NEWS 2026

[12/21/26-01/08/27] Prof. Seungchul Lee visits Tsinghua University to deliver a three week-long AI short course for mechanical engineering faculty and graduate students. 

[11/25/26-11/27/26] 한국소음진동공학회 추계학술대회

[11/23/26-11/25/26] Smart & Soft 2026, Jeju Shinhwa

• Prof. Seungchul Lee: Generative, Predictive, and Agentic AI for Next-Generation Materials Design

[11/11/26-11/13/26] 대한기계학회 본부학술대회

[11/08/26-11/13/26] the 12th International Conference on Multiscale Materials Modeling (MMM12), Jeju, Korea

• Tutorial: Agentic AI in Materials Modeling

Agentic AI introduces a new paradigm for computational materials modeling, in which large language model (LLM) agents plan tasks, invoke simulation tools, and reason over their outputs to carry out multi-step modeling with minimal manual intervention. This tutorial begins with the foundations of agentic systems, tool calling, planning, and orchestration, and then covers how to connect agents to density functional theory (DFT) calculations and post-processing utilities. The tutorial further demonstrates how an agent can configure and submit calculations, parse simulation results, and conduct downstream analyses, including Bader charge analysis, chemical bonding analysis via LOBSTER, and structure visualization. Automated plotting and report generation are also introduced as practical steps for organizing simulation results into interpretable research outputs. The tutorial closes by examining harness engineering and human-in-the-loop strategies that help prevent agentic AI from producing scientifically incorrect results through hallucination.

[11/06/26] Prof. Seungchul Lee gives a talk at the 78th Congress of the Korean Surgical Society in the session "Agentic AI in the Future of Surgery."

[11/04/26] 이승철 교수, 기계공학과 새내기세미나에 '기계를 이해하는 AI가 Physical AI를 만든다'로 강연

[10/28/26-10/30/26] 대한금속재료학회 추계학술대회, 대전

[10/26/26] 이승철 교수, KAIST 로봇 최고 경영자 과정에서 'AI for Engineering - 물리를 아는 AI가 Physical AI를 떠받친다 ' 주제로 강연

[09/28/26-10/01/26] AI4Sci Korea 2026, Seoul Dragon City

• AI4Sci Korea 2026 explores two transformative frontiers of AI in scientific research: autonomous AI agents that accelerate and even conduct research independently, and machine learning methods applied to domain sciences — from biology and chemistry to materials science and mathematics.

[09/16/26-09/18/26] 한국센서학회, 여수

• 학회 튜토리얼 세션 - AI 센서 플랫폼의 미래: 물리 기반 이해와 데이터 기반 학습의 만남

[09/04/26] 대한기계학회 신뢰성 부문 산학연 워크삽, 포스코타워 역삼

• 경희대 임재혁 교수: Agentic AI의 산업화: 어디까지 믿고 맡길 수 있는가?

Agentic AI는 이제 단순한 업무 자동화를 넘어 산업의 설계·해석·시험·의사결정 과정으로 빠르게 확장되고 있다. 그러나 산업 현장에서 중요한 질문은 “무엇을 할 수 있는가”보다 “어디까지 믿고 맡길 수 있는가”이다. 본 강연에서는 Vector RAG 중심 접근의 한계를 짚고, Ontology와 Knowledge Graph를 통한 지식 구조화, Physics-informed AI와 검증된 공학 도구를 활용한 물리적 검증, 불확도 정량화(UQ)를 통한 신뢰도 평가를 함께 살펴본다. 이를 바탕으로 문제의 위험도와 불확실성에 따라 AI의 자율성과 인간의 개입 수준을 조절하는 Trusted Autonomy 관점에서 Agentic AI의 산업화 방향을 제시한다.

• 국민대 신소재공학과 성효경 교수: Agentic AI를 활용한 금속 신소재 개발

신소재 개발은 조성·공정 변수의 조합이 사실상 무한한 반면 실제 제작·평가할 수 있는 시편 수는 극히 제한적이라는 비대칭 구조를 갖는다. 게다가 소재 분야 특유의 데이터 희소성과 문헌 데이터의 출처 불균질성 때문에, 타 분야에서 검증된 AI 방법론을 그대로 이전하기 어렵다. 본 발표에서는 항공 소재 합금조성 탐색과 적층제조 격자구조체 설계에 Agentic AI를 활용한 사례를 공유하고자 한다. 인공지능 역설계를 활용하면 수많은 후보군을 추천받게 되지만, 그중 어디에 가중치를 두고 무엇을 선택할 것인가는 여전히 인간 전문가의 영역으로 남아 있다. 그렇다면 이 암묵지가 데이터베이스화되면 인공지능이 모든 것을 대체할 수 있을까? 적어도 지금까지는, 후보가 늘어나고 생성 비용이 줄어들수록 선택하는 역량의 비중이 오히려 커졌다. 이 역량은 성능 지표만으로 환원되지 않으며, 축적된 경험이 함께 개입한다. 생성 비용이 급격히 낮아진 환경에서 소재 개발의 핵심 역량은 후보를 만들어내는 능력이라기보다, 무엇을 남기고 무엇을 버릴 것인가를 판단하는 편집 능력에 있다. 이러한 관점에서 Agentic AI 파이프라인의 구성과 그 안에서 연구자가 맡는 역할을 함께 살펴보고자 한다.

• 카이스트 문화기술대학원 임경태 교수: 문서 기반 AI-Agent 시스템의 점진적 구축 사례

최근 LLM 기반 AI Agent가 단순 질의응답을 넘어 실제 업무를 수행하는 방향으로 빠르게 발전하고 있습니다. 본 강연에서는 실제 규정과 문서를 기반으로 AI Agent 시스템을 구축한 사례를 중심으로, 단순 RAG에서 시작하여 질의 분해와 계획·실행, 검색 및 검증, VLM을 활용한 문서 이해 등으로 시스템을 점진적으로 고도화한 과정을 소개합니다. 또한 실제 업무 환경에서 Agent를 적용하며 발생한 문제와 이를 해결하기 위한 설계 방법을 함께 다룹니다.

• 현대자동차 성능컨셉기술리서치랩 박순철 연구위원: Technology Convergence 2.0 - 전통 엔지니어링과 Agentic AI 의 만남

지난 수십 년간 전통 엔지니어링은 CFD(전산유체역학), FEM(유한요소해석), MIL/SIL/HIL, 그리고 Prototype Test(실차 검증)를 중심으로 발전해 왔습니다. 이러한 전통적 Engineering Workflow는 성능 개발과 검증의 핵심 기반입니다. 최근에는 이 워크플로우를 대체하는 것이 아니라, 그 위에 새로운 지능형 레이어가 더해지고 있습니다. Agentic AI(목표 지향형 자율 실행 AI)는 단순 자동화 도구를 넘어, 개발 목표를 이해하고 적절한 해석·시험 도구를 선택하며, 결과를 평가해 다음 설계 또는 실험을 제안하는 AI입니다. 본 강연은 Agentic AI를 단순한 기술 트렌드로 소개하지 않습니다. 대신, 기존의 Domain Knowledge, Validated Engineering Tools, Historical Test Data 위에 AI가 어떻게 결합되는지를 구체적인 사례와 워크플로우로 살펴봅니다.

1) Accelerated Development Cycles (개발 리드타임 단축 및 반복 개발 속도 향상)

2) Expanded and Efficient Design Exploration (더 넓고 효율적인 설계안 탐색)

3) Optimized Simulation and Test Planning (해석·시험 계획 및 자원 운영 최적화)

4) More Confident Engineering Decisions (근거 기반의 신뢰도 높은 엔지니어링 의사결정)

• LG 전자 손정은 박사: Agent는 만들었지만, 왜 워크플로우로 연결되지 않는가?

제조업 R&D에서는 생산성 향상을 위해 다양한 Agent를 개발하고 있으나, 사일로화된 기업 정보시스템과 파편화된 현업 개발 데이터를 하나의 업무 맥락으로 통합하는 데 한계가 있습니다. 또한 판단 기준과 예외 처리 등 현업의 암묵지가 충분히 구조화되지 않으면, Skill은 특정 과제의 데이터와 실행 환경에 종속되어 범용적인 재사용과 조합이 어렵습니다. 본 워크숍에서는 분산된 R&D 데이터와 암묵지를 구조화하고, 검증 가능한 Skill 체계와 데이터 Ontology를 기반으로 개별 Agent를 R&D 워크플로우로 확장하기 위한 방향을 실제 추진 경험과 함께 소개하고자 합니다.

• SK온 이남정 PM: 기업은 어떻게 Agentic AI를 도입하는가: 공통 언어와 거버넌스

Agentic AI는 생성형 AI의 활용을 넘어 기업의 업무 방식과 시스템을 변화시키는 새로운 패러다임으로 주목받고 있습니다. 그러나 성공적인 도입을 위해서는 최신 AI 기술뿐 아니라, 조직 내에서 Agentic AI를 어떻게 정의하고 활용할 것인지에 대한 공통된 이해와 운영 체계가 함께 마련되어야 합니다. 본 강연에서는 Agentic AI의 핵심 개념과 기술적 특징을 살펴보고, 기업 환경에서의 도입 과정에서 고려해야 할 주요 요소를 소개합니다. 또한 공통 언어의 정립, 거버넌스, 협업 체계 등 기업이 Agentic AI를 지속 가능하게 활용하기 위한 방향과 실무적인 시사점을 함께 공유하고자 합니다.

• 한국기계연구원 AX Labs 연구실 백동천 박사: 조직의 AX의 실천적 모델: 지표 설계부터 조직 내재화까지

개인 PC 속 AI 비서를 넘어, 조직의 데이터 자산을 축적하고 활용하는 플랫폼 기반 AX 실천 모델을 제시합니다. 이메일 송수신 에이전트를 통한 행정 업무 대행으로 연구원의 '덩어리 시간(Chunk Time)'을 확보하는 새로운 KPI 설계법을 공유합니다. 아울러, 제조업의 도면 기반 견적 프로세스 사례등를 통해 기업의 핵심 공정 노하우를 이식한 '절차형 에이전트(Procedural Agent)'의 구축 전략과 현장 안착을 위한 조직 내재화 방안을 제시합니다.

• 국가과학AI연구센터 김태완 박사: Agent-Centered Thinking: 문제 해결을 위한 Agent 중심 접근

새로운 문제를 해결할 때 우리는 종종 '어떤 AI 모델을 사용할 것인가'부터 고민하곤 합니다. 그러나 이러한 접근은 문제를 기존 기술이나 방법론의 틀 안에서 해석하게 만들고, 정작 해결해야 할 문제의 본질과 실제 제약조건을 가릴 수 있습니다. 본 강연에서는 이러한 관성에서 벗어나 Agent-Centered Thinking을 바탕으로 문제를 근본부터 다시 정의하고 실현 가능한 해결책을 도출한 두 가지 사례를 소개합니다. 먼저, 데이터가 부족한 의료영상 화질 개선 문제에서는 Multi-modal LLM과의 상호작용을 통해 문제의 제약조건을 재정의하고, Metric 기반 필터를 제어하는 Agent를 구축하여 GPU 없이도 고해상도 의료영상의 화질을 개선한 사례를 공유합니다. 이어서 제조 환경에서는 작업자 간 숙련도 편차를 줄이기 위해 도메인 지식을 함수화한 Agent를 AR Glass와 로봇 팔과 결합한 작업 지원 시스템을 구현하고, 이를 자율실험실 PoC까지 확장 적용한 사례를 소개합니다.

[09/03/26] 풍산-KAIST 미래기술연구센터 2026년 워크샵

[08/24/26-08/26/26] iAI participates in the 19th East Asia SIAM (EASIAM) Annual Meeting in Jeju, Korea. 

• Prof. Seungchul Lee: Geometry-Aware Spatially-Adaptive Operator Learning for Accelerated PDE Simulation

[08/19/26-08/21/26] 대한금속재료학회 인공지능재료과학 분과, 제13회 재료인공지능 여름학교 @ 경북대학교

[08/19/26] 대한기계학회 기계인공지능연구회 전문가 심포지엄, 고려대학교

[08/13/26] Dinner with iAI members, interns, and R&E students

[08/12/26] Congratulations to Yenee Oh on successfully passing her master's preliminary exam !!!

• "Geometry-adaptive Transformer Neural Operator for Arbitrary Component Configurations"

[08/10/26-08/11/26] 대한기계학회 기계인공지능 연구회, LLM 기반 AI 에이전트 강습회, 광주과학기술원

• LLM 기반 연구 지식 구조화와 Ontology 활용: LLM을 활용하여 연구 문헌, 실험·해석 데이터 등 다양한 연구 정보를 구조화하고 이를 Agentic AI와 연결하는 방법을 소개한다. 특히 Ontology 기반의 지식 표현과 wiki 형태의 연구 지식 관리 개념을 중심으로, 연구 과정에서 생성되는 정보를 체계적으로 축적하고 재사용하는 방법을 설명한다.

• LLM 기반 물리 시스템 연동 및 제어 응용: LLM을 하드웨어 제어에 활용하는 응용 사례를 소개한다. 자연어로 입력된 연구자의 의도를 센서, 액추에이터, 계측 장비가 이해할 수 있는 구조화된 제어 명령으로 변환하는 원리를 설명한다. 이를 통해 장비 제어와 상태 모니터링 과정을 효율화하고, 연구자가 물리 시스템과 직관적으로 상호작용할 수 있는 가능성을 제시한다.

[07/27/26] 대한기계학회 CAE 및 응용역학 부문, 기계공학도를 위한 Agentic AI 실전 강습회, 동국대학교

[07/20/26-07/24/26] iAI participates in the 17th World Congress on Computational Mechanics (WCCM-ECCOMAS 2026) in Munich, Germany.

• Dr. Hong-Kyun Noh: A Physics-Informed Machine Learning Framework for Aerodynamic Performance-Driven Shape Optimization 

• Jaejung Park: Physics-Informed Machine Learning for Predicting Microstructure Evolution Including Grain Growth and Spinodal Decomposition 

• Yenee Oh: Physics-Informed Deep Operator Network for Predicting Temperature Field of a Lithium-Ion Battery Under Variable Operating Conditions 

• Minhyung Lee: Mechanical Property Prediction in Two-Dimensional Materials based on Language Models with Graph-Structured Crystal Representations

[07/14/26] 한국생산제조학회 춘계학술대회 참가, 강릉세이트존스 호텔

• 서울과기대 박범수 교수: 생산제조를 위한 생성형 AI Tutorial

• 서울과기대 박범수 교수: 제조 설계와 공정 지능화를 위한 데이터-물리 기반 AI

• 노홍균 박사: 물리 지식 기반 머신러닝을 활용한 미세조직 진화 거동의 장시간 모사

• 전기연구원 김태완 박사: 자율 제조 구현을 위한 에이전트 오케스트레이션 및 로봇 에이전트 통합 시스템

[07/13/26-07/15/26] 대한기계학회 기계인공지능 연구회, 인공지능 여름학교, 연세대

[07/09/26] 한국과학영재학교 R&E 여름방학 현장연구학습 시작

• 백재원, 이정인, 홍준서 학생

[07/08/26] iAI Undergraduate Research Interns

[07/02/26] iAI 연구실, 한국소성·가공학회 전문교육 진행 @ 카이스트, 대전

• 연구 데이터 및 전문지식 활용을 위한 대규모 언어 모델과 지능형 연구 자동화

  • 주제 1: 도메인 특화를 위한 언어 모델 미세조정 (LLM Fine-tuning) (이승철 교수, 노홍균 박사)

  • 주제 2: 외부 지식 연계를 통한 언어 모델 고도화 (RAG 및 응용) (박재정 학생)

  • 주제 3: 언어 모델의 공학적 응용 (이민형 학생)

[07/01/26] iAI attends the seminar titled "Bioelectronics: From Exploratory Research to Medical Translation" by Prof. John A. Rogers of Northwestern University.

[07/01/26] 박재정 학생, 국가소재연구데이터센터 사용자 클럽 분과 워크샵 참가

[06/29/26-07/03/26] Prof. Sooyoung Lee at Chung-Ang University gives a presentation entitled "Physical AI for Manufacturing: A Call for Clarity and Rigor" at the international conference on PRecision Engineering and Sustainable Manufacturing (PRESM) at Singapore.

[06/25/26] 풍산-KAIST 미래기술연구센터 2차 운영위원회 발표

[06/18/26] 산자부 기계장비사업 (약칭: 세포응집체 배양자동화 과제) 4차년도 워크샵 참석, 포항

[06/18/26] 이승철 교수, HD건설기계 자문위원회 기술 토론회 참가

[06/16/26] 이승철 교수, 국민대학교 ERC (로봇 기능성 스킨 및 초감각 연구센터) 전문가 초청 워크샵 발표, 서울

• 제목: 소재, 센서, 공정 연구를 가속화하는 Engineering AI: 데이터에서 공학으로

• 소개: AI는 이제 공학 연구의 새로운 실험 도구다. 물리 기반 AI로 부족한 데이터를 보완하고, 생성형 AI로 실험 데이터를 확장하며, 능동학습으로 방대한 공정 변수 공간을 효율적으로 탐색할 수 있다. 본 세미나는 소재, 센서, 공정 연구자가 AI를 연구의 실질적 파트너로 활용할 수 있도록 핵심 기법과 적용 사례를 함께 살펴본다. 

[06/15/26] Farewell to Zhishan Wang

[06/09/26] 한국생산기술연구원 2026년 심화형 제조 AI 전문가 교육 프로그램, 송도 

• LLM과 Agentic AI의 이해 및 제조 분야 적용

  • Agentic AI의 개념과 핵심 설계 요소 (도구 사용, 계획 수립, 자율 실행 등)

  • 업무 및 행정 Agent, 산업 데이터 분석 Agent, 하드웨어 제어 Agent, 공학 해석 Agent

  • 제조 분야에서의 LLM, Agentic AI 활용 사례 및 적용 시 고려사항

[06/04/26-06/05/26] InnoCORE Workshop for InnoCORE Fellows

• Day 1

  • Introduction to InnoCORE

  • Special Lecture by Prof. Yoon Young Kim

  • Networking and Poster Session 

  • InnoCORE Fellows Nights (Dinner)

• Day 2

  • Tutorial: LLM for Researchers

[06/04/26] 김윤영 교수님, 카이스트 기계공학과 학부생 대상 강연

[06/02/26] Jongmok Lee  successfully completes his doctoral dissertation defense. Congrats !!! 

• Physics-Informed Deep Learning for Boundary-Dominated Phenomena in Engineering Systems with Arbitrary Geometries: From Modeling to Optimization

[06/01/26] HD현대사이트솔루션, iAI 연구실 방문

[05/29/26-05/30/26] The KAIST ME delegation visits the Department of Mechanical Engineering at Tsinghua University to facilitate a joint exchange on AI education and research. 

[05/27/26-05/29/26] 한국소음진동공학회 춘계학술대회 참가, 삼척 (쏠비치)

• 이종목: 형상 변화를 반영한 음향 산란체의 산란 특성 분석 및 최적 형상 설계

[05/26/26] 한국생산기술연구원 2026년 심화형 제조 AI 전문가 교육 프로그램, 송도 

• •  Transformer와 LLM

  • Transformer 원리 이해

  • LLM의 구조와 언어 이해 및 생성 원리

  • Instruction Tuning 과 RAG (with Vibe Coding)

[05/19/26] Prof. Sooyoung Lee at Chung-Ang University gives a presentation entitled "Towards Engineering Intelligence: Foundations of Engineering-Centric AI for Analysis and Optimization" at ACSMO 2026, Busan.

[05/15/26] 스승의 날을 맞아, 산업 인공지능 연구실 구성원에게 감사의 인사를 전합니다.

[05/14/26-05/15/26] 2026년 KAIST 산학협동 공개강좌, AI가 대신 일하는 시대: LLM 기반 산업 AI Agent 설계와 구현 (58명 참가)

[05/14/26] 중앙대 이수영 교수, 한국정밀공학회 춘계학술대회 정밀공학의 AI 융합을 위한 전략 포럼에서 [공학 지능을 위한 '도메인 기반 AI'의 도전과 기회] 주제로 강연.

[05/12/26] 한국생산기술연구원 2026년 심화형 제조 AI 전문가 교육 프로그램, 송도 

• 대표 모델 이해 1: 이미지 AI와 시계열 AI의 구조 이해 및 핵심 설계 요소

  • CNN 기반 이미지 AI의 특징 추출 원리와 주요 모델 발전 과정 

  • RNN, LSTM, 1D CNN 등 시계열 처리 모델의 구조와 핵심 특징

  • 제조 환경에서의 이미지, 시계열 데이터 AI 적용 시 주요 고려사항

[05/06/26-05/08/26] 대한기계학회 CAE및응용역학 부문 춘계학술대회 참가, 여수 (소노캄)

• 노홍균 박사: 시간 인과성이 강화된 물리지식기반 심층 연산자 신경망을 활용한 시간 의존 편미분 방정식의 실시간 응답 추론

• 박재정: 물리 지식 기반 머신러닝을 활용한 결정립 성장 및 스피노달 분해에서의 장시간 미세조직 진화 거동 모사

• 이민형: 언어 모델과 그래프 구조 결정 표현의 융합을 통한 이차원 재료 기계적 물성 예측

• 박민우: 물리 지식 기반 신경 연산자를 이용한 포탄 항력 계수 산출 가속화

• 오예니: 내부 구조 요소의 수와 형상 변화를 고려한 트랜스포머 기반 신경 연산자 모델 (포스터)

[04/30/26] 한국생산기술연구원 2026년 심화형 제조 AI 전문가 교육 프로그램, 송도 

• 데이터와 학습 전략 2: 실전 데이터 문제 해결 - 생성과 적응

  • Domain Shift 문제 이해와 Generative Model을 통한 타겟 도메인 데이터 생성

  • 생성모델 기반 불량 데이터 합성 및 Domain Adaptation 결합 전략

  • 시뮬레이션 → 실제 공정, A라인 → B라인 모델 전이 통합 전략

[04/27/26-04/28/26] InnoCORE Workshop on Global Manufacturing AX Forum

In an era where AI Transformation (AX) has become the core competitive advantage beyond simple digital transition, we cordially invite you to the 'Global Manufacturing AX Forum.' This forum is designed to envision the future of the global manufacturing industry and explore strategic collaboration between academia, industry, and research institutes. The event features a Global Session with international speakers from Taiwan, the USA, and Singapore, as well as a Domestic Session highlighting leadership from Korea’s major companies, government research institutes, and innovative startups. Participants will gain firsthand insights into the present and future of AI across the entire manufacturing spectrum from engineering design optimization to autonomous manufacturing and robot orchestration. We look forward to the active interest and participation of researchers and students who will lead the future of the manufacturing industry.

Global Session

• Prof. Chi-Hua Yu, National Cheng Kung University (NCKU) & Founder of NeuroShine, Taiwan, "InPact.AI: An agentic AI Framework for Advanced Packaging"

• Prof. Namwoo Kang, KAIST & Founder/CEO of Narnia Labs, Korea, "AI Transformation for Engineering Design"

• Prof. Jay Lee, Clark Distinguished Chair Professor, University of Maryland, USA, "Recent Advances of Industrial Physical AI for Complex Engineering Systems"

• Prof. Seung Ki Moon, Nanyang Technological University (NTU) & Director of Hyundai-NTU-A*STAR Corporate Lab, Singapore, "Software Defined Architecture for Manufacturing AI in Dark Factory"

Domestic Session 

• 윤일용, 포스코홀딩스 AI로봇융합연구소 소장, "AI를 통한 제조업 혁신 사례"

• 김용연, LG전자 AI연구소 연구위원, "기구/HW 분야에서의 AX추진 방향성"

• 이택민, 한국기계연구원 이차전지장비연구실 실장, "AI 디지털트윈 기반 자율제조 기술"

• 최우진, 한국화학연구원 화학플랫폼연구본부 본부장, "플라스틱 컴파운드 소재 제조를 위한 데이터 표준화 및 물성예측 기술"

• 장영재, KAIST 산업및시스템공학과 교수, "KAIST AI Robot Orchestration System (KAIROS)"

• 이상원, 성균관대학교 기계공학부 교수, "확장현실 및 공간지능 기반 사이버-물리 연계 인간-AI-제조장비 다중 인터랙션 기술 개발"

• 임원호, 앰버로드(Amber Road) 대표이사, "제조 공정 최적화, 실제 이익으로 연결되는 AI"

• 임용섭, 마키나락스(MakinaRocks) CAIO / 부사장, "에이전틱 기업으로의 전환: 자동화를 넘어 자율 운영으로"

[04/11/26] iAI lab workshop and outing at Jeju

[04/08/26-04/10/26] 산업인공지능 연구실, 대한기계학회 신뢰성 부문 춘계학술대회 참여, 제주 (롯데호텔)

• 이승철 교수, 대한기계학회 신뢰성 부문 춘계학술대회 기조강연, 제주

Title: Expanding the Horizons of Reliability Analysis: The Integration of AI and Physics-based Models for Next-Generation Engineering (신뢰성 해석의 지평을 넓혀: AI와 물리모델의 융합이 차세대 신뢰성 공학을 이끈다)

Abstract: Reliability engineering is a pivotal discipline that ensures system safety and performance by quantifying uncertainties and accurately predicting failure probabilities. However, the practical application of reliability analysis is currently hindered by significant bottlenecks: the prohibitive computational costs of high-dimensional, multi-physics problems and the scarcity of real-world operational data. This study provides an in-depth exploration of next-generation reliability methodologies that overcome these limitations through the organic integration of Physics-based Modeling and Artificial Intelligence (AI). First, we discuss strategies to simultaneously achieve simulation acceleration and data efficiency using physics-informed learning techniques such as Physics-Informed Neural Networks (PINNs), Operator Learning, and high-fidelity surrogate models. Subsequently, we present advanced frameworks for data-efficient uncertainty quantification via active and transfer learning, rare event probability estimation using generative models, and rigorous posterior uncertainty assessment through Bayesian inference. By ensuring both computational efficiency and physical consistency, the proposed integrated framework is expected to serve as a core catalyst in shifting the paradigm of reliability-based decision-making across high-tech industries, including manufacturing, energy, aerospace, and mobility.

• 노홍균 박사: 시간 인과성이 강화된 물리지식기반 인공신경망을 활용한 시간-의존 편미분 방정식의 실시간 응답 추론

• 이종목: 구조 변화에 대응한 신뢰성 기반 설계 최적화를 위한 기하 정보 기반 공간 적응형 딥오넷

• 박재정: 데이터 효율적 베어링 고장 진단을 위한 다중 에이전트 기반 대규모 언어 모델의 활용

• 오예니: 리튬 이온 배터리의 열관리 시스템을 위한 배터리 온도장 예측 물리 지식 기반 연산자 네트워크

• 이민형: 그래프 기반 결정 표현을 결합한 이차원 재료 기계적 물성 예측 언어 모델

• 박민우: 물리 지식 기반 신경 연산자를 이용한 탄 항력 계수 예측 모델 구축 (포스터)

[04/08/26] 튜토리얼 세션: PINN-guided LLM 에이전트와 신뢰성

[04/06/26] 이승철 교수, HD건설기계 교수자문위원회 자율화분야 자문위원 위촉

[04/02/26] 한국생산기술연구원 2026년 심화형 제조 AI 전문가 교육 프로그램, 송도 

• 데이터와 학습 전략 1: 제조 데이터 특성에 따른 학습 전략

  • 지도/비지도/반지도/자기지도 학습의 개념과 제조 적용 시나리오 비교

  • Few-shot Learning, Active Learning을 통한 라벨링 비용 최소화 전략

  • Continual Learning과 Domain Adaptation으로 공정 변화 대응 방법

[03/31/26] 이승철 교수, 대구경북과학기술원 로봇및기계전자공학 세미나, 대구

• AI in Engineering: Integrating Data-driven and Physics-informed Approaches

[03/27/26] 풍산-KAIST 미래기술연구센터 1차 운영위원회

[03/26/26-03/27/26] 한국설비진단자격인증원 강습회, 여수(히든베이 호텔)

[03/26/26] Technical Tour: KIMM 

[03/25/26-03/26/26] A delegation from the Department of Mechanical Engineering at Tsinghua University visits KAIST to discuss the future of AI education and research collaboration in ME.

• Prof. Haiyan Zhao

• Prof. Peng Wen

• Prof. Liran Ma

[03/18/26-03/19/26] 이승철 교수, 한국센서학회 AI센서플랫폼 세션에서 초청발표, 서울

• 이승철 교수: AI 센서 플랫폼의 미래: 물리 기반 이해와 데이터 기반 학습의 만남 (The Future of AI Sensor Platforms: Bridging Physics-based and Data-driven Learning)

AI sensor platforms are evolving from passive data acquisition systems into intelligent, adaptive infrastructures capable of interpreting complex physical environments. Traditionally, sensor systems have relied on physics-based models that encode domain knowledge such as wave propagation, thermal dynamics, or electrochemical behavior. In parallel, data-driven learning has enabled powerful pattern recognition directly from large-scale sensor data. Yet, each paradigm has limitations: physics-based models can be computationally intensive and incomplete, while purely data-driven models often lack physical consistency, interpretability, and robustness beyond their training conditions. This work presents an integrated approach that bridges physics-based understanding and data-driven learning for next-generation AI sensor platforms. By embedding physical constraints and structural priors into machine learning models, sensor intelligence becomes more reliable, data-efficient, and generalizable. At the same time, data-driven components help capture unmodeled effects and real-world variability. Key technologies such as physics-informed learning, hybrid modeling, digital twins, and edge AI will be discussed through applications in structural monitoring, smart manufacturing, energy systems, and biomedical sensing. The work concludes with challenges and future directions toward trustworthy, real-time, and deployable AI sensor platforms.

• Prof. Bumsoo Park: Zero-Shot AI for Single-Camera 3D Flow-Field Reconstruction in Refractive Droplet Experiments

• Dr. Hong-Kyun Noh: Sensor-Guided Real-Time Inference of Time-Dependent PDE Systems Using Physics-Informed AI

[03/10/26] 박범수 교수, 연구실 방문

[03/06/26] 카이스트 AI수학대학원 Opening Workshop 참석, 대전

[03/04/26] 초내열소재 HUB 2단계 착수회의 참석, 부산 (호메르스 호텔 )

[03/01/26] Dr. Bumsoo Park Appointed as Assistant Professor in MSDE at Seoul National University of Science and Technology (SeoulTech) where he will lead the Manufacturing AI lab.

[02/27/26] 대한기계학회 기계인공지능연구회 주관, 물리지식기반 인공지능 워크샵, 포스코타워 역삼

[02/25/26-02/27/26] 카이스트 기계공학과, 'AI 기반 설계: 해석에서 설계 최적화 및 PINN/LLM 활용까지' 동계 산학협동 강좌, 대전

2026년 2월 25일부터 27일까지 창의학습관에서 'AI 기반 설계: 해석에서 최적화 및 PINN/LLM 활용까지' 동계 산학협동강좌가 개최되었습니다. 이번 강좌는 기계공학 분야에서 인공지능 기술을 설계와 해석 과정에 통합하는 방법을 공유하기 위해 기획되었으며, 데이터 기반 접근과 물리 기반 모델링을 연결하는 다양한 방법론이 소개되었습니다. 강좌에서는 위상최적화의 기본 개념과 다학제 분야로의 확장 사례를 시작으로, 데이터 기반 설계 방법론의 실질적인 활용 전략을 다루었습니다. 이어 PINN과 DeepONet을 활용한 물리 법칙 내재화 및 연산자 학습 기반 공학 시스템 응답 예측 방법을 소개하였습니다. 또한 LLM의 공학적 활용 가능성을 조명하며, 설계 지식 구조화, 해석 코드 작성 보조, 시뮬레이션 결과 해석 지원 등 생성형 AI의 의사결정 지원 도구로서의 활용 방향을 제시하였습니다. 이번 강좌에는 이승철 교수(강좌책임교수)를 비롯하여 유승화, 이익진, 장인권, 강남우, 임경태 교수가 강사진으로 참여하였으며, 총 96명이 수강하였습니다. 강좌 마지막 날에는 AI 응용 사례 발표와 패널 토의를 통해 참가자들이 현장 경험을 공유하고 산학연 협력의 확장 가능성을 모색하였습니다.

[02/23/26] 산업 인공지능 연구실, "AI 시대, 대학교육의 재설계" 워크샵 참석, 대전

인공지능의 급속한 발전은 산업과 사회의 여러 영역에서 기존의 질서를 서서히 재편하고 있다. 특히 노동 시장과 인재 양성의 방식에서도 이러한 변화의 조짐이 점차 분명해지고 있다. 최근 산업 현장에서는 신입 인력을 적극적으로 채용하기보다는 이미 일정 수준의 경험과 역량을 갖춘 인력을 선호하는 경향이 나타나고 있다. 이는 과거 신입 인력이 수행하던 반복적이거나 기초적인 업무의 상당 부분이 인공지능 시스템에 의해 대체되거나 보조될 수 있게 되었기 때문이기도 하다.

이러한 변화는 자연스럽게 하나의 근본적인 질문을 제기한다. 신입으로서의 경험을 축적할 기회가 줄어드는 상황에서 개인은 과연 어떠한 경로를 통해 전문성을 형성하고 중견 인력으로 성장할 수 있는가. 다시 말해, 초입의 경험 없이 성숙한 전문가로 이행하는 것이 가능한가 하는 문제이다.

이와 같은 문제의식은 대학 교육의 역할을 다시 묻게 만든다. 대학은 단순히 지식을 전달하는 기관을 넘어, 급변하는 기술 환경 속에서 학습자들이 어떠한 방식으로 경험과 역량을 축적할 수 있도록 교육을 설계해야 하는가. 특히 인공지능이 사회 전반의 의사결정과 생산 과정에 깊이 관여하게 된 오늘날, 이러한 변화는 교육 체계에서도 보다 근본적인 성찰을 요구하고 있다.

인공지능과 함께 살아간다는 것은 단순히 새로운 도구를 활용하는 차원을 넘어, 인공지능과 협력하는 하나의 팀 구성원으로서 인간의 역량을 재정의하는 문제이기도 하다. 인간과 인공지능이 협력적 관계 속에서 서로의 강점을 확장해 나갈 수 있는 교육적 모델은 무엇인지에 대해 다양한 고민을 나눌 수 있었던 의미 있는 자리였다.

[02/20/26] KAIST Commencement Ceremony   

[02/13/26] POSTECH Commencement Ceremony   

[02/10/26-02/11/26] 대한금속·재료공학회 인공지능재료과학분과 제12회 재료인공지능 겨울학교 진행, 한국생산기술연구원 지능화뿌리기술연구소 (인천 송도국제도시)

2026년 2월 10일부터 11일까지 양일간 한국생산기술연구원 지능화뿌리기술연구소에서 개최된 재료인공지능 겨울학교가 성공적으로 마무리되었다. 대한금속·재료학회 인공지능재료과학 분과가 주관한 이번 행사는 재료공학과 인공지능의 융합을 주제로, 기초 이론부터 최신 응용 기술까지 폭넓은 내용을 다루며 참가자들의 큰 호응을 얻었다. 이번 겨울학교는 초급과 중고급 과정으로 구성되어 머신러닝과 딥러닝의 기본 개념뿐 아니라 재료 이미지 분석, 생성형 인공지능, LLM 구조 이해 등 최신 AI 기술의 소재과학 적용 사례까지 체계적으로 소개하였다.

[02/05/26-02/06/26] iAI workshop and outing at Muju

[01/19/26-01/22/26] 대한기계학회 기계인공지능연구회 주관, 인공지능 겨울학교, 광주

[01/15/26] 연구 성과 홍보: 중앙대 기계공학부 이수영 교수 연구팀, 물리기반 인공지능으로 미래 제조 청사진 제시

최근 제조 분야에서의 공정 고도화 및 첨단화에 따라 제조 환경이 더욱 복잡해지고 있으며, 이를 정밀하게 모델링하거나 공정 변화를 실시간으로 반영하는 데 기술적 한계가 지속적으로 제기돼 왔다. 이러한 문제를 해결할 수 있는 새로운 인공지능 기반 기술에 대한 요구가 커지고 있으나, 기존 데이터 중심 인공지능 기술은 대규모 학습 데이터 확보의 어려움과 공정 조건 변화에 따른 성능 저하 등의 이유로 실제 제조 현장에 적용하는 데 한계를 가지고 있다. 이수영 교수 연구팀은 제조 인공지능의 특성과 한계를 종합적으로 분석하고, 제조 공정에 내재된 도메인 지식과 인공지능을 결합하는 ‘도메인 주도 인공지능 기술’을 통해 미래 제조 기술의 청사진을 제시했다. 특히 연구팀은 물리 법칙을 인공지능 모델에 통합하는 물리기반 인공지능을 중심으로, 적은 데이터만으로도 물리적으로 일관된 성능과 해석 가능성을 확보할 수 있는 제조 인공지능의 새로운 방향성을 제시했다.

[01/14/26] 산업인공지능연구실, 한국최적설계학회 (Korean Society for Design Optimization) 참가, 대전

[01/08/26] KAIST 기계공학과 뉴스레터 홍보용 포스터