[지금, 대학가는] 한양대 ERICA, 2026년 TMC 사업 '컴퍼니빌더 지원형' 주...

한양대 ERICA 전경. 사진=한양대 ERICA

[비즈월드] ◆

한양대 ERICA, 2026년 TMC 사업 ‘컴퍼니빌더 지원형’ 주관기관 선정

한양대학교 ERICA(총장 이기정)는 과학기술정보통신부와 과학기술사업화진흥원이 주관하는 ‘2026년 기술경영촉진(TMC) 사업’의 ‘컴퍼니빌더 지원형 주관기관’으로 최종 선정됐다고 20일 밝혔다.

정부재정지원 사업인 기술경영촉진(TMC) 사업은 대학과 출연연의 기술사업화 역량을 강화하고 연구 현장에 기술경영 마인드를 확산시키기 위해 추진되는 사업으로 기술 발굴부터 사후 관리까지 기술사업화 전주기를 지원해 중대형 성과 창출을 목적으로 한다고 대학 측은 설명했다.

이번 선정에 따라 ERICA는 1차 년도 7억5000만원을 포함해 앞으로 5년 동안 총 47억5000만원 규모의 정부출연금을 지원받게 된다.

ERICA가 주관하는 ‘컴퍼니빌더형’은 단순한 기술 공급을 넘어 유망 기술 발굴부터 비즈니스 모델(BM) 설계, 팀 빌딩, 초기 투자 유치까지 대학이 전 과정을 전담하여 ‘기획형 창업’을 이끄는 것이 핵심이다.

한양대 ERICA는 오랜 기간 축적한 지·산·학 협력 노하우를 바탕으로 '대학발 유니콘 기업 창출 및 글로벌 창업 선도대학'이라는 비전을 수립했다고 설명했다.

우수한 연구 성과를 토대로 글로벌 시장을 선도하는 딥테크(Deep-tech) 기반 스타트업을 집중 육성한다는 방침이다.

이를 위해 ERICA는 ▲창업 코칭 프로그램 시스템 구축 ▲컴퍼니빌더형 기획 창업 플랫폼 구축 ▲지·산·학·연·금 협력 네트워크 구축 등 3대 핵심 전략을 추진한다.

또 독자적인 ‘기업 성장 관리 플랫폼’을 가동해 기업별 맞춤형 지원을 강화하며 연구 성과의 시장 전이력을 극대화한다는 계획이다.

이기형 한양대 ERICA 산학협력부총장은 “이번 선정은 ERICA의 기술사업화 역량과 창업 지원 인프라를 대외적으로 인정받은 결과”라며 “단순한 기술 공급처를 넘어 혁신 기업을 직접 길러내는 경기도 기술창업의 메카로서 입지를 공고히 하겠다”라고 말했다.

유종석 한양대 ERICA 산학협력단장은 “대학이 혁신 기업의 탄생과 성장을 끝까지 책임지는 컴퍼니빌더로서 모든 자원과 역량을 아낌없이 투입하겠다”며 “대학발 창업 기업이 글로벌 무대로 도약하고 지역 경제의 핵심축이 될 수 있도록 전폭적인 지원을 아끼지 않겠다”고 강조했다.

이번 사업 선정은 ERICA가 추진 중인 ‘학연산 클러스터’의 완성도를 높이고 지역 산업과 연계한 고부가가치 정주형 일자리를 창출하며 국내를 대표하는 기술 창업 컨트롤타워로 자리매김할 것으로 한양대 측은 기대하고 있다.

AISTATS 학회 발표에서 국민대 이현준(AI빅데이터융합경영학과 4) 학생이 기념촬영을 하고 있다. 사진=국민대

◆ 국민대 학생 연구팀, AI 국제학술대회 AISTATS 2026서 논문 발표

국민대학교(총장 정승렬) 인공지능학부 김장호 교수(교신저자)가 이끄는 연구팀의 정진우 석사과정생과 AI빅데이터융합경영학과 학부생 이현준, 조현식이 참여한 논문을 모로코 탕헤르에서 개최된 'AISTATS 2026'에서 발표했다고 20일 밝혔다.

AISTATS는 1985년부터 개최되어 온 인공지능 분야의 이론과 응용 연구를 아우르는 최우수 국제학술대회로 평가 받고 있다.

국민대 학생 연구팀이 발표한 논문은 'SQuaT: Self-Supervised Knowledge Distillation via Student-Aware Quantized Teacher Features'이다.

이번 연구는 학습 label 없이도 quantized model의 성능을 향상시키는 새로운 방법론을 제안한 데 의미가 있다고 대학 측은 설명했다.

논문에서 제안한 SQuaT(Student-Aware Quantized Teacher Features)는 양자화(quantization)된 학생 모델이 표현할 수 있는 범위를 고려해, 고정밀 교사 모델의 중간 특징(feature)을 학생 모델에 맞게 정렬하는 방식이다.

기존의 label-free 양자화 인식 학습(Quantization-Aware Training, QAT) 방법은 주로 최종 출력값(logit) 기반의 지식 증류(knowledge distillation, KD)에 의존해 중간 특징 정보를 충분히 활용하지 못하는 한계가 있었다.

반면 특징 수준의 지식 증류를 활용하는 방법은 고정밀 교사 모델과 저비트 학생 모델 사이의 값 범위 차이로 인해 실제로 도달하기 어려운 학습 목표가 생긴다는 문제가 있었다.

연구팀은 학생 모델의 양자화 파라미터를 활용해 교사 모델의 중간 특징을 학생이 실제로 표현 가능한 양자화 공간으로 투영하는 student-aware projection 방식을 개발했다고 한다.

이를 통해 교사 모델과 학생 모델 간 특징 불일치를 줄이고 label-free 환경에서도 보다 안정적인 양자화 학습이 가능함을 보였다고 연구팀은 강조했다.

이번 성과는 경량 인공지능 모델의 성능을 높이면서도 추가 라벨링 비용을 줄일 수 있다는 점에서 의미가 있다는 것이다.

연구팀은 제안한 SQuaT 코드를 공개해 다양한 양자화 및 지식 증류 연구에 활용할 수 있도록 했으며, 향후 효율적인 인공지능 모델 개발 연구를 계속해 나간다는 계획이다.

[비즈월드=이미영 기자 / ll3588@naver.com]