미리 심어두었다가 표면으로 스스로 나오게 해 단단히 박히도록 만드는 '엑솔루션(exsolution)' 기술이 대안으로 주목받았다. 특히 루테늄은 암모니아 에너지 시스템의 핵심 촉매다. 하지만 금속 원자가 결정 깊은 곳을 어떻게 통과해 표면까지 이동하는지, 그 근본 메커니즘은 그동안 베일에 싸여 있었다. 연구팀은 루테늄을 첨가한 페로브스카이트 산화물 입자를 모델로 삼아, '결맞은 X선 회절 영상 기법(BCDI)'과 '투과전자현미경(TEM)'을 결합해 이 과정을 관찰했다. BCDI는 위상이 일치하는 X선으로 나노 결정 내부의 미세한 뒤틀림을 3차원 이미지로 시각화하는 기술이고, TEM은 물질의 조성과 결함 구조를 원자 단위로 들여다보는 기술이다. 관찰 결과, 금속이 표면으로 나오기 전에 결정 내부에서 '전위'라는 선형 결함이 먼저 생겨나 표면 쪽으로 자라났으며, 특히 '혼합형 전위'의 끝단에서 표면 입자의 약 75%가 집중 형성됐다. 가장 결정적인 발견은 이 혼합형 전위가 멈춰 있는 결함이 아니라, 표면을 향해 성장하면서 루테늄 원자를 함께 실어 나르는 '운반체' 역할을 한다는 사실이다. 촉매 입자가 표면에 우연히 생기는 것이 아니라, 재료 내부의 결함과 밀접하게 연결되어 만들어짐을 규명한 것이다. 기존에는 금속 원자가 결정 전체를 가로질러 이동해야 해 고온에서 오랜 시간이 필요했으나, 이번 연구는 전위가 성장하며 원자 이동을 대신함으로써 원자들에게 일종의 '지름길'을 제공한다는 점을 규명했다. 김현정 교수는 "어떤 결함을 만드느냐에 따라 촉매 입자의 크기와 분포를 정밀하게 설계할 수 있음을 확인했다"라며 "이번 성과는 암모니아 기반 수소 에너지 밸류체인과 고내구성 촉매 개발에 기여할 것"이라고 밝혔다. 이번 연구는 본교 김현정 교수 연구팀이 KIST(한국과학기술연구원) 지호일·권덕황 박사 연구팀과 공동으로 수행했다. 본교 최성욱 박사와 KIST 임영환 박사가 공동 제1저자로 참여했다. 연구는 과학기술정보통신부와 한국연구재단이 추진하는 리더연구 지원사업의 지원으로 이뤄졌으며, 연구 성과는 국제학술지 '네이처 커뮤니케이션즈(Nature Communications)'에 게재됐다. ▶논문명: Dynamics of dislocation formations and their impacts on exsolution in Ru-doped perovskite oxide (DOI: 10.1038/s41467-026-73457-7) ▲ 논문 설명 그림 

 강석주 교수 연구팀, 대한전자공학회 제36회 인공지능신호처리학술대회 우수상 수상    ▲ (왼쪽부터) 강석주 교수, 이채원 학사과정, 최승규 석사과정, 염수웅 석박통합과정  서강대학교 전자공학과 강석주 교수 연구팀(이채원 학사과정, 최승규 석사과정, 염수웅 석박통합과정, 강석주 교수), 김준수 박사 (한국전자통신연구원), 윤국진 박사 (한국전자통신연구원)로 이루어진 공동 연구팀의 논문이 지난 9월 17일부터 9월 18일까지 개최된 대한전자공학회 제36회 인공지능신호처리학술대회에서 우수상을 수상하였다. 본 학술대회는 인공지능 및 신호처리 분야의 최신 연구 성과를 공유하고 관련 연구자들이 학술적으로 교류하는 국내 주요 학술대회로, 다양한 연구 결과와 기술이 발표되는 학술의 장이다. 이번에 채택된 논문 제목은 ‘문맥 분리 최적화를 통한 3D 가우시안 스플래팅의 피사체 보존형 공간 확장’으로, 연구팀은 서로 다른 시간과 카메라에서 촬영된 보조 영상을 활용하여 주변 공간을 확장하면서도 주요 피사체의 기하 구조와 세부 정보를 보존할 수 있는 3D 가우시안 스플래팅 방법을 제안하였다. 기존 방법에서는 메인 영상과 보조 영상의 색상 및 조명 차이와 함께, 보조 영상에 피사체가 존재하지 않을 경우 해당 피사체의 가우시안이 불필요한 정보로 판단되어 기하 구조가 손실되는 문제가 발생한다. 이를 해결하기 위해 연구팀은 배경과 피사체를 분리하여 최적화하는 “문맥 분리형 다단계 최적화 파이프라인”을 제안하였다. 먼저 메인 영상과 보조 영상으로부터 정적 배경을 학습하여 주변 공간을 확장한 뒤, 메인 영상에 존재하는 주요 피사체를 별도로 최적화하여 피사체의 세부 정보를 보존한다. 또한 semantic mask를 활용하는 “시맨틱 마스크 기반 영역·클래스 학습”, 피사체에 해당하는 가우시안의 위치, 크기, 회전, 불투명도 등의 업데이트를 제한하는 “비대칭 기하 보존 매커니즘”을 적용하여 보조 영상의 영향을 받더라도 주요 피사체의 기하 구조가 훼손되지 않도록 하였다. 이번 연구에 참여한 학생들은 “강석주 교수님의 세심한 지도와 연구실 동료들의 도움 덕분에 이번 연구를 성공적으로 마무리할 수 있었다. 3D Gaussian Splatting 분야에서 의미 있는 연구 결과를 낼 수 있어 기쁘며, 이번 경험을 바탕으로 앞으로도 좋은 연구 성과를 만들어갈 수 있도록 노력하겠다.”라고 소감을 전했다. ‣제안 방법론 구조도  ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과   ‣논문 제목: 문맥 분리 최적화를 통한 3D 가우시안 스플래팅의 피사체 보존형 공간 확장‣저자 정보: 이채원 학사과정 (공동 1저자), 최승규 석사과정 (공동 1저자), 염수웅 석박통합과정 (공동 1저자), 김준수 박사, 윤국진 박사, 강석주 교수 (공동 교신저자) 

4D Gaussian Splatting 주제로 인공지능 분야 Top Conference “ECCV 2026” 논문 채택  염수웅 석박통합과정, 남준식 석박통합과정, 최승규 석사과정 서강대학교 전자공학과 강석주 교수 연구팀 (염수웅 석박통합과정, 남준식 석박통합과정, 최승규 석사과정)과 김준수 박사 (한국전자통신연구원), 윤국진 박사 (한국전자통신연구원), Lucas Yunkyu Lee (포항공과대학교), 김상민 (서울대학교), 박재식 교수 (서울대학교), 공경보 교수 (부산대학교)로 이루어진 공동 연구팀의 논문이 컴퓨터 비전 및 인공지능 분야 최고 권위의 국제 학술대회인 'ECCV 2026(European Conference on Computer Vision)'에 최종 채택되었다. ECCV는 IEEE/CVF에서 주관하는 CVPR, ICCV와 함께 컴퓨터 비전 및 머신 러닝 분야 세계 3대 최우수 학회로 꼽히며 최고 권위를 자랑한다. 이번에 채택된 논문 제목은 ‘TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting’으로, 연구팀은 장시간의 동적 비디오를 효과적으로 렌더링할 수 있는 새로운 4D 가우시안 스플래팅(4DGS) 기술인 “TRiGS” 모델링을 최초로 제안하였다. 연구팀은 기존의 4D 가우시안 스플래팅 모델들이 객체의 복잡한 움직임을 처리할 때, 짧은 시간 창이나 조각난 선형 속도(Piecewise linear velocity) 근사에 의존하여 가우시안을 끊임없이 제거하고 재생성해야하는 “시간적 단편화(Temporal Fragmentation)” 문제가 발생한다는 점을 지적했다. 이로 인해 객체의 장기적인 시간적 정체성이 훼손되고 메모리 사용량이 기하급수적으로 폭증하여, 긴 비디오 시퀀스에 적용하기에는 심각한 한계가 있었다. 이러한 성능 병목 현상을 해결하기 위해 연구팀은 조각난 근사 방식에서 벗어나, “연속적인 기하학적 변화(Continuous Geometric Transformations)”을 활용해 강체 모션을 최적화하는 TRiGS를 개발했다. 이 논문의 핵심은 복잡한 회전과 병진 운동을 하나의 연속적인 변환으로 통합하는 “결합된 SE(3) 변환”과 비선형적인 움직임을 정밀하게 포착하는 “계층적 베이지어 잔차(Hierarchical Bezier Residuals)”블록이다. 또한, 연구팀은 단일한 전역 중심에 의존하지 않고 각 가우시안에 독립적인 회전 중심을 부여하는 “로컬 앵커(Local Anchors)”를 도입하여 안정적이고 세밀한 로컬 모션 최적화를 달성했다.결과적으로 불필요한 가우시안 증식을 원천적으로 억제하여 전체 모델 파라미터를 약 0.5M개(160MB 수준)로 제한하면서도 기존 최고 성능 모델들을 뛰어넘는 결과를 달성했다. 실험 결과, TRiGS는 N3V, SelfCap등 주요 벤치마크 데이터셋에서 600~1200 프레임에 달하는 긴 시퀀스에서도 심각한 메모리 오버헤드나 렌더링 품질 저하 없이 압도적으로 안정적인 동적 뷰 합성 성능을 보여주었다. 이번 연구에 참여한 학생들은 “강석주 교수님께서 사려 깊게 지도해주시고 연구실 동료들이 아낌없는 도움을 주셔서 좋은 결실을 맺을 수 있었다. 컴퓨터 비전 최우수 학회에 논문이 등재되어 매우 기쁜 마음이며, 앞으로도 의미 있는 연구 결과를 낼 수 있도록 노력하겠다.” 라고 소감을 전했다.  ‣제안하는 방법과 기존 방법의 차이점  ‣제안하는 움직임 모델링 ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과 ‣논문 제목: TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting‣저자 정보: 염수웅 석박통합과정 (공동 1저자), 남준식 석박통합과정 (공동 1저자), 최승규 석사과정 (공동 1저자), Lucas Yunkyu Lee, 김상민, 박재식 교수, 김준수 박사, 윤국진 박사, 공경보 교수 (공동 교신저자), 강석주 교수 (공동 교신저자)

   김장생·김상완·김시현 교수 연구팀, 2026년 PIM 인공지능반도체핵심기술개발(소자) 사업 선정      ▲ (왼쪽부터) 김장생 교수, 김상완 교수, 김시현 교수  본교 전자공학과/시스템반도체공학과/반도체공학과 김장생 교수, 김상완 교수, 김시현 교수로 이루어진 공동연구진이 과학기술정보통신부와 한국연구재단이 주관하는 2026년도 PIM 인공지능반도체핵심기술개발(소자)사업에 선정되었다. 연구 과제명은 「비트가중 3차원 IGZO FeNAND 기반 초고차원 인-센서 리저버 컴퓨팅 플랫폼」으로, 2026년 4월부터 2028년 12월까지 2년 9개월간 총 6억원의 연구비를 지원받는다.   최근 엣지 AI 및 온디바이스 인공지능의 확산과 함께, 센서 단계에서 데이터를 직접 처리하는 인-센서 컴퓨팅과 메모리 내 연산을 수행하는 PIM(Processing-In-Memory) 기술이 차세대 반도체 패러다임으로 부상하고 있다. 특히 비전 센서 기반 AI 응용에서는 데이터 이동에 따른 지연과 에너지 소모가 주요 병목으로 작용하며, 이를 해결하기 위한 초저전력·고효율 하드웨어 구조의 필요성이 크게 증가하고 있다. 본 연구는 이러한 한계를 극복하기 위해 강유전체(HZO)와 산화물 반도체(IGZO)를 기반으로 한 수직 적층형 3D FeNAND 구조를 활용하여, 센서-메모리-연산이 통합된 초고차원 인-센서 리저버(reservoir) 컴퓨팅 플랫폼을 구현하는 것을 목표로 한다. 또한 다중 마스크를 활용한 새로운 컴퓨팅 구조를 제안하여 기존 리저버 컴퓨팅의 집적도 한계와 상태 중첩 문제를 동시에 해결하고자 한다. 본 연구개발과제를 통해 연구진은 소재–소자–시스템을 아우르는 전주기적 연구를 수행하게 된다. 이번 연구는 기존 폰 노이만 구조의 데이터 이동 병목을 근본적으로 완화하고, 센서 단계에서 고차원 시계열 데이터를 초저전력으로 처리할 수 있는 차세대 AI 반도체 구조를 제시한다는 점에서 중요한 의미를 갖는다. 나아가 다중 마스크 기반 리저버 컴퓨팅 개념을 통해 효율적으로 연산 차원을 확장할 수 있는 새로운 패러다임을 제시하며, 차세대 반도체 분야에서 국내 기술 경쟁력 확보와 산업적 확장에 기여할 것으로 기대된다.   

 물리학과 김현정 교수,2026년도 한국과학기술한림원 정회원 선출 ▲ 물리학과 김현정 교수 본교 물리학과 김현정 교수가 우리나라 과학기술계 최고 석학기관인 한국과학기술한림원(이하 한림원)에서 정회원으로 선출되었다. 한림원 정회원은 과학기술분야에서 20년 이상 활동하며 탁월한 성과를 내고, 해당 분야의 발전에 현저히 공헌한 과학기술인들을 3단계의 엄정한 심사를 거쳐 선출된다. 한림원은 2026년 1월 22일에 ‘신입회원패 수여식'을 개최할 예정이다. 김현정 교수는 방사광가속기와 X-선 자유전자레이저(XFEL)를 활용한 결맞은 X-선 회절 이미징 분야에서 세계적 연구 성과를 이뤄온 국내 대표 과학자로 평가받는다. 김 교수는 박막·나노결정·촉매 물질의 구조와 동역학을 실시간으로 규명하는 기술을 개발해 Nature Materials, Nature Physics, Nano Letters 등 국제 저명 학술지에 다수의 논문을 발표해 왔다. 특히 나노구조의 상전이·결함·촉매 반응 메커니즘을 원자 수준에서 시각화한 연구는 물리 및 재료과학과 에너지·환경 분야에서 중요한 파급효과를 냈다는 평가를 받고 있다. 학문적 성과와 더불어 국내외 대형 연구시설 운영과 국제 학회 활동에서도 두드러진 리더십을 발휘해 왔다. 김 교수는 고든컨퍼런스 의장, 미국 SLAC·독일 DESY 등 해외 연구소 자문위원, 한국방사광이용자협회 회장, 국가과학기술자문회의 심의위원 등으로 활동하며 국내 방사광 연구 인프라 확충과 국제 협력 강화에 크게 기여했다. 김현정 교수는 “한국과학기술한림원 정회원으로 선출되어 매우 영광이다”라며, “지금까지 물심양면으로 지원해준 학교와 연구 여정에 함께해 준 동료와 제자들에게 감사드리며, 앞으로도 한국 과학기술의 발전과 차세대 연구자 양성을 위해 더욱 책임감을 가지고 기여하겠다”라고 소감을 밝혔다. ▶ 언론 기사 바로 가기- 조선비즈(기사 바로가기)- 동아사이언스(기사 바로가기) 원문 링크 

 강석주 교수 연구팀 (문승훈, 유현우, 이해욱), 세계 최우수 인공지능 학회 ‘ICLR 2026’ 논문 채택    ▲ (왼쪽부터) 강석주 교수, 문승훈 석박통합과정, 유현우 석박통합과정, 이해욱 석사 전자공학과 강석주 교수 연구팀(문승훈 석박통합과정, 유현우 석박통합과정, 이해욱 석사)의 논문이 세계 최고 권위의 인공지능(AI) 학회인 ‘ICLR 2026(International Conference on Learning Representations)’에 채택되었다. ICLR은 구글 스콜라(Google Scholar) h-index 기준 인공지능 분야 글로벌 최상위권에 위치한 국제 학술대회로, 올해는 논문 채택률이 약 28%에 달하는 만큼 엄격한 심사가 이루어졌으며 오는 4월 23일부터 27일까지 브라질 리우 데 자네이루에서 개최될 예정이다. 이번에 채택된 논문 제목은 ‘WIMFRIS: WIndow Mamba Fusion and Parameter Efficient Tuning for Referring Image Segmentation’으로, 텍스트 설명을 기반으로 이미지 내 특정 객체를 픽셀 단위로 정확히 찾아내는 ‘지시어 기반 이미지 분할(RIS)’ 기술의 새로운 프레임워크를 제안하였다. 연구팀은 기존의 파라미터 효율적 튜닝(PET) 방법들이 단순히 층별(layer-wise) 특징 정렬에만 집중하여, 시각 정보와 언어 정보를 융합하는 ‘넥(Neck)’ 모듈의 중요성을 간과하고 있다는 점을 지적했다. 이로 인해 발생하는 성능 병목 현상을 해결하기 위해 연구팀은 강력한 넥 구조와 효율적인 튜닝 전략을 결합한 ‘WIMFRIS’를 개발했다. 이 논문의 핵심은 ‘계층적 맘바 퓨전(HMF)’ 블록과 이를 구성하는 ‘윈도우 맘바 퓨저(WMF)’ 모듈이다. 기존의 상태 공간 모델(SSM)인 맘바(Mamba)는 긴 시퀀스를 처리할 때 정보가 소실되는 문제가 있었으나, 연구팀은 이미지를 겹치지 않는 윈도우(Window) 단위로 분할하여 처리함으로써 이 문제를 해결했다. 이를 통해 이미지의 지역적 정보와 전역적 언어 정보를 효과적으로 융합할 수 있게 되었다. 또한, 연구팀은 텍스트 정보를 강화하는 ‘맘바 텍스트 어댑터(MTA)’와 시각-언어 정렬을 정교화하는 ‘멀티 스케일 정렬기(MSA)’를 도입하여, 전체 모델 파라미터의 약 1.3%~2.2%만을 업데이트하면서도 기존 최고 성능 모델들을 뛰어넘는 결과를 달성했다. 실험 결과, WIMFRIS는 RefCOCO, RefCOCO+, G-Ref 등 주요 벤치마크 데이터셋에서 모두 최고점(State-of-the-Art)을 기록했다. 제안한 WIMFRIS 기술은 복잡한 배경이나 가려진 객체, 모호한 텍스트 설명이 주어진 상황에서도 타겟을 정확히 분할해낼 수 있어, 인간과 로봇의 상호작용(HRI), 자율주행, 지능형 이미지 편집 등 다양한 산업 분야의 원천 기술로 활용될 것으로 기대된다. 이번 연구를 이끈 강석주 교수는 “WIMFRIS는 기존 경량화 튜닝 기법들이 놓치고 있던 중간 단계의 정보 융합 중요성을 입증하고, 차세대 딥러닝 모델인 맘바(Mamba)를 비전-언어 태스크에 최적화하여 적용한 사례”라며 “향후 다양한 멀티모달 AI 시스템의 효율성을 높이는 데 크게 기여할 것”이라고 말했다.  ‣제안하는 WIMFRIS 프레임워크  ‣제안하는 HMF 블록  ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과 ‣논문 제목: WIMFRIS: WIndow Mamba Fusion and Parameter Efficient Tuning for Referring Image Segmentation‣저자 정보: 문승훈 석박통합과정 (공동 1저자), 유현우 석박통합과정 (공동 1저자), 이해욱 석사 (공동 1저자), 강석주 교수 (교신저자)‣기타 정보: 이 연구는 2026년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원 (No.RS-2025-02263706, 아날로그-디지털 혼성 초저전력 뉴로모픽 엣지 SoC 개발), 한국연구재단의 지원 (No. RS-2024-00414230), 정보통신기획평가원-대학ICT연구센터(ITRC)의 지원을 받아 수행된 연구임(IITP-2026-RS-2023-00260091)  

 강석주 교수 연구실 (문승훈 석박통합과정), 삼성디스플레이 산학협력 논문대회 은상 및 특별상 (2년 연속) 수상  ▲ (왼쪽부터) 전자공학과 강석주 교수, 문승훈 석박통합과정생  전자공학과 강석주 교수 연구팀 (문승훈 석박통합과정)의 논문이 2025 삼성디스플레이 산학협력 논문대회에서 은상을 수상했다. 또한 강석주 교수 연구실은 우수 논문이 가장 많이 rank 된 연구실에게 주어지는 특별상도 2년 연속 수상하는 쾌거를 이루었다. 산학협력 연구성과를 알리기 위해 2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 오는 10월 31일 삼성디스플레이 기흥캠퍼스 SDR (Samsung Display Research)에서 개최될 예정이다.   은상으로 채택된 논문 제목은 ‘DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching’이며, 스테레오 매칭 (stereo matching) 모델의 일반화 성능을 획기적으로 높인 새로운 딥러닝 프레임워크를 제안한다. 연구팀은 기존의 AI 모델들이 3D CNN이나 트랜스포머 등을 통해 높은 성능을 달성했지만, 특정 데이터 환경에 과적합되는 '도메인 특화 미세조정(fine-tuning)'에 크게 의존하여 실제 환경에서의 일반화 성능이 저하되는 문제점을 지적했다. 본 논문은 이러한 한계를 극복하기 위해 두 가지 핵심 모듈인 'DGCMA (Depth-Guided Cross-Modal Attention)'와 'TAA (Tri-Axial Attention)'를 제안한다. DGCMA 모듈은 사전 학습된 단일 이미지 깊이 추정 파운데이션 모델 (monocular depth foundation model)이 제공하는 '깊이 정보 (depth prior)'를 RGB 이미지 특징과 효과적으로 융합한다. 이 효율적인 어텐션 메커니즘은 질감이 없거나 반사되는 영역 (low-texture or reflective regions)에서 발생하는 모호함을 줄여, 모델의 기하학적 표현력을 강화한다. 또한, TAA 모듈은 효율적인 '방향성 스트립 합성곱 (directional strip convolutions)'을 사용하여 이미지의 수평, 수직 및 공간적 차원에서 장거리 의존성을 포착한다. 이 모듈은 계산 오버헤드는 낮추면서도 깊이 추정의 정밀도를 향상시킨다. 연구팀은 DGTFNet을 컴퓨터 그래픽으로 만든 합성 데이터 (SceneFlow)로만 학습시킨 후, 실제 도로 및 환경 데이터셋 (KITTI, ETH3D 등)에서 추가 학습 없이 '제로샷 (zero-shot)' 평가를 진행했다. 그 결과, DGTFNet은 기존의 최첨단 (SOTA) 모델들보다 월등히 뛰어난 일반화 성능을 입증했다. 제안한 DGTFNet 기술은 AI 모델이 낯선 실제 환경에서도 높은 정확도를 유지할 수 있게 하여, 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다. 2년 연속 특별상 수상으로 연구실의 뛰어난 연구 성과를 다시 한번 입증한 강석주 교수는 “DGTFNet은 기존 딥러닝 모델이 가진 '도메인 의존성'이라는 한계를 넘어, 합성 데이터만으로도 실제 환경에 강인한 '제로샷' 성능을 달성했다는 점에서 의미가 크다”라며, “자율주행이나 로봇 비전 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구의 제1저자인 문승훈 연구원은 “이번 개발로 AI가 실험실을 넘어 실제 산업 현장에 적용될 수 있는 기술적 토대가 될 것”이라고 강조했다. ‣제안하는 DGTFNet 프레임워크 ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과  ‣논문 제목: DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching‣저자 정보: 문승훈 석박통합과정 (제 1저자), 강석주 교수 (교신저자) 

 물리학과 극초단상변이연구단 김현정 교수,스웨덴 MAX-IV연구소와 제2회 첨단 X-선 과학 심포지움 개최 ▲ 물리학과 김현정 교수 본교 물리학과의 김현정 교수는 지난 9월 28일에서 30일까지 스웨덴 룬드대학교 맥스포 연구소(이하 MAX-IV)와 공동으로 ‘제2회 첨단 X-선 과학 심포지움’을 개최했다. 이번 심포지움에서는 첨단 X-선을 이용한 이미징 기술의 개발과 응용을 중심으로 논의되었다. 물리학뿐만 아니라, 재료과학, 화학, 환경 및 반도체 분야에서 적용된 최첨단 X-선 기술과 최신 연구 결과와 동향이 발표되었고, 향후 연구 협력 및 네트워킹 방안에 관한 토론이 진행되었다. 심포지움에는 한국 초청연사 10인과 스웨덴 측 초청연사 10인을 포함하여 50여 명이 참석하였다. 또한, 현재 충청북도 오창에서 건설 중인 다목적방사광가속기의 구축과 광원 활용을 위한 협력 전략에 대한 다각적 논의도 함께 이루어졌다. 나아가 첨단 X-선 과학 분야와 방사광가속기 분야에서 한국과 스웨덴이 협력할 수 있는 다양한 연구 분야와 방안을 논의했다. 김현정 교수는 “스웨덴 룬드대의 MAX-IV와 같은 세계 수준의 연구소와의 공동 심포지움 개최 및 협력은 우리 연구자들에게 새로운 기회를 제공하고, 창의적이고 혁신적인 연구 성과에 도달하는 데 큰 도움이 될 것으로 생각한다”라며 “이번 공동 협력을 통해 서강대와 MAX IV, 나아가 한국과 스웨덴은 방사광 및 첨단 X-선 이용 기술의 발전과 기초과학 연구의 경계를 넓히며, 세계의 지속 가능한 발전을 위한 해결책을 모색하는 데 함께 나아갈 것”이라고 밝혔다. ▲ 제2회 첨단 X-선 과학 심포지움 단체사진 

강문성 교수 연구팀, Light: Science & Applications 논문 게재 유기발광체를 활용한 디스플레이의 핵심 구성요소인 유기발광다이오드(OLED)는TV와 같은 대형 디스플레이, 노트북, 핸드폰 등 중소형 디스플레이에 성공적으로 적용되면서 디스플레이 산업의 중심 기술로 자리잡았다. 최근 들어 Apple의 Vision Pro, Meta의 Quest 시리즈 등과 같은 VR/AR 장비가 새로운 산업군으로 떠오르면서, 초고해상도의 시각컨텐츠 구현이 가능한 마이크로디스플레이에 대한 수요가 빠르게 증가하고 있다. 마이크로디스플레이 제작을 위해 일반적으로 1인치 내외의 우표 정도의 작은 크기에 수천개의 OLED가 정밀하게 배열되어 있어야 하며, 이를 위해 머리카락보다도 가는 마이크로미터 크기의 OLED 픽셀을 구현할 수 있는 정밀한 패터닝 기술이 필요하다. 하지만 기존 디스플레이 산업에서 사용되어 온 금속 마스크 증착법은 구조적 한계로 인해 수 마이크로미터 이하의 해상도 구현이 어려워, 새로운 방식의 패터닝 기술 개발이 요구되고 있다. 본교 서강대학교 강문성 교수와 UNIST 김봉수 교수 공동연구팀(제1저자 서강대학교 이승한 연구원, UNIST 함효빈 연구원)은 OLED 발광층을 손상 없이 수 마이크로미터 수준으로 정밀하게 패터닝 할 수 있는 “간접 광패터닝” 기술을 개발하였다. 이 기술은 기존 증착 방식의 해상도 한계를 극복하면서도, OLED 소재의 자외선 노출이나 화학적 식각공정 없이 초고해상도 OLED 발광층 패턴을 형성할 수 있다는 점에서 주목받고 있다. 먼저 연구팀은 가교 작용기가 도입된 형광 및 인광 유기발광체를 개발하였다. 이 소재를 활용하여 OLED 발광층을 만들고, 발광층의 열 가교 반응을 유도하여 “단일 상(single phase network) 구조의 유기 발광층 네트워크”를 구현할 수 있었다. 이 유기 발광층 네트워크와 반도체 공정에 사용되는 포토레지스트(PR)를 활용하여 발광층의 패턴 형성과 보호를 동시에 가능하게 하는 “간접 광패터닝 공정”을 개발하였다. 유기 발광층 네트워크 덕분에 패터닝 공정 중 사용되는 유기용매에 의한 발광층의 손상을 막을 수 있었으며, 결과적으로 폭 3 마이크로미터, 간격 4 마이크로미터의 발광층 패턴을 구현하였고, 1인치당 3000개 이상의 초고해상도 적녹청(RGB) 발광층 패턴 배열(3000 ppi 이상) 또한 성공적으로 구현하였다. 이는 기존 금속 마스크 기반 증착 방식으로는 도달하기 어려운 해상도이다.  이번 기술은 적녹청 발광층을 순차적으로 형성할 때에도, 이미 형성된 발광층이 이후 공정에서 손상되지 않도록 포토레지스트가 보호막 역할을 해주는 방식으로, 패턴 공정 후에도 성능 저하가 없는 풀컬러 디스플레이 구현이 가능하다. 또한 본 기술의 전 공정은 현재 반도체 산업에서 널리 사용되고 있는 장비와 공정을 그대로 적용할 수 있어, 산업적 확장성 측면에서도 높은 가능성을 보여주고 있다.  해당 연구는 과학기술정보통신부와 한국연구재단이 지원하는 국가전략기술소재개발사업 및 개인기초연구사업(중견연구)의 일환으로 수행되었으며, 연구 결과는 광학분야 저널인용지표(JCR) 상위 3%의 국제학술지 "Light: Science & Applications" (2024년 피인용지수 23.4)에 게재되었다.  본 논문의 제1저자인 이승한 연구원은 석사학위(지도교수 강문성)를 마치고, 2025년 9월부터 미국 Northwestern University 재료공학과에서 박사학위과정을 시작한다. ▶연구실 홈페이지: https://sites.google.com/view/mskanggroup/▶논문제목: Micrometer-scale indirect photopatterning of RGB OLED emissive layers in single phase network structure▶논문링크: https://www.nature.com/articles/s41377-025-01907-w 

강석주 교수, 한국이공학진흥원 ‘공학도슨트상’ 수상 ▲전자공학과 강석주 교수님 차세대 공학 인재 양성과 인공지능 기반 반도체·디스플레이 연구 성과로 공학 발전에 기여 서강대학교 전자공학과 강석주 교수는 한국이공학진흥원(IPESK)이 수여하는 공학도슨트상(Engineering Docent Award)을 수상했다. 공학도슨트상은 글로벌 연구중심대학의 공학계열 교수 중 차세대 공학(연구)자 양성에 크게 기여한 인물에게 수여되는 상으로, 국내 공학 교육과 연구의 발전에 공헌한 우수 연구자에게 주어지는 영예로운 상이다. 강석주 교수는 인공지능(AI)과 반도체·디스플레이 기술을 융합한 차세대 핵심 기술 연구와 학생 중심의 교육 및 인재 양성에 기여한 점을 높이 평가받았다. 그는 현재 ▲인공지능 시스템반도체 연구센터(대학ICT연구센터) 센터장 ▲BK21 FOUR 지능형 시스템반도체 혁신인재양성사업단 단장 등을 맡아 활발한 산학연 협력과 교육 혁신을 이끌고 있다. 강 교수는 가상현실(VR) 착용형 디스플레이의 영상 왜곡 및 저화질 문제를 개선하는 인공지능 영상 생성 기술을 세계 최초로 개발하고, 이 기술을 IEEE 국제표준으로 제정하는 성과를 거두었다. 해당 연구는 석·박사과정 학생들과 함께 진행되어, 학생들이 실제 글로벌 기술표준화 과정에 참여하며 연구자적 역량을 키울 수 있는 귀중한 경험이 되었다. 또한, 인공지능 기반 초해상도 영상 생성, GPU 한계를 극복하는 실시간 딥러닝 가속 기술 등에서도 탁월한 연구성과를 내며 CVPR, ICCV, ECCV, NeurIPS, AAAI 등 세계 최고 수준의 학술대회에서 논문을 발표했다. 이러한 연구들은 학생들의 주도적 참여를 기반으로 한 교육과 연구 융합 모델을 실현한 사례로 평가받고 있다. 강 교수는 연구실 내 학생들의 성장을 위해 지속적인 멘토링과 다양한 연구를 이어오고 있으며, 제자들은 삼성전자, LG전자, SK하이닉스, 현대모비스, 네이버랩스 등 주요 기업 및 연구 기관으로 진출해 활약하고 있다. 또한, 산업통상자원부 장관상 (2023), 삼성전자 반도체 50주년 우수과제 특별상 (2024), 삼성디스플레이 기술 논문상 (2023, 2024, 2025) 등 다수의 상을 연구실 구성원들과 함께 수상하며, 공학교육과 연구가 산업 현장으로 확장되는 선순환 모델을 만들어가고 있다. 이와 같은 공로로 강 교수는 IEEE/IEIE Joint Award(2019), 한국방송미디어공학회 신진연구자상(2020), Merck Young Scientist Award(2022), 서강 리치공학 펠로우 (2023, 2024) 등 다수의 상을 수상해왔다. 이번 공학도슨트상은 그가 지난 10여 년간 보여준 탁월한 연구 리더십과 차세대 공학 인재 양성에 대한 헌신이 다시 한번 인정받은 결과이다.   

 강석주 교수 연구팀(양진철, 최재민, Matti Zinke), 세계 최우수 인공지능 학회 ‘NeurIPS 2025’ 논문 채택     ▲ (왼쪽부터) 강석주 교수, 양진철 석박통합과정, 최재민 석사과정, Matti Zinke 석사과정전자공학과 강석주 교수 연구팀 (양진철 석박통합과정, 최재민 석사과정, Matti Zinke 석사과정)의 논문이 세계 최우수 인공지능 학회인 ‘Neural Information Processing Systems, NeurIPS 2025’에 채택되었다. 1987년부터 시작된 NeurIPS는 인공지능 및 머신러닝 분야의 발전을 선도해온 세계 최고 권위의 국제 학술대회로, 오는 11월 30일부터 12월 7일까지 미국 샌디에고와 멕시코시티에서 개최될 예정이다. 이번에 채택된 논문 제목은 ‘QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation’이며, monocular depth estimation 모델 특화 quantization 프레임워크를 제안하였다. 연구팀은 기존의 AI 모델 경량화 기술이 image classification, language modeling 등의 기초적인 작업에 최적화되어 있어 monocular depth estimation, semantic segmentation 등의 심화 작업에서는 성능 하락이 극심한 문제점을 지적하였다.이 논문은 monocular depth estimation 모델에 양자화를 적용하였을 때 발생하는 블록 단위의 오차를 보상해주는 Self-Compensating Auxiliary (SCA) 모듈을 제안하였다. 연구팀은 monocular depth estimation 모델에서의 블록별 양자화 민감도를 분석하였고, 민감도가 높은 블록에 선택적으로 오차를 보상해주는 SCA 모듈을 추가함으로써 overhead는 낮추면서 성능 하락을 억제하였다. SCA 모듈은 사전 학습에 사용된 데이터의 오직 5%만을 정답 레이블 없이 사용하여 양자화 모델과 원본 모델의 오차를 최소화하도록 학습되며, 연구팀은 학습 과정에 feature level loss와 SILog loss를 채택하여 양자화 모델의 성능을 높일 수 있었다. 제안한 QSCA 기술은 AI 모델을 더욱 작고 효율적으로 만들어 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다. 특히 높은 정확도를 유지하면서도 기기 부담을 줄일 수 있어 자율주행, 로보틱스, 증강현실 (AR/VR) 등 미래 핵심 산업의 기술 상용화를 앞당기는 데 중요한 역할을 할 전망이다. 이번 연구를 이끈 강석주 교수는 “QSCA는 기존의 quantization 방법의 한계를 넘어서, monocular depth estimation 모델 특화 quantization 프레임워크를 제안한 기술로, 자율 주행, 로보틱스 등 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구에 참여한 양진철 연구원은 “이번 개발로 AI 모델 경량화 기술이 더욱 폭넓게 활용될 수 있는 기술적 토대가 마련됐다”고 강조했다.  ‣제안하는 QSCA 프레임워크 ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과 ‣논문 제목: QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation‣저자 정보: 양진철 석박통합과정 (제 1저자), 최재민 석사과정 (공동 1저자), Matti Zinke (공동 1저자), 강석주 교수 (교신저자)‣기타 정보: 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터사업의 연구결과 및 차세대지능형반도체기술개발 사업의 연구결과임.