이 연구 주제는 뇌를 단순한 신호 발생 장치가 아니라 다수의 상호작용 요소가 얽힌 복잡계로 이해하는 데 초점을 둔다. 연구실은 비선형동역학, 카오스 이론, 복잡계 과학의 관점을 바탕으로 EEG, ECoG, fMRI와 같은 다양한 뇌신호가 시간에 따라 어떻게 변화하고, 어떤 질서와 불규칙성을 동시에 드러내는지 분석한다. 특히 뇌 활동의 복잡도, 동기화, 비정상성, 네트워크 구조 변화 등을 정량화하여 정상 상태와 질환 상태를 구분하는 새로운 해석 틀을 제시한다. 구체적으로는 알츠하이머병, ADHD, 우울 및 중독 관련 상태, 수면 박탈, 인지과제 수행 상황 등에서 나타나는 뇌파의 주파수 특성, 상호 연결성, 엔트로피, 동기화 지표를 비교 분석하는 연구가 이루어진다. 이러한 접근은 전통적인 평균 기반 통계 분석을 넘어, 뇌신호에 숨어 있는 동적 패턴과 상태 전이의 규칙성을 포착하는 데 강점을 가진다. 또한 뇌 연결망의 취약성 분석, 커넥톰 모티프 분석, 다중 스케일 계산 모델링을 통해 개별 뉴런 수준에서 행동 수준까지 이어지는 계층적 뇌 메커니즘을 탐구한다. 이 연구의 학문적 의의는 물리학과 신경과학의 경계를 넘나들며 뇌 기능의 원리를 설명할 수 있는 통합 모델을 구축한다는 점에 있다. 더 나아가 이러한 모델은 신경질환의 조기 진단, 인지 저하 예측, 개인별 뇌 상태 모니터링, 자연지능과 인공지능의 차이를 설명하는 계산 프레임워크로 확장될 수 있다. 연구실의 장기적 목표는 복잡한 인간의 뇌를 정량적이고 예측 가능한 시스템으로 이해하여, 진단·치료·지능 설계 전반에 활용 가능한 기반 지식을 만드는 것이다.

연구실의 또 다른 핵심 축은 EEG를 중심으로 한 비침습적 뇌신호 계측과 이를 실제 장치 제어 및 사용자 상태 인식에 연결하는 신경공학 연구이다. 뇌파를 이용해 사용자의 운동 의도, 주의 상태, 흥미도, 감정 반응, 인지 상태를 해독하고, 이를 로봇, 의수, 디지털 인터페이스, 자동화 시스템과 연동하는 기술을 개발한다. 이러한 연구는 인간과 기계 사이의 직접적 연결을 실현하는 동시에, 저비용·고성능 시스템으로의 구현 가능성을 높이는 데 중점을 둔다. 실제 연구 및 특허 성과를 보면, 상상한 손 움직임이나 파지 유형을 EEG 및 ECoG로 해독하는 기술, 절단 장애인을 위한 EEG 제어 의수 개발, 뇌파 기반 인터넷 사용 제어 장치, 흥미 자극 검출 기반 자동촬영 시스템, 다중 피험자의 상호작용을 동시에 측정하는 하이퍼스캐닝 EEG 분석 기술 등이 포함된다. 최근에는 저가형 웨어러블 EEG, 이어폰형 EEG, 실시간 상태 분류, 뇌-기계 인터페이스용 딥러닝 및 신경망 해독 기법으로 연구 범위가 확장되고 있다. 이는 실험실 수준의 시연을 넘어 일상 환경에서 활용 가능한 실용적 BMI 플랫폼으로 이어질 가능성이 크다. 이 연구는 재활공학, 보조공학, 인간-컴퓨터 상호작용, 디지털 헬스케어 등 다양한 분야와 직접 연결된다. 특히 운동 장애나 절단 장애를 가진 사용자를 위한 보조기기 개발, 인지 상태 기반 맞춤형 인터페이스, 뇌신호 기반 사용자 경험 최적화는 사회적 파급력이 높다. 앞으로는 멀티모달 생체신호와 인공지능을 결합해 정확도와 편의성을 동시에 향상시키고, 누구나 접근 가능한 차세대 뇌-기계 인터페이스 기술로 발전시키는 것이 중요한 방향이 될 것이다.

연구실은 인간과 동물의 의사결정, 협력, 공정성, 위험 회피, 공포 소거와 같은 복합 행동이 어떤 신경회로와 동적 규칙에 의해 형성되는지 탐구한다. 이는 단순히 특정 뇌 영역의 활성 여부를 보는 수준을 넘어, 사회적 상호작용과 정서 조절이 시간에 따라 어떻게 조직되고 변화하는지를 이해하려는 연구이다. 특히 공포 기억 소거, 협동 행동, 규칙 준수, 상호 호혜성 등은 인간 사회와 정신건강을 이해하는 핵심 주제로 다뤄진다. 대표적으로 공포장애 관련 심리치료 기전의 신경회로를 규명한 연구, 시상 망상핵과 편도체 회로가 공포 소거에 미치는 영향을 밝힌 연구, 사회적 갈등 상황에서 장기적 이익을 높이는 생쥐의 규칙 준수 행동 연구 등이 있다. 이러한 성과는 행동실험, 단일세포 기록, 광유전학, EEG 하이퍼스캐닝, 계산 모델링을 결합하여 도출되었다. 다시 말해 연구실은 행동 데이터를 단순 관찰하는 데 그치지 않고, 그 배후의 신경회로 인과성과 계산 원리까지 함께 설명하려고 한다. 이 연구는 불안장애, 외상후 스트레스, 충동성, 사회인지 장애 등 정신건강 문제에 대한 이해를 심화시키는 동시에, 인간 협력과 갈등 해결의 뇌 메커니즘을 밝히는 데 중요한 기여를 한다. 또한 사회적 지능, 메타인지, 강화학습 기반 의사결정 모델과 연결되며, 인간-AI 협업 연구로도 자연스럽게 확장된다. 장기적으로는 정서 조절과 사회적 판단을 지원하는 치료 전략, 디지털 중재, 인간 중심 인공지능 설계에 핵심적인 이론적 토대를 제공할 수 있다.

이 연구 주제는 뇌파, 뇌자도, 기능적 자기공명영상, 인지검사, 라이프로그, 혈액 데이터 등 서로 다른 형태의 뇌 관련 정보를 통합하여 인지 저하와 뇌질환을 조기에 예측하는 데 초점을 둔다. 연구실은 알츠하이머병, 경도인지장애, 뇌전증과 같은 질환에서 나타나는 복합적 신호 패턴을 분석하고, 이를 기반으로 질병 진행을 추적하거나 위험도를 정량화하는 모델을 개발한다. 단일 신호만으로는 놓치기 쉬운 병태생리적 특징을 멀티모달 통합을 통해 더 정밀하게 포착하려는 접근이다. 최근 수행 중인 프로젝트에서는 뇌 나이와 인지예비력 기반 바이오 파운데이션 모델, 디지털 치료 플랫폼, 뇌전증 네트워크 기반 SEEG 전극 자동화 인공지능 플랫폼, EEG-fMRI 기반 허위진술 판별 시스템 등이 포함된다. 여기에는 그래프 신경망, 딥러닝, 표현학습, 질환 특이 패턴 학습과 같은 최신 AI 기법이 활용된다. 또한 국제 전문가 패널 논문과 알츠하이머 EEG 연구 성과에서 보이듯, 안정 시 뇌파의 주파수 변화와 연결성 지표를 임상시험과 진단 맥락에서 표준화하려는 노력도 함께 진행된다. 이 연구의 강점은 기초 뇌과학과 임상 응용, 그리고 AI 기술을 하나의 연속선 위에서 연결한다는 데 있다. 조기 진단과 맞춤형 중재는 초고령사회에서 매우 중요한 문제이며, 디지털 치료제 및 건강 노화 서비스로의 확장 가능성도 크다. 향후에는 개인별 위험도 예측, 질환 진행 모니터링, 치료 반응 예측, 임상 의사결정 지원까지 포괄하는 정밀 뇌건강 플랫폼으로 발전할 수 있으며, 이는 의료 현장과 산업 모두에 큰 영향을 줄 수 있다.