2025

[12/07/25~12/10/25] iAI lab attends the 9th Asian Congress on Computational Mechanics & the 7th Australasian Conference on Computational Mechanics (APCOM-ACCM 2025), Brisbane, Australia.

Minisymposium: 

• Scientific AI: Physics-informed Machine Learning, Topology Optimization, and Industrial Applications (by Jae Hyuk Lim, Seungchul Lee, Jaewook Lee, Luka Bai, Paul Jeong, and YuanTong Gu)

• Dr. Bumsoo Park: Diffusion-based Generative Topology Design under Uncertain Boundary Conditions 

• Jaejung Park: Physics-Informed Neural Network for Predicting Grain Structure Evolution Governed by the Allen-Cahn Equation 

[07/24/25] 한국소성·가공학회, 전문교육 (제목: 실험/해석 데이터 부족 문제 해결을 위한 능동학습과 해석 가속화를 위한 연산자 학습), 한밭대

최근 인공지능 기술을 활용하여 소재의 물성을 예측하거나 공정 조건을 최적화하려는 연구가 활발히 진행되고 있습니다. 또한 AI는 전통적인 실험 및 시뮬레이션의 시간적·물질적 한계를 극복할 수 있는 대안으로 주목받고 있으며, 특히 물리 법칙을 반영한 학습이나 연산자 수준의 학습을 통해 예측 성능을 더욱 향상시키는 연구가 확대되고 있습니다. 연산자 학습 인공지능은 입력과 출력 사이의 함수적 관계 전체를 학습함으로써, 조건 변화에 대한 일반화된 예측이 가능하다는 장점이 있습니다. 특히 계산 비용이 큰 고해상도 시뮬레이션을 대체하거나 가속하는 데 효과적으로 활용될 수 있어, 그 중요성이 점점 부각되고 있습니다. 이에 본 강습회에서는 다음 두 가지 주제를 중심으로 이론 강의와 실습을 병행할 예정입니다.

주제 1: 데이터 부족 문제 해결을 위한 능동 학습 (Active Learning)

• 능동 학습의 기본 개념 소개

• 단일 및 다중 목적성 탐색 기법의 이론 및 실제 사례 제시

• 실습: 극한 인장 강도와 전연신율이 모두 높은 타이타늄 합금을 제작하기 위한 레이저 분말 베드 융합(LPBF) 공정 변수 및 후열처리 조건 탐색

주제 2: 해석 가속화를 위한 연산자 학습 (Operator Learning)

• 연산자 학습 인공지능의 개념 및 원리 소개

• 시뮬레이션 및 실험 데이터를 활용한 응용 사례 제시

• 실습: FEM 시뮬레이션 데이터를 활용하여 데이터 기반 AI와 연산자 기반 AI 모델 간의 성능 비교

[07/14/25~07/16/25] 대한기계학회 기계인공지능 연구회, 인공지능 여름학교, 아주대 (조기 마감)

[07/07/25~07/11/25] Prof. Seungchul Lee organizes "Theme Area T14: AI Applications for Sound and Vibration and Condition Monitoring" as a theme co-chair at the 31st International Congress on Sound and Vibration (ICSV31), Incheon, Korea

• Theme Area T14: AI Applications for Sound and Vibration and Condition Monitoring

This theme area covers wide range of topics related to machine learning and deep leaning applications in sound and vibration problems. Machine diagnosis, fault detection, prediction of useful life, sound event detection, localization and separation of sources are covered but not limited to these topics. New AI applications of sensor-related technologies utilizing sound and vibration domain knowledges e.g. health care devices, physics informed AI, generative AI for sound and vibration are also covered in this theme.

• Dr. Bumsoo Park: Physics-guided Generative Framework for Inverse Design of Acoustic Scattering Objects

• Jongmok Lee:  Geometry-adaptive Physics-informed DeepONet for Acoustic Scatterer

• Hyeokjin Kweon: Physics-Informed Multi-Modal Framework for Multi-Bearing Fault Diagnosis

[07/03/25~07/04/25] 대한기계학회 CAE및응용역학 부문, 'CAE 및 응용역학을 위한 인공지능' 여름 강습회, 건국대

• Day 1

  • 10:00 ~ 12:00 인공지능 기초: Regression, Classification, ANN, CNN (이승철 교수)

  • 12:00 ~ 13:00 점심

  • 13:00 ~ 16:00 생성형 인공지능으로 설계 추천하기: PCA, SVD, Autoencoder, GAN, Diffusion Model (박범수 박사)

  • 16:00 ~ 18:00 실험/해석 데이터가 부족한데, 인공지능을 사용할 수 있나요?: Active Learning, Transfer Learning, Self-Supervised Learning (이승철 교수)

• Day 2

  • 09:00 ~ 12:00 해석, 설계를 위해서 Transformer 까지 알아야 하나요? (박범수 박사)

  • 12:00 ~ 13:00 점심

  • 13:00 ~ 17:00 해석 가속화를 위한 PINN, DeepONet, and FNO (이승철 교수)

[06/30/25~07/01/25] 대한금속·재료학회 인공지능재료과학 분과, 제11회 재료인공지능 여름학교 진행 (국민대)

대한금속·재료학회 회원 여러분, 우리 학회에서 '2025년 재료인공지능 여름학교'를 개최합니다. 인공지능재료과학 분과 주관으로 개최되는 이번 교육은 인공지능에 관심이 있는 재료공학 학부생과 대학원생을 대상으로 진행합니다. 재료공학도를 위한 인공지능 이론과 실습을 준비하여 타 강습회와 차별화를 모색하였습니다. 2일간 진행되는 교육비, 숙박비(학부생), 식비는 전액 인공지능재료과학 분과에서 지원합니다. 학생 여러분의 많은 관심과 참여를 부탁드립니다.

Day 1

• 10:00 ~ 12:00 머신러닝 (한국재료연구원 장효선 박사)

• 12:00 ~ 13:00 점심

• 13:00 ~ 15:00 딥러닝 (한국생산기술연구원 김문조 박사)

• 15:00 ~ 16:30 능동 학습 (경희대학교 하민영 교수)

• 16:30 ~ 18:00 유전 알고리즘 (국민대 조기섭 교수)

Day 2

• 09:00 ~ 11:00 재료 이미지 분석을 위한 파운데이션 모델 응용 (한국생산기술연구원 윤종필 박사)

• 11:00 ~ 12:00 신소재 설계용 생성형 인공지능 I (부경대 여병철)

• 12:00 ~ 13:00 점심

• 13:00 ~ 14:00 신소재 설계용 생성형 인공지능 II (부경대 여병철)

• 14:00 ~ 17:00 머신러닝 포텐셜 (한국과학기술연구원 강성우 박사)

[06/20/25] 이승철 교수, 대한기계학회 교육부문에서 'Developing an e-Book for "AI for Mechanical Engineering" Course Using ChatGPT: A Case Study' 발표 (서울시립대학교) 

In recent years, university students have increasingly shifted away from purchasing traditional textbooks, instead relying heavily on lecture materials provided by instructors. While this approach facilitates the rapid understanding of key concepts, it can limit opportunities for students to engage with the material from multiple perspectives and to follow the structured flow of a comprehensive text. Therefore, incorporating extended texts such as textbooks into the learning process remains an important strategy for deeper understanding. This presentation shares a case study on developing an English-language e-Book for the undergraduate-level course "AI for Mechanical Engineering." The project utilizes ChatGPT and other generative AI tools to transform existing PowerPoint lecture slides into a comprehensive, textbook-style e-Book. The e-Book integrates diagrams, coding examples, and multimedia content (including video links) to enhance engagement and facilitate immersive learning. The resulting e-Book is publicly available at https://iailab.kaist.ac.kr/teaching/machine-learning. The presentation will discuss the practical experiences and insights gained during the e-Book development process, and it will explore both the potential benefits and limitations of using generative AI tools in creating educational materials.

[06/17/25~06/21/25] International Symposium on Middle Ear Mechanics in Research and Otology (MEMRO 2025) at Leuven, Belgium

• Seohyun Lee, Jongwoo Lim, Soomin Lee, Jeonsan Kim, Seungchul Lee, and Namkeun Kim, "Deep Learning-Based Approach for Automatic Segmentation and Reconstruction of Middle Ear Ossicle Bone Computed Tomography Images"

[06/12/25] 이승철 교수, 국민대학교 신소재공학부에서 '인공지능 관점에서 바라본 재료과학 연구'세미나 진행

최근 인공지능은 재료과학 분야에서 새로운 연구 패러다임을 제공하며 혁신적인 발전을 촉진하고 있다. 머신러닝 및 딥러닝 기법을 활용하여 복잡한 재료 데이터 분석, 신소재 설계, 특성 예측 등이 기존 방식보다 빠르고 효율적으로 수행되고 있다. 본 세미나에서는 재료 이미지 분석, 능동 학습을 활용한 재료 조성 및 공정 탐색, 생성형 인공지능 기반 합금 설계 사례를 발표한다. 또한, 재료과학 지식을 반영할 수 있는 인공지능 모델의 가능성과 이를 통해 향후 연구를 위한 혁신적 접근 방안을 고찰한다. 

Recently, AI has provided a new research paradigm and driven innovative advancements in the field of materials science. By leveraging machine learning and deep learning techniques, complex materials data analysis, new material design, and property prediction can now be performed faster and more efficiently than with traditional methods. This seminar presents case studies on materials image analysis, materials composition and process exploration using active learning, and alloy design utilizing generative AI. Additionally, the seminar will explore the potential of AI models that can incorporate materials science knowledge, and consider innovative approaches for future research. 

[06/12/25] 이승철 교수, 대한기계학회 가상제품개발연구회 심포지엄에서 "제품 가상화 설계를 위한 물리지식기반 인공지능의 역할" 발표

[06/05/25] 이승철 교수, 중앙대학교 기계공학부에서 '인공지능 관점에서 바라본 기계공학 연구'세미나 진행

인공지능은 기계공학의 연구 방법을 혁신하며, 데이터 기반 모델링, 최적화, 예측 분석을 통해 복잡한 물리 시스템의 해석과 제어를 정밀하게 개선하고 있다. 예를 들어, 제조 공정에서는 AI를 활용한 품질 예측과 최적화가 생산성을 높이며, 응용역학 분야에서는 물리 기반 모델과 AI의 결합으로 해석의 정확도를 향상시키고 있다. 향후 AI와 기계공학의 융합이 더욱 가속화되며, 연구의 자동화와 지능화가 지속될 것으로 기대된다. 본 세미나에서는 '음원 위치 추정' 사례를 통해 기계공학적 지식이 인공지능 연구에 활용되는 방식을 살펴보고, 인공지능을 효과적으로 적용할 수 있는 전략을 익힐 수 있도록 한다. 

AI is transforming research methodologies in mechanical engineering by enhancing the analysis and control of complex physical systems through data-driven modeling, optimization, and predictive analytics. For example, in manufacturing processes, AI-driven quality prediction and optimization are improving productivity, while in applied mechanics, the integration of physics-based models with AI is increasing analytical accuracy. As the convergence of AI and mechanical engineering continues to accelerate, the automation and intelligence of research are expected to advance further. This seminar will explore how mechanical engineering knowledge is applied in AI research through a case study on ‘sound source localization’, and will provide strategies for effectively leveraging AI in mechanical engineering applications. 

[05/30/25] 숙명여자대학교 김윤영 석좌교수님, '김교수가 들려주는 슬기로운 대학원 생활' 주제로 세미나 (This seminar is hosted by Prof. Seunghwa Ryu).

[05/27/25] Prof. Jonghyun Park from Missouri University of Science and Technology gives a seminar entitled "Converging Materials Science, Advanced Manufacturing, and Management for Lithium-ion Batteries." This seminar is hosted by Prof. Yoon Koo Lee.

[05/21/25~05/23/25] 한국소음진동공학회 춘계학술대회 참가 (제주)

• Jongmok Lee: 형상 변화를 고려한 음향 산란체의 파동 전파 및 산란 특성 분석

• Prof. Seungchul Lee: 가상 제품 설계 및 개발을 위한 물리 인공지능 기반 전산해석 가속화 

[05/16/25] 김일적, 정일주, 허현석, 김태완 박사 졸업생, 연구실 방문 및 선후배 간담회

[05/15/25] 김규원 석사 졸업생 (25년 9월 미국 조지아텍 박사과정 입학 예정), 연구실 방문 및 세미나

[05/10/25] 한국설비진단자격인증원 자격인증시험, KAIST 창의학습관

[04/23/25~04/25/25] 대한금속재료학회 춘계학술대회 참가 (제주)

• New Horizon 심포지엄 '소재 실험 지능화 및 디지털화 심포지엄' 진행 (좌장 이승철, 김동훈)

첨단 소재 연구의 새로운 패러다임을 소개하고, 최신 연구 동향과 경험을 공유함으로써 연구자들 간의 협력을 촉진하고 연구 경쟁력을 강화하는 계기가 될 것입니다. 특히, Self-Driving Lab에 대한 시대적 관심을 반영해 AI와 자동화 기술을 소재 연구에 적극 활용할 수 있는 방향성을 제시하는 중요한 자리로 기대됩니다. 뉴호라이즌 심포지엄을 통해 각 분야의 전문가들이 모여 아이디어를 공유하고, 기술 융합을 촉진하는 장을 마련하려고 합니다. 

• 한상수 박사 (KIST): MARK - 나노소재 개발용 AI 재료공학자

• 신정호 박사 (한국화학연구원): 지능형 로봇을 활용한 올레핀 생성용 촉매 조성 설계 최적화

• 최원영 교수 (UNIST): Data-Driven Discovery of Framework Materials for Our Planet: Challenges, Opportunities and Future Directions

• 서동화 교수 (KAIST): 인공지능 및 실험 자동화를 통한 배터리 소재 개발 가속화

• 허영진 박사 (뉴로메카): 협동로봇 기반 Self-Driving Lab 구축 전략

• 윤상남 상무 (씨엠코퍼레이션에이티): Metals and Materials Lab Automation to Boost R&D

• 류명신 박사 (한국타이어): 제조업에 바라보는 인공지능과 타이어 컴파운드 적용 사례

• 최윤석 박사 (삼성전자 SAIT): Methodology for Accelerating Materials Research Combining AI and Robot Technology

• Jaejung Park: Identification of High-entropy Nickel Manganese Cathode with High Energy Density and Structural Stability through Machine Learning Interatomic Potential

[04/19/25] iAI lab workshop at Jeju 

[04/16/25~04/19/25] 대한기계학회 CAE 및 응용역학 부문 춘계학술대회 참가 (제주)

• 특별세션: Data-driven & Scientific ML for CAE (오현석, 오기용, 임재혁, 이승철 교수)

  • Dr. Bumsoo Park: Diffusion Model for 3D Topology Optimization with Uncertainty in Boundary Conditions (Invited)

  • Jongmok Lee: Geometry-adaptive Physics-informed DeepONet for Modeling Wave Propagation and Scattering in Acoustic Scatterers

  • Chaeyun Won:  SPOD-DeepONet: Real-Time Spatiotemporal Fluid Flow Prediction and Analysis Using Frequency Domain Orthogonal Decomposition

  • Hyeokjin Kweon: Deep Learning Approaches for 3D Visualization of Experimental Microfluidic Flow Fields

[04/11/25] 2025년 NOVIC+ 센터 신입생 환영회 

[04/09/25~04/11/25] 대한기계학회 신뢰성 부문 춘계학술대회 (경주 코오롱 호텔)

• Prof. Seungchul Lee: The Role of Artificial Intelligence in Smart Autonomous Manufacturing (부문 전문가 초청 세션)

• Dr. Bumsoo Park: 3D Topology Optimization Under Uncertain Loading Conditions Using a Diffusion Model

[04/06/25~04/11/25] 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2025) at Hyderabad, India

• Inmo Yeon, Iljoo Jeong, Seungchul Lee and Jung-woo Choi, "EchoScan: Scanning Complex Room Geometries via Acoustic Echoes"

[03/28/25] 이승철 교수, 국가과학기술연구회 글로벌 TOP 전략연구단 책임자문위원 위촉

[03/20/25~03/21/25] 이승철 교수, 한국설비진단자격인증원 설비진단기술강습회 참가 (대전)

[03/13/25] 신승민 졸업생, LG전자 생산기술원 타겟랩 활동으로 연구실 방문

[03/07/25] Dr. Moon-Jo Kim from KITECH gives a seminar entitled "Two Novel Approaches for Enhancing Aluminum Casting Process: Electric Current and Artificial Intelligence" (hosted by Prof. Seungchul Lee)

[03/05/25] KAIST 기계공학과 진입생 오리엔테이션과 학사과정 개강파티

[02/28/25] 이승철 교수, KAIST-LG이노텍 산학협력 교류회 참석 (대전, KAIST)

[02/27/25] Dr. Sunghee Yun, Co-founder and CTO of Erudio Bio, Inc., visits KAIST.

[02/26/25] 이승철 교수, 대한기계학회 제1차 기계산업혁신포럼 '다가오는 양자시대, 양자기술과 기계공학의 접점' 행사 참가 (서울)

[02/17/25~02/19/25] 대한금속재료학회 인공지능재료과학 분과,  제10회 재료인공지능 겨울학교를 고려대학교에서 진행 (108명 참가)

[02/13/25] 이승철 교수, 국립한밭대학교 반도체 전공트랙 학생 대상 '능동 학습 (Active Learning)' 강의

• 최근 머신러닝 및 데이터 과학 분야에서 능동 학습(Active Learning)은 최소한의 데이터로 최대한의 성능을 달성하기 위한 중요한 접근법으로 주목받고 있다. 본 강습회에서는 재료공학 학부생을 대상으로 능동 학습의 핵심 개념과 다양한 전략을 소개하고, 실제 응용 사례를 통해 효과적인 데이터 수집 및 활용 방안을 탐색한다. 능동 학습은 단순한 데이터 수집이 아니라, 어떤 데이터가 가장 가치 있는지를 판단하여 최소한의 노력으로 최적의 성능을 얻는 철학을 바탕으로 한다. 본 강습회에서는 이러한 개념을 쉽게 설명하고, 능동 학습이 데이터 효율성을 어떻게 극대화할 수 있는지를 직관적으로 이해할 수 있도록 한다.

• 강의 자료

[02/11/25] 대한기계학회 기계인공지능 연구회와 포항공대 수리 데이터과학 연구소, Scientific Machine Learning Workshop 개최 (포스코 센터, 224명 참가)

[02/10/25~02/12/25] 카이스트 기계공학과, 'AI 기반 설계: 해석에서 설계 최적화까지' 동계 산학협동 강좌, 대전 (63명 참가)

[02/07/25] iAI lab group at the POSTECH commencement

• 정일주, 허현석, 김일적 박사

[02/06/25] 이승철 교수, 대한기계학회 AI융합교육(소)위원회 참가 (서울)

• 기계공학 전공교육에서 미래 인재 양성을 위해 인공지능 기술을 융합한 혁신적 교육체계 구축이 시급

• 기계공학 분야의 역학(고체, 유체, 열), 동역학/제어, 설계, 생산 등 핵심 교과목에 인공지능을 우선 접목하여 선도적 교육모델을 제시하고자 함

[02/06/25] 연구 성과 홍보: 티타늄 3D프린팅 최적의 공정조건 AI가 찾아준다

연구팀은 Active Learning 기반 인공지능(AI) 기술을 활용해 Ti-6Al-4V 합금의 강도-연성 딜레마를 극복하고, 고강도·고연신 금속 제품 생산에 성공했다. 개발된 AI는 3D프린팅 공정변수에 따른 기계적 물성을 정밀 예측할 뿐만 아니라, 예측의 불확실성을 분석하여 추가 학습이 필요한 데이터를 선별하는 Active Learning 기법을 적용했다. 이를 통해 AI는 최적의 공정변수를 추천하며, 실제 3D프린팅 과정의 효율성과 성공률을 극대화한다.

[02/05/25~02/07/25] iAI attends the 2025 Nature Conference 'Materials for AI, AI for Materials' at KAIST

[02/04/25] 이승철 교수: 국립금오공과대학교 기계시스템공학부 세미나 (invited by 손정우 교수)

• 이승철 교수: 인공지능과 기계공학

• 본 세미나에서는 기계공학자가 인공지능 연구를 시작하게 된 배경을 연사의 대학원 생활과 기계인공지능연구회의 경험을 바탕으로 소개한다. 이후, 인공지능이 기계공학문제 해결에 어떻게 적용되는지를 설명한다. 특히, '음원 위치 추정' 사례를 통해 공학적 지식이 인공지능 연구에 활용되는 방식을 살펴보고, 인공지능을 효과적으로 적용할 수 있는 전략을 익힐 수 있도록 한다.

[01/24/25] 이승철 교수, 한국소음진동공학회 2025년도 신년교례회 참석  (서울)

[01/23/25] iAI lab joint workshop at Jeonju

• 광주과학기술원 오현석 교수님과 전북대학교에 임재혁 교수님 연구실과 연합 워크샵

[01/20/25~01/22/25] 대한기계학회 기계인공지능 연구회에서 주관하는 고급인공지능 강습회, 전북대 (132명 참가)

[01/18/25~01/19/25] 대한기계학회 기계인공지능 연구회 이사회(겸 신년회), 서울

[01/17/25] 이승철 교수, 한국과학기술연구원 (KIST) 계산과학연구센터에서 세미나 진행 (서울)

• 제목: 인공지능 관점에서 바라본 재료과학 연구

• 최근 인공지능은 재료과학 분야에서 새로운 연구 패러다임을 제공하며 혁신적인 발전을 촉진하고 있다. 머신러닝 및 딥러닝 기법을 활용하여 복잡한 재료 데이터 분석, 신소재 설계, 특성 예측 등이 기존 방식보다 빠르고 효율적으로 수행되고 있다. 본 세미나에서는 재료 이미지 분석, 능동 학습을 활용한 재료 조성 및 공정 탐색, 생성형 인공지능 기반 합금 설계 사례를 발표한다. 또한, 재료과학 지식을 반영할 수 있는 인공지능 모델의 가능성과 이를 통해 향후 연구를 위한 혁신적 접근 방안을 고찰한다. 

• 세미나 자료

[01/09/25~01/10/25] 이승철 교수, 대한금속재료학회 전산재료과학분과 동계 촉매 심포지엄 참석 (대전, 한밭대)