▲ 9일부터 경기 고양시 농협중앙교육원에서 시작된 2026년 농심천심 조합장 경영리더십 과정에서 강호동 농협중앙회장(사진 첫째줄 가운데) 등 참석자들이 기념 촬영을 하고 있다 [출처=농협중앙회]농협중앙회(회장 강호동)에 따르면 2026년 9월9일부터 11일까지 경기도 고양시 중앙교육원에서 농축협 조합장을 대상으로 '2026년 농심천심 조합장 경영리더십과정' 1기 교육을 실시한다.농협은 이번 교육을 시작으로 2026년 10월까지 총 4기수에 걸쳐 교육과정을 운영할 예정이다.이번 교육은 농심천심운동을 통해 농업·농촌의 위기를 함께 극복하고 급변하는 경영환경에 대응할 수 있는 조합장의 리더십과 미래경영 역량을 강화하기 위해 마련됐다.교육 과정은 농업·농촌 트렌드, 리더십과 소통, 경제전망을 비롯해 생성형 AI를 활용한 조합경영 혁신 등 현장 중심의 프로그램으로 구성됐다.이번 교육을 통해 조합장들이 농심천심운동 확산을 이끄는 현장 리더로서 역할을 강화하는 한편 인공지능(AI) 등 경영환경 변화에 능동적으로 대응할 수 있는 미래경영 역량을 높일 것으로 기대하고 있다.앞으로도 현장 수요와 경영환경 변화에 맞춘 교육을 지속적으로 운영해 농축협의 지속가능한 성장과 경쟁력 강화를 뒷받침할 계획이다.

▲ 3일 서울 중구 농협중앙회 본관에서 열린 경영진 AI 아카데미에서 대상자들이 교육을 수강하고 있다 [출처=농협중앙회]농협중앙회(회장 강호동)에 따르면 2026년 9월3일 서울특별시 중구 본관에서 범농협 임원 및 집행간부를 대상으로 '경영진 인공지능(AI) 아카데미'1차 교육을 실시했다.이날 교육은 △생성형 AI와 AI 에이전트 최신 동향 △국내외 기업의 AI 활용 사례 △AI를 활용한 의사결정 등을 중심으로 진행됐다.특히 단순한 기술 이해를 넘어 경영 현안과 실제 업무에 AI를 적용하는 실질적인 활용 역량을 높이는 데 중점을 뒀다.이번 교육을 통해 경영진이 AI를 의사결정과 업무 혁신을 지원하는 파트너로 적극 활용하고 조직의 AX 전환을 주도할 수 있도록 지원할 계획으로 총 2차례에 걸쳐 진행할 예정이다.아울러 전 직원을 대상으로 한 AI 교육도 지속적으로 실시해 범농협 전반의 AI 활용 문화를 확산해 나갈 예정이다.

▲ 철도연, 2026 철도·교통·물류 대국민 아이디어 공모전 시상식 [출처=철도연]한국철도기술연구원(이하 철도연, 원장 사공명)에 따르면 2026년 9월2일 경기도 의왕시 본원 대회의실에서 ‘2026 철도·교통·물류 대국민 아이디어 공모전’ 시상식을 개최했다.이번 공모전은 ‘인공지능(AI)와 함께 달리는 미래’를 주제로 철도·교통·물류 분야에서 국민불편 해소와 안전하고 편리한 미래기술 구현을 위해 국민의 창의적 아이디어를 발굴하고자 진행됐다.2025년까지 철도연 내부 행사로만 진행했었지만 이번 공모전부터는 국토교통부와 국가과학기술연구회(이하 NST, 이사장 김영식)가 후원하며 우수작 선정과 포상을 확대했다.철도연은 2026년 5월까지 미래지향적 교통, 안전한 교통, 편리한 교통, 자유 제안의 4가지 분야로 국민 공모를 진행했으며 총 383건의 아이디어가 접수됐다. 전체 제안의 66%가 안전한 교통과 편리한 교통 분야에 집중되어, 교통안전과 편의에 대한 높은 관심을 확인했다.접수된 아이디어는 외부 전문가의 블라인드 서면 평가 2단계, 철도연 내부평가(전직원 투표)를 거쳐 최우수상 1건, 우수상 1건, 장려상 5건 등 7개 수상작이 선정됐다.▲ 철도연, 2026 철도·교통·물류 대국민 아이디어 공모전 수상작 현황 [출처=철도연]최우수상(국토교통부 장관상)은 한창희 씨의 ‘AI 열차 연착 예측·환승 재설계 시스템, 레일브릿지(RailBridge)’가 선정됐다.티켓 예매 시점부터 AI가 열차 지연 이력·기상·선로 공사 일정을 분석해 환승 실패 위험을 미리 알리고 실제 지연이 발생하면 대체 경로 자동 배정과 추가 교통비 정산까지 한 번에 처리하는 열차 환승 보장 서비스다.우수상(NST 이사장상)은 홍찬빈 씨의 ‘AI 기반 열차 내 위기상황 실시간 감지 시스템’이 받았다. 열차 안의 CCTV와 센서를 활용해 AI가 승객의 쓰러짐, 폭행 등 위기상황을 실시간으로 감지하고 역무원에게 즉시 알리는 아이디어로, 추가 설비 없이 기존 인프라만으로 구현 가능한 점이 높은 평가를 받았다.장려상(철도연 원장상)은 KTX 연결로 전광판으로 입석 승객에게 빈 좌석 정보를 안내하는 이효석 씨의 ‘입석승객을 위한 KTX 유휴좌석 안내 서비스’ 등 총 5건이 선정됐다.수상자들은 시상에 앞서 철도연 홍보관에서 주요 연구 성과와 미래 교통 기술을 살펴봤다. 철도연은 수상작과 공모된 아이디어를 분석해 국민이 원하고 요구하는 국민 체감형 기술개발을 확대하고 우수 아이디어의 연구·정책 연계 방안을 검토할 계획이다.

▲ 서울대 기계공학부 윤병동 교수 [출처=서울대 공과대학]서울대(총장 유홍림)에 따르면 2026년 9월2일 공과대 기계공학부 윤병동 교수 연구팀이 제조 현장의 데이터 수집부터 추론과 의사결정, 물리적 실행까지 전 과정을 인공지능(AI)으로 연결하는 ‘풀스택 AI 팩토리’ 구축에 본격 나섰다.윤병동 교수 연구팀의 ‘풀스택 AI 팩토리를 위한 제조 업무(x) 특화형 파운데이션 모델’ 과제는 2026년도 리더연구 유형A에 최종 선정됐다.연구팀은 2026년 6월부터 9년간 제조 업무에 특화된 파운데이션 모델을 개발한다. 이를 실제 제조라인에 적용해 제조 자율화의 기반을 마련할 계획이다.◇ 확산되는 파운데이션 모델, 그러나 비어 있는 ‘제조 도메인’파운데이션 모델은 대규모 데이터를 미리 학습한 뒤 여러 업무에 활용할 수 있는 범용 AI 모델이다. 최근 GPT와 Gemini 같은 텍스트 모델, Sora와 같은 이미지·영상 모델을 비롯해 Chronos와 TimesFM 등 시계열 데이터를 처리하는 모델까지 활용 범위가 빠르게 넓어지고 있다.그러나 고주파 진동·전류 신호, 공정 이력, 비전 데이터가 복합적으로 존재하는 제조 도메인에는 이를 아우르는 범용 파운데이션 모델이 부재한 실정이다.제조 데이터는 공정·설비·센서별로 표현 방식이 이질적이고 자연어처럼 명시적인 의미 구조를 갖지 않아 AI 학습에 그대로 활용하기 어렵다.문제별로 분절된 모델은 개발과 관리에 한계가 있으며, 여러 형태의 데이터를 하나의 모델에 통합할수록 AI가 어떤 근거로 판단했는지 설명하기 어려워지는 문제도 있다. 작업자가 처리해야 하는 정보량과 설비 인프라의 물리적 한계도 AI 적용의 걸림돌로 작용해 왔다.◇ 2단계에 걸친 end-to-end 풀스택 AI 팩토리 구현연구팀은 이러한 한계를 해결하기 위해 제조 업무 특화형 파운데이션 모델인 ‘MxFM(Manufacturing x Foundation Model)’을 개발한다.MxFM은 다양한 제조 데이터를 통합적으로 학습해 품질과 정비, 안전 등 여러 제조 업무에 활용할 수 있도록 설계되는 AI 모델이다.연구는 2단계로 진행된다. 1단계에서는 AI가 제조 데이터를 이해하고 여러 업무에 활용할 수 있도록 ‘제조 업무 특화형 파운데이션 모델’을 구축한다.먼저 제조 데이터를 △공정 단계 △작업 이벤트 △설비 상태 △센서 역할 △업무 목적 등 다섯 가지 기준으로 다시 정의한다.데이터의 관계를 계층적으로 정리한 메타데이터 구조와 설비·센서별 편차를 보정하는 체계를 마련해 별도의 복잡한 전처리 없이 AI 학습에 활용할 수 있는 ‘AI-Ready 제조 데이터’ 체계를 정립한다.이어 고주파 신호 특성을 반영한 데이터 생성 모델과 물리 정합성 검증 기술로 희소한 이상·고장(edge/corner) 시나리오까지 포괄하는 전 운전영역(full-regime) 데이터를 확보할 계획이다.이러한 데이터 체계를 바탕으로 전문가 혼합 구조(MoE, Mixture of Experts)를 적용한 제조 업무 특화형 파운데이션 모델을 개발한다.전문가 혼합 구조는 하나의 모델 안에 서로 다른 영역을 담당하는 여러 전문 모델을 두고, 입력된 데이터와 업무에 따라 필요한 모델을 선택해 활용하는 방식이다.연구팀은 고주파·저주파 시계열 데이터와 이미지 등 각 데이터가 가진 물리적 특성을 유지하면서도 하나의 공통된 표현 공간에서 처리할 수 있도록 정렬한다.업무의 맥락을 나타내는 태그 정보를 이용해 품질과 정비, 안전 등 업무별 학습 영역을 구분함으로써 모델의 해석성도 확보한다.또한 어떤 전문가가 판단에 주로 기여했는지를 추적함으로써 AI의 판단 근거를 보다 투명하게 제시할 수 있는 설명성 내재형 모델을 개발한다.단순히 결과만 출력하는 모델을 넘어 판단 과정과 이유를 확인할 수 있는 설명성 내재형 제조 AI 모델을 개발한다는 구상이다.이미지와 저주파 데이터 영역에는 기존 범용 파운데이션 모델을 전략적으로 활용하고, 연구팀은 제조 현장의 핵심 데이터인 고주파 신호를 처리하는 원천기술 개발에 연구 역량을 집중한다.2단계에서는 MxFM을 실제 제조 업무에 적용해 데이터 수집부터 판단과 실행까지 이어지는 풀스택 AI 팩토리를 구현한다.연구팀은 품질 분류와 설비 복원, 안전을 위한 객체 인식 등 제조 업무별 어댑터를 MxFM에 결합한다. 하나의 기반 모델에 업무별 기능을 추가해 여러 제조 업무에 특화하는 방식이다.모델의 분석 결과를 바탕으로 판단 근거와 조치 우선순위까지 제시하는 제조 의사결정 에이전트도 구축한다. 연구팀은 모델의 성능 저하를 최소화하면서 설명성을 유지하는 경량화 기술을 적용해 서버와 엣지, 온디바이스를 포괄하는 다중 스케일 실행 구조를 구현할 계획이다.실증에서는 AI 모델의 추론 성능뿐 아니라 실제 제조라인에서 판단 결과를 실행할 수 있는지까지 단계적으로 평가한다. 농심과 시너스텍, 대구기계부품연구원 등 협력 기업·기관의 제조라인을 대상으로 기술을 검증할 예정이다.◇ 분절된 제조 AI를 넘어 ‘제조 자율화’로이번 연구는 데이터와 모델, 의사결정, 실행이 분절돼 있던 기존 제조 AI 구조를 하나로 연결하는 것을 목표로 한다. 데이터 수집부터 물리적 실행까지 이어지는 엔드투엔드(end-to-end) 풀스택 AI 체계를 구축해 제조 현장의 자율화를 위한 기반을 마련한다는 구상이다.이번 연구를 이끄는 윤병동 교수는 제조 AI의 원천기술 개발부터 산업 현장 적용까지 연구 범위를 확장해 왔다. 현재까지 산학협력 과제 총 95건(완료 86건, 진행 9건, 총 연구비 약 250억 원)을 수행했다.Reliability Engineering & System Safety(RESS), Mechanical Systems and Signal Processing(MSSP), International Journal of Mechanical Sciences(IJMS) 등 제조 시스템 분야 국제학술지에 다수의 SCI 논문을 게재했다.윤 교수는 연구 성과를 산업 현장으로 확장하기 위해 2016년 산업 AI 예지보전 기업 원프레딕트(ONEPREDICT)를 설립했다. 원프레딕트의 솔루션은 LG에너지솔루션과 GS칼텍스, 한국항공우주산업, 한국전력공사 등의 현장에 적용됐다.윤 교수는 2024년 Forbes Korea A150에 선정됐으며, 2025년부터 산업통상부 AI 팩토리 Manufacturing AX 얼라이언스 프로젝트 공동위원장으로 국가 차원의 제조 AI 전략을 주도하고 있다.※ 참고 자료· 과제명 : 풀스택 AI 팩토리를 위한 제조 업무(x) 특화형 파운데이션 모델· 지원사업 : 2026년도 리더연구(유형A)· 수행기간 : 2026년 6월 ~ 2035년 2월(총 9년)· 주관기관 연구책임자 : 서울대 기계공학부 윤병동 교수

▲ [대통령경호처 면접 설명회] 2026년 대통령경호처 면접 합격 설명회… 2026년 09월16일(수) 18:00 [출처=iNIS]□ 2026 대통령경호처 면접 합격 설명회○ 강사 : 민진규 교수(국가정보전략연구소 소장)○ 합격 설명회 일정▷일시 : 2026년 09월16일(수) 18:00~▷강의시간 : 18:00 ~ 18:50 (10분전 까지 입실요망)- 1부 18시~18시30분 - 민진규 교수님과 함께하는 2026 경호처 면접 합격PLAN!!- 2부 18시30분~18시50분 - 교수님과의 1:1상담▷강의실 : 윌비스 노량진 학원본원 701호(HS타워)□ 무료 : 경호처특강 인강제공상품2026년 대통령경호처 7급 면접대비반 신청시총90만원 상당 인강을 1달간 무료!!오직 면접반전용 혜택!!▶2026 대통령경호처 합격대비 민진규 경호학 특강▶2026 대통령경호처 합격대비 민진규 논술 특강▶2026 대통령경호처 민진규 논술 실전 강의▶2026 대통령경호처 민진규 영어면접 & 자소서 실전특강(유튜부)1차 면접 설명회 내용□ 면접 강의 내용 및 구성▲ 대통령경호처 면접 강의 내용 및 구성 [출처=iNIS]○ 상담/문의 : 1544-0336 ARS 2번□ 상세내용○ 윌비스 홈페이지 참조- 이하 생략 -

▲ KB국민카드, 청소년 금융 디지털 교육으로 미래세대 성장 지원 [출처=KB국민카드]KB국민카드(대표 김재관)에 따르면 전국 청소년 시설 소속 청소년과 초·중·고등학생 약 3000명을 대상으로 총 150회에 걸쳐 ‘KB국민카드 조이풀 금융교실’을 진행할 계획이다.초등학생에게는 화폐, 용돈관리, 신용관리 등을 금융의 기초 개념을 교육한다. 중·고등학생에게는 소비와 신용, 저축, 금융진로, 위험관리 등 실생활과 연계된 금융지식을 전달한다.또한 환율, 용돈관리, 신용, 투자 등을 주제로 한 보드게임을 활용해 청소년들이 금융의 기본 개념과 원리를 쉽고 재미있게 이해할 수 있도록 교육을 구성했다.‘KB국민카드 조이풀 디지털교실’은 디지털 교육 인프라가 상대적으로 부족한 전국 농산어촌 지역 초등학교 4~6학년 학생을 대상으로 진행된다. 2026년에는 23개 학교, 약 460명의 학생이 참여할 예정이다.학생들은 생성형 AI의 원리와 올바른 활용법을 배우고 직접 AI 챗봇을 제작하는 ‘함께하는 배리어프리 AI챌린지’, 로봇의 작동 원리를 이해하고 블록코딩을 활용해 다양한 미션을 수행하는 ‘로봇과 함께하는 그린 챌린지’ 등의 프로그램을 통해 디지털 기술을 직접 체험하게 된다.특히 디지털교실은 디지털 분야 경력을 보유한 여성 약 23명을 전문강사로 양성해 교육 현장에 파견한다. 이를 통해 농산어촌의 디지털 교육격차 해소와 함께 경력 보유 여성의 경제활동 참여 기회 확대에도 기여할 계획이다.KB국민카드 관계자는 “금융과 디지털 역량은 청소년들이 미래사회를 살아가는 데 필요한 기초 역량이다. 앞으로도 거주 지역이나 교육 환경에 관계없이 청소년들이 다양한 배움의 기회를 접하고 건강한 사회 구성원으로 성장할 수 있도록 미래세대 교육 지원을 지속해 나갈 것이다”고 말했다.

▲ ‘2026 NAIS AI 해커톤’ 포스터 [출처=국가과학기술연구회]국가과학기술연구회(이사장 김영식, 이하 NST)에 따르면 2026년 9월7일까지 국가과학AI연구센터(센터장 유용균, 이하 NAIS)가  ‘2026 NAIS AI 해커톤’ 참가자를 모집한다.연구개발 전 과정에 인공지능(AI)을 접목하는 AI Native R&D 확산을 위한 목적이다. 이번 해커톤은 과학기술정보통신부 후원으로 추진된다.국민의 창의적인 아이디어를 바탕으로 연구현장에서 활용 가능한 R&D 특화 AI 에이전트를 발굴하고 우수 아이디어가 실제 연구혁신으로 이어질 수 있도록 지원하기 위해 마련됐다.국가과학AI연구센터(NAIS)는 과학기술 분야의 AI 활용 촉진과 연구기관 간 협업 생태계 조성을 위해 NST 내에 설치된 조직으로, 과학 AI 통합 플랫폼 구축 및 연구 협력·교류 허브 역할을 수행한다.공모 주제는 ‘R&D 특화 AI Agent: 연구의 모든 순간에, AI 에이전트를 심다’로, 참가자들은 연구개발 과정에서 연구자의 업무를 지원하고 연구 생산성을 높일 수 있는 AI 에이전트 아이디어를 제안하면 된다.세부 주제는 △연구 기획·탐색 △실험·데이터 분석 △성과 작성·연구행정 △기타 자유주제 등 4개 분야로, 2개 이상의 세부 주제를 결합한 아이디어도 제안할 수 있다.전공과 관계없이 대한민국 국민이라면 누구나 개인 또는 최대 5명으로 구성된 팀으로 참가할 수 있다. 참가 신청은 9월 7일 오후 5시까지 온라인으로 진행되며, 예선 심사를 거쳐 본선 진출 10개 팀을 선정한다.2026년 9월30일부터 10월1일까지 진행되는 본선에서는 진출팀에게 전문가 멘토링과 AI 에이전트 프로토타입 개발 기회가 제공된다. 최종 심사를 통해 부총리 겸 과학기술정보통신부 장관상과 NST 이사장상 등 4개 팀에 상금 총 1000만 원이 수여된다.NAIS AI 해커톤 참가 신청 및 세부 내용은 NST 홈페이지(https://www.nst.re.kr) 또는 공모전 공식 홈페이지(https://ai4scikorea.org/#competition)에서 확인할 수 있다.NAIS AI 해커톤 본선은 국내외 AI 연구자와의 접점을 넓히기 위해 ‘AI4Sci Korea 2026’ 국제학술대회 기간에 맞춰 개최된다.동 학술대회는 에이아이프렌즈학회와 한국과학AI포럼, 광주과학기술원이 주최하고 과학기술정보통신부가 후원하는 국제 행사로 2026년 9월27일부터 10월1일까지 서울드래곤시티에서 열린다.학술대회에서는 △AI 과학자·에이전트 및 정책·윤리 트랙 △과학 도메인에 AI를 적용하는 트랙 등 2개의 학술 트랙이 운영된다. 해커톤, AI Art for Science 등 대국민 행사도 함께 치러질 예정이다.NAIS는 해커톤에서 발굴된 우수 아이디어의 연구현장 적용 및 후속 연구 연계 가능성을 검토하는 한편 연구자와 AI 개발자, 국민이 함께하는 개방형 AI 융합생태계를 조성해 AI Native R&D 기반의 연구혁신을 지속적으로 확대해 나갈 계획이다.유용균 NAIS 센터장은 “연구현장의 혁신은 새로운 기술뿐 아니라 기존의 문제를 다르게 바라보는 아이디어에서 시작된다. AI를 통해 연구의 방식을 새롭게 바꿀 국민 여러분의 참신한 아이디어를 기대한다”고 밝혔다.김영식 NST 이사장은 “AI는 연구개발의 새로운 패러다임을 이끌 핵심 기술이다. 국민의 아이디어와 출연(연)의 연구 역량을 연결해 대한민국 AI 기반 연구혁신을 앞당기는 계기가 되기를 기대한다”고 말했다.

▲ 멀티모달 문헌 마이닝으로 구축한 데이터와 물리 지식을 학습한 머신러닝 모델이 방대한 무연 유전체 조성 공간을 탐색하고, 후보 소재를 실험으로 검증하는 과정을 형상화한 이미지 [출처=서울대학교 공과대학]서울대(총장 유홍림)는 2026년 8월18일 공과대학 재료공학부 장호원 교수 연구팀이 논문 속 데이터와 물리 기반 머신러닝을 결합해 무연 유전체를 설계하는 기술을 개발했다고 밝혔다.이번 연구는 송관우 석박사통합과정생이 제1저자로 연구 전반을 주도했다. 김영민 석박사통합과정생과 김재현 박사후연구원이 공동 연구에 참여했다.유전체는 전기가 바로 흐르지 않도록 막으면서 전하를 저장하는 절연 소재로 스마트폰과 전기차 등에 사용되는 적층세라믹콘덴서(MLCC)의 핵심 재료다.유전율이 높을수록 같은 크기의 부품으로 더 많은 전기를 저장할 수 있다. 높은 온도에서도 성능이 안정적으로 유지돼야 실제 전자기기에 적용할 수 있다.연구팀은 논문 본문·표·그래프에 분산된 정보를 자동으로 추출하는 ‘멀티모달 문헌 마이닝’과 물리 기반 머신러닝을 결합해 목표 성능을 만족할 가능성이 높은 조성을 먼저 찾아내는 역설계 기술을 구현했다.448편의 논문에서 1202건의 유전 특성 데이터를 구축한 뒤 약 1억5000만 개의 가상 조성 공간을 탐색해 37개 후보를 선별했고, 이 가운데 두 조성을 실제 합성해 높은 유전율과 우수한 고온 안정성을 확인했다.이번 연구 결과는 세계적 권위의 국제학술지 ‘Nature Communications’에 게재됐다.전기차와 전력전자, 항공우주 장비처럼 높은 온도에서 작동하는 전자기기가 늘면서 온도 변화에도 성능이 안정적인 유전체 소재의 중요성이 커지고 있다.특히 온도에 따른 전기적 반응이 비교적 완만하게 변하는 완화형 강유전체(relaxor)는 높은 유전율과 넓은 온도 범위의 안정성을 함께 구현할 가능성이 있다.하지만 납을 사용하지 않는 조성만 놓고도 원소의 종류와 혼합비에 따라 후보가 사실상 무한대에 가까워 시행착오 방식으로는 탐색에 많은 시간과 비용이 필요하다.또한 관련 데이터는 논문마다 본문·표·그래프에 흩어져 있고, 온도·주파수·시료 등 측정 조건도 달라 머신러닝 학습에 바로 활용하기 어렵다.이에 연구팀은 여러 논문에 분산된 정보를 하나의 형식으로 통합하고, 실제 존재 가능한 소재만 선별하도록 물리 법칙을 함께 반영한 머신러닝 체계를 구축했다.연구팀은 대규모 언어모델을 활용해 논문 본문과 표에서 조성과 공정 조건을 정리하고, 그래프를 수치 데이터로 변환해 온도별 유전 특성을 읽어냈다.이를 통해 448편의 논문에서 1202건의 조성·공정·유전 특성 데이터를 구축했다. 여기에 원소 조성과 미세구조 등 22개의 물리 지표를 함께 반영해 서로 다른 문헌에 흩어진 정보를 하나의 학습 데이터로 통합했다.이어 서로 다르게 학습된 30개 머신러닝 모델을 결합해 유전율과 온도 안정성에 관한 세 가지 핵심 지표를 동시에 예측했다. 또한 모델 간 예측의 일치도를 평가해 예측 신뢰도가 높은 후보를 우선 선별하도록 설계했다.약 1억5000만 개의 가상 조성 공간에 사전에 설정한 성능 목표와 물리·화학 조건을 차례로 적용한 결과, 연구팀은 37개 후보군으로 탐색 범위를 좁혔다. 이후 후보가 가장 많이 남은 조성 계열에서 성분 비율을 정밀하게 조정해 실험 대상 두 조성을 선정했다.실험 결과, 주석(Sn)을 1mol%와 2mol% 치환한 두 시료는 상온에서 각각 3422와 3307의 높은 유전율을 나타냈다. 소량의 Sn 치환은 유전율을 크게 낮추지 않으면서 온도 안정성을 높이는 절충점을 형성했다.또한 현재 적층세라믹콘덴서에 널리 사용되는 티탄산바륨(BaTiO₃)과 비교했을 때 더 넓은 온도 범위에서 높은 유전율을 안정적으로 유지하는 것으로 확인됐다.2개 시료는 적층세라믹콘덴서 국제 규격(X5R·X6R·X7R)의 고온 안정성 기준을 모두 만족했으며, 같은 계열의 기존 문헌 데이터와 비교해도 가장 높은 수준의 유전율을 기록했다.* X5R·X6R·X7R: 적층세라믹콘덴서용 유전체가 통상 영하 55℃부터 각각 85℃·105℃·125℃까지 25℃ 기준 유전율 변화율을 ±15% 이내로 유지하는지를 나타내는 온도 안정성 등급연구팀은 머신러닝의 판단 근거와 압전반응힘 현미경, 라만분광법, 원자분해능 전자현미경 분석 결과를 종합했다. 그 결과, 소량의 Sn 첨가가 결정 골격을 넓히고 원자 규모의 전기적 불균일성을 증가시켜 온도 안정성을 높인다는 작동 원리를 규명했다.이번 연구는 논문 곳곳에 흩어진 데이터를 AI로 통합·분석해 새로운 소재를 설계하는 연구 방법을 실증했다는 점에서 의미가 있다.연구팀은 이 방법이 기능성 산화물과 박막처럼 데이터가 여러 문헌에 분산된 다양한 소재 개발에도 활용될 수 있을 것으로 보고 있다.이번에 검증한 무연 유전체는 고온용 적층세라믹콘덴서를 비롯해 전기차, 전력전자, 항공우주용 전자부품 개발에 활용될 것으로 기대된다.장호원 교수는 “이번 연구는 머신러닝으로 성능을 예측하는 데 그치지 않고, 여러 논문에 흩어진 정보를 학습 데이터로 통합한 뒤 물리 법칙과 모델 간 예측의 일관성을 함께 따져 실제 합성 후보까지 좁혔다는 점에서 의미가 있다”고 밝혔다.이어 “이번에 제시한 멀티모달 문헌 마이닝과 물리 기반 머신러닝의 결합 전략이 유전체에 그치지 않고, 데이터가 여러 논문과 형식에 흩어져 있어 체계적인 통합이 필요한 다른 기능성 산화물과 박막 소재의 후보 탐색에도 확장되기를 기대한다”고 말했다.이번 연구의 제1저자인 송관우 석박사통합과정생은 문헌 데이터 구축부터 머신러닝 모델 개발, 후보 소재 선별, 실험 검증까지 연구 전 과정을 주도했다.현재 머신러닝 기반 신소재 탐색 연구를 수행하며 무연 유전체와 적층세라믹콘덴서용 신규 조성, 반도체 트랜지스터용 산화물 채널 소재 등 다양한 전자재료 분야로 연구를 확장하고 있다. 향후 이러한 연구 경험을 바탕으로 고성능 전자재료와 유전체 연구개발을 이어갈 계획이다.한편 장호원 교수 연구팀은 김재현 박사후연구원이 제1저자로 참여한 연구에서 AI를 활용해 그린수소 생산을 위한 텅스텐 단일원자 기반 비귀금속 수전해 촉매를 발굴하고 실험적으로 검증한 바 있다. 해당 연구 역시 국제학술지 ‘Nature Communications’에 게재됐다.이번 연구는 국가과학기술연구회(NST)·과학기술정보통신부(MSIT)(GTL25021-230), 한국연구재단(NRF)·과학기술정보통신부(MSIT)(RS-2024-00421181), 과학기술정보통신부(MSIT) InnoCORE 사업(1.250021.01), 나노 및 소재기술개발사업(NRF·MSIT)(RS-2024-00405016)의 지원을 받아 수행됐다.※ 참고 자료- 논문명/저널: Machine-learning-guided inverse design of lead-free relaxors enabled by multimodal literature mining- DOI: 10.1038/s41467-026-74376-3

▲ 철도연, AX 리더십 특별교육 사진 [출처=한국철도기술연구원]한국철도기술연구원(원장 사공명, 이하 철도연)에 따르면 2026년 8월 10일부터 12일까지 3일간 전체 보직자가 참여하는 ‘AI 전환, AX 리더십 특별교육’을 진행했다. 구성원의 역량강화 교육 목표를 지속 가능한 변화와 혁신의 기관운영 방향과 연계해 새롭게 ‘R.A.I.L’로 정립했다. 이번 교육도 이를 실현하는 세부 프로그램으로 시행되었다.R.A.I.L.은 출연연으로서의 사회적 책임(Responsibility)을 완수하고 업무 전반의 AI 전환(A.X.)을 통해 연구·행정의 혁신(Innovation)을 주도하며 나아가 철도분야의 글로벌 리더십(Leadership)을 공고히 하는 철도연의 인재 양성 교육목표다. 기관운영 전반의 경영혁신과 연계해 실천하며 내재화를 추진하고 있다.전체 구성원이 정부출연연구기관에서의 사회적 책임과 AI 기반의 업무역량 강화를 통한 자기주도 학습과 셀프리더십 강화에 집중하고 있다.2026년부터 전 부서를 대상으로 연중 시행하는 AI 실무교육과 연계해 현업에서 AI를 활용한 업무 자동화 성과가 본격적으로 도출되기 시작했다.이번 교육은 기관운영의 의사결정에 참여하는 보직자들의 AI기반 성과관리 등 일하는 방식의 변화 선도 역량을 제고하기 위해 마련했다.성과의 대표 사례는 AI 기반 현장 안전점검 관리 시스템 구축이다. 2026년 4월 안전보건실 교육성과 사례이며 연구실 현장 안전관리 점검 및 보고서 작성 자동화, 연간 1,619시간 절감 효과가 있다.철도연은 2025년부터 철도교통AX본부를 신설하며 AI와 융합된 철도기술 연구, 특히 선로 점검 로봇 및 인공지능 데이터 처리 등의 연구를 확대하고 있다.이번 교육은 AX 전환이 연구와 행정 모두에서 내재화될 수 있도록 보직자 리더십과 연계하여 3대 역량(자동화-코칭-성과) 제고에 집중했다.① 업무 ‘자동화’ 역량 : 바이브 코딩의 이해, 자연어를 활용한 파이썬 기반 업무 자동화 프로세스 습득② AI 리더 ‘코칭’ 역량 : 실무자의 AI 활용 및 자동화 구현을 위한 코칭 전략 수립③ AI 기반 ‘성과’ 역량 : 실무 개발 프로그램의 효율성 평가 및 조직 성과 연계 체계 구축사공명 철도연 원장은 “AI는 특정 분야의 도구가 아니라 구성원 모두가 자신의 업무에 적용해야 할 필수 역량이다”며 “이번 AX 리더십 특별교육을 통해 모든 보직자들이 솔선수범하며 AI 중심의 일하는 방식의 변화를 선도할 것으로 기대하고 이를 통해 국민체감 기관 성과향상의 기반이 마련될 것이다”고 전했다.

▲ 서울대학교 공과대학 재료공학부 정우철 교수 연구팀의 논문이 게재된 Energy & Environmental Science의 Outside Back Cover 이미지. 금속 나노촉매에 의한 고체산화물 전지 전극의 산소교환반응 촉진 원리를 형상화했다 [출처=서울대학교 공과대학]서울대(총장 유홍림)에 따르면 공과대 재료공학부 정우철·한정우 교수 연구팀이 KAIST 김상욱 교수 연구팀, 한국기초과학지원연구원(KBSI) 정범균 박사 연구팀과 공동연구를 수행해 고체산화물 전지의 성능을 높이는 은(Ag) 나노촉매의 작동 원리를 규명했다.전지가 작동하는 방향에 따라 산소반응이 일어나는 위치와 메커니즘이 달라진다는 사실을 확인했다. 고체산화물 전지는 산소 이온의 이동을 이용해 전기를 생산하거나 물을 분해해 수소를 만드는 차세대 에너지 장치다.전기와 열을 동시에 생산하는 건물과 공장의 분산형 발전 시스템부터 재생에너지 기반 수소 생산까지 폭넓게 활용될 수 있어 친환경 전력 생산과 수소에너지 활용 확대의 핵심 기술로 주목받고 있다.이번 연구 결과는 재료·화학 분야 세계적 권위의 국제학술지 ‘Energy & Environmental Science’(IF:30.5)에 게재됐으며 우수성을 인정받아 Outside Back Cover 논문으로 선정됐다.고체산화물 전지의 성능과 수명은 공기극에서 산소가 반응하는 속도에 크게 좌우된다. 지금까지는 실제 전극 내부가 복잡해 나노촉매가 정확히 어느 위치에서 어떤 방식으로 반응을 돕는지 확인하기 어려웠다.기존 연구를 통해 금속 나노촉매가 전지 성능을 높인다는 사실은 알려져 있었지만, 촉매의 표면과 촉매가 전극과 맞닿는 경계 중 어느 부분이 실제 반응을 주도하는지는 명확하지 않았던 것이다.또한 전기를 생산하는 과정과 수소를 생산하는 과정에서 촉매가 같은 방식으로 작동하는지도 명확히 밝혀지지 않았다.연구팀은 이러한 문제를 해결하기 위해 구조가 복잡한 실제 전극 대신 구조와 조성이 일정한 모델 전극을 제작하고 크기와 간격이 균일한 금속 나노입자를 규칙적으로 배열해 촉매의 역할을 정밀 분석했다.먼저 페로브스카이트 산화물로 만든 얇은 전극 위에 은, 코발트, 팔라듐, 백금 등 다양한 금속 나노촉매를 올려 산소반응을 얼마나 효과적으로 촉진하는지 비교했다. 그 결과, 은 나노촉매가 가장 우수한 산소반응 촉진 효과를 보였다.이어 은 나노입자의 크기와 배열을 체계적으로 바꾼 모델 플랫폼을 제작해 반응 위치를 분석한 결과, 전기를 생산하는 산소환원반응에서는 은 나노입자와 전극이 맞닿는 경계가 길수록 반응이 빨라졌다.이는 은과 전극이 만나는 경계 부분이 주요 반응 장소라는 것을 의미한다. 반대로 수소를 생산하는 방향의 산소발생반응에서는 은 나노입자의 표면이 넓을수록 반응이 활발해졌다. 이를 통해 은 입자의 표면 자체가 중요한 반응 장소로 작용한다는 사실을 확인했다.연구팀은 전압과 산소 농도를 조절하면서 두 반응이 진행되는 과정을 자세히 비교했다. 그 결과, 은 나노촉매는 산소환원반응에서는 산소가 전자를 받아들이는 과정을 돕고 산소발생반응에서는 산소 원자들이 서로 결합해 산소 분자로 빠져나가는 과정을 촉진하는 것으로 나타났다.또한 연구팀은 전지가 작동하는 동안 전극 표면의 변화를 관찰할 수 있는 방사광 분석과 원자 수준의 이론 계산을 함께 수행했다.이를 통해 은 나노촉매가 전극 표면의 전자 상태를 변화시켜 산소환원반응을 촉진하고, 산소발생반응에서는 산소 원자들이 결합하기 좋은 반응 환경을 제공한다는 사실을 확인했다.이번 연구는 나노촉매가 단순히 반응 속도를 높이는 첨가제가 아니라 작동 조건에 따라 반응 위치와 메커니즘까지 달라질 수 있음을 규명했다는 점에서 의미가 있다.특히 고체산화물 연료전지와 수전해전지의 공기극을 설계할 때 촉매 표면과 촉매-전극 계면을 각각 최적화해야 한다는 새로운 설계 방향을 제시했다.이러한 설계 원리가 실제 전지에 적용되면 건물·공장용 분산발전 시스템의 발전 효율을 높이고 재생에너지로 수소를 생산하는 수전해 장치의 전력 소비를 줄이는 데 기여할 것으로 기대된다.나아가 동일한 장치에서 전력 생산과 수소 생산을 모두 수행하는 가역형 고체산화물 전지의 상용화를 앞당겨 가정과 산업 현장에서 에너지를 보다 효율적으로 생산·저장하는 기반 기술로 활용될 전망이다.또한 연구팀이 개발한 정밀 나노입자 배열 모델 전극은 촉매가 실제로 어느 위치에서 어떤 방식으로 작동하는지를 구분해 분석할 수 있는 연구 플랫폼이다.이 플랫폼은 고체산화물 전지뿐 아니라 수소 생산 장치, 다양한 전기화학 에너지 변환 장치, 산소 분리 기술 등 산소반응을 활용하는 여러 분야의 작동 원리를 밝히는 데 활용될 수 있다.연구를 지도한 정우철 교수는 “이번 연구는 나노촉매의 성능뿐 아니라 실제 반응이 일어나는 위치와 작동 원리를 정량적으로 규명했다는 점에서 의미가 크다”며 “앞으로 다양한 에너지 변환 소재와 촉매 시스템에 적용할 수 있는 새로운 설계 원리로 확정해 나갈 계획”이라고 밝혔다.본 연구를 주도한 김진욱 박사는 현재 미국 노스웨스턴대에서 박사후연구원으로 연구를 수행하고 있으며 서울시립대 신소재공학과 조교수로 부임할 예정이다.향후에도 나노촉매와 고체산화물 전지의 반응 원리를 규명하고 이를 고효율 에너지 변환 소재 및 소자 개발로 확장하는 후속 연구에 매진할 계획이다.한편 본 연구는 과학기술정보통신부와 한국연구재단의 지원을 받아 수행됐다(RS-2024-00452853, RS-2025-00521316).또한 포항가속기연구소 및 한국기초과학지원연구원의 지원을 받아 KBSI-PAL 8A2 AP-XPS 빔라인에서 방사광 기반 상압 광전자분광 분석을 수행했다.◇ 참고 자료- 논문명/저널: Quantitative electrochemical evaluation of metal nanocatalysts for oxygen exchange on solid oxide cell electrodes, Energy & Environmental Science- DOI: doi.org/10.1039/d5ee07320k