학부소식 게시판목록 | 성균관대학교 글로벌융합학부

소프트웨어융합대학 한진영 교수, 인공지능 안전성·책임성 연구로 국무총리표창 수상

소프트웨어융합대학 한진영 교수, 인공지능 안전성·책임성 연구로 국무총리표창 수상 소프트웨어융합대학 한진영 교수가 4월 21일 개최된 ‘2026년 과학·정보통신의 날’ 기념식에서 국무총리표창을 수상했다. 과학기술정보통신부와 방송통신위원회가 공동 주최하는 ‘과학·정보통신의 날 정부포상’은 정보통신기술(ICT) 발전과 국가 혁신에 기여한 개인 및 단체를 대상으로 수여되는 정부 최고 수준의 권위 있는 포상으로, 연구 성과뿐 아니라 산업·정책적 파급효과와 국가 기여도를 종합적으로 평가한다는 점에서 의미가 크다. 한 교수는 인공지능 안전성과 책임성(Responsible AI) 분야를 선도하는 연구자로, 의료 등 고위험 환경에서 신뢰 가능한 인공지능 기술 구현을 위한 연구를 지속해왔다. 특히 멀티모달 데이터 기반의 인공지능 모델링과 인간 중심 설계를 결합하여, 실제 임상 및 사회 환경에서 발생할 수 있는 오류와 편향 문제를 체계적으로 분석하고 이를 완화하기 위한 방법론을 제시해왔다. 또한 국제 공동연구를 통해 인공지능의 사회적 영향과 윤리적 문제를 심층적으로 탐구하며, 기술 개발을 넘어 안전하고 책임 있는 인공지능 활용을 위한 학문적 기반을 확장해왔다. 이러한 연구는 의료, 정신건강, 사회적 의사결정 등 고위험 영역에서 인공지능의 신뢰성을 확보하기 위한 핵심 기술로 평가받고 있다. 한 교수는 연구 성과를 실제 사회적 활용으로 연결하는 데에도 주력해왔다. 공공 및 산업 분야와의 협력을 통해 인공지능 기술의 적용 가능성을 검증하고, 고위험 환경에서의 안전한 활용을 위한 방향성을 제시하는 등 학문적 성과를 국가 경쟁력 강화와 정보통신 생태계 발전으로 확장해왔다. 이번 국무총리표창은 인공지능 안전성 및 책임성 분야에서의 선도적 연구와 국제 협력, 그리고 고위험 영역에서 신뢰 가능한 인공지능 기술의 개발과 확산을 통해 국가 및 사회에 기여한 공로를 종합적으로 인정받은 결과이다. 한 교수는 “이번 수상은 함께 연구해온 동료 연구자들과 학생들, 그리고 학교의 지원 덕분이라 생각한다”며 “앞으로도 인공지능의 신뢰성과 사회적 책임을 고려한 연구를 통해 안전한 기술 발전에 기여하겠다”고 밝혔다.
- 작성일 2026-04-23
- 조회수 0
[연구] main Lab(지도교수 김재광), ACL 2026 Findings 논문 게재 승인

main Lab(지도교수: 김재광)의 논문이 우수 국제학술대회 The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026) Findings에 1편 게재 승인되었습니다. 해당 논문은 2026년 7월 샌디에고에서 발표될 예정입니다. "DPLoRA: A Dual-Pruning Framework based on ILP Optimization and Progressive Pruning for Parameter-Efficient LoRA Fine-Tuning" 논문은 박창준(데이터사이언스융합학과 석사졸업)이 저자로 참여하였고 김재광 교수가 교신저자로 참여하였습니다. 특히 TCNJ의 윤세종 교수님이 공동연구자로 참여한 국제협력 연구입니다. 이 연구에서 제안하는 DPLoRA(Dual-Pruning LoRA)는 LoRA 미세조정에서 흔히 쓰는 “모든 층에 동일 rank를 부여”하는 관행이 비효율적이라는 문제의식에서 출발합니다. 각 층(layer)마다 기여도가 다른 데도 같은 크기의 어댑터를 달면, 어떤 층은 과투자, 어떤 층은 병목이 생기기 때문입니다. 이를 해결하기 위해 2단계의 이중 프루닝을 제안합니다. 1단계(OPLoRA): 학습 시작 전, 층별 중요도를 기반으로 ILP(정수선형계획)를 풀어 예산 제약 하에서 층별 rank를 전역적으로 최적 배분합니다(수동 튜닝/탐색 최소화). 2단계(Progressive Pruning): 학습 중에는 중요도 점수를 EMA로 평활화해 흔들림을 줄이고, 덜 중요한 rank를 점진적으로 제거해 추가 압축을 달성합니다. 제안 방법은 실험적으로는 GLUE에서 SOTA를 달성하면서, 표준 LoRA 대비 학습 파라미터를 80%+ 절감하고, 학습 시간을 최대 46% 단축하는 등 성능-효율 트레이드오프를 개선을 이루었습니다.
- 작성일 2026-04-07
- 조회수 349
[연구] dxlab(지도교수 박은일), CHI 2026, MMsys 2026, WWW 2026에 총 4편 게재 승인

dxlab (지도교수: 박은일, https://dsl.skku.edu)의 논문이 HCI 분야 최우수 학술대회인 CHI 2026에 1편, 인공지능/멀티미디어 분야 최우수 학술대회인 MMsys 2026에 1편, WWW 2026에 2편 게재 승인되었습니다. 해당 논문은 26년 4월에서 6월에 걸쳐, 바르셀로나와 홍콩, 두바이에서 발표될 예정입니다. 01. (CHI 2026) “Thriving, Not Just Growing: Structural Sustainability as the Key to Quality in Online Wellness Communities” 논문은 박신유 석사과정(인공지능융합학과), 차준엽 박사과정(인공지능융합학과), S. Shyam Sundar 교수가 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 온라인 웰니스 커뮤니티의 성공을 사용자 수나 활동량과 같은 양적 성장 지표로만 평가해 온 기존 접근의 한계를 지적합니다. 이를 보완하기 위해 연구팀은 커뮤니티의 장기적 품질을 결정하는 메커니즘으로 '구조적 지속가능성(Structural Sustainability)' 프레임워크를 제안했습니다. 해당 프레임워크는 지속적으로 참여하는 안정적인 핵심 사용자 구조(Stable User Structure), 단순한 정보 전달을 넘어선 질적으로 유의미한 상호작용(Meaningful Interaction), 조율된 커뮤니티 정체성(Coordinated Community Identity)이라는 세 축으로 구성됩니다. 연구팀은 2023-2024년 동안 56개의 Reddit 웰니스 커뮤니티에서 수집한 1,700만 건 이상의 게시글 데이터를 분석해 사용자(User), 콘텐츠(Content), 정체성(Identity) 차원에서 커뮤니티 품질을 정량적으로 측정했습니다. 분석 결과, 우수한 커뮤니티는 단순한 대화의 양이 아니라 충성도 높은 핵심 사용자와 상호 보완적인 깊은 대화에 의해 유지된다는 사실을 확인했습니다. 특히, 뚜렷한 커뮤니티 정체성은 내부 결속과 대화의 질을 높이는 핵심 요인으로 작용하는 동시에, 사용자 유입을 제한할 수 있는 성장-정체성 간 상충 관계 (Trade-off)를 형성하는 것으로 나타났습니다. 본 연구는 '성장=성공'이라는 기존 패러다임을 재고하고, 커뮤니티가 단순한 외형적 확장을 넘어 사용자들의 장기적인 웰빙과 신뢰를 구축하는 구조적 관점을 제시합니다. 이는 플랫폼 설계자와 운영자들이 단기적 활성 지표에 의존하기보다, 유의미한 상호작용과 안정적인 구조 유지에 초점을 맞춰야 함을 시사하며, 실질적인 커뮤니티 운영 가이드라인을 제공한다는 점에서 중요한 가치를 지닙니다. 02. (MMsys 2026) “MARs: Multi-Scale Convolution-Attention Residual Fusion for Video Summarization” 논문은 송준석 석박사통합과정(실감미디어공학과)이 제1저자로 참여하였으며, 이주엽 박사과정(인공지능융합학과)과 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 비디오 요약에서 영상의 전체 흐름을 이해하는 능력과 프레임 간 세밀한 변화 포착을 동시에 수행하기 어렵다는 기존 모델의 한계를 해결하기 위해 MARs (Multi-scale Convolution-Attention Residual Fusion) 구조를 제안합니다. Multi-Head Self-Attention을 통해 영상 전체 프레임 간의 장기적인 관계와 스토리 흐름을 학습하고, Multi-Scale Convolution Module을 통해 인접 프레임 사이의 세밀한 변화와 동작 패턴을 함께 포착합니다. 실험 결과, 제안 방법은 SumMe와 TVSum 데이터셋에서 기존 방법보다 높은 성능을 기록하며, 추가적인 오디오나 텍스트 없이 영상 정보만으로도 우수한 요약 성능을 달성했습니다.이 연구는 전역 맥락과 지역적 변화 정보를 동시에 학습하는 구조를 통해 실제 영상 서비스 환경에서 활용 가능한 효율적인 비디오 요약 방법을 제시합니다. 03. (WWW 2026) “AIMER: Affective Intention-guided Multimodal Emotion Reasoner for Visual Emotion Analysis in Social Media” 논문은 이유빈 박사과정 (인공지능융합학과), 박신유 석사과정 (인공지능융합학과), 차준엽 박사과정 (인공지능융합학과), 박지원 석사과정 (실감미디어공학과)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 기존 Vision-Language Model(VLM) 기반 감정 인식이 이미지의 표면적인 시각 단서에 주로 의존하여 감정의 근본적인 의미나 의도를 충분히 반영하지 못하는 문제를 해결하기 위해 AIMER (Affective Intention-guided Multimodal Emotion Reasoner)를 제안합니다. 감정은 단순한 시각 표현이 아니라 인간의 동기와 의도에 의해 형성되는 인지적 과정이라는 관점에서, AIMER는 감정의 외적 표현과 내적 의도를 함께 고려하는 감정 이해 구조를 설계합니다. AIMER는 GPT-5.0을 활용하여 감정의 카테고리, 의도, 추론 정보를 포함한 Intention-aware Emotion Instruction을 생성하고, 이를 이미지에서 추출된 시각 특징과 결합하여 감정을 해석합니다. 생성된 감정 지시문과 시각 임베딩은 Q-Former를 통해 정렬되며, 이를 통해 모델이 단순한 감정 표현 인식을 넘어 감정의 의미와 맥락을 함께 이해하도록 합니다. 또한 Visual Projection과 LLM 사이에 Lightweight Emotion MLP를 추가하여 파라미터 효율적인 방식으로 감정 표현을 보정하고 추론 성능을 향상시킵니다. 이를 통해 AIMER는 다양한 감정 데이터셋에서 기존 vision 기반 및 multimodal 모델보다 우수한 성능을 보이며, 감정의 의도와 맥락을 함께 고려하는 감정 이해 모델로 활용될 수 있음을 보여줍니다. 04. (WWW 2026) “ReMi-ReMath: A Reverse-Mutual Reasoning Framework for Enhancing Mathematical Thinking in Small Language Models” 논문은 김대규 박사과정(인공지능융합학과), 문상규 박사과정(인공지능융합학과)이 참여하였으며, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 소형 언어 모델이 복잡한 수학적 추론 과정에서 논리적 일관성을 유지하지 못하고, 단순히 정답만 맞히는 현상을 해결하기 위해 ReMi-ReMath 프레임워크를 제안합니다. 기존의 상호 추론 방식이 정답의 일치 여부에만 집중했던 것과 달리, ReMi-ReMath는 추론 과정이 문제의 전제 조건을 충족하는지 검증하는 '논리적 타당성'에 초점을 맞추었습니다. 해당 모델은 Forward Generation - Reverse Reconstruction - Mutual Verification으로 구성되어, 먼저 모델이 문제에 대한 여러 추론 경로를 생성하면, 상호 추론 판별기가 해당 추론 과정과 도출된 정답을 바탕으로 역순으로 문제를 재구성합니다. 그 후, 재구성된 문제와 원래의 문제를 비교하여 수치적 일관성과 의미적 일관성을 측정하는 삼중 일관성을 계산하였습니다. 이를 통해 별도의 미세 조정없이 논리적으로 결함이 있는 추론 경로를 효과적으로 필터링합니다.실험 결과, ReMi-ReMath는 3.8B 규모의 소형 모델에서 기존 rStar 대비 3~5%p의 성능 향상을 기록하며 GSM8K, MATH 등 주요 벤치마크에서 우수한 정확도를 보였습니다. 특히 복잡한 논리가 필요한 고난도 문제에서 두드러진 성과를 거두어, SLM이 단순히 답을 맞히는 수준을 넘어 논리를 이해하고 검증하는 모델로 진화할 수 있는 가능성을 제시하였습니다.
- 작성일 2026-03-16
- 조회수 609
[학생실적] 글로벌융합학부 김상호 학생, 2025 대한민국 인재상 수상

글로벌융합학부 김상호 학생, 2025 대한민국 인재상 수상 성균관대학교가 ‘2025 대한민국 인재상’ 대학·청년 일반 분과에서 총 4명의 수상자를 배출하며 학문적 성취와 사회적 기여를 아우르는 인재 양성 성과를 입증했다. 교육부 주최의 대한민국 인재상은 창의와 열정을 바탕으로 새로운 가치를 창출하고 공동체 발전에 기여한 고등학생 40명, 대학·일반인 60명 총 100명의 미래 인재에게 훈격 교육부 장관상과 수여된다. 이번 수상자 중 글로벌융합학부 인공지능융합전공 김상호 학생은 인공지능 기술에 대한 전문성과 공공 영역을 융합하여 사회 문제 해결에 기여해온 활동으로 주목받았다. 성균관대학교에서 인공지능과 소프트웨어, 정치외교학을 동시에 전공하고 있는 김상호 학생은 학업에서 월등한 성적을 유지하면서도 과학기술정보통신부와 주한미국대사관에서 청년 정책 제안과 과학기술외교 분야에서 큰 활약을 보였다. 학부연구생으로서 그는 인간의 소프트 스킬(soft skills)을 기계에 구현하는 ‘사회적 인공지능(Artificial Social Intelligence)’ 연구에 매진하는 한편, 우리 대학 인공지능학회 SKKAI의 초대 학회장으로서 인공지능에 대한 학우들의 관심을 환기하는 동시에 학생 융합 연구 생태계 구축에 기여했다. 김상호 학생은 현재 텍사스주립대학교 오스틴 캠퍼스(UT Austin)에서 교환학생이자 학부연구생으로 3D/4D 인간 상호작용 분석 연구를 수행하며 학문적 깊이를 더하고 있다. 지난 2025년에는 과학기술정보통신부 인공지능분과 2030 자문단원으로서 과학기술 강국 간 긴밀한 청년 인재 교류를 통한 AI 인재 확보 전략을 제안했으며, 같은 해 8월에 열린 ‘2025 한미일 청년대표 회의(YTL Summit)’에서는 대한민국 유일의 이공계 대표로 참가해 글로벌 과학기술 외교의 주역으로 활약했다. 김상호 학생은 수상 소감을 통해 인공지능을 단독의 학문이 아닌 융합적 학문으로 접근할 때 가장 큰 시너지가 난다는 점을 강조했다. 그는 “인공지능의 원리를 학습하면서 이 한 분야에만 매진하기보다, 이 신기술을 사회와 어떻게 연결할 수 있을지, 그리고 범지구적 관점에서 어떤 공공적 가치를 창출할 수 있을지를 함께 고민해온 과정이 이번 수상으로 이어진 것 같다”고 감회를 밝혔다. 또한 그는 수상 소감을 통해 ‘목소리를 내는 이공계열 청년들의 역할’을 강조했다. 특히 “인공지능과 공존하는 세상은 더 이상 먼 미래의 이야기가 아닌 것 같다”며, “현재 인공지능을 공부하고 일상에서 활용하는 미래의 주역들이야말로 나무만을 바라보는 시각에서 공부에만 매진하기보다는 숲을 바라보는 시각으로, 작지만 확고한 목소리를 내어 보다 조화롭고 윤리적인 생태계와 미래를 만들어 나가는 데 힘을 보태야 한다고 생각한다”고 말했다. 이어 학우들과 후학들에게 “제가 인공지능과 정책, 외교를 접목해온 것처럼, 모두가 자신의 전공이나 관심 분야에서 출발해 인공지능이라는 큰 주제를 중심으로 연결고리를 만들어본다면 학문을 공부하기 위한 조금 더 근본적인 원동력을 발견하는 동시에 신기술의 물결에도 올라탈 수 있을 것”이라며 “주저하지 말고 도전해보길 바란다”고 덧붙였다. 김상호 학생의 이번 수상은 단순한 개인의 성취를 넘어, 기술적 전문성과 인문학적 소양을 융합한 글로벌융합 인재의 모델을 보여주는 상징적인 사례가 되었다. 주요 수상 및 활동 이력 • 2025 대한민국 인재상 수상 • 성균관대학교 인공지능 학회(SKKAI) 초대 학회장 • 과학기술정보통신부 제2기 2030 자문단 AI 분과 자문단원 • 2025 한미일 청년대표 회의(YTL Summit) 대한민국 청년 대표 • 미 대통령 봉사상, 외교부 주최 외교 공공데이터 활용 경진대회 우수상, 제5회 공군 창의·혁신 아이디어 해커톤 대상(1위) 수상
- 작성일 2026-02-13
- 조회수 1372
main Lab. 연구실 (지도교수: 김재광) The 2026 ACM Web Conference (WWW) Research Track 논문 게재 승인

main Lab. 연구실 (지도교수: 김재광) 논문이 Top-tier 국제학술대회 The 2026 ACM Web Conference (WWW) Research Track에 게재 승인되었습니다. 논문은 26년 4월 두바이에서 발표될 예정입니다. "FCRLLM: Aligning LLM with Collaborative Filtering for Long-tailed Sequential Recommendation" 논문은 허병문 (인공지능융합학과 박사과정), 이남준 (인공지능융합학과 석사과정), 김선아 (소프트웨어학과 석사과정) 이 저자로 참여하였고 김재광 교수가 교신저자로 참여하였습니다. 이 연구는 상호작용 데이터가 부족한 Long-tailed 사용자 및 아이템에서의 추천 문제를 해결하기 위해, 거대언어모델(LLM)의 풍부한 의미론적(Semantic) 지식과 기존의 협업 필터링 신호를 결합한 FCRLLM 프레임워크를 제안합니다. 핵심 기술인 '플립드 클래스룸(Flipped Classroom)' 메커니즘은 협업 표현과 의미론적(Semantic) 표현이 서로 스승과 제자의 역할을 교차 수행하며 동적으로 정렬(aligned) 되도록 유도합니다. 이 과정에서 홉필드 네트워크 기반의 에너지 함수를 활용하여 두 양식 간의 어텐션 패턴 차이를 최소화하고 상호 보완적인 학습을 가능하게 합니다. 제안 방법은 세 개의 실제 데이터셋을 활용하여 실험하였고, 그 결과 제안 방법이 아이템의 인기나 사용자의 활동 수치와 관계없이 추천 성능을 일관되게 향상시키는 것으로 나타났습니다. 본 연구는 서로 다른 차원의 정보들을 양방향 교사-학생 구조로 통합함으로써 더욱 정교하고 다양한 추천 시스템을 구축할 수 있음을 보여줍니다.
- 작성일 2026-01-15
- 조회수 772
dxlab (박은일 교수 연구실), AAAI 2026 1편, WACV 2026 1편 게재 승인

dxlab (지도교수: 박은일, https://dsl.skku.edu)의 논문이 인공지능 분야 우수학회인 AAAI 2026에 1편, WACV 2026에 1편 게재 승인(Accept)되었습니다. 해당 논문은 26년 1월(싱가포르)와 3월(애리조나)에서 발표될 예정입니다. 1) (AAAI 2026) “MASP: Multi-Aspect Guided Emotion Reasoning with Soft Prompt Tuning in Vision-Language Models” 논문은 이상은 졸업생(인공지능융합학과, 現 ETRI 연구원), 이유빈 박사과정생(인공지능융합학과)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 기존 Vision-Language Model (VLM) 기반 감정 인식이 이미지의 단일 표현이나 제한된 단서에 의존해 세밀한 감정 판단에 어려움을 겪는 문제를 해결하기 위해, 인간의 감정 판단 과정에서 활용되는 여러 시각 단서를 구조적으로 통합하는 MASP를 제안합니다. MASP는 얼굴 표정, 장면, 객체, 색채, 밝기, 행동의 여섯 가지 감정 단서를 독립적으로 인코딩하는 Multi-Aspect Module을 학습하고, 이를 전체 이미지 특징과 결합하여 보다 풍부한 시각 표현을 구성합니다. 기존 연구가 제한된 관점만 활용한 것과 달리, MASP는 여섯 가지 단서를 모두 분리×통합해 더 정교한 감정 해석을 지원합니다. 이후 Soft Prompt Tuning을 통해 언어 모델에 감정 인식에 특화된 추론 구조를 유도함으로써, 기존 대비 높은 정확도와 안정적인 성능을 달성합니다. Soft Prompt는 프롬프트 표현 변화에 대한 강건성을 높여 실제 환경에서도 안정적인 추론을 가능하게 합니다. MASP는 유사 감정 구분이나 소수 클래스 분류와 같은 까다로운 상황에서도 강인한 성능을 보이며, 멀티모달 감정 이해가 필요한 인간-에이전트 상호작용 등 실제 응용 분야에서 높은 활용 가능성을 보여줍니다. 2) (WACV 2026) “Alignment and Distillation: A Robust Framework for Multimodal Domain Generalizable Human Action Recognition” 논문은 지현빈 석사과정생(실감미디어공학과), 이주엽 박사과정생(인공지능융합학과)이 저자로 참여하였고, 박은일 교수가 교신저자로 참여하였습니다. 이 논문은 기존 Human Action Recognition(HAR) 모델이 단일 모달리티나 정적인 융합 방식에 머물러 실제 환경의 도메인 변화에 취약하다는 문제를 해결하기 위해, 멀티모달 단서를 시간적으로 정렬 및 통합하는 Multimodal Alignment and Distillation for Domain Generalization(MAD-DG) 프레임워크를 제안합니다. 이를 위해 MAD-DG는 두 가지 핵심 요소를 중심으로 보다 안정적인 행동 표현을 학습합니다. 먼저, Segment-Label Aligned Contrastive Learning(SLA-CL)은 RGB, Optical Flow, Audio 간의 비동기적 기록 문제를 Temporal Binding Window 기반으로 보정해 모달리티 간 의미적 대응을 정밀하게 맞춥니다. 이를 통해 센서 지연이나 녹화 불일치로 발생하는 잡음을 줄이고 행동의 핵심 패턴을 강조합니다. 이어서 Online Self-Distillation Temporal Module(OSDTM)은 행동이 시간적으로 여러 단계로 전개된다는 점에 착안해 다양한 길이의 segment tuple을 구성하고, soft attention으로 중요한 조합을 선택합니다. Teacher–student 방식의 self-distillation을 통해 도메인 변화에도 흔들리지 않는 시간적 표현을 형성합니다. MAD-DG는 이러한 모달리티 정렬과 다중 스케일 temporal reasoning을 결합해, 기존 모델이 어려워하던 멀티소스 도메인 일반화나 콘텍스트 제거 환경(Mimetics)에서도 높은 성능을 달성합니다. 특히 Optical Flow 정보를 적극적으로 활용해 실제 행동 중심의 표현을 구성하며, 복잡한 행동 이해나 인간–에이전트 협력 시스템 등 다양한 실사용 환경에서 높은 활용 가능성을 보여줍니다.
- 작성일 2025-11-17
- 조회수 922
[학생실적] 글로벌융합학부, 2025 광양국제미디어아트페스티벌 캠퍼스 프로그램 참가

글로벌융합학부, 2025 광양국제미디어아트페스티벌 캠퍼스 프로그램 참가 ▲ 2025 광양 국제 미디어아트 페스티벌 공식 포스터 성균관대학교 글로벌융합학부 컬처앤테크놀로지융합전공(이하 CNT)에서는 2025년 10월 22일부터 11월 4일까지 개최되는 ‘2025 광양 국제 미디어아트 페스티벌(GMAF)’에 참가하여 학생 창작 작품 7점을 선보였다. GMAF는 광양시 도시 전체를 전시장화 하는 페스티벌로, 세계 최대 미디어아트 축제 개최지인 오스트리아 린츠와의 협력을 기반으로 한다. 성균관대학교 CNT 학생은 캠퍼스 프로그램에 전시자로서 참여했다. 캠퍼스 프로그램은 성균관대학교, 한국예술종합학교 등 5개 대학이 전시를 운영하는 프로그램이다. 성균관대학교 CNT는 인공지능, 인터랙티브 미디어, XR 등 첨단 기술을 문화예술 창작의 도구로 활용하며, 급변하는 디지털 환경 속에서 창의성과 기술적 역량을 겸비한 융합 인재를 양성하고 있다. CNT는 GMAF 전시를 통해 기술과 예술의 융합을 주제로 한 학생들의 창의적 실험과 국제 협력의 결과물을 집약적으로 보여주었다. ▲ 성균관대학교 팀 전시 현장 이번 전시에는 성균관대학교와 오스트리아 린츠예술대학교(Kunstuni Linz) 학생들이 협업한 다양한 작품이 선보였다. 성균관대학교 CNT는 GMAF 협력관계인 ARS ELECTRONICA와 별도의 교류 프로그램을 운영하고 있다. 이번 캠퍼스 프로그램에서는 2025 ARS ELECTRONICA 린츠예대(Kunstuni Linz) 공동워크숍 발제작품들, 2024 ARS ELECTRONICA 참여 전시작품들과 린츠예대 초청 작품이 함께 전시 되었다. GMAF 전시는 기술과 예술, 지역사회가 결합된 차세대 미디어아트 교육 모델로서의 가능성을 보여주었다. 전시 작품 목록은 다음과 같다. • Expansion in Disorder: <침묵합창단> 성상훈, 하지수 • Not A Monster: <센소리움> 정효빈, 변서윤 • 오케스트라이즈: 이유진, 강윤경, 김예서 • Lake Watchers 2024: Hess Jeon 외 4명 (Kunstuni Linz) • The Path of Experience: Jeenie Kim (Kunstuni Linz) • Cycle and Connection: 박서영 • Shake It, Light It: 김유정, 이수연 성균관대학교 CNT의 GMAF 전시는 대학혁신지원사업, SW중심대학사업의 지원을 받아 이루어졌다. 설상훈 교수(RISE 사업단 산학교수)가 캠퍼스 총감독을 맡았으며, 이창준 교수(컬처앤테크놀로지융합전공 주임교수)가 총괄을 담당했다.
- 작성일 2025-11-05
- 조회수 1003
[일반] 2025년 (주)엔씨소프트(NCsoft)기업 견학

지난 8월 27일 엔씨소프트 기업 견학에 오하영 교수, 이경호 교수 인솔하에 학생들이 참여했다. (글로벌융합학부 10명, 소프트웨어학과 3명, 글로벌바이오메디컬공학과 1명, 전자전기공학부 1명, 컴퓨터교육과 5명, 영어영문학과 1명) 시간 현장 체험 내용 ~13:00 인원확인 및 착석 13:00~13:10 행사 진행 일정 및 유의사항 안내 13:10~13:30 NC 기업 소개 13:30~14:00 R&D 센터 내 주요 복지 시설 투어 14:00~15:00 선배와의 대화 15:00~15:30 채용 담당자 Q&A 및 참여소감 SURVEY
- 작성일 2025-09-04
- 조회수 2009
2025년 (주)안랩(AhnLab)기업 견학

지난 7월 23일 안랩(Ahn lab) 기업 견학에 오하영 교수님, 정수빈 연구원 인솔하에 학생들이 참여했다. (글로벌융합학부6명, 인공지능융합전공6명, 데이터사이언스융합전공1명, 경영학1명) 안랩은 1995년 설립, 2001년 코스닥 상장된 글로벌 통합보안 기업으로 세계적 수준의 솔루션과 전문 서비스 체계를 보유하였다. V3 제품군과 정보 네트워크 보안 솔루션을 개발 공급하며, ASEC/CERT를 통해 24시간 365일 악성코드와 해킹을 실시간 예방/차단한다. 컨설팅-솔루션-관제 등 시큐리티 라이프 사이클 기술과 서비스를 자체 제공하는 국내 유일 통합보안업체로 AI 기술과 빅데이터 분석, 제로 트러스트 등 보안 신기술을 고도화하고있다. 시간 현장 체험 내용 10:00~10:30 (30‘) AhnLab 기업 및 직무 소개 10:30~11:15 (45‘) 현직자 멘토링 세션 및 Q&A 11:15~12:00 (45‘) AhnLab 사옥 투어 12:00~12:30 (30‘) 마무리 및 설문 응답
- 작성일 2025-08-07
- 조회수 1514
김재광 교수 연구실(mainLab), CIKM 2025 논문 게재 승인

main Lab. 연구실 (지도교수: 김재광) 논문이 인공지능 분야의 Top-tier 국제학술대회 CIKM (Conference on Information and Knowledge Management) 2025에 게재 승인되었습니다. 두 편의 논문은 25년 11월 서울 코엑스에서 발표될 예정입니다. 1) "RadialFocus: Geometric Graph Transformers via Distance-Modulated Attention" 논문은 김산 (소프트웨어학과 박사과정), 이승준 (실감미디어공학과 석사과정), 오시찬 (전기전자컴퓨터공학과 석사과정) 이 저자로 참여하였고 김재광 교수가 교신저자로 참여하였습니다. RadialFocus Graph Transformer는 그래프 내 거리 정보를 똑똑하게 활용하는 인공지능 모델입니다. 복잡한 위치 인코딩이나 가상 노드 없이, 각 주의(head)에 거리 기반 함수(RBF)를 넣어 가까운 노드에 더 집중하도록 학습합니다. 이 방식은 메모리 부담이 적고 정확도도 높습니다. 분자 예측, 결합력 예측, 이미지 그래프 분류 등 다양한 분야에서 기존보다 적은 파라미터로 뛰어난 성능을 보였으며, 거리 중심과 범위를 자동으로 학습해 중요한 거리 범위를 효과적으로 파악합니다. 2) "Spectral Edge Encoding - SEE: Does Structural Information Really Enhance Graph Transformer Performance?" 논문은 이승준 (실감미디어공학과 석사과정), 김산 (소프트웨어학과 박사과정), 김조현 (인공지능융합학과 학석박과정) 이 저자로 참여하였고 김재광 교수가 교신저자로 참여하였습니다. Spectral Edge Encoding(SEE)는 그래프에서 각 연결(edge)이 전체 구조에 얼마나 중요한지를 스펙트럼(고유값) 변화를 통해 계산하는 방법입니다. 학습할 파라미터 없이 작동하며, 이 정보를 그래프 트랜스포머의 주의(attention) 과정에 반영해 구조 인식을 높입니다. Moiré Graph Transformer에 적용한 결과, 분자 데이터 분류 성능이 크게 향상되어 평균 ROC-AUC 85.3%를 기록했고, 기존 최고 모델보다 7.1%p 높았습니다. 또한 SEE는 분자의 구조 정보를 잘 보존하고, 해석 가능성도 제공해 실용적인 장점을 갖습니다.
- 작성일 2025-08-07
- 조회수 785

커뮤니티

학부소식