News Letter / KIM+소식
제13회 재료인공지능 여름학교 개최 (8.19-21)
AI로 확장되는 재료공학의 미래, 제13회 재료인공지능 여름학교 성황리에 개최
지난 2026년 8월 19일(수)부터 21일(금)까지 경북대학교에서 재료공학과 인공지능 기술의 융합을 주제로 “제13회 재료인공지능 여름학교”가 성황리에 개최되었다.
우리 학회 인공지능재료과학 분과가 주관한 이번 행사는 대학생과 대학원생을 대상으로 재료 분야에서 활용되는 최신 인공지능 기술과 실제 적용 사례를 소개하며, 차세대 재료 연구자들이 AI 기반 연구 역량을 높일 수 있는 뜻깊은 자리로 마련되었다.
1일차: 인공지능 기초와 머신러닝·딥러닝 활용
강준희 교수(국민대학교)는 소재 역설계를 위한 데이터 구조화 및 응용을 주제로 재료 연구에서 데이터가 어떻게 구축되고 활용될 수 있는지를 소개하며 AI 기반 소재 연구의 기본 방향을 제시하였다.
왕재민 교수(경북대학교)는 머신러닝/딥러닝 기초 이론 및 실습을 통해 머신러닝과 딥러닝의 기본 원리를 설명하고, 참가자들이 직접 AI 기술을 활용해 볼 수 있는 이론과 실습의 강의를 진행하였다.
2일차: 최신 머신러닝 포텐셜과 생성형 AI를 활용한 소재 설계
김문조 박사(한국생산기술연구원)는 제조 데이터 기반 AI 기술 적용 사례를 소개하며 실제 제조 현장에서 축적되는 데이터를 AI 기술과 결합해 활용하는 다양한 사례를 공유하였다.
조기섭 교수(국민대학교)는 메타휴리스틱에서 유전자 알고리즘까지를 주제로 다양한 최적화 알고리즘의 개념과 활용 방법을 설명하며 소재 및 공정 최적화에 AI를 적용하는 방법을 소개하였다.
하민영 교수(경희대학교)는 능동학습을 이용한 소재 특성 최적화를 주제로, 제한된 실험 데이터에서 AI가 다음 실험 조건을 효율적으로 선택하도록 하는 능동학습 기반 소재 개발 전략을 소개하였다.
전호제 교수(국민대학교)는 Machine learning interatomic potential (MLIP) 소재 및 기초를 주제로 머신러닝 포텐셜의 기본 개념과 재료 원자 수준의 시뮬레이션에 AI를 접목하는 방법을 다루었다.
전규정 교수(고려대학교)는 Universal MLIP finetuning 활용 에너지 소재 디자인을 주제로 범용 머신러닝 포텐셜의 파인튜닝과 에너지 소재 설계에의 활용 가능성을 소개하며 최신 AI 기반 재료 연구의 방향을 제시하였다.
3일차: 생성모델과 LLM을 활용한 소재 개발
노주환 박사(한국화학연구원)는 소재 설계를 위한 생성모델 이론 기초 및 실습을 통해 생성모델의 기본 원리와 소재 설계에 이를 적용하는 방법을 소개하였다. 정재면 박사(한국재료연구원)는 소재 개발을 위한 AI 기술 소개를 통해 AI 기술이 소재 연구개발 과정에서 어떻게 활용되고 있는지 다양한 사례를 중심으로 설명하였다. 이병주 박사(한국과학기술연구원)는 거대언어모델(LLM)의 원리와 소재 개발에서의 응용을 주제로 최근 빠르게 발전하고 있는 LLM의 기본 원리와 함께, 문헌 분석과 소재 정보 활용 등 소재 개발 분야에서의 활용 가능성을 소개하였다.
미래를 향한 도전: 데이터와 AI로 진화하는 소재 연구
이번 제13회 재료인공지능 여름학교는 기존의 머신러닝·딥러닝 기초 교육을 넘어, 데이터 구조화, 능동학습, 생성모델, 머신러닝 포텐셜, 범용 MLIP, LLM 등 최신 AI 기술을 소재 연구에 적용하는 방법까지 폭넓게 다루었다는 점에서 의미가 있다.
특히 소재 설계와 제조 데이터 활용에서부터 원자 수준의 시뮬레이션, 생성형 AI를 활용한 소재 설계에 이르기까지 AI와 재료공학의 융합이 실제 연구 현장에서 어떻게 확장되고 있는지를 단계적으로 보여주며 참가자들의 높은 관심을 이끌었다.인공지능재료과학 분과는 앞으로도 재료공학과 인공지능 기술의 융합을 선도할 수 있는 교육 및 연구 프로그램을 지속적으로 마련하여, 미래 재료산업을 이끌어갈 연구자들의 AI 활용 역량을 높이는 데 기여할 예정이다. 이번 여름학교에서 습득한 AI 기술과 경험이 참가자들의 연구에 새로운 가능성을 열어주는 밑거름이 되기를 기대한다.
제13회 재료인공지능 여름학교 개최 (8.19-21)
AI로 확장되는 재료공학의 미래, 제13회 재료인공지능 여름학교 성황리에 개최
지난 2026년 8월 19일(수)부터 21일(금)까지 경북대학교에서 재료공학과 인공지능 기술의 융합을 주제로 “제13회 재료인공지능 여름학교”가 성황리에 개최되었다.
우리 학회 인공지능재료과학 분과가 주관한 이번 행사는 대학생과 대학원생을 대상으로 재료 분야에서 활용되는 최신 인공지능 기술과 실제 적용 사례를 소개하며, 차세대 재료 연구자들이 AI 기반 연구 역량을 높일 수 있는 뜻깊은 자리로 마련되었다.
1일차: 인공지능 기초와 머신러닝·딥러닝 활용
강준희 교수(국민대학교)는 소재 역설계를 위한 데이터 구조화 및 응용을 주제로 재료 연구에서 데이터가 어떻게 구축되고 활용될 수 있는지를 소개하며 AI 기반 소재 연구의 기본 방향을 제시하였다.
왕재민 교수(경북대학교)는 머신러닝/딥러닝 기초 이론 및 실습을 통해 머신러닝과 딥러닝의 기본 원리를 설명하고, 참가자들이 직접 AI 기술을 활용해 볼 수 있는 이론과 실습의 강의를 진행하였다.
2일차: 최신 머신러닝 포텐셜과 생성형 AI를 활용한 소재 설계
김문조 박사(한국생산기술연구원)는 제조 데이터 기반 AI 기술 적용 사례를 소개하며 실제 제조 현장에서 축적되는 데이터를 AI 기술과 결합해 활용하는 다양한 사례를 공유하였다.
조기섭 교수(국민대학교)는 메타휴리스틱에서 유전자 알고리즘까지를 주제로 다양한 최적화 알고리즘의 개념과 활용 방법을 설명하며 소재 및 공정 최적화에 AI를 적용하는 방법을 소개하였다.
하민영 교수(경희대학교)는 능동학습을 이용한 소재 특성 최적화를 주제로, 제한된 실험 데이터에서 AI가 다음 실험 조건을 효율적으로 선택하도록 하는 능동학습 기반 소재 개발 전략을 소개하였다.
전호제 교수(국민대학교)는 Machine learning interatomic potential (MLIP) 소재 및 기초를 주제로 머신러닝 포텐셜의 기본 개념과 재료 원자 수준의 시뮬레이션에 AI를 접목하는 방법을 다루었다.
전규정 교수(고려대학교)는 Universal MLIP finetuning 활용 에너지 소재 디자인을 주제로 범용 머신러닝 포텐셜의 파인튜닝과 에너지 소재 설계에의 활용 가능성을 소개하며 최신 AI 기반 재료 연구의 방향을 제시하였다.
3일차: 생성모델과 LLM을 활용한 소재 개발
노주환 박사(한국화학연구원)는 소재 설계를 위한 생성모델 이론 기초 및 실습을 통해 생성모델의 기본 원리와 소재 설계에 이를 적용하는 방법을 소개하였다. 정재면 박사(한국재료연구원)는 소재 개발을 위한 AI 기술 소개를 통해 AI 기술이 소재 연구개발 과정에서 어떻게 활용되고 있는지 다양한 사례를 중심으로 설명하였다. 이병주 박사(한국과학기술연구원)는 거대언어모델(LLM)의 원리와 소재 개발에서의 응용을 주제로 최근 빠르게 발전하고 있는 LLM의 기본 원리와 함께, 문헌 분석과 소재 정보 활용 등 소재 개발 분야에서의 활용 가능성을 소개하였다.
미래를 향한 도전: 데이터와 AI로 진화하는 소재 연구
이번 제13회 재료인공지능 여름학교는 기존의 머신러닝·딥러닝 기초 교육을 넘어, 데이터 구조화, 능동학습, 생성모델, 머신러닝 포텐셜, 범용 MLIP, LLM 등 최신 AI 기술을 소재 연구에 적용하는 방법까지 폭넓게 다루었다는 점에서 의미가 있다.
특히 소재 설계와 제조 데이터 활용에서부터 원자 수준의 시뮬레이션, 생성형 AI를 활용한 소재 설계에 이르기까지 AI와 재료공학의 융합이 실제 연구 현장에서 어떻게 확장되고 있는지를 단계적으로 보여주며 참가자들의 높은 관심을 이끌었다.인공지능재료과학 분과는 앞으로도 재료공학과 인공지능 기술의 융합을 선도할 수 있는 교육 및 연구 프로그램을 지속적으로 마련하여, 미래 재료산업을 이끌어갈 연구자들의 AI 활용 역량을 높이는 데 기여할 예정이다. 이번 여름학교에서 습득한 AI 기술과 경험이 참가자들의 연구에 새로운 가능성을 열어주는 밑거름이 되기를 기대한다.