최원익 교수

정밀 위치 결정과 초정밀 디지털 국토정보 획득을 위해 절대·상대·연속복합 측위 방식을 고도화하는 연구를 수행하고 있습니다. 국토교통부 주관 디지털 국토정보 기술개발 사업단의 3차원 디지털 국토정보 구축 및 동적 정보 연계 목표와 연계하여 진행되고 있습니다. 핵심 기술로는 공간-시계열 지능 기반 이동체 궤적 예측 기술을 개발했으며, Transformer 및 Attention 메커니즘을 적용해 공간 데이터의 미래 상태를 예측하는 모델을 구축했습니다. 대용량 공간 질의 처리 성능을 높이기 위해 GPU 가속 기반 R-tree 공간 색인 구조를 설계하여 범위 질의 병렬 처리를 가속화했습니다. 이 기술은 디지털 국토정보 변화인식 및 자동갱신, GPS/GNSS 정밀 측위, 전리층 및 대류권 지연 실시간 관측 분야에 적용되고 있습니다. 초정밀 디지털 국토정보 획득을 위한 절대·상대·연속복합 측위 고도화 기술개발 2단계 2차년도 과제(예산 약 4.7억원)와 디지털 국토정보 변화인식 및 자동갱신 기술개발 2단계 2차년도 과제(예산 약 7.9억원) 등 다수의 국가연구과제를 수행했습니다. GPU 병렬 검색을 활용한 R-트리 계열 색인 구조의 범위 질의 가속화 관련 특허를 보유하고 있으며, 해당 기술은 파파야에 다수 이전되었습니다.

정상동율동 심전도 상태에서도 발작성 심방세동을 조기에 예측하기 어려운 임상적 한계를 해결하기 위한 딥러닝 기반 시계열 예측 및 의료 AI 연구를 수행하고 있습니다. 시계열 데이터를 분해하고 클러스터링 번호 시퀀스와 결합한 딥러닝 예측 시스템을 구축했으며, 정상 리듬 구간에서 심방세동 신호를 분리 학습하는 딥러닝 모델을 개발해 심장 나이와 뇌경색 위험도를 추정하는 기술로 확장했습니다. 이 기술은 심장 진단 웹서비스뿐 아니라 태양광 발전량 예측, 전력 수요 예측, 항공기 엔진 PHM 진단 분야에도 적용되고 있습니다. 인하대병원 등 국내 대학병원 10여 곳과 임상 공동연구 MOU를 체결했으며, 인하대병원 건강검진센터에서 AI 심전도 건강검진 베타서비스를 제공하고 있습니다. Scientific Reports(2021)에 게재한 심방세동 예측 논문은 피인용 117회를 기록했고, Energies(2019) 전력수요예측 논문 역시 피인용 117회를 기록했습니다. 예측 정확도는 75%에서 82%로 향상되었습니다. 심전도 데이터의 GAF(Gramian Angular Field) 학습 기술과 자동 라벨링 기반 R-피크 인덱스 추출 기술 등 관련 특허를 딥카디오 주식회사에 이전했으며, 이를 기반으로 딥카디오를 창업해 소프트뱅크벤처스와 데일리파트너스로부터 40억원의 시리즈A 투자를 유치했습니다.

문장 임베딩과 유사도 측정에서 토큰 중요도가 충분히 반영되지 못하고 학습 데이터가 부족한 문제를 해결하기 위한 자연어처리 및 데이터 증강 연구를 수행하고 있습니다. 토큰 중요도를 반영한 문장 임베딩 기술인 TA-SBERT(Token Attention Sentence-BERT)를 개발했으며, 위치 정보를 고려한 쌍대 비교 레이어와 다중 손실 함수를 활용해 문장 유사도 측정 성능을 향상시켰습니다. 학습 데이터 부족 문제 해결을 위해 번역 기반 문장 데이터 변형과 Word2Vec 및 딥러닝 보정을 결합한 데이터 증강 기법을 제안했습니다. 이 기술들은 문장 유사도 분석, 문장 분류, 키워드 추출, 일기 생성 등에 적용되고 있습니다. IEEE Access(2022)에 게재한 TA-SBERT 논문은 피인용 61회를 기록했고, ACM Transactions(2024)에 게재한 TS-Fastformer 논문은 피인용 54회를 기록했습니다. 문장 데이터 증강, 키워드 추출, 일기 생성, 문장 유사도 성능 향상과 관련한 특허를 다수 등록했으며, 딥러닝 기반 키워드 추출 방법 및 장치 특허는 (주)에 이전되었고, 공간지능을 이용한 자동일지 생성기법은 파파야 주식회사에 노하우 형태로 이전되었습니다.