[동국대 컴퓨터·AI학부 임상수 교수 연구팀Precision Research in Smart Medicine 연구실), KCC2025 학부생부문 최우수상 수상]

동국대 컴퓨터·AI학부 임상수 교수 연구팀(Precision Research in Smart Medicine연구실), KCC2025 학부생부문 최우수상 수상△ 왼쪽부터 동국대학교 컴퓨터·AI학부 임상수교수, 동국대학교 AI융합학부이예은 학사과정, 동국대학교 컴퓨터·AI학부모주현 학사과정저자: 모주현, 이예은, 이명진, 임상수분야: 인공지능-데이터(지능/과학/마이닝) 융합제목: 분자 구조의 다중 시각 그래프 통합을 통한 신경 임베딩 기법초록기존 단일 분자 그래프 표현은 분자의 구조적 복잡성을 충분히 포착하는 데 한계가 있다. 이에 본 연구는 SMILES 기반 분자 표현을 다양한 구조적 관점에서 분석하기 위해 BRICS, Murcko scaffold, Junction Tree 세 가지 분해 기법을 통합한 새로운 분자 구조 학습 프레임워크를 제안한다. 각 분해 기법에서 추출한 하위구조를 triple-view 그래프 형태로 구성하고, 이를 그래프 트랜스포머 기반 모델에 적용하여 분자의 복잡한 구조 정보를 정밀하게 반영할 수 있도록 설계하였다. MoleculeNet 벤치마크 데이터셋을 활용한 예측 과제에서 제안 모델은 기존 기법 대비 우수한 성능을 보였으며, ablation 실험을 통해 세 분해 기법의 통합이 성능 향상에 핵심적으로 기여함을 확인하였다.

한국정보과학회 KCC2025 우수 논문상 수상

동국대학교 컴퓨터·AI학부 강동현 교수 연구팀(차세대운영체제연구실)이 한국정보과학회 KCC2025 학술대회에서 우수논문상을 수상△ 왼쪽부터 동국대학교 컴퓨터·AI학부 강동현교수, 동국대학교 컴퓨터·AI학과 문규빈 석사과정저자: 문규빈, 강동현분야: 컴퓨터시스템제목: 스왑 파편화 완화를 위한 클러스터 정리 기법초록리눅스는 스왑 공간을 연속된 페이지로 구성된 클러스터 단위로 분리하여 관리한다. 그러나 스왑 할당과 해제가 반복될 경우 클러스터가 파편화되어 회수되지 않고 스왑 공간에 잔존함으로써, 무작위 입출력을 유발하는 문제가 발생한다. 이를 해결하기 위해, 본 논문에서는 파편화된 클러스터를 탐지하고, 입출력 부하가 낮을 때 이를 회수하는 클러스터 정리 기법을 제안한다. 제안된 기법은 리눅스 커널 모듈로 구현되었으며, 메모리 할당과 해제를 반복하는 워크로드 환경에서 프리 클러스터의 소진을 방지하고, 평균 메모리 할당 시간을 최대 22.74%까지 단축시켰다.<제안 기법의 구조 설명>

[지식의 맛-인문학 레시피 1회, 2회] 김지희 교수(컴퓨터·AI학부) 출연

[김지희 교수님(컴퓨터·AI학부)출연] ‘지브리’에 빠진 당신, AI의 진짜 모습은? [지식의 맛-인문학 레시피1회] [BBS]▶ 영상 바로가기 :https://www.youtube.com/watch?v=diAZ4TYeGNI[김지희 교수님(컴퓨터·AI학부)출연]AI시대, 인간은 대체될 것인가?[지식의 맛-인문학 레시피2회] [BBS]▶ 영상 바로가기 :https://www.youtube.com/watch?v=g5nzcWA_vCY

[KSRC] 2025 KSRC 잡 페어

<2025 KSRC 잡 페어>1. 제 목:2025 KSRC잡 페어2. 일 시:2025년5월 23일(금)13:00 ~ 16:003. 장 소: 중앙도서관3층(수불컨퍼런스실)4. 주 관:동국대학교Knowledge Science연구센터5. 참여기업: 삼성전자,LG전자, SK브로드밴드, 롯데이노베이트, HD현대

[KSRC]인재양성대전 2025 & World IT Show 2025

<인재양성대전 2025 & World IT Show 2025>1. 일시 : 2025. 04. 24.(목) ~ 2025. 04. 26.(토) 10:00 - 17:002. 장소 : 코엑스 Hall A, B, C3. 내용 : 인재양성대전, World IT Show, 2025 ICT기술사업화 페스티벌4. 주최 : 과학기술정보통신부5. 주관 : 한국무역협회, 한국경제신문, 전자신문, 코엑스, KFAIRS, KAIT, 한국정보통신진흥협회, 정보통신기획평가원, 대학정보통신연구센터협의회, 정보통신산업진흥원

송수환교수 연구팀,AI분야 Top conference ‘IJCAI 2025’ 논문채택

송수환 교수 연구팀 (이병권, 박준규)Artificial Intelligence 분야 Top conference ‘IJCAI 2025’ 논문 채택△ 동국대학교 컴퓨터·AI학부 송수환 교수 연구팀 (송수환 교수, 이병권 석사과정, 박준규 석사과정)동국대학교 컴퓨터AI학부 송수환 교수 연구팀(이병권 석사과정, 박준규 학사과정)의 논문이 인공지능 분야 최상위 국제학술대회인 IJCAI 2025에 최종 채택되었다.IJCAI(International Joint Conference on Artificial Intelligence)는 인공지능 분야에서 세계적으로 권위 있는 학회로,최근에는 채택률이 20% 이하에 머물 만큼 경쟁이 치열하다.IJCAI 2025는 오는 8월 16일부터 22일까지 캐나다 몬트리올 컨벤션 센터에서 개최될 예정이다.이번에 채택된 논문은 ‘Online 3D Gaussian Splatting Modeling with Novel View Selection’이라는 제목으로,연구팀은 영상 데이터를 활용해 온라인 Multi-View Stereo 기법을 적용함으로써, 정밀한 3D Gaussian Splatting 모델을실시간으로 생성하는 새로운 방법론을 제안하였다.

손윤식 교수 연구팀 ACM TOSEM 논문 게재

손윤식 교수 연구팀(손윤식, 알압둘와합 살레, 김재철) Software Engineering 분야 Top저널 ACM Transactions on Software Engineering and Methodology에 논문 게재△ 왼쪽부터 동국대학교 컴퓨터·AI학부 손윤식교수, 동국대학교 컴퓨터·AI학과 알압둘와합 살레 박사과정, 동국대학교 컴퓨터·AI학과 김재철 석사과정컴퓨터∙AI 학과 손윤식교수 연구팀(손윤식, 알압둘와합 살레, 김재철)의 소프트웨어 및 IoT 시스템의 부채널 관련 취약성 분석 연구성과가 Software Engineering 분야 top 저널인 ACM Transactions on Software Engineering and Methodology(TOSEM)에 게재되었다.TOSEM은 소프트웨어 공학 분야에서 설계, 개발 전반을 다루는 세계적인 학술 저널로, 이 분야에서 IEEE Transactions on Software Engineering과 함께 가장 권위 있는 저널이다.게재된 논문 제목은 “Advanced Side-Channel Evaluation Using Contextual Deep Learning-Based Leakage Modeling”으로 연구팀은 Signed Hamming Distance 기반 데이터로 GRU 기반 모델에 Context Embedding과 Dynamic Attention을 결합하여 어셈블리 명령어의 전력 트레이스를 정밀하게 예측하는 기법을 제안하였다. 각 명령어의 이전 및 이후 명령어와의 문맥적 관계에 따라 어떻게 달라지는지 학습하며, GRU 구조를 통해 시퀀스 내 흐름을 포착하고, Dynamic Attention을 사용해 조건 분기와 같이 제어 흐름이 복잡한 상황에서 중요한 명령어에 집중하여 비선형 전력 변화를 정밀하게 반영한다.<전력 트레이스 예측을 위한 문맥 기반 GRU-Attention 기반 시스템 구조>이 연구를 통해 소프트웨어 및 IoT 시스템에 대해 부채널 공격 방어, 암호 코드 누설 진단, 보안 취약점 탐지 자동화에 기여하며, 보안이 중요한 소프트웨어 개발 및 테스트의 정확도와 효율성을 크게 향상시킬 수 있다.해당 논문은 ACM Digital Library(https://doi.org/10.1145/3734219)에서 확인할 수 있다.

동국대 임상수 교수, '우수신진연구' 선정, AI 기술과 생물정보학 접목

△ 동국대학교 컴퓨터·AI학부 임상수교수님동국대학교 컴퓨터AI학부 임상수 교수가 한국연구재단의 ‘우수신진연구’ 과제에 신규 선정됐다.이번 연구는 ‘멀티모달 AI 기반 노화연관 지방간질환(Aging-related MASLD) 표적 발굴 및 약물 검증’을 주제로, 인공지능(AI)을 활용해 세포 노화와 대사질환 간의 연관성을 규명하고 신약 개발 가능성을 탐색하는 것을 목표로 한다. 연구 기간은 5년, 총 연구비는 11억 5,860만 원이다.특히,이번 연구는 세계 최고 수준의 의료 연구 기관으로 평가받는 미국 Mayo Clinic(美 Newsweek 병원 평가 세계 1위)과 글로벌 협력과제로 진행된다. AI 기반 신약 개발 및 검증 기술을 활용해 MASLD의 병리 기전을 밝히고, 노화 관련 대사질환 치료제 개발을 위한 과학적 근거를 마련할 계획이다. AI 기술과 생물정보학을 접목한 이번 연구는 향후 정밀의료 및 맞춤형 치료제 개발에도 기여할 것으로 기대된다.임 교수 연구팀은 지난해 한국연구재단의 다수 과제 (석사과정생 연구장려금 지원사업 2건 (연구책임자: 컴퓨터AI학과 노민호, 이명진 학생), 한국형 ARPA-H프로젝트 및 바이오의료기술개발사업)에 선정된데 이어 이번 ‘우수신진연구’ 과제까지 수주하며 더욱 활발한 연구를 이어가고 있다.한편,한국연구재단의 ‘우수신진연구’ 사업은 우수한 신진 연구자의 독창적 연구를 지원하고, 미래 학문 분야를 선도할 인재를 육성하기 위한 국가 지원 프로그램으로, 국내 연구자들 사이에서 높은 경쟁률을 자랑하는 대표적인 연구 지원 사업이다.

동국대 이우진 교수, '우수신진연구' 선정 신뢰받는 AI 연구로 주목

△ 동국대학교 컴퓨터·AI학부 이우진교수님동국대 이우진 교수, '우수신진연구' 선정 신뢰받는 AI 연구로 주목동국대학교 컴퓨터AI학부의 이우진 교수가 한국연구재단의 우수신진연구에 선정되며,인공지능 분야에서 신뢰성과 안전성을 강화하려는 노력이 관심을 모으고 있다.이번 선정된 연구 과제명은 “다국어 환경에서 거대언어모델의 보안을 위한 탈옥 및 가드레일 프레임워크 개발”로, 3년간 총 7억 3000만원의 연구비를 지원받는다.이우진 교수는 다양한 언어권에서의 인공지능 보안 취약점을 해결하고, AI 시스템의 안정성을 확보하는 혁신적인 기술 개발에 총력을 기울일 예정이다.최근 인공지능 기술이 사회 전반에 걸쳐 확산되면서, 기술의 신뢰성과 보안 문제가 더욱 부각되고 있다.이에 따라, 안정적인 AI 시스템 구축에 대한 필요성이 날로 커지고 있는 가운데, 이 교수의 연구는 기존의 기술 한계를 극복하고,국제 무대에서 경쟁력을 갖춘 신뢰받는 AI 개발에 중요한 기여를 할 것으로 기대된다.

김지희 교수 연구팀, 'AAAI 2025' 논문 채택

동국대 김지희 교수 연구팀(김지희, 박지호)과 University of Birmingham Hyung Jin Chang 교수 연구팀 (Hyung Jin Chang, Elden Tse 외) Artificial Intelligence 분야 Top conference 'AAAI 2025' 논문 채택▲ (왼쪽부터) National University of Singapore (NUS) Elden Tse 박사후과정, 동국대학교 컴퓨터AI학과 박지호 박사과정,동국대학교컴퓨터AI학과김지희 교수, University of Birmingham Hyung Jin Chang 교수동국대 김지희 교수 연구팀(김지희, 박지호)과 University of Birmingham 장형진 교수팀(Hyung Jin Chang, Tze Ho Elden Tse 외)이 Artificial Intelligence분야 top conference인 AAAI 2025에 발표한 논문이 최종 채택 되었다.AAAI(Association for the Advancement of Artificial Intelligence)는 Artificial Intelligence 분야에서 최고 권위의 학회이다. AAAI 2025는 내년 2월 27일부터 3월 4일까지 미국 필라델피아 펜실베니아 컨벤션 센터에서 개최되었다.논문 제목은 ‘Collaborative Learning for 3D Hand-Object Reconstruction and Compositional Action Recognition from Egocentric RGB Videos Using Superquadrics’으로, 연구팀은 Appearance branch와 Geometric branch를 활용한 collaborative learning 기법을 활용하여 Compositional action recognition을 진행하였다. 기존의 ‘verb + noun’으로 이루어진 action class를 verb, noun으로 분리하여 각각을 masked한 시나리오를 활용하여 generalization성능을 높여 기존 모델들 보다 성능을 향상시켰다. 더불어, superquadrics를 3D object representation에 최초로 적용하여 기존 3D bounding box를 활용한 3D object detection 및 representation 방법 보다 3D object를 더욱 효율적으로 표현할 수 있는 방법을 적용하였다.그림1. 논문에서 제안한 프레임워크 구조(https://arxiv.org/pdf/2501.07100)