• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
스테이블코인
배터리
AI의 눈
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'딥러닝'통합검색 결과 입니다. (8건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

AI로 김창철 불량 고춧가루 3초면 찾는다

인공지능(AI)로 상태가 불량한 고춧가루를 98%의 정확도로 짧으면 3초 내에 찾아내는 기술이 개발됐다. 세계김치연구소는 스마트공정연구단 최지영 박사 연구팀이 하이퍼스펙트럴 영상(HSI, Hyperspectral Imaging)과 AI 기반 머신러닝 기술을 융합해, 고춧가루의 불량 원료 혼입 여부를 비파괴·비접촉 방식으로 신속하고 정밀하게 판별할 수 있는 기술을 개발했다고 27일 밝혔다. 최지영 박사는 "고추는 국내 연간 소비량이 약 20만 톤에 이른다"며 "건조나 저장 과정에서 곰팡이 감염, 변색, 부패되거나 이물질이 섞인 고춧가루를 모두 찾아낼 수 있다"고 말했다. 최 박사는 "현재 특허 출원했고, 상용화 계획도 있으나 다만 장비가 2~3억 원 정도의 고가라서 이 문제에 대해 추가 연구를 진행할 계획"이라고 덧붙였다. 기존의 불량 고춧가루 검사법(HPLC, GC-MS, PCR 등)은 높은 정확도를 확보할 수 있으나, 시료를 파괴해야 하고 분석에 1~2일 이상이 소요된다. 연구팀은 단파적외선(SWIR, 900–1700 nm) 영역의 하이퍼스펙트럴 영상기술을 활용, 고춧가루의 표면 반사 스펙트럼만으로 불량 원료 혼입 여부를 정밀 예측할 수 있는 AI 기반 분석 모델을 구축했다. 112개 파장 정보를 분석, 품질 변화를 가장 민감하게 반영하는 15개 주요 파장대를 자동 추출하고, 이를 서포트 벡터 회귀(SVR) 및 순환신경망(RNN) 모델에 적용해 정확도 98%, 예측 오차 5% 미만의 성능을 달성했다. 최지영 박사는 "불량 원료의 혼입 비율을 정량적으로 예측할 수 있을 뿐만 아니라, 시료를 손상시키지 않으면서 3~4초에서 수분 내에 판별이 가능하다"며 "김치 원재료 품질관리, 수입 고추의 위조 판별, 식품 원료 표준화 등 산업 현장에서 폭넓게 활용될 것"으로 기대했다. 연구결과는 식품과학 분야 국제학술지 '인터내셔널 저널 오브 푸드 프로퍼티즈(International Journal of Food Properties)(IF 3.9)' 10월호에 게재됐다.

2025.10.27 14:54박희범 기자

UNIST, AI 모델 실행 코드 찾는 '오토튜닝' 속도 2~2.5배 ↑

딥러닝 AI 모델을 실행 가능한 프로그램 형태로 바꾸는 데 걸리는 시간을 절반 이상 줄이는 기술이 개발됐다. UNIST는 컴퓨터공학과 이슬기 교수팀이 오토튜닝 과정을 최대 2~2.5배 빠르게 할 수 있는 기법을 개발했다고 12일 밝혔다. 연구결과는 이달 초 미국 보스톤에서 열린 컴퓨터 시스템 분야 국제 학회인 OSDI(Operating systems Design and Implementation)에 공개됐다. 총 338편의 논문이 제출돼 이 중 48편만이 채택됐다. OSDI는 SOSP(Symposium on Operating systems Principles)와 함께 컴퓨터 시스템 분야 양대 학회로 꼽힌다. 구글 '텐서플로'와 같은 AI 기술도 이 학회에서 공개된 바 있다. OSDI에 한국인 주저자 연구가 채택돼 공개된 사례는 올해 UNIST와 함께 채택된 서울대학교 이재욱 교수팀 연구결과를 지난 20여 년간 단 12건 뿐이다. AI 모델이 실제 작동하려면 사람이 짠 고수준의 프로그램인 AI 모델을 컴퓨터 연산장치가 이해할 수 있는 형태로 다시 바꾸는 '컴파일' 과정이 필요하다. 예를 들어 '고양이 사진을 구분해줘'라는 명령도 수천 줄에 이르는 복잡한 계산 코드로 바꿔야 연산장치인 GPU나 CPU가 실제로 실행할 수 있다. 오토튜닝은 이 과정에서 가능한 수십만 개의 코드 조합 중 연상 장치에서 가장 빠르고 효율적인 구성을 자동으로 찾아주는 기술이다. 하지만 경우에 따라 튜닝 시간이 수십 분에서 수 시간까지 걸릴 정도로 연산 부담이 크고, 전력 소모도 많다는 것이 문제였다. 연구팀은 딥러닝 모델 안에 반복되는 계산 구조가 많다는 점에 주목해 유사한 연산자끼리 정보를 공유하는 방식으로 탐색 범위를 줄였다. 코드 조합을 일일이 새로 찾는 대신 기존 결과를 재활용해 오토튜닝 속도를 높인 것. 실제 이 방식을 기존 오토튜닝 프레임워크(Ansor)에 적용한 결과, 동일한 성능의 실행 코드를 생성하는 데 걸리는 시간이 CPU 기준 평균 2.5배, GPU 기준 평균 2배 단축됐다. 이슬기 컴퓨터공학과 교수는 “컴파일 시간을 줄이면서도 GPU나 CPU를 직접 실험에 쓰는 횟수가 줄어 제한된 연산 자원을 효율적으로 쓸 수 있을 뿐만 아니라 전력 소모도 줄일 수 있다”고 말했다. 이번 연구는 UNIST 정이수 연구원이 제1저자로 참여했다. 연구 수행은 과학기술정보통신부 정보통신기획평가원의 지원을 받아 이뤄졌다.

2025.08.12 08:00박희범 기자

딥러닝으로 게임 재미 살려…렐루게임즈 한규선 "좋은 질문이 핵심"

"AI가 내놓는 결과는 신기하지만, 신기한 것이 곧 재밌는 건 아니다. 재미를 설계하는 건 결국 디자이너의 몫이고, 지금은 좋은 질문을 떠올리는 것이 중요한 시대가 됐다." 한규선 렐루게임즈 프로듀서는 25일 넥슨개발자컨퍼런스(NDC25)에서 '딥러닝을 이용한 재미있는 게임 만들기'를 주제로 강연하며 이같이 밝혔다. 그는 단순히 수단으로서의 AI 기능 도입이 아닌, 딥러닝 기술 자체가 게임의 핵심 재미가 되도록 설계해온 여러 실험 사례와 교훈을 공유했다. 한 프로듀서는 크래프톤 산하 실험조직 '스페셜프로젝트2'에서 출발한 렐루게임즈의 정체성을 소개하며 "우리는 '딥러닝 없이는 성립할 수 없는 게임'이라는 조건 아래 프로젝트를 설계한다"고 말했다. 그는 프로젝트 초창기 손가락 제스처 인식 게임과 음성 명령 기반 게임 등을 개발했지만 입력 피로도와 키보드 대비 효율성 문제로 한계를 느꼈다고 소회했다. 이후 이 한계를 극복하고자 등장한 게임이 '마법소녀 카와이 러블리 즈큥도큥 바큥부큥 루루핑'이다. 이용자가 마법소녀가 되어 음성으로 직접 마법을 외치는 이 게임은, 피로감을 상쇄할 만큼의 강렬한 몰입감과 도파민을 제공했다고 한 프로듀서는 설명했다. 그는 "음성으로 주문을 외우는 것만큼 자연스러운 입력은 없다고 생각한다"며 "AI 기술에 명확한 컨셉과 설계가 결합될 때, 기술이 재미로 전환되는 사례"라고 자신했다. LLM을 활용한 대화형 추리게임 '언커버더 스모킹건' 사례도 소개했다. 이 게임은 선택지 없이 자유롭게 NPC에게 질문을 던지고, 그에 대한 답변을 통해 단서를 수집해 사건을 해결하는 구조로 진행된다. 한 프로듀서는 "대답보다 중요한 건 질문 그 자체"라며, "실제로도 게임 내 시스템이 NPC의 응답뿐 아니라 이용자의 질문을 함께 평가해 게임의 진척도를 계산했다"고 밝혔다. 이어 "LLM의 할루시네이션(환각 작용)을 활용하면 사건과 무관한 질문도 자연스럽게 수용할 수 있다"며, "플레이어가 무엇을 물어보는지가 더 어려운 문제이자, 핵심 설계 포인트"라고 덧붙였다. 이밖에도 탐사 AI 로봇의 시점으로 지상을 탐험하는 '스캐빈저 톰', 사람을 흉내내는 적이 숨어 있는 파티 게임 '미메시스' 등 하반기 출시 예정작도 소개됐다. 이들 역시 이미지 생성, 디텍션, 음성 모방 등 딥러닝 기술을 게임의 몰입 포인트로 통합한 사례다. 렐루게임즈는 현재 AI가 스스로 '재미있는 게임'을 만들어내는 것을 목표로 '도넛(DONUT)'이라는 플랫폼도 개발 중이다. 자연어 명령어를 통해 AI가 게임을 즉각적으로 생성해주는 플랫폼이다. 한 프로듀서는 "딥러닝은 인간이 구별할 수 있는 대부분의 판단을 대신할 수 있고, 그 중 하나가 '재미'라고 생각한다"며 "재미에 대한 데이터를 충분히 축적하고 분석할 수 있다면, 결국 AI가 게임의 재미를 설계하고 생성하는 것도 가능해질 것"이라고 설명했다. 도넛은 현재 프로토타입이 개발 중이며, 장기적으로는 누구나 쉽게 AI 기반 게임을 만들 수 있는 플랫폼으로 확장될 예정이다. 강연 말미 한 프로듀서는 AI를 게임을 쉽게 만드는 수단이 아닌, 재미를 주는 핵심 요소로서 기능하게 해야한다고 전했다. 이를 위해선 AI가 만능이라는 강박을 버리고 개발자가 스스로 재미를 디자인할 수 있는 역량이 필요하다는 제언이다. 그는 "AI가 신기하다고 해서 그 자체로 재미있는 것은 아니다. 결국 재미는 인간이 설계해야 한다"며 "질문을 잘 던지는 사람이 더 큰 가능성을 가진 시대가 됐고, 이제는 질문이 곧 게임의 핵심이 될 수 있다"고 강조했다.

2025.06.25 13:29정진성 기자

딥노이드, 머신비전 수주 '160억' 돌파…2차전지 계약으로 사업 확대 '시동'

딥노이드가 머신비전 사업 수주 실적을 신속히 쌓으며 사업 성장세에 본격 시동을 걸었다. 제조업 자동화·품질관리 수요 증가에 맞춰 비전 검사 솔루션 공급 확대에 나선 것이다. 28일 딥노이드 공시자료에 따르면 이 회사는 우신시스템과 40억원 규모의 2차전지 비전 시스템 프로그램 공급 계약을 체결했다. 계약기간은 내년 12월까지이며 이번 계약액은 지난해 예상 매출 108억원 대비 약 37%에 해당한다. 딥노이드는 지난해 10월 이후 반도체, 디스플레이, 2차전지 분야에서 연이어 수주를 확보하며 머신비전 부문 누적 수주액이 160억원을 넘어섰다. 해당 부문 실적이 전체 실적 대비 차지하는 비중도 점차 커지고 있다. 이번에 공급하는 솔루션은 딥러닝 기반의 머신비전 검사 시스템으로, 우신시스템의 2차전지 조립공정에 적용돼 불량 검출과 품질 개선을 지원한다. 회사는 해당 기술을 다수 국내 기업에 공급 중이다. 회사는 이번 수주를 포함해 확보된 실적을 기반으로 머신비전 사업을 주력 성장축으로 만들 계획이다. 특히 조립공정 자동화에 대한 제조업계의 관심이 높아지며 검사 솔루션 수요가 늘고 있는 상황이다. 딥노이드 관계자는 "다양한 산업 고객사를 기반으로 머신비전 부문 실적이 꾸준히 증가하고 있다"며 "딥러닝 기술 고도화를 통해 시장 경쟁력을 더욱 강화해 나가겠다"고 밝혔다.

2025.05.28 11:37조이환 기자

혈관 CT 검사 결과로 심장질환 발생 위험까지 예측하는 딥러닝 모델 개발

혈관 CT 검사 결과로 관상동맥질환 진단과 함께 미래 심장질환 발생 위험까지 예측하는 딥러닝 모델이 개발됐다. 세브란스병원 영상의학과 허진 교수 연구팀은 계명대학교 동산병원 영상의학과 김진영 교수, 의료영상 인공지능 기업 팬토믹스 연구팀과 함께 관상동맥질환 진단과 예후 예측 딥러닝 모델을 개발하고 실제 임상에 적용할 수 있는 가능성을 확인했다고 19일 밝혔다. 급성 흉통으로 응급실을 찾는 환자에게는 빠르고 정확한 관상동맥질환 진단과 함께 미래에 발생할 수 있는 심장질환의 가능성을 평가하는게 중요하다. 이러한 진단과 위험을 평가하기 위해 CT 혈관조영술을 실시하고 있지만 결과 판독이 나오기까지 오랜 시간이 걸리고 판독자에 따라 해석이 달라질 수 있다는 한계가 있다. 연구팀은 인공지능 딥러닝 기술을 이용해 관상동맥 협착을 자동으로 판독하고 협착 정도에 따라 정상, 비폐색성(협착 50% 미만), 폐색성(협착 50% 이상) 세 그룹으로 분류하는 모델을 개발하고 정확성을 살폈다. 딥러닝 모델은 2018년부터 2022년까지 3개 대학병원 응급실에 내원해 CT 혈관조영술을 시행한 408명의 환자 데이터를 학습했다. 또 물체 위치 파악과 종류 분류를 동시에 수행하기 때문에 데이터 처리 속도가 빠른 YOLO 아키텍처를 사용해 혈관 협착을 발견하는 속도를 높였다. 딥러닝 모델의 유효성을 검증하기 위해 전체 환자의 심장 사건 발생을 평균 2년6개월간 추적 관찰한 결과, 환자 중 15%가 심근경색, 불안정 협심증 등으로 입원과 사망을 겪었다. 특히 폐색성 환자군의 발생률은 38.8%로 정상군(0.6%), 비폐색성군(3.2%)보다 크게 높은 것으로 나타났다. 미래 심장질환 발생 위험을 따질 때 고지혈증이나 심장 효소 수치인 트로포닌-T 등 기존 위험인자와 비교해 딥러닝이 분석한 폐색성 정도가 가장 유효한 지표라는 것도 나타났다. 또 딥러닝이 기존 위험인자에 관상동맥 폐색성을 추가해 미래 심장질환 발생 위험을 분석하면 기존 위험인자만 가지고 분석했을 때(판별력 80%)보다 위험도 판별력이 14% 향상했다. 허진 교수는 “이번 연구로 빠른 진단과 치료 결정이 중요한 응급실에서 단순히 관상동맥질환의 유무를 판별하는 것을 넘어 환자 예후까지 예측하는데 딥러닝 모델을 적용할 수 있다는 가능성을 제시했다”며 “인공지능 기술이 단순한 진단 보조를 넘어 임상 의사결정 지원 도구로 확장할 수 있다는 것을 확인했다”고 말했다. 이번 연구 결과는 국제학술지 '영상의학:인공지능(Radiology:Artificial Intelligence, IF 8.1)'에 게재됐다.

2025.05.19 16:23조민규 기자

"챗GPT 만든 논문, 21세기 최다 인용"…AI는 어떻게 과학계 지배했나

글로벌 테크 기업이 발표한 인공지능(AI) 관련 논문이 21세기 과학계를 사실상 점령한 것으로 나타났다. AI 기술의 구조 활용법을 설명한 논문들이 생명과학, 물리학 등 전통 강세 분야를 누르고 피인용 상위권을 싹쓸이한 가운데 업계에서는 도구 중심 연구가 과학 혁신을 실질적으로 이끈 결과라는 분석이 나온다. 17일 네이처에 따르면 지난 20년간 가장 많이 인용된 논문 대부분이 인공지능(AI) 분야에 집중됐다. 대표적 학술 데이터베이스 다섯 곳을 종합 분석해 선정된 인용 상위 25편 가운데 1위를 차지한 논문은 마이크로소프트(MS)가 지난 2016년 발표한 '딥 레지듀얼 러닝(ResNet)' 관련 연구였다. MS의 논문은 구글 학술 기준으로 약 25만회, 웹오브사이언스 기준 약 10만회 인용되며 '21세기 최다 피인용 논문' 타이틀을 차지했다. 피인용 횟수는 후속 논문에서 얼마나 자주 참조됐는지를 의미하며 논문의 영향력을 가늠하는 핵심 지표로 평가된다. AI 분야의 상위권 독주는 여기서 그치지 않는다. 지난 2012년 제프리 힌튼 토론토대 교수가 발표한 이미지 인식 딥러닝 구조 '알렉스넷' 논문은 8위에 올랐고 지난 2017년 구글이 발표한 자연어처리 기반 구조 '트랜스포머'를 설명한 논문 '어텐션 이즈 올 유 니드'는 7위를 기록했다. 이 논문들은 각각 이미지 분석과 언어 생성 기술의 뿌리를 형성한 연구다. 힌튼 교수의 논문은 이미지넷 대회에서 압도적인 성능을 입증하면서 큰 관심을 끌었다. 이 논문은 힌튼 교수가 구글에 입사하고 AI 개발을 주도하는 발판이 됐다. 트랜스포머 구조는 '챗GPT'를 비롯한 거대언어모델(LLM)의 핵심 구조로 문장 간 관계를 스스로 학습하는 '셀프 어텐션' 메커니즘이 중심이다. 네이처는 AI 논문의 피인용 증가 요인으로 다학제 활용성과 오픈소스 문화를 꼽았다. AI 알고리즘 대부분이 무료로 공개돼 의료, 번역, 로봇 등 다양한 분야에 쉽게 적용됐기 때문이다. 또 사전 공개된 프리프린트 형태 논문이 많아 실질적 인용은 공식 수치보다 더 많을 가능성도 제기된다. AI 외에도 분석 소프트웨어와 실험 도구를 다룬 논문들이 순위에 다수 포함됐다. 2위 논문은 유전자 활성 변화를 정량화하는 공식을 설명한 연구다. 5위에는 X선 산란 패턴을 분석하는 구조화 프로그램 '셸렉스(SHELX)'를 소개한 논문이 이름을 올렸다. 네이처 분석에 참여한 미샤 테플리츠키 미시간대 교수는 "과학자들은 혁신이나 이론을 중요하게 생각한다고 말하지만 실제로는 연구에 직접적인 도움을 주는 도구 논문을 더 자주 인용한다"며 "도구 중심의 연구가 과학 발전을 실질적으로 견인하고 있다는 방증"이라고 말했다.

2025.04.17 11:39조이환 기자

ETRI, '빛'으로 AI 딥러닝 도전…그래핀 분산성 문제 해결

한국전자통신연구원(ETRI)은 '광'을 매개로한 인공지능(AI) 딥러닝 기술 개발 사업의 일환으로 그래핀 분산 광경화 콜로이드 조성물(투명필름)을 개발했다고 9일 밝혔다. 이 필름은 그래핀을 안정적으로 분산시킬 수 있다. 또 그래핀 특유의 빛 세기를 조절하는 성질도 갖는다. 그래핀은 강도와 전기 전도성이 뛰어나 차세대 혁신 소재로 주목받고 있지만, 서로 엉겨 붙는 문제 때문에 실제 산업에서 활용은 어려웠다. 안정적 분산이 상용화 관건이다. 이 문제를 해결하기 위해 화학적 분산제가 쓰인다. 그러나 이 또한 그래핀 성질을 제대로 유지하지 못하는 단점이 있다. ETRI 휴먼증강연구실 박승구 책임연구원은 "별도의 분산제 없이도 그래핀이 고분자 내에서 안정적으로 균일하게 퍼질 수 있게 만드는 기술을 확보했다"며 "이를 이용하면 그래핀 분산 필름 및 성형물을 간편하게 제조할 수 있다"고 말했다. 연구 과제에서 투명필름이 개발됐지만, 본 사업은 '지속가능한 AI를 위한 옵티컬 러닝 핵심기술 개발 연구'다. 옵티컬 러닝 매개체가 투명필름이라는 박 책임 설명이다. 박 책임은 "딥러닝에 광이 매개체로 쓰였다는 것 자체가 이해가 잘 안될 것"이라며 "지난 2023년 만든 그래핀 투명 필름의 안정성은 일단 확인했다"고 부연 설명했다. 이 필름은 그래핀 침전 없이 1년 이상 장기간 보관 가능하다. 빛(UV)을 이용해 이 콜로이드 조성물을 단단한 필름으로 변환하는데도 성공했다. 그래핀 성질을 유지하면서도 가공이 쉬운 신소재 제작이 가능하다는 얘기다. 그래핀 콜로이드 조성물 모두가 필름형성에 사용되기 때문에 공해물질이 발생하지 않는데다 빛(UV) 경화를 통해 필름을 제조, 연속 공정과 대량생산이 가능한 장점도 있다는 것이다. 박 책임은 "이 투명 필름이 빛의 세기에 따라 투명도가 변하는 특징을 갖고 있어 향후, 레이저 보호 장치, 스마트 광학 센서, 인공지능(AI) 광소재 등에서도 활용 가능할 것"이라고 덧붙였다. 신형철 휴먼증강연구실장은 “이번 연구를 통해 그래핀을 더 쉽게 활용할 수 있는 길이 열렸다"며 "광 관련 부품 및 AI 응용 기술 분야에서 혁신적인 소재로 자리 잡을 것"으로 내다봤다. ETRI는 향후 그래핀의 다양한 물성을 활용해 더 정밀하고 효율적인 광소재 및 전자소재 개발을 위한 후속 연구를 진행할 계획이다. 현재 관련 기업과 협력, 상용화 연구 및 대량 생산 시스템 적용 방안도 검토 중이다.

2025.04.09 10:30박희범 기자

10초 내 자가치료 가능한 전자피부 개발…"활용은 AI로"

칼에 베어도 10초 내에 복원되는, 영화의 한 장면 같은 기술이 개발됐다. 이 기술을 이용한 근육피로 측정에는 AI 모델이 활용됐다. 한국연구재단(이사장 홍원화)은 서울시립대학교 김혁 교수 연구팀(이용주 박사과정 등)이 외부 자극 없이 10초 내에 80% 이상의 기능을 복구할 수 있는 초고속 자가 치유 전자피부를 개발했다고 19일 밝혔다. 연구진은 이를 통해 실시간 생체 신호 모니터링과 AI 기반 근육 피로 상태 측정에도 성공했다. 사람의 피부를 모방한 전자피부는 웨어러블 기기의 가장 진화한 형태로 헬스 케어 분야에서 활용도가 높다. 그러나 반복적인 사용으로 인한 마찰과 찢어짐, 스크래치 같은 기계적인 손상에 취약할 뿐더러 장기간 착용이 어렵고 손상 시 성능 저하를 초래한다. 현재까지 피부 손상을 80%까지 복구하는 전자피부가 나와 있지만 복구까지 1분 정도 걸리는데다 기능평가 측정이 복구과정에서 단절되기도 하고, 복구하는데 열과 빛 같은 외부 자극이 필요해 실용화는 어려웠다. 연구팀은 전자피부의 자가 치유 성능을 높이기 위해 다양한 화합물을 합성, 최적의 조건을 구현했다. 유연한 열가소성 폴리우레탄에 이황화물 화합물을 도입해 열, 빛 등 외부 자극 없이도 재결합할 수 있는 이황화 결합 상태를 만들어냈다. 복원력을 높이고, 자기 치유 능력을 개선하기 위해 분자 이동성이 높은 화합물도 첨가했다. 이 화합물은 이소포론 디이소시아네이트(IPDI)로 고분자 사슬의 유연성과 이동성을 증가시켰다. 김혁 교수는 "이렇게 개발된 전자피부가 상온에서 10초 이내에 80% 이상 기능을 회복하는 성능을 보였다"며 "고온·고습·저온·수중 등 극한 환경에서도 근전도 및 심전도를 안정적으로 측정했다"고 말했다. 김 교수는 "전자피부 센서를 딥러닝 기반 빅데이터 해석 모델과 결합해 실시간 근육 피로를 모니터링하는 실험에도 성공했다"며 "차세대 웨어러블 의료 기기에 작용 가능할 것"으로 기대했다.

2025.03.19 12:00박희범 기자

  Prev 1 Next  

지금 뜨는 기사

이시각 헤드라인

SK온, 정부 ESS 2차전 '압승', 왜?…3사 경쟁 본격화

카카오, 'AI 수익화 원년' 칼 뺐다...구글·오픈AI 스킬 장착

아동 정보까지 건드렸다...'버거킹'·'메가커피' 과징금 집중된 이유

삼성전자, 최대 속도 13Gbps급 HBM4 세계 최초 양산 출하

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.