김지범
김지범
소속
인천대학교 (컴퓨터공학부)
AI요약
인천대학교 컴퓨터공학부 김지범 교수는 데이터 효율성 증대와 스마트 센서 기반의 이상 탐지 기술 연구에 매진하고 있습니다. 특히, 이동체 위치 정보의 방대한 저장 용량 문제를 해결하기 위한 '루트 정보를 이용한 이동 이력 데이터 저장 장치 및 방법' 특허를 통해 데이터베이스 용량을 획기적으로 감축시키는 기술을 개발하였습니다. 또한, 수돗물 사용량 데이터를 분석하여 옥내 누수를 자동으로 탐지하는 '통계적 이상치 탐색 방법을 이용한 자동 옥내 누수 탐지 방법' 특허를 보유하고 있습니다. 이 기술은 불필요한 물 낭비를 줄이고 시설 관리의 효율성을 높이는 데 기여합니다. 김지범 교수의 연구는 데이터 기반의 스마트 시스템 구축과 자원 효율화에 중요한 역할을 수행합니다.
기본 정보
| 연구자 프로필 |  |
| 연구자 명 | 김지범 |
| 직책 | 교수 |
| 이메일 | jibumkim@inu.ac.kr |
| 재직 상태 | 재직 중 |
| 부서 학과 | 컴퓨터공학부 |
| 사무실 번호 | 0328358655 |
| 연구실 | Graphics A.I. Lab |
| 연구실 홈페이지 | https://sites.google.com/view/gailab/home |
| 홈페이지 | https://www.inu.ac.kr/isis/3547/subview.do?enc=Zm5jdDF8QEB8JTJGcHJvZmwlMkZpc2lzJTJGMTY3NSUyRmFydGNsTGlzdC5kbyUzRnNyY2hDb2x1bW4lM0RubSUyNnNyY2hXcmQlM0QlRUElQjklODAlRUMlQTclODAlRUIlQjIlOTQlMjY%3D |
| 소속 | 인천대학교 |
경력정보
| 회사명 | 서울물연구원 |
| 재직기간 | 2022.09.01 ~ 2024.09.30 |
| 담당업무 | 연구위원 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2022.09.01 ~ 재직 중 |
| 담당업무 | 교수 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2017.09.01 ~ 2022.08.31 |
| 담당업무 | 부교수 |
| 회사명 | 인천대학교 컴퓨터공학부 |
| 재직기간 | 2013.09.01 ~ 2017.08.31 |
| 담당업무 | 조교수 |
| 회사명 | Los Alamos National Laboratory |
| 재직기간 | 2013.03.01 ~ 2013.06.30 |
| 담당업무 | 박사후 연구원 |
중요 키워드
#이상 탐지#통계 분석#물 관리#스마트 시티#자원 관리#이동체 데이터#IoT#궤적 분석#예측 유지보수#지능형 시스템#빅데이터 처리#패턴 인식#누수 감지#데이터 효율성#스마트 홈
연구 분야
| 연구 1 | 인공지능 기반 스마트 시스템 및 이상 탐지 |
| 내용 | 본 연구실은 인공지능(AI) 기술을 활용하여 도시 인프라 관리 및 자원 효율화를 위한 스마트 시스템 개발과 이상 탐지에 중점을 두고 연구를 수행하고 있습니다. 특히, 스마트 시티의 핵심 요소인 물 관리 시스템의 효율성을 높이기 위해 IoT 센서 데이터와 빅데이터 분석 기법을 결합한 지능형 솔루션을 개발하고 있습니다. 이러한 연구는 실제 환경에서 발생하는 다양한 데이터를 학습하여 시스템의 비정상적인 패턴을 정확하게 식별하고 예측하는 것을 목표로 합니다.주요 기술로는 시계열 예측을 위한 거대 언어 모델(LLM) 및 딥러닝 기법, 이동체 데이터의 궤적 분석을 통한 효율적인 정보 관리, 그리고 통계적 이상치 탐지 알고리즘을 활용한 실시간 모니터링 시스템 구축 등이 있습니다. 특히, AMI 시스템의 수도 미터 고장 예측과 관망 내 누수 감지 및 위치 추적 기술은 본 연구실의 차별화된 강점입니다. 이동 이력 데이터의 저장 용량을 획기적으로 감축하는 특허 기술과 통계적 이상치 탐색을 통한 자동 옥내 누수 탐지 기술은 데이터 효율성과 시스템의 신뢰성을 동시에 확보합니다.이러한 연구는 도시 침수 대응 골든타임 확보 시스템, 스마트 홈 에너지 관리, 예측 유지보수 등 다양한 스마트 인프라 분야에 적용될 수 있습니다. AI 기반의 정밀하고 자동화된 이상 탐지 및 관리 시스템은 불필요한 자원 낭비를 줄이고, 도시 운영의 안정성과 효율성을 극대화하여 사회적, 경제적 가치를 창출합니다. 이는 곧 지속가능한 미래 도시 구현에 기여합니다. |
| 연구 2 | 멀티모달 3D CAD 모델링 및 생성형 AI |
| 내용 | 본 연구실은 사용자 맞춤형 3D CAD 모델의 학습 및 생성 방법을 연구하며, 최신 인공지능 기술을 디자인 및 제조 분야에 접목하는 데 주력하고 있습니다. 특히, 시각 언어 멀티모달 모델과 대조 학습(Contrastive Learning), 생성형 AI 모델을 활용하여 기존의 3D CAD 설계 과정을 혁신하고, 디자이너와 엔지니어의 창의적 작업 효율성을 극대화하는 것을 목표로 합니다.연구실은 멀티모달 대조 학습을 통해 텍스트, 이미지, 그리고 3D CAD 모델 간의 복합적인 관계를 이해하고, 이를 바탕으로 사용자의 의도를 정확하게 반영하는 3D CAD 모델을 자동으로 생성하는 기술을 개발하고 있습니다. 'GuideCAD'와 같은 경량 멀티모달 프레임워크는 접두사 임베딩을 통해 3D CAD 모델 생성의 효율성과 정확도를 향상시킵니다. 또한, 학습 데이터를 증강하기 위한 전자 장치 및 그 동작 방법에 대한 특허를 통해 한정된 데이터로부터 더욱 정교한 모델을 생성할 수 있는 기반을 마련했습니다.이러한 멀티모달 3D CAD 모델링 및 생성형 AI 기술은 제품 디자인 초기 단계부터 제조 공정에 이르기까지 전 과정에 걸쳐 시간과 비용을 절감하며, 혁신적인 제품 개발을 가능하게 합니다. 자동차, 전자제품, 건축 등 다양한 산업 분야에서 맞춤형 설계 자동화를 구현하고, 생산성을 높여 시장 경쟁력을 강화하는 데 크게 기여할 수 있습니다. |
| 연구 3 | 기하 딥러닝 기반 메쉬 생성 및 시뮬레이션 최적화 |
| 내용 | 본 연구실은 복잡한 물리 시뮬레이션 및 데이터 분석의 핵심 요소인 메쉬(Mesh) 생성 및 최적화 분야에서 기하 딥러닝(Geometric Deep Learning) 기술을 활용한 선도적인 연구를 수행하고 있습니다. 특히, 전통적인 메쉬 생성 및 개선 방법론의 한계를 극복하고, 고품질의 메쉬를 효율적으로 생성하여 시뮬레이션 정확도와 속도를 동시에 향상시키는 것을 목표로 합니다.주요 연구 내용으로는 GCN(Graph Convolutional Network) 기반의 메쉬 리파인먼트 프레임워크 개발, 데이터 기반의 불균일 메쉬 세분화 기술, 그리고 CFD(Computational Fluid Dynamics) 시뮬레이션을 위한 곡선 메쉬 생성 및 최적화 방법론 등이 있습니다. 딥러닝과 합성곱 신경망을 활용하여 메쉬 품질을 개선하고, 나비에-스토크스 방정식과 같은 복잡한 PDE(Partial Differential Equation) 문제의 해 정확도를 높이는 데 기여합니다. Pointer Networks를 이용한 메쉬 언탱글링 및 스무딩 기술은 대규모 경계 변형에서도 안정적인 메쉬를 유지할 수 있도록 합니다.이러한 기하 딥러닝 기반 메쉬 기술은 항공우주, 자동차, 의료 기기 설계 등 정교한 시뮬레이션이 필수적인 공학 분야에 광범위하게 적용될 수 있습니다. 환자에 맞는 수치 모델 생성 및 시뮬레이션을 위한 병렬 메쉬 알고리즘은 정밀 의료 분야에서의 활용 가능성을 보여줍니다. 메쉬 품질의 향상은 시뮬레이션 결과의 신뢰도를 높이고, 제품 개발 주기 단축 및 비용 절감에 기여하여 산업 전반의 기술 혁신을 가속화할 것입니다. |
학력
| 학력 사항 | 펜실베이니아 주립대학교 공학박사 (2012) 연세대학교 공학석사 (2005) 연세대학교 공학사 (2003) |
보유 기술 로딩 중...
