최근에 국내 전자, 컴퓨터 분야의 연구동향을 나름대로 분석적으로 살펴보려고 하고 있습니다.

일단 간단한 것부터 공유해 보고, 반응이 나쁘지 않으면 계속 시리즈로 진행해 보겠습니다.

어떤 데이터로 분석할까?

전자, 컴퓨터 분야의 국내 연구현황에 대한 다양한 분석을 해보기 위해, 현재 19개 국내 대학의 전자, 컴퓨터 관련학과에 소속된 현직 전임교수들의 연구내용을 수집하고 있습니다.

다음과 같은 대학들을 대상으로, 각 대학의 전자, 컴퓨터 관련 학과에 소속된 전임 교수들의 공개된 데이터를 활용합니다.

• 경희대, 고려대, 광운대, 서강대, 서울대, 성균관대, 숭실대, 아주대, 연세대, 이화여대, 인하대, 중앙대, POSTECH, 한양대, 홍익대
• KAIST, GIST, DGIST, UNIST

2025년 7월 초에 1차 수집을 완료하여 약 1200여 명의 연구내용(약 180,000여 개의 논문, 특허 등)을 확보하였으며, 이후에도 지속적으로 모니터링하면서 연구자들을 계속 탐색하고 수집 대상 대학도 계속 늘려갈 예정입니다.

위의 그림은 2016년 이후부터 현재까지의 데이터를 통해 파악한 국내 3개 대학 – 서울대학교, KAIST, POSTECH – 의 전자, 컴퓨터 분야의 상위 10개 세부 주제들을 나타냅니다. 전자, 컴퓨터 분야의 전체 70여 개의 세부 주제들 중에서 3개 대학의 상위 10개 세부 주제들은 모두 22개 주제에 걸쳐 있습니다.

1. 서울대, KAIST, POSTECH의 공통 Top-10 주제

3개 대학의 Top-10에 모두 공통적으로 포함되어 있는 세부 주제는 ‘Robust Machine Learning and AI Integrity Techniques’와 ‘Reinforcement Learning and Optimization Strategies in AI’입니다.

‘Robust Machine Learning and AI Integrity Techniques’ 주제에서 국내의 대학들은 다음과 같은 주제에 대해 연구하고 있습니다.

• 학습 모델의 구조를 설계하고 경량화하는 연구
• 학습 데이터나 모델에서 발생할 수 있는 편향을 식별하는 연구
• 학습 모델이 외부의 작은 변화나 악의적인 공격에도 안정적으로 동작하게 하는 연구
• Hyper-Parameter들을 최적화하여 모델의 성능을 향상시키는 연구
• 학습 모델을 설명 가능(interpretable)하게 만들기 위한 연구
• 특정 환경에서 만들어진 모델이 다른 환경에서도 잘 적응하도록 모델의 domain adatation 능력을 키우기 위한 연구

‘Reinforcement Learning and Optimization Strategies in AI’ 주제에서 국내의 대학들은 다음과 같은 주제에 대해 연구하고 있습니다.

• 다양한 수학적 기법을 활용하여 Reinforcement Learning 모델의 성능을 향상시키기 위한 연구
• 모델이 새로운 작업이나 환경에 잘 적응하도록 하기 위한 meta-training / meta-learning 기술 연구
• 적은 데이터로도 효과적으로 학습할 수 있는 모델을 개발하는 연구
• 불확실성이 높은 환경에서도 위험을 관리하고 안정적으로 동작하게 하기 위한 전략 탐구
• 통계적 방법, 신경망 구조, 딥러닝 아키텍처를 활용하여 강화학습 문제를 해결하려는 연구

세 대학 모두 이 두 개의 세부 주제를 최상위권에 포함시키고 있다는 것은 인공지능(AI) 및 관련 기술 분야에 높은 비중을 두고 있다는 것을 의미합니다. 최근에 인공지능에 대한 관심이 전 국가적으로 크게 높아졌음을 고려할 때 자연스러운 현상이라고 볼 수 있습니다.

2. 서울대학교의 상위 주제 구성의 특징

• Robust Machine Learning and AI Integrity Techniques
  • 전체 연구 중 7% 이상을 차지하며, 서울대학교가 가장 강하게 밀고 있는 주제입니다.
• Robotics and Biomechanics: Motion, Control and Human Interaction
  • 로보틱스·제어 분야가 두 번째로 큰 비중을 차지하고 있습니다. 서울대학교는 AI 알고리즘을 실제 물리 시스템에 적용하는 연구에 비중을 두고 있을 것으로 추론해 볼 수 있습니다.
• Reinforcement Learning and Optimization Strategies in AI
  • 강화학습 역시 국가적인 관심을 받고 있는 인공지능 분야의 대표적인 세부 주제들 중의 하나입니다.
• Advanced Semiconductor Devices and Nanoelectronic Integration
• Advanced Computing: Memory Systems and Processing Optimization
• Advanced Memory Architectures and Management Systems
• Audio and Speech Signal Processing and Recognition
• Biotechnology and Biomedical Microbiology Research
• Cybersecurity, Cryptography and Digital Threat Mitigation
• Power Electronics, Energy Systems, and Market Economics

서울대학교의 상위 10개 세부 주제의 구성을 보면, 전자, 컴퓨터 분야에서 비교적 넓은 스펙트럼의 주제들에 비중을 두고 있다고 할 수 있습니다.

“AI Foundations → 물리 시스템 → 다학제 응용”에 걸친 전 영역에 비중을 두고 있어 머신러닝 알고리즘의 안전성과 물리, 하드웨어 시스템의 최적화, 그리고 이를 응용하는 다양한 도메인을 유기적으로 결합해 연구하는 데 가장 큰 강점을 보일 것으로 보입니다.

3. KAIST의 상위 주제 구성의 특징

• Robust Machine Learning and AI Integrity Techniques
  • 세 대학 공통의 최상위 세부 주제이자 KAIST에서 가장 큰 비중을 차지합니다.
• Reinforcement Learning and Optimization Strategies in AI
  • 강화학습, 최적화 전략 역시 최상위 3위권 내에 포함되었습니다.
• Cross‑Modal Visual and Text Processing in Machine Learning
  • KAIST는 시각·언어 간 융합 (멀티모달) 학습모델에 대한 비중이 높다는 점이 다른 대학들과 구별되는 특징입니다.
• Human‑Computer Interaction: Haptic and Virtual Reality Interfaces
• Advanced Language Model Evaluation and Instruction Tuning
• Audio and Speech Signal Processing and Recognition
• Advanced Semiconductor Devices and Nanoelectronic Integration
• Advanced Nanomaterials and Polymer‑Based Electronics
• Digital Communication: Social Media and E‑commerce Dynamics
• Graph Theory and Evolutionary Algorithms in Computational Applications

KAIST의 상위 10개 세부 주제의 구성을 보면, 전반적으로 인공지능 관련 분야에 대해 매우 크게 집중하고 있는 것으로 보입니다.

KAIST는 서울대학교나 POSTECH과 비교할 때, 시스템 및 응용 분야보다 알고리즘과 휴먼 인터페이스 연구에 더 중점을 두고 있는 것으로 보입니다.

4. POSTECH의 상위 주제 구성의 특징

• Nanophotonics and Metamaterials for Light Manipulation
  • 광학·광전자 분야 중에서도 메타물질·나노포토닉스 연구에 가장 큰 비중을 두고 있습니다.
• Medical Imaging Technologies and Surgical Procedures
  • 의료 이미지(영상) 분야에 대한 응용 연구가 두 번째로 높은 비중을 차지합니다.
• Robust Machine Learning and AI Integrity Techniques & Reinforcement Learning and Optimization Strategies in AI
  • 두 가지 AI 알고리즘(Robust ML, Reinforcement Learning)이 동률로 상위권에 올라 있지만, 비중은 위의 물리, 응용 주제에 비해 많이 낮은 수준입니다.
• Marine and Oceanographic Technologies: Sonar and Environmental Applications
• Antenna Design: Multiband and Reconfigurable Technologies
• Advanced Nanomaterials and Polymer‑Based Electronics
• Nanomaterials and Nanotechnology
• Power Electronics, Energy Systems, and Market Economics
• Real‑Time Embedded Systems Scheduling

POSTECH의 상위 10개 세부 주제의 구성을 보면, POSTECH는 인공지능 외에 전통적인 하드웨어 및 실험 응용 시스템과 관련된 세부 주제에 비중을 두고 있는 것으로 보입니다.

‘메타물질, 나노포토닉스 → 의료영상’ 등 실험, 응용 시스템에 주력하는 모습입니다.

POSTECH는 Cross‑Modal ML, LLM 튜닝, Audio/Speech, HCI, Cybersecurity, Semiconductor Integration 등 소프트웨어, 인터페이스, 보안과 같은 전산학적 주제들은 Top‑10에 포함되지 않았습니다.

POSTECH은 “물리, 광전자, 의료, 해양” 같은 하드웨어, 실험 응용에 집중하는 패턴을 보이고 있습니다.