RnDCircle Logo
arrow left icon

DILab

중앙대학교 소프트웨어학부

김무철 교수

AI-based Safety Route Optimization

Graph-based Data Curation

Smart Geofencing

DILab

소프트웨어학부 김무철

DILab(데이터 인텔리전스 연구실)은 중앙대학교 소프트웨어학부 및 스마트시티학과를 기반으로, 데이터 기반의 지능형 정보처리와 인공지능 기술 개발에 주력하는 연구실입니다. 본 연구실은 언어 모델, 자연어 처리, 빅데이터 분석, 그래프 기반 딥러닝, 재난 관리, 프라이버시 보호 등 다양한 컴퓨터 과학 분야를 아우르며, 사회적 가치 창출에 기여하고 있습니다. 특히, 대형 언어 모델(LLM) 및 한국어 특화 사전학습 언어 모델, 형태소 분석, 감성 분석, 정보 추출 등 첨단 자연어 처리 기술을 개발하고 있습니다. 이러한 기술은 의료, 법률, 재난 대응 등 다양한 도메인에 적용되어, 실제 현장에서 활용 가능한 혁신적인 솔루션을 제공합니다. 또한, 텍스트 마이닝, 토픽 모델링, 정보 검색 등 빅데이터 기반의 지식 발굴 및 큐레이션 연구도 활발히 이루어지고 있습니다. 그래프 신경망(GNN), 그래프 임베딩, 링크 예측, 노드 분류 등 그래프 기반 딥러닝 연구를 통해 복잡한 사회 네트워크, 도시 인프라, 생물학적 네트워크 등 다양한 데이터의 구조적 특성을 분석하고, 예측 및 분류 문제를 효과적으로 해결하고 있습니다. 이와 함께, 고성능 컴퓨팅(HPC) 환경에서의 데이터 처리, 집단지성 기반의 데이터 큐레이션, 필터 버블 완화 등 사회적 이슈 해결에도 앞장서고 있습니다. 재난 관리 및 도시 회복력 강화 분야에서는 도시 재난 취약성 분석, 스마트 대피로 탐색, 군중 이동 기반 지오펜싱, 블록체인 기반 재난 자원 관리 등 첨단 정보기술을 활용한 실질적 문제 해결에 집중하고 있습니다. 정부, 공공기관, 산업체와의 협력을 통해 사회적 안전과 복지 증진에 기여하고 있으며, 다양한 특허와 프로젝트를 통해 기술적 우수성을 입증하고 있습니다. DILab은 앞으로도 데이터와 인공지능, 그래프, 빅데이터, 프라이버시 보호 등 다양한 정보기술의 융합을 통해, 인간 중심의 지능형 정보 서비스와 사회적 가치 실현을 목표로 연구를 지속해 나갈 것입니다.

AI-based Safety Route Optimization
Graph-based Data Curation
Smart Geofencing
언어 모델 및 자연어 처리
DILab 연구실은 언어 모델과 자연어 처리 분야에서 선도적인 연구를 수행하고 있습니다. 언어는 인간의 의사소통을 위한 가장 기본적인 수단이며, 텍스트는 이러한 언어의 산물로서 감정, 의견, 지식, 역사를 담고 있습니다. 본 연구실은 이러한 텍스트에 내재된 가치를 발굴하고 재현할 수 있는 언어 모델을 개발하는 데 집중하고 있습니다. 특히, 한국어와 같은 다양한 언어에 특화된 사전학습 언어 모델의 구축과 형태소 분석, 의미 중의성 해소, 감성 분석 등 다양한 자연어 처리 기술을 심도 있게 연구합니다. 최근에는 대형 언어 모델(LLM)과 옴니모달, 옴니컨텍스트 인지형 모델 등 차세대 인공지능 언어 모델의 개발에 주력하고 있습니다. 이를 통해 인간과 인공지능이 협업할 수 있는 새로운 패러다임을 제시하고, 실제 서비스에 적용 가능한 혁신적인 언어 기반 솔루션을 제공합니다. 또한, 텍스트 마이닝, 정보 추출, 토픽 모델링 등 다양한 기법을 활용하여 대규모 데이터에서 의미 있는 정보를 효과적으로 추출하고 있습니다. 이러한 연구는 의료, 법률, 재난 관리 등 다양한 도메인에 적용되어 사회적 가치를 창출하고 있습니다. 예를 들어, 재난 법률 검색 지원을 위한 언어 모델 미세조정, 의료 데이터 분석을 위한 자연어 처리, 그리고 사회적 이슈 트렌드 분석 등 실제 현장에서 활용 가능한 기술 개발에 앞장서고 있습니다. 앞으로도 DILab은 언어와 데이터의 융합을 통해 인간 중심의 지능형 정보 서비스를 실현하는 데 기여할 것입니다.
그래프 기반 딥러닝 및 빅데이터 분석
DILab은 그래프 기반 딥러닝과 빅데이터 분석 분야에서 혁신적인 연구를 진행하고 있습니다. 현실 세계의 다양한 현상은 객체와 그 관계를 그래프 형태로 표현할 수 있으며, 소셜 네트워크, 생물학적 네트워크, 교통 네트워크 등 다양한 도메인에서 그래프 데이터가 활용되고 있습니다. 본 연구실은 이러한 복잡한 그래프 구조에서 패턴을 추출하고, 예측 및 분류 문제를 해결하기 위한 딥러닝 기반 그래프 신경망(GNN) 및 임베딩 기법을 개발하고 있습니다. 특히, 링크 예측, 노드 분류, 그래프 임베딩 등 그래프 데이터의 특성을 극대화할 수 있는 알고리즘 연구에 집중하고 있습니다. 또한, 대규모 소셜 네트워크 분석, 집단지성 기반의 데이터 큐레이션, 필터 버블 완화, 집단 행동 예측 등 사회적 이슈 해결에도 그래프 분석 기술을 적극적으로 적용하고 있습니다. 고성능 컴퓨팅 환경에서의 빅데이터 처리, HPC 성능 측정, 데이터 마이닝 등도 주요 연구 주제입니다. 이러한 연구는 재난 관리, 도시 안전, 의료 데이터 분석 등 다양한 실제 문제에 적용되고 있습니다. 예를 들어, 도시 재난 대응을 위한 스마트 지오펜싱, 재난 취약성 분석, 의료 데이터의 신뢰성 확보 등 사회적 안전과 복지 증진에 기여하고 있습니다. 앞으로도 DILab은 그래프와 빅데이터의 융합을 통해 복잡한 사회 문제를 해결하고, 데이터 기반의 의사결정 지원 시스템을 발전시켜 나갈 것입니다.
재난 관리 및 도시 회복력 강화
DILab은 복합재난 대응과 도시 회복력 강화를 위한 정보기술 기반 연구를 활발히 수행하고 있습니다. 현대 사회에서 재난은 점점 더 복잡해지고 있으며, 특히 도시 지역에서는 인구 밀집과 인프라 복잡성으로 인해 재난의 파급 효과가 커지고 있습니다. 본 연구실은 도시의 재난 취약성을 분석하고, 긴급 대응 시스템 및 회복력 증진 방안을 정보기술적으로 모색합니다. 재난 관리 분야에서는 최적화 알고리즘, 집단지성, 빅데이터 분석, 인공지능 기반의 실시간 대피 경로 탐색 등 다양한 컴퓨터 과학적 접근법을 적용하고 있습니다. 예를 들어, 군중 이동 기반의 지오펜싱, 도시 침수 데이터 표준화, 스마트 대피로 탐색 시스템, 블록체인 기반 재난 자원 관리 등 혁신적인 기술을 개발하여 실제 재난 현장에 적용하고 있습니다. 또한, 재난 관련 법률 검색, 도시 안전 지도 구축 등 다양한 응용 연구도 병행하고 있습니다. 이러한 연구는 정부, 공공기관, 산업체와의 협력을 통해 실질적인 사회적 효과를 창출하고 있습니다. DILab은 앞으로도 도시와 사회의 안전, 회복력, 지속가능성을 높이기 위한 첨단 정보기술 연구를 선도해 나갈 계획입니다.
1
SafeWitness: Crowdsensing-based Geofencing Approach for Dynamic Disaster Risk Detection
Yongmun Cho, Mincheol Shin, Ka Lok Man, Mucheol Kim
Fractal and Fractional, 2025
2
KRongBERT: Enhanced factorization-based morphological approach for the Korean pretrained language model
Hyunwook. Yu, Yejin. Cho, Geunchul. Park, Mucheol. Kim
Information Processing and Management, 2025
3
Crowd-movement-based Geofence-construction method for urban flood response
Hyonjun. Kang, Kwangyoung. Kim, Myungseok. Yang, Ka. Lok. Man, Mucheol. Kim
KSII Transactions on Internet and Information Systems, 2024
1
발생가능한 복합재난 신속 예측 및 연속적인 재난 예방을 위한 디지털 혁신요소기술 개발
IITP
2025년 04월 ~ 1970년
2
빅데이터 혁신인재양성사업단
NRF
2025년 03월 ~ 1970년
3
지능형 홈케어산업을 선도할 3C 전문인력 양성
KIAT
2020년 03월 ~ 2025년 02월