William F. Podlaski 교수님을 환영합니다

William F. Podlaski 교수님을 환영합니다 2024년 연구를 대표하는 이미지입니다. 연구 흥분성 및 억제성 신경세포 집단의 threshold가 저차원 공간에서 서로 다른 경계를 만들고, 이들이 결합해 복잡한 비선형 함수를 표현할 수 있음을 설명합니다. (Excitation ↔ Inhibition → Nonlinear Computation) 성균관대학교 뇌과학뇌공학과는 William F. Podlaski 교수님의 새로운 합류를 진심으로 환영합니다. Podlaski 교수님은 계산신경과학(Computational Neuroscience)과 신경회로의 이론적 원리를 연구하며, 뇌의 신경세포들이 어떻게 상호작용하여 정보 처리와 학습, 기억과 같은 복잡한 기능을 만들어내는지를 탐구해 왔습니다. 특히 교수님의 연구는 실제 뇌의 중요한 특징인 스파이크(spike)를 발생시키는 신경세포, 흥분성·억제성 신경회로(Excitatory–Inhibitory circuits), 그리고 신경세포 집단의 동역학과 기하학적 구조를 바탕으로 뇌의 계산 원리를 설명하는 데 초점을 맞추고 있습니다. From Neural Circuits to Computation 2024년 Neural Computation에 발표한 연구에서는 저차원(low-rank) 흥분성-억제성 스파이킹 신경망을 이용하여 비선형적인 계산을 실제 신경회로의 관점에서 어떻게 구현할 수 있는지를 제안했습니다. 이 연구는 인공신경망의 추상적인 계산을 넘어, 실제 뇌에서 관찰되는 스파이크와 흥분·억제 균형을 고려하여 신경회로가 복잡한 함수를 어떻게 계산할 수 있는지를 설명하려는 시도입니다. Understanding How the Brain Stores and Retrieves Memories 최근 연구에서는 이러한 신경회로의 계산 원리를 기억(memory)으로 확장하고 있습니다. 2025년 Physical Review X에 발표한 연구에서는 context-modular memory network라는 모델을 제안하여, 뇌가 상황(context)에 따라 서로 다른 기억을 선택적으로 활성화하고 접근할 수 있는 원리를 이론적으로 설명했습니다. 이 연구는 단순히 “뇌가 얼마나 많은 기억을 저장할 수 있는가?”라는 질문을 넘어, “필요한 기억을 어떻게 선택적으로 꺼낼 수 있는가?” 라는 보다 중요한 문제를 다룹니다. 연구진은 신경세포와 시냅스의 선택적인 gating이 기억의 저장 용량뿐만 아니라 특정 기억에 대한 접근성을 조절할 수 있음을 보여주었습니다. 또한 2025년 연구에서는 hippocampal remapping을 population geometry의 관점에서 분석하며, 서로 다른 환경에서 신경세포 집단의 표현이 어떻게 변화하고 다시 매핑되는지를 탐구했습니다. 이러한 연구는 기억과 환경 변화 사이의 관계를 신경집단 수준에서 이해하는 데 중요한 이론적 틀을 제공합니다. Connecting Neuroscience, Mathematics, and Artificial Intelligence Podlaski 교수님의 연구는 신경과학, 수학적 모델링, 인공지능을 연결한다는 점에서 뇌과학뇌공학과의 융합 연구 방향과도 밀접하게 연결됩니다. 실제 신경회로의 구조와 동역학을 이해하고 이를 계산 모델로 표현함으로써, Neural Circuits → Computation → Learning → Memory → Artificial Intelligence 로 이어지는 새로운 연구 가능성을 제시하고 있습니다. 성균관대학교 뇌과학뇌공학과는 Podlaski 교수님의 연구와 함께 뇌의 계산 원리를 이해하고 이를 차세대 인공지능과 뇌공학으로 확장하는 연구를 더욱 발전시켜 나갈 수 있을 것으로 기대합니다. Welcome to Sungkyunkwan University, Professor William F. Podlaski! We are excited to explore the future of neuroscience and intelligent systems together.

생명체 ‘내부 상태’에서 자율형 AI의 미래 찾는다

굶주린 초파리는 먹이 냄새에 더욱 민감하게 반응하고, 익숙한 먹이터를 집중적으로 찾는다. 반면 배가 부른 초파리는 더 넓은 범위를 돌아다니며 새로운 장소를 탐색한다. 생명체는 이처럼 자신의 몸 상태에 따라 세상을 받아들이는 방식과 행동을 바꾼다. 배고픈지, 목마른지, 다쳤는지에 따라 어떤 감각에 집중할지, 무엇을 기억할지, 새로운 환경을 얼마나 적극적으로 탐색할지가 달라진다. 국내 연구진이 이러한 생명체의 원리를 인공지능(AI)에 적용해 스스로 자신의 내부 상태를 바탕으로 판단하고 행동하는 새로운 형태의 AI 개념을 제시했다. 기초과학연구원(IBS, 원장 장석복) 뇌과학 이미징 연구단 우충완 부연구단장(성균관대 뇌과학ㆍ뇌공학 및 글로벌바이오메디컬공학과 부교수), 홍석준 교수(성균관대 뇌과학ㆍ뇌공학과 및 글로벌바이오메디컬공학과 부교수)와 영국 유니버시티칼리지런던(UCL)의 칼 프리스턴(Karl J. Friston) 교수 공동연구팀은 생명체가 자신의 내부 상태를 바탕으로 행동을 결정하는 원리를 수학적으로 추상화해 인공지능에 적용하는 새로운 이론적 틀을 제안했다. 연구팀은 이를 검증하고 발전시킬 수 있는 3차원 가상 생존 환경도 함께 개발했다. 최근 AI 기술은 눈부시게 발전했지만, 자율성과 적응성 측면에서는 여전히 한계를 보인다. 기존 AI는 환경이나 조건이 크게 달라지면 새로운 학습이 필요한 경우가 많다. 로봇 역시 상당수가 사람이 미리 정한 조건과 규칙에 따라 행동한다. 하지만 생명체는 다르다. 생명체는 배고픔과 갈증, 체온 변화, 신체 손상 등 자신의 내부 상태를 끊임없이 감지하면서 행동을 바꾼다. 단순히 외부에서 들어오는 정보를 처리하는 것이 아니라, ‘지금 내 몸이 어떤 상태인가’를 행동을 결정하는 중요한 기준으로 활용하는 것이다. 연구팀은 기존 AI의 한계로 지적돼 온 자율성과 적응성을 높이기 위해, 생명체가 이미 갖추고 있는 이러한 원리에 주목했다. 연구팀은 자신의 내부 상태를 보편적이고 가치 있는 행동의 맥락(universal and valuable context)으로 활용하는 인공지능을 ‘내수용감각 인공지능(interoceptive AI)’이라고 명명했다. 내수용감각(interoception)이란 배고픔, 갈증, 심장 박동, 체온, 통증처럼 몸 안에서 일어나는 상태를 감지하는 능력을 말한다. 연구팀은 사이버네틱스, 비평형 물리학, 능동 추론active inference) 등 생명체가 스스로를 유지하는 원리를 다루는 다양한 이론과 내수용감각에 관한 신경과학 연구를 통합해 새로운 AI의 이론적 틀을 제시했다. 또한 이를 실제로 탐구할 수 있도록 3차원 가상 생존 환경을 구축했다. 가상 환경 속 AI는 먹이와 물을 확보하고 포식자에 대응해야 한다. 동시에 포만감과 수분, 체온, 신체 손상 정도 등 자신의 내부 상태를 정상 범위로 유지해야 한다. 중요한 점은 AI가 단순히 미리 입력된 규칙을 따르는 것이 아니라, 자신의 내부 상태에 따라 언제 행동할지, 무엇을 할지, 어떤 방식으로 행동할지를 결정하도록 설계했다는 것이다. 예를 들어 몸이 심하게 손상됐다면 위험한 행동을 줄이고 주변 환경을 더욱 주의 깊게 살필 수 있다. 특정 장소에서 충돌하거나 손상을 입었다면 다음에는 그곳을 피해서 이동할 수도 있다. 연구팀은 이번 연구가 앞으로 피지컬 AI(Physical AI) 분야에서 특히 중요한 역할을 할 것으로 기대하고 있다. 현장에서 작동하는 로봇은 시간이 지나면서 접합부가 닳거나 모터가 과열되고, 외부 충격으로 일부 부품이 손상될 수 있다. 미래의 자율형 로봇은 이러한 이상을 단순히 감지하는 데 그쳐서는 안 된다. ‘어디가 손상됐는가’를 바탕으로 앞으로 무엇을 조심해야 하는지, 무엇을 새롭게 학습해야 하는지를 스스로 판단하고 행동을 바꿀 수 있어야 한다. 한 번 부딪힌 곳을 다음에는 피해 돌아가거나, 손상된 부위에 힘을 덜 가하고, 몸 상태가 나빠졌을 때 주변 환경을 더욱 주의 깊게 탐색하는 것이 그 예다. 제1저자인 이성우 학생연구원은 “내부 상태를 단순히 할 신호가 아니라 판단의 맥락으로 본 것이 이번 연구의 핵심”이라며 “앞으로 몸의 손상이 에이전트의 주의와 계획을 어떻게감시해야 바꾸는지 연구해 나가겠다”고 말했다. 우충완 부연구단장은 “생명체에게 내부 환경과 이를 조절하는 능력은 지능적인 행동을 만들어내는 매우 핵심적인 요소”라며 “이번 연구는 생명 지능의 원리를 AI가 활용할 수 있는 형태로 제시함으로써 자율성과 적응성을 갖춘 미래 AI 연구의 출발점을 마련했다”고 연구 의의를 강조했다. 이번 연구 결과는 자율형 AI의 새로운 연구 방향을 제시한 성과로 국제학술지 ‘Nature Machine Intelligence’에 Perspective 논문으로 8월 26일 온라인 게재됐다. 또한 연구팀이 개발한 3차원 가상 생존 환경은 인공지능 분야의 대표적인 국제학회인 신경정보처리시스템학회(NeurIPS)에 채택돼 지난해 논문으로 발표된 바 있다. 원문: http://www.nobelscience.net/news/articleView.html?idxno=2635 (저작권 사용 허가 완료)

2026 SKKU Rising-Fellowship 교수 12명 선정

2026 SKKU Rising-Fellowship 교수 12명 선정 에스프레스(S-PRESS) 우리 대학은 올해 두 번째 해를 맞이하는‘2026 SKKU Rising-Fellowship’ 교수로 유학대학 안승우 교수, 문과대학 김민철 교수, 사회과학대학 박태영 교수, 경영대학 채인영 교수, 자연과학대학 이경하 교수, 정보통신대학 김정래, 유재영 교수, 소프트웨어융합대학 허재필, 아에스아부하메드타메르 교수, 생명공학대학 발라찬드란마나발란 교수, 성균융합원 우충완 교수, 성균나노과학기술원 강보석 교수 총 12명을 선정했다. SKKU Rising-Fellowship은 2025학년도에 신설되었으며, 본교 신진· 중견 전임교원 중 해당 학문 분야에서 국내 최고 수준 또는 세계적 표준에 이미 안착하였거나 연구업적이 탁월하여 향후 세계적 수준의 연구자로 발전 가능성이 높은 최우수 교원께 수여되는 명예이자 특별연구 지원 제도이다. 2026 SKKU Rising-Fellowship은 연구 성과의 학문적․질적 우수성과 글로벌 연구 영향력을 종합적으로 고려하여 선정위원회의 엄정한 심사를 거쳐 최종 수상자를 선정하였다. 시상식은 9월 3일(목)에 진행되었으며, 유지범 총장 및 학교법인 관계자, 교내 주요 보직교수가 참석하여 수상자를 축하하고 격려의 메시지를 전했다. 수상 교원들은 한목소리로 “연구자로서 한 단계 더 도약하고 연구 방향을 확립해 나가는 시기에 대학의 이번 선정이 매우 뜻깊은 확신과 동기부여가 되었다”며 “본교의 학문적 성장에 기여할 수 있도록 연구와 후학 양성에 더욱 정진하겠다”고 소감을 밝혔다. ▲(왼쪽부터) 경영대학 채인영 교수, 성균융합원 우충완 교수 특히 경영대학 채인영 교수는 “앞으로 연구 생활을 어떻게 펼쳐 나가야 할지 고민이 많았던 시기에 큰 동기부여가 되었다. 다음에도 다시 도전할 수 있도록 더욱 연구에 매진하고 학생들과도 함께 이 영광과 기회를 나눌 수 있도록 노력하겠다”고 전했다. 성균융합원 우충완 교수는 “지난 10년 동안 마음 놓고 신나게 연구할 수 있는 환경을 마련해 준 대학에 감사드리며, 이번 수상은 개인 혼자만의 성취가 아닌 함께 연구해 온 뇌과학 연구 공동체 모두의 성취라고 생각한다. 앞으로 학과와 연구 공동체 발전에 기여하고 리더십 역할을 다하도록 노력하겠다”고 포부를 밝혔다. 유지범 총장은 “본교가 세계적인 평가에서 우수한 성과를 거둘 수 있었던 바탕에는 연구의 지평을 넓혀온 교수님들의 헌신적인 노력이 있었다며, 연구 생산성의 정체를 창의성과 융합 연구를 통해 극복해 낸 중견 연구자분들이 향후 ‘SKKU-Fellowship’, ‘세계 최상위 연구자’로 성장할 수 있도록 다각적인 지원을 아끼지 않겠다.”고 강조했다. 원문출처: https://www.spressnews.com/news/articleView.html?idxno=138952

“뇌 신호가 어디서 와서 어디로 가는지 읽었다”... 인간 뇌 ‘정보 흐름 지도’ 최초 복원

▲ 통합 유효연결성(iEC)을 통해 도출한 인간 대뇌피질의 기능적 위계 지도 / (a) 위계 수준 추정 모식도: 하위 계층에서 상위 계층으로 향하는 양(+)의 상향식 신호와 그 반대인 음(-)의 하향식 신호 흐름을 바탕으로, 뇌 영역 간의 계층적 위계를 수학적으로 규정하는 과정입니다. (b) 신호 흐름 기반 전뇌 위계 지도: 도출된 수학적 모델을 본 연구에서 선도적으로 개발한 '통합 유효연결성(iEC)' 프레임워크에 적용하여, 살아있는 인간 대뇌피질 전체의 방향성 신호 흐름을 지도로 시각화한 결과입니다. (c) 메슐람(Mesulam) 대뇌피질 계층 구조와의 비교: 1990년대 신경해부학자 메슐람이 다양한 신경생물학적 자료를 종합해 제안한 신경과학계의 고전적 대뇌 계층 구조 모델과 본 연구의 데이터 기반 지도가 매우 높은 지형적 유사성을 띰을 보여줍니다. (d) 계층 구역에 따른 신호 흐름의 특이성: 하위 계층(일차 감각 영역 등)에서는 주로 양(+)적인 신호가 상향 방출되는 반면, 상위 계층(부변연계 등)으로 갈수록 다른 뇌 영역을 제어하는 음(-)의 신호가 점진적으로 하향 방출되는 뇌 네트워크의 핵심 특성을 입증합니다.(그림 및 설명=성균관대학교 뇌과학뇌공학과 및 바이오메디컬공학과 오영현 연구원) © 특허뉴스 인간의 뇌에서 정보는 어디에서 출발해 어디로 흘러가는가. 국내 연구진이 살아있는 사람의 뇌에서 신호가 이동하는 ‘방향’을 비침습적으로 추적해 대뇌피질 전체의 정보 흐름 지도를 복원하는 데 성공했다. 기존 뇌 영상 연구가 서로 다른 뇌 영역이 얼마나 함께 활성화되는지를 확인하는 데 집중했다면, 이번 연구는 한 단계 더 나아가 어느 영역이 신호를 보내고 어느 영역이 받아들이는지를 규명했다는 점에서 주목된다. 한국연구재단은 성균관대학교 뇌과학뇌광학과 및 글로벌바이오메디컬공학과(IBS 뇌과학이미징연구단) 홍석준·우충완 교수 공동 연구팀이 서로 다른 유효연결성(Effective Connectivity) 알고리즘을 결합하는 새로운 방법론인 ‘통합 유효연결성(iEC)’ 기술을 개발하고 인간 대뇌피질 전반의 방향성 신호 흐름 위계와 역동성을 규명했다고 밝혔다. 연구 결과는 신경과학 분야 국제학술지 ‘네이처 뉴로사이언스(Nature Neuroscience)’에 9월 1일 온라인 게재됐다. 뇌의 ‘연결’ 넘어 ‘신호 방향’까지 추적 인간의 뇌는 외부에서 들어오는 감각정보를 상위 영역으로 전달하는 ‘상향식’ 신호와 과거의 경험과 기억을 바탕으로 만들어진 예측정보를 다시 하위 영역으로 보내는 ‘하향식’ 신호가 끊임없이 교차하는 복잡한 위계구조를 갖는다. 그러나 기존 기능적 자기공명영상(fMRI) 연구는 주로 두 뇌 영역이 동시에 활성화되는 패턴을 분석하는 ‘기능적 연결성’에 의존했다. 어떤 뇌 영역들이 서로 연결돼 있는지는 파악할 수 있었지만, 신호가 A에서 B로 가는지, B에서 A로 가는지 그 방향을 정확하게 파악하는 데는 한계가 있었다. 신호의 방향과 인과적 영향을 추론하는 유효연결성 분석법도 존재했지만 각각의 수학적 가정에 따라 결과가 달라질 수 있다는 문제가 있었다. 연구팀은 이 한계를 서로 다른 분석기법을 ‘통합’하는 방식으로 돌파했다. 9개 알고리즘 장점만 모았다... ‘iEC’ 개발 연구팀은 베이지안 최적화(Bayesian Optimization)를 활용해 기존 유효연결성 알고리즘 9종의 장점을 결합한 통합 유효연결성(iEC) 기술을 개발했다. 특정 알고리즘 하나에 의존하는 대신 여러 분석방법 가운데 데이터에 적합한 장점을 효과적으로 조합해 신호 방향 추론의 정확도를 끌어올린 것이다. 연구팀은 원숭이의 실제 신경 데이터와 컴퓨터 시뮬레이션을 통해 성능을 검증했으며, iEC가 기존 최고 성능의 단일 알고리즘보다 높은 정확도를 보인다는 사실을 확인했다. 더 중요한 결과는 이 기술을 사람의 뇌 영상 빅데이터에 적용하면서 나왔다. 연구팀은 대뇌피질 전체에서 신호가 어느 방향으로 이동하는지를 보여주는 ‘신호 흐름 지도’를 최초로 복원했다. 인간 뇌에도 ‘정보 피라미드’ 있었다 분석 결과 인간 대뇌피질의 정보 흐름에는 뚜렷한 위계가 존재했다. 시각·청각 등 감각을 처리하는 영역이 가장 아래, 여러 종류의 복잡한 정보를 통합하는 영역이 중간층, 신체 내부 상태와 감정 등을 조절하는 부변연계 영역이 가장 높은 층에 위치하는 피라미드 형태의 신호 흐름이 확인됐다. 이는 인간의 뇌가 단순히 수많은 영역이 복잡하게 연결된 네트워크가 아니라, 정보의 종류와 처리 단계에 따라 일정한 방향성을 갖는 정교한 계층적 시스템으로 작동하고 있음을 보여준다. 특히 이번 연구는 이러한 위계가 고정된 구조가 아니라 뇌가 처한 상황에 따라 실시간으로 달라지는 역동적인 구조라는 사실까지 밝혀냈다. 영화 볼 때는 ‘평탄’, 만성통증에서는 ‘가파르게’ 연구팀이 서로 다른 뇌 상태를 분석한 결과 정보 흐름의 위계는 상황에 따라 눈에 띄게 변했다. 영화를 감상할 때는 시각과 청각 등 외부에서 들어오는 감각신호의 영향력이 강해지면서 뇌의 위계구조가 상대적으로 평탄해졌다. 반면 만성통증 상태에서는 신체 내부 상태와 감정 등에 관여하는 부변연계 영역의 하향식 통제력이 강해지면서 정보 흐름의 위계가 더욱 가팔라지는 현상이 나타났다. 이는 같은 사람의 뇌라도 정상적인 정보처리 과정과 특정 질환·상태에서 신호의 흐름 방식이 달라질 수 있다는 의미다. 조현병·우울증·만성통증... ‘신호 흐름 왜곡’이 새 바이오마커 될까 이번 연구가 주목되는 또 하나의 이유는 뇌 질환 진단의 새로운 가능성을 제시했다는 점이다. 현재 많은 뇌 영상 연구가 특정 영역의 구조적 변화나 영역 간 연결성 차이를 질환의 특징으로 분석한다. 그러나 iEC를 활용하면 앞으로는 뇌 신호가 정상적인 방향과 위계를 따라 흐르고 있는지, 어느 지점에서 흐름이 왜곡되는지까지 분석할 수 있게 된다. 홍석준 교수는 “이번 연구는 살아있는 사람의 뇌에서 근본적인 정보 처리 방식을 직접 확인하는 길을 연 것”이라며 “신호 흐름 왜곡이라는 지표를 통해 조현병, 우울증, 만성 통증 등 뇌 질환의 진단과 맞춤형 치료법 개발에 크게 기여할 것으로 기대된다”고 밝혔다. 특히 연구팀이 개발한 기술은 오픈소스로 공개돼 전 세계 뇌 영상 빅데이터에 적용할 수 있다. 향후 다양한 국가와 연구기관의 대규모 뇌 영상 데이터에 iEC가 적용될 경우 질환별 신호 흐름의 차이를 비교하고 새로운 뇌 질환 바이오마커를 발굴하는 연구에도 활용될 가능성이 있다. 뇌의 어느 영역과 어느 영역이 연결돼 있는지를 보는 시대에서 이제는 ‘정보가 어디에서 출발해 어디로 흘러가고, 그 흐름이 질환에 따라 어떻게 달라지는지’를 읽는 시대로 뇌 영상 연구가 진화하고 있다. 인간 뇌의 ‘정보 고속도로’를 지도처럼 그려낸 이번 연구가 조현병과 우울증, 만성통증 등 복잡한 뇌 질환을 진단하고 개인별 치료전략을 설계하는 새로운 기준으로 이어질지 주목된다. 논문명은 State-dependent signal flow hierarchy in the human cerebral cortex이다. 원문: https://m.e-patentnews.com/15365 (저작권자 사용허가 완료)