김지범 교수

기존 수치해석 및 CFD 시뮬레이션에서는 메쉬 품질과 정확도 향상이 핵심 과제였으며, 전통적 최적화 기법이 갖는 한계를 극복하기 위해 그래프 신경망 기반 접근이 요구되었습니다. 이에 GCN(Graph Convolutional Network) 구조를 활용한 메쉬 세분화 프레임워크인 GMR-Net을 개발했으며, 포인터 네트워크를 활용해 메쉬를 동시에 언탱글링하고 스무딩하는 기술을 구축했습니다. 이러한 기술은 PDE(편미분방정식) 해석 가속화, CFD 시뮬레이션의 정확도 및 효율성 향상, 3D 프린팅 최적화, 환자 맞춤형 수치 모델 시뮬레이션 등에 적용되고 있습니다. 관련 연구 성과로 GMR-Net, Simultaneous Mesh Untangling and Smoothing using Pointer Networks 등 다수의 논문을 발표했으며, 특허 제10-1944932호와 제10-2131109호를 보유하고 있습니다. 해당 기술은 (주)글룩에 기술이전되어 TRL 7-8 수준으로 실용화 단계에 도달했습니다.

3D CAD 설계 자동화 및 생성형 디자인에 대한 수요가 증가하면서 CAD 모델의 효율적인 표현학습 및 생성 방법에 대한 연구 필요성이 커졌습니다. 이를 위해 Contrastive Learning 기반의 CAD 표현학습 기법인 ContrastCAD를 개발했으며, 멀티모달 프레임워크인 GuideCAD와 트랜스포머 오토인코더 및 Diffusion 모델 기반의 CAD 생성 기술을 구축했습니다. 이러한 기술은 산업용 3D 설계 자동화와 생성형 디자인(Generative Design) 분야에 적용되고 있습니다. 연구 성과로 ContrastCAD와 GuideCAD 관련 논문을 IEEE Access 등 학술지에 발표했으며, 단계적 객체 생성을 위한 전자 장치 및 그 방법, 학습 데이터 증강 관련 특허를 공개했습니다. 현재 TRL 4-5 수준으로 산업용 CAD 자동화 응용을 위한 후속 연구를 진행하고 있습니다.

도시 상수도 관망의 무수익 수량 관리와 지능형 물관리에 대한 필요성이 커지면서 AMI(원격검침) 데이터를 기반으로 이상치와 누수를 탐지하는 기술에 대한 수요가 증가했습니다. 이에 CNN-LSTM 및 Transformer 알고리즘을 적용해 스마트 수도미터(AMI) 데이터의 이상치 및 누수를 탐지하는 모델을 개발했습니다. 이러한 기술은 도시 상수도의 무수익 수량 관리, 지능형 물관리 시스템 구축, AI와 Hydrophone을 이용한 관망 내 누수 탐지 등에 활용되고 있습니다. 서울물연구원과의 실증 연구를 통해 현장 적용성을 검증했으며, 해당 기술은 (주)레오테크에 기술이전되었습니다. 이동 이력 데이터 저장, 자동 옥내 누수 탐지, 누수 검출 장치 등과 관련한 다수의 특허를 등록 및 공개했으며, 제58회 발명의 날 특허청장 표창을 수상했습니다. 현재 TRL 8-9 수준으로 실제 상수도 관망에 적용되고 있습니다.