RnDCircle Logo
arrow left icon

Data Science & Artificial Intelligence Laboratory

서울대학교 전기·정보공학부

윤성로 교수

Intelligent Healthcare

Deep Learning

Industrial AI

Data Science & Artificial Intelligence Laboratory

전기·정보공학부 윤성로

데이터사이언스 및 인공지능 연구실은 인공지능, 딥러닝, 기계학습 등 첨단 데이터 기반 기술을 바탕으로 다양한 학제 간 융합 연구를 선도하고 있습니다. 본 연구실은 바이오·헬스케어, 화학, 재료, 에너지, 의료영상, 자연어 처리 등 폭넓은 분야의 대규모 데이터를 분석하고, 실제 사회적·산업적 문제 해결에 기여하는 혁신적인 알고리즘과 시스템을 개발하고 있습니다. 특히, 유전체, 단백질, 대사체 등 오믹스 데이터와 의료 영상, 생체 신호 등 복합 바이오 데이터를 효과적으로 처리하기 위한 딥러닝 기반 분석 기법을 연구합니다. 이를 통해 암, 치매, 심혈관 질환 등 다양한 질병의 진단, 예후 예측, 신약 후보 발굴, 유전자 변이 탐지 등 정밀의료 실현에 기여하고 있습니다. 또한, 대규모 언어모델, 멀티모달 트랜스포머, 확산 모델 등 최신 인공지능 기술을 활용하여 텍스트, 이미지, 음성, 시계열 등 다양한 데이터 유형을 통합적으로 분석하고, 생성 및 편집, 예측, 설명 등 다양한 인공지능 응용을 실현하고 있습니다. 본 연구실은 데이터의 노이즈, 결측, 불균형 등 현실적인 문제를 해결하기 위한 데이터 전처리, 특성 추출, 모델 일반화 및 적응 기법 개발에도 주력하고 있습니다. 또한, 인공지능의 신뢰성, 투명성, 공정성, 프라이버시 보호 등 사회적 요구에 부응하는 기술 개발을 통해, 실제 산업 및 공공 분야에 적용 가능한 신뢰성 높은 AI 시스템 구축을 목표로 하고 있습니다. 최근에는 생성형 AI, 그래프 신경망, 강화학습 등 첨단 기법을 다양한 도메인에 접목하여, 기존의 한계를 극복하고 새로운 지식과 과학적 발견을 이끌어내고 있습니다. 멀티모달 데이터 융합, 대규모 지식그래프, 인과추론, 설명 가능한 AI 등 미래 지향적 연구를 통해, 데이터 기반 과학 및 산업 혁신을 선도하고 있습니다. 이와 같은 연구 성과는 국내외 주요 학술지 및 학회에서 활발히 발표되고 있으며, 다수의 특허 및 산학협력, 국가연구과제 수행을 통해 사회적·산업적 파급효과를 창출하고 있습니다. 앞으로도 본 연구실은 데이터사이언스와 인공지능 분야의 세계적 연구거점으로서, 혁신적 기술 개발과 인재 양성에 앞장설 것입니다.

Intelligent Healthcare
Deep Learning
Industrial AI
인공지능 기반 바이오·헬스케어 데이터 분석
본 연구실은 인공지능과 딥러닝 기술을 활용하여 바이오 및 헬스케어 데이터를 분석하는 데 중점을 두고 있습니다. 유전체, 단백질, 대사체 등 다양한 오믹스 데이터와 의료 영상, 생체 신호 등 복합적인 바이오 데이터를 효과적으로 처리하고 해석하기 위해 최신 기계학습 및 딥러닝 모델을 개발하고 있습니다. 특히, 질병 진단, 예후 예측, 신약 후보 물질 발굴, 유전자 변이 탐지 등 실제 임상 및 생명과학 분야에 적용 가능한 혁신적인 알고리즘을 연구합니다. 이러한 연구는 대규모 데이터셋의 노이즈, 결측치, 불균형 등 현실적인 문제를 해결하기 위한 데이터 전처리, 특성 추출, 모델 일반화 기법 개발을 포함합니다. 예를 들어, 대규모 유전체 데이터에서 질병 관련 유전자 변이를 예측하거나, 의료 영상에서 암 병변을 자동으로 탐지하는 등 다양한 응용 사례를 통해 연구 성과를 검증하고 있습니다. 또한, 다중 모달리티 데이터를 통합 분석하여 질병의 복합적인 원인과 진행 과정을 규명하는 데 기여하고 있습니다. 최근에는 생성형 AI, 그래프 신경망, 강화학습 등 첨단 인공지능 기법을 바이오·헬스케어 데이터에 접목하여, 기존의 한계를 극복하고 새로운 지식과 치료법을 발견하는 데 주력하고 있습니다. 이를 통해 정밀의료, 맞춤형 치료, 신약 개발 등 미래 의료 패러다임 전환에 핵심적인 역할을 수행하고 있습니다.
멀티모달 대규모 인공지능 모델 및 신뢰성 연구
본 연구실은 텍스트, 이미지, 음성, 시계열 등 다양한 형태의 데이터를 통합적으로 처리할 수 있는 멀티모달 대규모 인공지능 모델의 개발과 신뢰성 향상에 집중하고 있습니다. 최근 대형 언어모델(LLM), 멀티모달 트랜스포머, 확산 모델 등 최신 AI 기술을 활용하여, 자연어 처리, 이미지 생성 및 편집, 음성 합성, 시계열 예측 등 다양한 응용 분야에서 뛰어난 성능을 달성하고 있습니다. 특히, 멀티모달 데이터를 효과적으로 융합하고, 각 모달리티의 특성을 반영한 해석 가능하고 제어 가능한 모델 구조를 설계합니다. 예를 들어, 텍스트-이미지 생성, 텍스트-음성 변환, 영상 내 객체 탐지 및 설명 생성 등 복합적인 인공지능 문제를 해결하기 위한 연구를 수행하고 있습니다. 또한, 실제 환경에서 발생할 수 있는 편향, 노이즈, 도메인 변화 등에 강인한 모델을 개발하기 위해 다양한 일반화 및 적응 기법을 연구합니다. 아울러, 인공지능의 신뢰성, 투명성, 공정성, 개인정보 보호 등 사회적 요구에 부응하기 위한 기술 개발에도 힘쓰고 있습니다. 모델의 설명 가능성, 편향 완화, 프라이버시 보호, 안전성 검증 등 AI 신뢰성 확보를 위한 이론적·실용적 연구를 병행하며, 실제 산업 및 공공 분야에 적용 가능한 신뢰성 높은 AI 시스템 구축을 목표로 하고 있습니다.
1
Know “No” Better: A Data-Driven Approach for Enhancing Negation Awareness in CLIP
Junsung Park, Jungbeom Lee, Jongyoon Song, Sangwon Yu, Dahuin Jung, Sungroh Yoon
, 2025.10
2
Exploring the Potential of LLMs as Personalized Assistants: Dataset, Evaluation, and Analysis
Jisoo Mok*, Ik-hwan Kim*, Sangkwon Park*, Sungroh Yoon
, 2025.07
3
EdiText: Controllable Coarse-to-Fine Text Editing with Diffusion Language Models
Che Hyun Lee, Heeseung Kim, Jiheum Yeom, Sungroh Yoon
, 2025.07
1
반도체특성화대학지원사업-단독형-서울대학교
산업통상자원부
2024년 03월 ~ 2025년 02월
2
인공지능신뢰성연구센터
과학기술정보통신부
2024년 03월 ~ 2025년 02월
3
AP-메모리 통합 패키지 메모리 결함 검출 및 문자/바코드 인식 딥러닝 알고리즘
중소벤처기업부
2024년 ~ 2024년 04월