본 논문에서는 Kadi 연구 데이터 에코시스템에 통합된 프라이버시 중심 설계(privacy-by-design) AI 어시스턴트인 KadiAssistant를 소개합니다. 이를 통해 연구자들은 이종의 개인정보 보호에 민감한 연구 데이터로부터 정보를 효율적으로 접근, 집계 및 종합할 수 있습니다. 재료 과학과 같은 학제 간 분야는 고유한 용어와 표준을 가진 학문들을 융합합니다. 이러한 융합(convergence)은 혁신을 촉진하지만, 데이터가 학문, 조직 및 개인에 걸쳐 분산되어 있어 지식을 연결하고 접근하기를 점점 더 어렵게 만듭니다. 예를 들어, 배터리 연구는 전기화학적 측정값, 재료 특성 평가 데이터, 물리 기반 시뮬레이션, 제조 파라미터를 결합하며, 각각 서로 다른 형식, 어휘 및 표준을 사용합니다. Kadi4Mat과 같은 연구 데이터 플랫폼을 통해 이와 같은 이종 데이터를 효율적으로 저장하고 공유하려면 도메인 지식, 기술적 전문성, 메타데이터 스키마 및 인터페이스에 대한 친숙도가 요구됩니다. 연구 데이터는 민감도 측면에서도 다양합니다. 새로 생성된 '웜(warm)' 데이터는 종종 비공개인 반면, 출판된 '콜드(cold)' 데이터는 대개 공개적으로 접근 가능합니다. Kadi 에코시스템은 민감한 데이터에 필요한 세밀한(fine-grained) 접근 제어를 제공합니다. 따라서 Kadi에서 효율적인 정보 검색을 위한 솔루션은 이러한 세밀한 접근 권한을 준수해야 합니다. 정보 검색, 강력한 데이터 프라이버시, 복잡한 접근 제어라는 서로 얽힌 과제를 해결하기 위해, KadiAssistant는 자체 호스팅(self-hosted) 대규모 언어 모델(LLM)과 검색-증강 생성(RAG)에서 영감을 얻은 프라이버시 보존 시맨틱 검색을 결합하여 Kadi의 파일과 레코드 메타데이터에 접근할 수 있도록 합니다. 이를 통해 어시스턴트는 정보를 선별, 집계 및 구조화하여 매우 유익한 답변으로 생성할 수 있습니다. 따라서 KadiAssistant는 용어와 표준 간의 간극을 좁히고, 연구자의 접근 장벽을 낮추며, FAIR 데이터 원칙의 '검색 가능성(Findable)' 요건을 강화합니다.
특허 데이터베이스는 가장 방대한 공개 기술 지식 아카이브 중 하나이지만, 특허권이 만료되거나 소멸된 이후에도 해당 지식의 상당 부분은 식별·해석·재활용이 어려운 상태로 남아 있다. 본 논문은 만료 및 소멸 예정 특허를 발굴하고, 기술 트렌드를 식별하며, 특허 공개 내용을 비즈니스 경로(business pathway)로 전환하기 위한 AI 기반 프레임워크를 제안한다. 여기서 경로란 SaaS 제품, 서비스, 라이선싱 패키지, 컨설팅 플레이북, 교육 제공물, 데이터 제품, 내부 프로세스 도구 등 구조화된 상용화 루트를 의미한다. 본 프레임워크는 특허 만료를 주로 법적 문제가 아닌 비즈니스 신호이자 아카이브 전환점으로 취급한다. 법적 상태는 여전히 중요하지만, 고객 수요·구현 타당성·채널 접근성·시장 타이밍과 함께 리스크 심사 입력 요소 중 하나로 다루어진다. 본 논문은 특허 메타데이터, 유지료 기록, 법적 상태 지표, 시맨틱 검색, 특허 패밀리 분석, 시장 신호, 생성형 AI 워크플로를 결합한 시스템 아키텍처를 기술한다. 개념 증명(proof of concept)으로 공식 주간 CIPO ST.96 아카이브의 378개 레코드 전체를 파싱하고, 만료·소멸·소멸 임박 후보 20건을 식별하며, 투명한 채점 모델의 안정성을 검증하고, 로컬 호스팅된 Qwen3.6 모델을 활용해 구조화된 검토 패킷을 생성하였다. 평가 결과, 재현 가능한 수집, 가중치(weight) 변동에 안정적인 순위, 스키마 준수 모델 출력이 확인되었으며, 동시에 법적 상태 정보의 불완전한 커버리지와 레지스터 및 전문가 검토의 필요성도 드러났다. 본 논문은 AI가 잠재된 기술 지식에 대한 발굴 및 변환 층(layer)으로 기능할 수 있지만, 그러한 시스템은 법적 불확실성·데이터 한계·상용화 리스크를 명시적으로 표현해야 한다고 주장한다.
JD.com은 세계 최대 규모의 전자상거래 플랫폼 중 하나로, 7억 명 이상의 활성 사용자와 수백만 명의 판매자에게 서비스를 제공하며, 수십억 개의 SKU로 구성된 카탈로그를 보유하고 있습니다. 이러한 규모에서 고품질의 구조화된 상품 지식은 더 나은 소비자 경험, 낮은 관리 비용, 높은 운영 효율성의 기반이 되지만, 이를 생산하고 제공하는 것은 세 가지 산업 규모의 과제를 야기합니다: 급속히 등장하는 개념, 대규모 SKU에 대한 고품질 지식 생산, 그리고 다양한 다운스트림 요구사항. 이러한 과제를 해결하기 위해, 상품 지식 생산 및 서비스를 위해 LLM/VLM 기반으로 구축된 산업 규모 플랫폼인 JD Oxygen AI Item Center(Oxygen AIIC)를 제시합니다. Oxygen AIIC는 네 가지 핵심 기둥을 중심으로 구축되었습니다: (i) 효율적인 인간-AI 협업에 의해 추진되는 온톨로지 엔지니어링으로, 수백만 개의 항목을 포함하는 온톨로지의 동적 진화와 민첩한 확장을 지원합니다; (ii) 처리량 개선 전략과 결합된 "Semantic Search then Discrimination"(S2D) 지식 식별 아키텍처로, 수십억 SKU에 대한 확장 가능하고 확장성 있으며 고처리량 AI Item Library 생산을 가능하게 합니다; (iii) 안정적이고 통제 가능한 방식으로 개선되는 자기 진화형 상품 이해 LLM/VLM으로, 정밀도 94.2%, 재현율 82.8%의 지식 생산을 가능하게 합니다; (iv) 데이터 및 서비스 허브로서 기능하는 통합 item tunnel. Oxygen AIIC는 현재 수만 개의 JD 카테고리를 다루며, Huawei Ascend NPU에서 하루 수억 건의 상품 업데이트를 처리합니다. 수천억 개의 상품 지식 자산을 축적했습니다. 검색, 추천, 운영, 카테고리 기획 등 핵심 비즈니스 시나리오에 배포된 Oxygen AIIC는 규모에 걸맞은 측정 가능한 성과를 달성했습니다. 검색 트래픽 커버리지는 80.4%에 달하고, 상품 정보 품질 이슈는 37% 감소했으며, 상품 등록 시 핵심 속성의 자동 입력률은 80%를 초과합니다.
임베딩 역산으로 벡터 DB 유출 시 원문이 노출되는 문제에 대해, 정적 컬렉션은 저차원 SVD 부분공간 절단과 비밀 직교 회전으로, 쿼리는 CKKS 동형 암호화 하 재순위화로 각각 보호하는 비대칭 하이브리드 의미 검색을 제안한다. 백만 문서와 다섯 개 인코더 실험에서 순위화 품질을 유지하며 1초 미만 지연을 달성하고 기성 inversion 공격은 노이즈 바닥으로 붕괴하나, 쿼리 기밀성은 암호학적이고 문서 보호는 제한된 위협 모델 하의 경험적 난독화임을 한계로 명시한다.
시간이 오래 걸리는 수동 라벨링 작업을 통해 과학적으로 흥미로운 현상을 찾는 것은 망원경이 생성한 수십억 개의 은하 이미지를 탐색하는 우리의 능력을 심각하게 제한합니다. 본 연구에서는 완전히 라벨링되지 않은 이미지 데이터로부터 의미론적 검색 엔진을 구축하는 파이프라인을 개발했습니다. 우리의 방법은 은하 이미지에 대한 설명을 생성하기 위해 비전-언어 모델(VLMs)을 활용하고, 이후 사전학습된 천문학 파운데이션 모델을 해당 임베딩된 설명과 대조적으로 정렬하여 대규모로 검색 가능한 임베딩을 생성합니다. 우리는 현재 VLM이 직접적인 이미지 유사도 검색보다 성능이 우수한 의미론적 검색 모델을 학습시키기에 충분한 정보를 담은 설명을 제공함을 확인했습니다. AION-Search 모델은 희귀 사례에 대한 의도적인 선별 없이 무작위로 선정된 이미지로 학습되었음에도 불구하고, 희귀 현상 발견에 있어 최첨단의 제로샷(zero-shot) 성능을 달성했습니다. 또한, 상위 100개 결과 내에서 가장 도전적인 대상에 대한 재현율을 거의 두 배로 향상시키는 VLM 기반 재순위 매기기(re-ranking) 방법을 제안합니다. AION-Search는 1억 개 이상의 은하 이미지에 대한 유연한 의미론적 검색을 최초로 가능하게 했으며, 이를 통해 36개의 새로운 은하계 외 항성류 후보 식별을 포함하여 기존에는 불가능했던 검색을 통한 발견을 이끌어냈습니다. 더 나아가, 본 연구는 대규모 라벨링되지 않은 과학 이미지 아카이브를 의미론적으로 검색 가능하게 만드는 방법론을 제시하여, 지구 관측부터 현미경 관찰에 이르는 다양한 분야에서 데이터 탐색 능력을 확장합니다. 코드, 데이터, 앱은 https://github.com/NolanKoblischke/AION-Search 에서 공개적으로 제공됩니다.