2025
[12/07/25~12/10/25] iAI lab attends the 9th Asian Congress on Computational Mechanics & the 7th Australasian Conference on Computational Mechanics (APCOM-ACCM 2025)
Minisymposium:
Scientific AI: Physics-informed Machine Learning, Topology Optimization, and Industrial Applications
By Jae Hyuk Lim, Seungchul Lee, Jaewook Lee, Luka Bai, Paul Jeong, and YuanTong Gu
[07/07/25~07/11/25] Prof. Seungchul Lee organizes "Theme Area T14: AI Applications for Sound and Vibration and Condition Monitoring" as a theme co-chair at the 31st International Congress on Sound and Vibration (ICSV31), Incheon, Korea
Theme Area T14: AI Applications for Sound and Vibration and Condition Monitoring
This theme area covers wide range of topics related to machine learning and deep leaning applications in sound and vibration problems. Machine diagnosis, fault detection, prediction of useful life, sound event detection, localization and separation of sources are covered but not limited to these topics. New AI applications of sensor-related technologies utilizing sound and vibration domain knowledges e.g. health care devices, physics informed AI, generative AI for sound and vibration are also covered in this theme.
[06/17/25~06/21/25] International Symposium on Middle Ear Mechanics in Research and Otology (MEMRO 2025) at Leuven, Belgium
Seohyun Lee, Jongwoo Lim, Soomin Lee, Jeonsan Kim, Seungchul Lee, and Namkeun Kim, "Deep Learning-Based Approach for Automatic Segmentation and Reconstruction of Middle Ear Ossicle Bone Computed Tomography Images"
[06/12/25] 이승철 교수, 국민대학교 신소재공학부 세미나 진행
최근 인공지능은 재료과학 분야에서 새로운 연구 패러다임을 제공하며 혁신적인 발전을 촉진하고 있다. 머신러닝 및 딥러닝 기법을 활용하여 복잡한 재료 데이터 분석, 신소재 설계, 특성 예측 등이 기존 방식보다 빠르고 효율적으로 수행되고 있다. 본 세미나에서는 재료 이미지 분석, 능동 학습을 활용한 재료 조성 및 공정 탐색, 생성형 인공지능 기반 합금 설계 사례를 발표한다. 또한, 재료과학 지식을 반영할 수 있는 인공지능 모델의 가능성과 이를 통해 향후 연구를 위한 혁신적 접근 방안을 고찰한다.
[05/21/25~05/23/25] 한국소음진동공학회 춘계학술대회 참가 (제주)
[05/10/25] 한국설비진단자격인증원 자격인증시험, KAIST 창의학습관
[04/23/25~04/25/25] 대한금속재료학회 춘계학술대회 참가 (제주)
New Horizon 심포지엄 '소재 실험 지능화 및 디지털화 심포지엄' 진행
첨단 소재 연구의 새로운 패러다임을 소개하고, 최신 연구 동향과 경험을 공유함으로써 연구자들 간의 협력을 촉진하고 연구 경쟁력을 강화하는 계기가 될 것입니다. 특히, Self-Driving Lab에 대한 시대적 관심을 반영해 AI와 자동화 기술을 소재 연구에 적극 활용할 수 있는 방향성을 제시하는 중요한 자리로 기대됩니다. 뉴호라이즌 심포지엄을 통해 각 분야의 전문가들이 모여 아이디어를 공유하고, 기술 융합을 촉진하는 장을 마련하려고 합니다.
한상수 박사 (KIST): AI Materials Scientist for Nanoparticle Synthesis
최원영 교수 (UNIST): Data-Driven Discovery of Framework Materials for Our Planet: Challenges, Opportunities and Future Directions
서동화 교수 (KAIST): 인공지능 및 실험 자동화를 통한 배터리 소재 개발 가속화
신정호 박사 (한국화학연구원): 지능형 로봇을 활용한 올레핀 생성용 촉매 조성 설계 최적화
최윤석 박사 (삼성전자 SAIT): AI와 로봇 기술을 융합한 소재 연구개발 가속화 방법론
류명신 박사 (한국타이어): 제조업에 바라보는 인공지능과 타이어 컴파운드 적용 사례
허영진 박사 (뉴로메카): 협동로봇 기반 Self-Driving Lab 구축 전략
윤상남 상무 (씨엠코퍼레이션에이티): 소재 실험 자동화 및 최신 트랜드 소개
[04/16/25~04/19/25] 대한기계학회 CAE 및 응용역학 부문 춘계학술대회 참가 (제주)
[04/06/25~04/11/25] 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2025) at Hyderabad, India
Inmo Yeon, Iljoo Jeong, Seungchul Lee and Jung-woo Choi, "EchoScan: Scanning Complex Room Geometries via Acoustic Echoes"
[03/20/25~03/21/25] 이승철 교수, 설비진단기술강습회 참가 (대전)
[02/17/25~02/19/25] 대한금속재료학회 인공지능재료과학 분과, 제10회 재료인공지능 겨울학교를 고려대학교에서 진행 (108명 참가)
Coding with ChatGPT
AI 발전으로 프로그래밍 경험이 없는 사람들도 ChatGPT를 활용해 코드를 작성하고 수정할 수 있게 되었다. 본 강습회에서는 ChatGPT를 이용한 코드 작성, 오류 수정, 알고리즘 최적화 방법을 다루며, 반복 작업 자동화와 복잡한 문제 해결 사례를 실습한다. 이를 통해 참가자들은 AI 기반 코딩 도구를 효과적으로 활용하는 방법을 익히고, 실무 적용 전략을 배울 수 있다.
부족한 재료데이터를 극복하기 위한 인공지능 기법
재료 연구에서는 실험 데이터 확보가 어렵기 때문에, 이를 보완할 수 있는 AI 기법이 중요한 역할을 한다. 본 강습회에서는 Active Learning, Transfer Learning, Self-supervised Learning을 소개하며, 제한된 데이터 환경에서도 효율적으로 AI 모델을 학습하는 방법을 설명한다. 이를 통해, 데이터 수집 비용을 절감하고, 최적의 성능을 유지하면서도 신뢰할 수 있는 모델을 구축하는 전략을 탐색한다.
[02/13/25] 이승철 교수, 국립한밭대학교 반도체 전공트랙 학생 대상 '능동 학습 (Active Learning)' 강의
최근 머신러닝 및 데이터 과학 분야에서 능동 학습(Active Learning)은 최소한의 데이터로 최대한의 성능을 달성하기 위한 중요한 접근법으로 주목받고 있다. 본 강습회에서는 신소재공학 학부생을 대상으로 능동 학습의 핵심 개념과 다양한 전략을 소개하고, 실제 응용 사례를 통해 효과적인 데이터 수집 및 활용 방안을 탐색한다. 능동 학습은 단순한 데이터 수집이 아니라, 어떤 데이터가 가장 가치 있는지를 판단하여 최소한의 노력으로 최적의 성능을 얻는 철학을 바탕으로 한다. 본 강습회에서는 이러한 개념을 쉽게 설명하고, 능동 학습이 데이터 효율성을 어떻게 극대화할 수 있는지를 직관적으로 이해할 수 있도록 한다.
[02/11/25] 대한기계학회 기계인공지능 연구회와 포항공대 수리 데이터과학 연구소, Scientific Machine Learning Workshop 개최 (포스코 센터, 224명 참가)
이승철 교수
"3D 형상 변화를 반영하는 DeepONet 기반 실시간 대리 모델"
본 연구에서는 DeepONet을 활용하여 3D 형상의 변화를 실시간으로 반영할 수 있는 대리 모델을 개발하는 방법을 탐구한다. 기존 수치 해석 방법은 조건 변화가 발생할 때마다 재해석이 필요하여 계산 비용이 증가하는 문제가 있다. 이에 반해, DeepONet 기반 모델은 다양한 조건을 학습하여 즉각적인 해석이 가능하며, 실시간 최적 설계 및 시뮬레이션에 활용될 수 있다. 본 발표에서는 DeepONet의 학습 과정, 모델의 일반화 성능 평가, 그리고 실제 공학적 적용 사례를 소개하며, 이를 통해 3D 형상 변화를 반영하는 대리 모델의 가능성과 향후 연구 방향을 논의한다.
[02/10/25~02/12/25] 카이스트 기계공학과, 'AI 기반 설계: 해석에서 설계 최적화까지' 동계 산학협동 강좌, 대전 (63명 참가)
이승철 교수
이론과 실습: "해석 가속화를 위한 PINN and DeepONet"
최근 인공지능(AI) 기반 모델이 전산 해석 분야에서 강력한 도구로 떠오르고 있다. 본 강습회에서는 Physics-Informed Neural Networks (PINNs)와 Deep Operator Networks (DeepONet)을 활용하여 해석 속도를 비약적으로 향상시키는 방법을 다룬다. PINN은 물리 법칙을 신경망 학습 과정에 직접 내재화하여 복잡한 편미분방정식(PDE) 문제를 데이터 없이 해결할 수 있으며, DeepONet은 조건이 변하여도 재학습 없이 실시간 해석이 가능하도록 학습된 연산자를 활용하여 빠른 예측을 수행한다. 본 강의에서는 이 두 기법의 기본 원리와 코드를 통해 구현 방법을 알아보고, 실제 공학 문제에서의 적용 사례를 통해 해석 가속화의 가능성을 탐색한다.
사례 발표: "형상 변화를 반영할 수 있는 딥오넷"
본 발표에서는 DeepONet을 활용하여 형상 변화가 포함된 물리적 시스템을 빠르고 정확하게 예측하는 방법을 소개한다. 기존의 수치해석 기법과 비교하여 DeepONet이 다양한 형상 조건에서도 일반화 능력을 유지할 수 있도록 학습하는 전략을 다룬다.
[02/07/25] iAI lab group at the POSTECH commencement
정일주, 허현석, 김일적 박사
[02/06/25] 연구 성과 홍보: 티타늄 3D프린팅 최적의 공정조건 AI가 찾아준다
연구팀은 Active Learning 기반 인공지능(AI) 기술을 활용해 Ti-6Al-4V 합금의 강도-연성 딜레마를 극복하고, 고강도·고연신 금속 제품 생산에 성공했다. 개발된 AI는 3D프린팅 공정변수에 따른 기계적 물성을 정밀 예측할 뿐만 아니라, 예측의 불확실성을 분석하여 추가 학습이 필요한 데이터를 선별하는 Active Learning 기법을 적용했다. 이를 통해 AI는 최적의 공정변수를 추천하며, 실제 3D프린팅 과정의 효율성과 성공률을 극대화한다.
[02/05/25~02/07/25] iAI attends the 2025 Nature Conference 'Materials for AI, AI for Materials' at KAIST
[02/04/25] 이승철 교수: 국립금오공과대학교 기계시스템공학부 세미나 (invited by 손정우 교수)
이승철 교수: 인공지능과 기계공학
본 세미나에서는 기계공학자가 인공지능 연구를 시작하게 된 배경을 연사의 대학원 생활과 기계인공지능연구회의 경험을 바탕으로 소개한다. 이후, 인공지능이 기계공학문제 해결에 어떻게 적용되는지를 설명한다. 특히, '음원 위치 추정' 사례를 통해 공학적 지식이 인공지능 연구에 활용되는 방식을 살펴보고, 인공지능을 효과적으로 적용할 수 있는 전략을 익힐 수 있도록 한다.
[01/24/25] 이승철 교수, 한국소음진동공학회 2025년도 신년교례회 참석 (서울)
[01/20/25~01/22/25] 대한기계학회 기계인공지능 연구회에서 주관하는 고급인공지능 강습회, 전북대 (132명 참가)
Prof. Seungchul Lee: Physics-informed Deep Neural Operators and Generative AI to Solve Mechanical Engineering Problems
Abstract: We explored Physics-Informed Deep Neural Operators (PI-DNOs) and Diffusion Models, highlighting their roles in solving complex mechanical engineering problems. PI-DNOs embed physical laws into deep learning frameworks, enabling efficient and generalizable solutions to partial differential equations while reducing computational costs. Meanwhile, Diffusion Models enhance uncertainty quantification, inverse design, and physics-constrained data generation. By leveraging these approaches, we demonstrate their potential to improve predictive accuracy, accelerate simulations, and generate physically consistent solutions in structural mechanics, fluid dynamics, and thermal analysis.
[01/18/25~01/19/25] 대한기계학회 기계인공지능 연구회 이사회(겸 신년회), 서울
[01/17/25] 이승철 교수, 한국과학기술연구원 (KIST) 계산과학연구센터에서 세미나 진행 (서울)
제목: 인공지능 관점에서 바라본 재료과학 연구
최근 인공지능은 재료과학 분야에서 새로운 연구 패러다임을 제공하며 혁신적인 발전을 촉진하고 있다. 머신러닝 및 딥러닝 기법을 활용하여 복잡한 재료 데이터 분석, 신소재 설계, 특성 예측 등이 기존 방식보다 빠르고 효율적으로 수행되고 있다. 본 세미나에서는 재료 이미지 분석, 능동 학습을 활용한 재료 조성 및 공정 탐색, 생성형 인공지능 기반 합금 설계 사례를 발표한다. 또한, 재료과학 지식을 반영할 수 있는 인공지능 모델의 가능성과 이를 통해 향후 연구를 위한 혁신적 접근 방안을 고찰한다.
[01/09/25~01/10/25] 이승철 교수, 대한금속재료학회 전산재료과학분과 동계 촉매 심포지엄 참가 (대전, 한밭대)
