MIT 건축 및 도시계획학교 교수 승진 소식

MIT 건축 및 도시계획학교(SA+P)에서 7명의 교수들이 그들의 기여도를 인정받아 승진하게 되었다. 건축학부에서는 3명의 교수, 도시계획학부에서는 3명, 그리고 미디어 예술 및 과학 프로그램에서는 1명이 승진하였다. 이번 승진은 교수들의 연구와 교육 방면에서의 뛰어난 성과를 이룬 것에 대한 큰 피드백을 반영하고 있다.

건축학부의 혁신적인 기여

건축학부에서는 세 명의 교수들이 승진하였다. 우선, Marcelo Coelho가 실습 조교수(associate professor of the practice)로 승진하였다. Coelho는 Design Intelligence Lab의 소장을 맡고 있으며, 디자인, 인공지능(AI), 제작의 경계에서 인간과 기계의 지능이 교차하는 연구를 진행한다. 그의 작품은 빛을 활용한 설치물부터 물리적 컴퓨팅에 이르기까지 다양하다. Coelho는 두 차례 Prix Ars Electronica 상과 Fast Company의 디자인 혁신상을 수상한 바 있으며, 창의적 과정의 재정의를 통해智能 시스템과의 상호작용 방식을 변화시키고 있다. 그는 산업 디자인, 사용자 경험, AI를 모두 아우르는 교과목을 가르치고 있다. 다음으로, Holly Samuelson은 비텐션 준교수(associate professor without tenure)로 승진하였다. Samuelson은 40편 이상의 동료 평가 논문을 공동 저자와 함께 작성하였으며, Energy and Building 저널에서 최고 논문상을 수상하기도 했다. 그녀는 건축 기술 분야의 전문가로 인정받아 워싱턴 포스트, 보스턴 글로브, BBC, 월스트리트 저널 등의 매체에서 소개된 이력이 있다. 마지막으로, Rafi Segal은 정교수로 승진하며, 여러 상을 수상한 디자이너로서 아키텍처와 도시 규모의 프로젝트에서 활발히 활동하고 있다. 그의 작업은 ORDOS 100 시리즈의 Villa 003에서부터 우간다의 Kitgum 평화박물관, 이스라엘의 Ashdod 미술관, 예루살렘에 위치한 이스라엘 국가 도서관 디자인 제안 등 다방면에 걸쳐 펼쳐져 있다. 현재 그는 이스라엘 키부츠의 새로운 공동체 주거 단지를 계획하고 있으며, 1960년대 Alfred Neumann의 건축에 대한 첫 전시를 준비하고 있다.

도시계획학부의 다각적인 연구

도시계획학부(DUSP)에서는 세 명의 교수들이 승진하였다. 첫 번째로, Carlo Ratti가 비텐션 교수로 재임명되었다. Ratti는 Senseable City Lab의 소장을 맡고 있으며, 국제 디자인 사무소인 Carlo Ratti Associati의 공동 설립자이기도 하다. 그는 500편 이상의 학술 논문을 공동 저자와 함께 작성하였고 여러 특허를 보유하고 있다. 그의 작업은 세계적으로 전시되었으며, 베니스 비엔날레, 뉴욕 현대미술관, 바르셀로나 디자인 박물관에서 소개되었다. 두 개의 프로젝트인 디지털 워터 파빌리온과 코펜하겐 휠은 TIME지의 '올해의 혁신'으로 선정된 바 있다. Ratti는 2025년 베니스 비엔날레의 19회 국제 건축 전시회의 큐레이터로도 활발히 활동하고 있다. 둘째로, Albert Saiz가 정교수로 승진하였으며, MIT의 Urban Economics Lab의 소장 역할을 맡고 있다. 그의 팀은 부동산 경제학, 도시 경제학, 주택 시장, 지역 공공 재정, 구획 규정, 전 세계 부동산 동향 및 인구 통계학적 트렌드에 대한 연구를 진행하고 있다. Saiz는 필라델피아 연방준비은행의 초청 연구원, 노동 분석 연구소의 연구 펠로우, Journal of Housing Economics의 편집자로도 활동하며 연구 커뮤니티에 기여하고 있다. 마지막으로, Delia Wendel이 비텐션 준교수로 승진하였다. 그녀의 연구는 갈등과 재난의 이후 커뮤니티 복원, 아프리카 도시주의, 공간적 정치 분야의 세 가지 주요 영역을 통해 이루어진다. 그녀는 도시 연구, 급진적 평화 연구, 건축 역사, 문화 지리학, 인류학을 아우르는 학제간 작업을 수행하고 있다. MIT DUSP에서 그녀는 평화를 위한 기획 제도의 리더 역할을 하며, Mellon 재단 및 MIT 예술, 과학, 기술 센터의 연구 및 전시 프로젝트인 'Memory Atlas for Repair'를 감독하고 있다. Wendel은 도시 연구 및 계획 분야의 주요 이슈에 대해 비평적인 시각을 담은 Projections의 연간 동료 심사 저널의 편집도 맡고 있다.

미디어 예술 및 과학 프로그램의 기술적인 혁신

미디어 예술 및 과학 프로그램에서는 단 한 명의 교수가 승진하였다. Deblina Sarkar는 비텐션 준교수로 승진하며, MIT 미디어 연구소의 Nano-Cybernetic Biotrek Lab의 소장을 맡고 있다. 그녀는 나노 전자, 물리학, 생물학을 융합하여 혁신적인 기술을 개발하고 있으며, 초박형 양자 트랜지스터부터 세포 내부에서 작동하는 첫 번째 안테나에 이르기까지 다양한 분야에서 groundbreaking한 성과를 내고 있다. 그녀의 연구는 미국 국립 보건원(NIH) 이사장의 혁신가 상과 IEEE 나노기술 조기 경력상을 수상하는 등 많은 주목을 받고 있다.

MIT 건축 및 도시계획학교의 패기찬 교수진 승진 뉴스는 교육과 연구 분야에서의 우수한 성과를 반영하고 있다. 이번 승진은 교수들이 인간과 환경 간의 관계 개선을 위한 지속적인 노력을 다하고 있음을 일정 부분 보여주고 있다. 앞으로 이들 교수들은 더욱 높은 성과를 위해 노력할 것이며, 그들의 연구와 교육이 사회에 미치는 긍정적인 영향을 기대한다.

이 블로그의 인기 게시물

MIT 연구, 치료 상호작용 최적화 프레임워크 개발

MIT 연구자들이 치료 상호작용을 연구하기 위한 새로운 이론적 프레임워크를 개발하였습니다. 이 접근법은 과학자들이 치료의 조합이 세포와 같은 단위 그룹에 미치는 영향을 효율적으로 추정할 수 있도록 하여, 비용이 많이 드는 실험을 줄이면서도 더 정확한 데이터를 수집할 수 있게 합니다. 이 연구는 향후 질병 메커니즘을 이해하고, 암이나 유전 질환 치료에 새로운 의약품 개발에 기여할 잠재력을 가지고 있습니다. MIT의 혁신적인 연구 MIT의 연구자들은 치료 상호작용을 깊이 있게 분석할 수 있는 새로운 이론적 프레임워크를 개발했습니다. 이 연구는 복잡한 유전자 상호작용과 세포 성장 알고리즘을 보다 정밀하게 이해하는 데 도움이 될 것으로 기대됩니다. 과학자들은 여러 유전자를 동시에 정밀하게 겨냥하는 데 필요한 조합 치료법을 다루기 위해, 여러 실험을 진행해야 합니다. 하지만 무수히 많은 조합 중 최적의 방법을 찾는 것은 큰 도전입니다. 그런 상황에서 MIT 연구팀이 개발한 프레임워크는 매우 중요한 역할을 할 수 있습니다. 이 연구는 사용자가 모든 치료를 동시에 적용할 수 있는 실험을 디자인할 수 있는 방법을 제공합니다. 이론적으로 이 접근법은 최적의 전략을 제안하며, 이를 통해 실험의 오류를 최소화할 수 있습니다. 아울러, 연구팀은 다단계 실험에서 시뮬레이션을 통해 새로운 방법의 유효성을 검증했습니다. 이는 향후 다양한 분야에서 이론적 프레임워크를 적용할 수 있는 가능성을 제시합니다. 효율적인 치료 디자인을 통한 데이터 수집 MIT의 연구자들은 실험에서 치료의 조합을 정의하고 설정하는 과정에서 생길 수 있는 편향을 방지하기 위해, 확률적 프레임워크를 사용했습니다. 이 프레임워크는 각 단위가 치료 조합을 무작위로 받아들이도록 하여 편향된 데이터를 최소화합니다. 사용자는 각 치료의 용량을 설정하는데, 이는 전반적인 실험 목표에 따라 다를 수 있습니다. 예를 들어, 여러 약물을 이용해 세포 성장에 미치는 영향을 연구하고자 할 때, 각 세포는 ...
자세한 내용 보기

테스트 시 학습 방식으로 LLM 성능 향상

최근 MIT 연구진은 LLM(대형 언어 모델)의 성능을 향상시키기 위해 "테스트 시 학습"(test-time training)이라는 새로운 훈련 기법을 도입했습니다. 이 연구는 LLM이 익숙하지 않은 복잡한 문제를 해결하는 능력을 크게 발전시킬 수 있음을 입증하였으며, 이를 통해 다양한 분야에서의 논리적 추론과 문제 해결에 대한 기대감을 높였습니다. 연구 결과는 국제 머신러닝 회의에서 발표될 예정입니다. 테스트 시 학습의 원리 테스트 시 학습은 모델이 배포 중에 그 내부 구조의 일부를 일시적으로 업데이트하여 새로운 문제에 적응할 수 있도록 하는 방법입니다. MIT 연구진은 이 접근법을 사용하여 LLM이 특정 작업에서의 성능을 극대화할 수 있는 방법을 발표했습니다. 이를 통해 모델은 새로운 데이터에 맞춰 스스로 운동을 하며, 정확도는 무려 여섯 배 향상되었습니다. 이러한 학습 방식은 모델이 복잡한 문제나 계획 및 추론을 요하는 작업에 더 유용해질 것을 의미합니다. 연구진은 테스트 시 학습과 인컨텍스트 학습(in-context learning)을 조합하여 적용해 보았습니다. 인컨텍스트 학습 방식은 사용자가 모델에게 새로운 작업의 몇 가지 예시를 제공하여 그 출력 방향을 안내하는 것입니다. 하지만, 이 방법은 논리적 사고와 추론을 요하는 문제에 대해서는 결과가 좋지 않았습니다. 반면, 테스트 시 학습은 실제로 모델의 파라미터를 업데이트하며 정확도를 극대화하는 강력한 방법임을 증명했습니다. 연구진의 실험은 IQ 퍼즐과 같이 복잡한 문제를 해결하기 위해 설계된 두 가지 기준 데이터셋에서 진행되었습니다. 이 실험에서는 새로운 작업에 대한 예제와 함께 입력 데이터의 변형을 통해 데이터셋을 확장했습니다. 이렇게 생성된 추가 데이터는 모델이 최상의 성능을 발휘할 수 있도록 포괄적인 학습을 제공합니다. 지속 가능한 모델 업데이트 테스트 시 학습의 특징은 한 번의 작업별로 적용되며, 사용자마다 별도로 진행해야 한다는 점입니다. 업데이트는...
자세한 내용 보기

인공지능의 소프트웨어 엔지니어링 도전 과제

MIT 컴퓨터 과학 및 인공지능 연구소(CSAIL)의 최근 연구 논문은 인공지능이 소프트웨어 엔지니어링의 많은 부분을 자동화하여 인간 개발자들이 더 창의적이고 전략적인 문제에 집중할 수 있도록 해야 한다고 주장합니다. 이 논문은 코드 생성을 넘어서는 다양한 소프트웨어 엔지니어링 작업의 현재 bottlenecks를 파악하고 이를 극복하기 위한 연구 방향을 제시합니다. 또한, AI가 해당 분야에서 진정한 파트너가 되기 위해 해결해야 할 여전히 많은 도전 과제를 강조하고 있습니다. AI의 소프트웨어 엔지니어링에 있어 평가 기준의 중요성 AI를 활용한 소프트웨어 엔지니어링에서 가장 큰 도전 과제 중 하나는 효과적인 평가 기준의 부재입니다. 현재 우리가 사용하는 평가 지표는 대개 단기적이고 자율적인 문제 해결에 중점을 두고 있으며, 이는 소프트웨어 엔지니어링의 실제 상황을 반영하지 않습니다. 예를 들어, AI 모델이 GitHub의 특정 문제를 수정하는 데 초점을 맞춘 SWE-Bench와 같은 기준은 AI가 처리해야 할 코드의 범위가 상당히 제한적입니다. AI가 대규모 코드베이스를 최적화하거나 다룰 수 있는 능력을 평가하는 것은 특히 어려운 과제입니다. 오늘날의 메트릭은 짧고 독립적인 문제에 기반해 설계되었으며, 이를 통해 실제 코드 최적화 과정에 대한 신뢰성을 담보하기에는 부족합니다. 따라서 이런 평가 기준의 부족은 AI의 발전 속도를 늦추고 있습니다. AI 주도적인 코드 리팩토링, 인간-AI 협업 프로그래밍, 그리고 대규모 성능 최적화의 시나리오를 반영한 평가 기준이 필요합니다. 이를 통해 AI의 현재 능력을 정확히 측정하고, 실제 성과를 기준으로 발전 방향을 설정할 수 있을 것입니다. 인간과 AI 간의 효과적인 소통 필요성 AI가 소프트웨어 엔지니어링에서 보다 효과적인 도구가 되기 위해서는 인간과 AI 간의 소통 방식의 개선이 필수적입니다. 현재의 AI 시스템은 대개 대량의 비구조적 코드 파일과 단순한 유닛 테스트를 생성하는데 그치고 있습니다. ...
자세한 내용 보기