연구자 정보를 불러오는 중입니다...
연구자 정보를 불러오는 중입니다...
인천대학교 컴퓨터공학부 김지범 교수의 핵심 특허 두 가지를 소개합니다. 기존 시스템은 방대한 이동 이력 데이터를 효율적으로 관리하는 데 어려움이 있습니다. 김 교수의 특허 기술은 모든 위치 정보 대신 미리 정의된 루트 정보를 활용하여 궤적 정보만을 저장함으로써, 이동 이력 데이터베이스의 용량을 획기적으로 감축합니다. 또한, 옥내 누수 문제를 정확하고 자동으로 탐지하기 위한 방법론이 필요합니다. 이에 김 교수는 통계적 이상치 탐색 방법을 적용하여 물 사용량 데이터의 비정상 패턴을 감지하고, 누수를 자동으로 판별하는 혁신적인 기술을 개발하였습니다. 이 특허들은 데이터 관리 효율성을 높이고, 일상생활의 안전을 증진하는 데 크게 기여합니다.
| 연구자 프로필 |  |
| 연구자 명 | 김지범 |
| 직책 | 교수 |
| 이메일 | jibumkim@inu.ac.kr |
| 재직 상태 | 재직 중 |
| 부서 학과 | 컴퓨터공학부 |
| 사무실 번호 | 0328358655 |
| 연구실 | GAILAB |
| 연구실 홈페이지 | https://sites.google.com/view/gailab/home |
| 홈페이지 | https://sites.google.com/view/gailab/home/members?authuser=0 |
| 소속 | 인천대학교 |
| 회사명 | 서울물연구원 |
| 재직기간 | 2022.09.01 ~ 2024.09.01 |
| 담당업무 | 연구위원 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2022.09.01 ~ 재직 중 |
| 담당업무 | 교수 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2017.09.01 ~ 2022.08.01 |
| 담당업무 | 부교수 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2013.09.01 ~ 2017.08.01 |
| 담당업무 | 조교수 |
| 회사명 | Los Alamos National Laboratory |
| 재직기간 | 2013.03.01 ~ 2013.06.01 |
| 담당업무 | 박사후 연구원 |
| 연구 1 | 멀티모달 AI 기반 3D CAD 모델 생성 |
| 내용 | 본 연구실은 인공지능을 활용한 3D CAD 모델의 학습 및 생성 분야에서 혁신적인 연구를 수행하고 있습니다. 기존 CAD 시스템의 한계를 극복하고 사용자 맞춤형 설계를 가능하게 하기 위해 멀티모달 대조 학습(Multimodal Contrastive Learning), 트랜스포머 오토인코더(Transformer Autoencoder), 확산 모델(Diffusion Model) 등의 최신 딥러닝 기법을 적극적으로 도입하고 있습니다. 특히, 시각 정보와 자연어 프롬프트를 결합하여 3D CAD 모델을 효과적으로 생성하고 편집하는 기술을 개발 중입니다. 우리의 연구는 복잡한 설계 데이터를 이해하고, 사용자의 의도를 반영하여 새로운 3D CAD 모델을 자동으로 제안하거나 생성하는 데 중점을 둡니다. 건설 시퀀스 기반 방법론과 CAD 모델 표현을 위한 대조 학습을 통해 데이터의 특징을 효율적으로 추출하고, 이를 기반으로 LLM(대규모 언어 모델) 및 프롬프트 기반의 모델 생성 파이프라인을 구축하고 있습니다. 이러한 기술은 산업 디자인, 건축, 제조 등 다양한 분야에서 설계 효율성을 극대화하고, 창의적인 디자인 프로세스를 지원할 수 있습니다. 관련하여 GuideCAD, ViPCAD, ContrastCAD 등의 논문을 통해 그 우수성을 입증하였으며, 사용자 맞춤형 3D CAD 모델 학습 및 생성 방법에 대한 연구과제를 수행하며 실질적인 가치를 창출하고 있습니다. |
| 연구 2 | AIoT 기반 스마트 물 관리 및 이상 탐지 |
| 내용 | 본 연구실은 AIoT(인공지능 사물 인터넷) 기술을 활용한 스마트 물 관리 시스템 구축과 시계열 데이터 분석 분야를 선도하고 있습니다. 특히, 스마트 미터 및 다양한 센서로부터 수집되는 방대한 물 사용량 데이터를 기반으로 누수 탐지, 이상치 감지, 수위 및 홍수 예측 등 환경 및 도시 안전 문제 해결에 기여하고 있습니다. 이를 위해 딥러닝, CNN-LSTM, 트랜스포머 모델 등 최신 AI 알고리즘을 적용하여 시계열 데이터의 복잡한 패턴을 학습하고 예측 정확도를 높이고 있습니다. 우리의 주요 성과는 통계적 이상치 탐색 방법을 이용한 자동 옥내 누수 탐지 특허와 이동 이력 데이터의 효율적인 저장을 위한 특허 기술 개발입니다. 이를 통해 물 낭비를 줄이고 수도 관리 효율성을 획기적으로 향상시킬 수 있습니다. 또한, AI와 Hydrophone을 이용한 관망 내 누수 탐지 기술 개발, AMI 시스템의 수도미터 고장 예측 방법 등 다양한 연구과제를 수행하며 실제 문제를 해결하는 데 집중하고 있습니다. 최근에는 AIoT 기반 무선 다중 센서를 활용한 도시침수 대응 시스템 개발 및 사업화를 통해 기후 변화에 따른 재난 예방에도 적극적으로 참여하고 있습니다. 이러한 연구는 데이터 관리 효율성을 높이고, 예측 기반의 스마트한 도시 인프라 구축에 핵심적인 역할을 수행하며 지속 가능한 사회를 만드는 데 기여하고 있습니다. |
| 연구 3 | 기하 딥러닝 기반 메쉬 알고리즘 및 최적화 |
| 내용 | 본 연구실은 기하 딥러닝(Geometric Deep Learning) 기술을 활용하여 메쉬(Mesh) 알고리즘의 혁신적인 발전과 시뮬레이션 최적화 연구에 주력하고 있습니다. 유한요소법(FEM)이나 전산유체역학(CFD)과 같은 수치 시뮬레이션에서 메쉬의 품질은 계산의 정확도와 효율성에 결정적인 영향을 미칩니다. 우리는 복잡한 형상과 물리적 현상을 정확하게 반영하는 고품질 메쉬를 자동으로 생성하고 최적화하기 위해 데이터 기반의 딥러닝 접근 방식을 개발하고 있습니다. 주요 연구 내용으로는 불균일한 메쉬 생성을 위한 데이터 기반 메쉬 세분화 프레임워크, GCN(그래프 컨볼루션 네트워크)을 활용한 메쉬 세련화(Mesh Refinement), 메쉬 엉킴 제거(Untangling) 및 스무딩(Smoothing) 기술 등이 있습니다. 이러한 기술들은 기존의 전통적인 메쉬 기법의 한계를 뛰어넘어, 더욱 복잡하고 다양한 시뮬레이션 환경에 적응할 수 있는 유연성과 성능을 제공합니다. 관련하여 '기하 딥러닝 기술을 이용한 데이터 기반의 메쉬 알고리즘 연구' 등 다수의 국책 및 교내 과제를 수행하였고, PDE 계산의 정확도를 향상시키기 위한 다목적 메쉬 최적화 알고리즘 개발을 통해 학술적, 기술적 기여를 해왔습니다. 이 연구는 항공우주, 자동차, 의료 기기 설계 등 정밀한 시뮬레이션이 요구되는 산업 분야에 직접적으로 적용되어 제품 개발 시간 단축과 성능 향상에 크게 기여할 수 있습니다. |
| 활동 내용 | [연구 활동] - 서울물연구원 연구위원 (2022.09 ~ 2024.09) |
| 학력 사항 | 공학박사 Pennsylvania State Univ. (2012) 공학석사 연세대학교 (2005) 공학사 연세대학교 (2003) |
보유 기술 로딩 중...
