🔬 기초 연구 대학 운영 중 설립 1981

NTU

주관 부처
교육부(MOE)
규모 / KPI
재학생 3.3만 명 이상; 2024 QS 세계 순위 26위; 공학 분야 강점 두드러짐
공식 웹사이트
ntu.edu.sg
정보 업데이트
2026-05-02

NTU(난양이공대학)는 싱가포르의 공학 강교이며, NUS와 함께 국내 두 대 연구형 대학입니다. AI 분야에서 NTU의 특색은 **강한 공학 실전 + 강한 산업협력**——College of Computing and Data Science(CCDS), S-Lab, Continual Learning Lab 등 조직이 CV, 로봇, 연속학습 방향에서 지속적 산출을 이루고 있습니다.

📖 개요

NTU의 AI 분야 핵심 조직:

  • College of Computing and Data Science(CCDS): 2024년 SCSE로부터 업그레이드되어 컴퓨터과학과 데이터과학을 통합
  • S-Lab: 상탕과학기술과의 연합 실험실로, 시각, 생성 모델에 집중
  • **Centre for Frontier AI Research(A*STAR와 함께)**: 연합 연구 중심
  • NTU Institute for AI Research: 학제간 AI 연구 플랫폼
  • NTU Garage @ DBS / SIA: 기업과의 연합 AI 응용 실험실

특색 연구 방향:

  • Continual Learning(연속학습): NTU는 이 방향의 전 지구적 중심
  • Computer Vision: S-Lab과 상탕의 협력으로 많은 탑티어 학회 논문 산출
  • Robotics + AI: NTU의 공학 배경이 로봇 AI 방향에서 우위를 제공
  • AI for Engineering: 재료, 칩 설계, 지능형 제조 방향에서의 적용

국제협력에서 NTU는 상탕, 알리 다모원, 마이크로소프트 아시아 연구원과 깊은 협력을 맺고 있으며, 중국 AI 커뮤니티의 싱가포르 내 주요 접점입니다.

🤖 AI와의 관계

NTU는 AI에서 NUS와 명확한 차별화를 형성합니다:

  • NUS: 기초 연구, 사회 영향, 정책 연구 편향
  • NTU: 공학 응용, 산업 협력, 시각/로봇 분야 편향

NTU의 논문 산출은 일부 세부 분야(CV, Continual Learning, Robotics)에서는 NUS를 능가합니다. S-Lab과 상당의 협력은 NTU가 CVPR / ICCV / ECCV 등 최고 권위의 학회에서 지속적인 출장을 가능하게 합니다.

그러나 NTU도 한 가지 문제에 직면하고 있습니다: 「중국 AI 업계와의 깊은 결합이 지정학적 위험을 초래합니다」. S-Lab의 협력 파트너인 상당이 미국의 제재를 받은 후, NTU는 국제 협력 포트폴리오를 재조정할 필요가 있습니다. 이것이 NTU가 최근 Google DeepMind, AWS와의 협력을 강화한 이유입니다.

기술적으로, NTU의 GenAI 분야 존재감은 NUS에 비해 약합니다——SEA-LION 수준의 기함 프로젝트가 없으며, 주로 단점 돌파식의 논문 산출입니다. 이것도 CCDS 업그레이드(2024)가 해결하려는 문제입니다: 「분산된 AI 연구 역량을 통합하여 더욱 체계적인 산출을 형성합니다」.

🇸🇬 싱가포르와의 관계

NTU는 싱가포르 AI 전략에서 「공학화 + 국제협력」의 레버입니다.

「일곱 가지 전도 레버」 속에서:

  • 레버 1(기초연구): NUS와 상호보완적이며, NTU는 시각, 로봇, 공학 AI에 치중
  • 레버 2(인재양성): NTU CCDS는 싱가포르 AI 엔지니어의 또 다른 주요 양성기지
  • 레버 3(산업응용): NTU Garage와 DBS, SIA 등 대기업 연합 실험실은 산업 AI 착지의 모범

관점: NTU의 「산업협력」 모델은 싱가포르 AI 응용연구의 「상용화 모범」——NUS보다 더 실용적이고, A*STAR보다 더 유연합니다. 이러한 「고등교육기관 + 대기업 연합 실험실」 모델은 싱가포르 산업 AI 착지에서 가장 효과적인 메커니즘 중 하나입니다.

하지만 NTU는 국가급 AI 기함 프로젝트에서의 참여도가 NUS보다 낮습니다——AISG가 NTU 캠퍼스에 없으며, SEA-LION은 주로 NUS 팀이 주도합니다. NAIS 2.0 시기에 NTU가 국가 이야기 속에서 차별화된 위치를 찾는 방법(예를 들어 「로봇 AI」나 「시각 AI」의 국가급 중심이 되기)이 핵심 과제입니다.

관찰 가능한 변수: CCDS 통합 후 기함 프로젝트를 산출할 수 있는지 여부, 상탕과의 협력 향후 계획, GenAI 방향에서 선제적으로 따라잡을 수 있는지 여부입니다.

🗓️ 주요 마일스톤

  1. 1981
    NTU 전신 난양이공학원 설립
  2. 1991
    난양이공대학으로 승격
  3. 2018
    S-Lab과 상탕 연합 실험실 설립
  4. 2024
    College of Computing and Data Science 설립

    SCSE, 데이터과학 연구력을 통합·업그레이드

👥 주요 인물

🔗 관련 리소스

출처

같은 범주 🔬 기초 연구

A*STAR
싱가포르 과학기술청, AI 기초 연구 및 응용 연구의 주력
NUS
싱가포르국립대학교, AI 연구 순위 아시아 선두. 2024.3 NUS AI Institute 설립, 기초 AI, 응용 AI 및 사회 영향 연구 통합
SMU
싱가포르관리대학, 비즈니스와 사회응용 AI
SUTD
싱가포르과기설계대학, AI와 디자인 교차혁신
AI Singapore와 미국 NSF 연구자들의 연구 협력 프로젝트
해당 프로젝트는 난양공과대학교 Zhang Jie 교수가 주도하며 미국 매사추세츠공과대학교(MIT)와 협력하고 있으며, 신뢰할 수 있고 해석 가능한 인공지능-인간 상호작용 최적화 시스템 개발에 힘쓰고 있습니다. 연구 중점은 자연언어를 조합 최적화 문제의 견고한 인터페이스로 확립하는 것으로, AI 시스템이 인간 언어로부터 최적화 문제를 수립하고, 강력한 AI 보조 최적화를 수행하며, 해석 가능한 피드백을 제공할 수 있도록 합니다. 해당 프로젝트는 물류, 제조, 금융 등 산업에 효율적인 의사결정 지원 도구를 제공하는 것을 목표로 하며, 동시에 신뢰할 수 있는 AI의 기초 연구를 추진합니다.
PINNACLE: PINN 자적응 배치점 및 실험점 선택 방법
PINNACLE은 물리 정보 신경망(PINN)의 훈련 효율을 개선하기 위한 자적응 점 선택 방법입니다. 해당 방법은 경험적 신경 접선 커널 이론을 기반으로 하며, 모든 유형의 훈련점 선택을 자동으로 결합 최적화할 수 있으며, 실험점과 배치점을 포함합니다. 정방향 문제, 역문제 및 전이 학습 등 다양한 작업에서 기존 기준 방법을 현저히 능가합니다.
BadEdit: 모델 편집을 통한 대형 언어 모델의 백도어 주입
AI Singapore 연구팀은 BadEdit 프레임워크를 제시했으며, 이는 모델 매개변수를 직접 수정하여 사전 훈련된 대형 언어 모델에 효율적인 백도어 공격을 수행하는 혁신적인 백도어 주입 방법입니다. 해당 방법은 15개의 데이터 샘플과 120초만으로 백도어를 성공적으로 주입할 수 있으며, 공격 성공률은 100%에 가깝고 정제된 데이터에 대한 최소한의 부작용을 유지합니다. BadEdit은 기존 가중치 중독 방법과 비교하여 데이터 요구가 적고 효율이 높다는 장점이 있으며, 텍스트 분류, 사실 확인 및 대화 감정 생성을 포함한 다양한 작업 영역에 적용 가능합니다.
기호 회귀를 통한 의사결정 나무의 더 큰 범주 분할 발견
본 연구는 기호 회귀 강화 의사결정 나무(SREDT)를 소개합니다. 기호 회귀를 통해 비선형, 다변량 의사결정 나무 분할 규칙을 발견합니다. 전통적인 의사결정 나무와 비교했을 때, SREDT는 더 나은 예측 성능, 더 작고 컴팩트한 나무 구조, 더 빠른 추론 속도, 그리고 잡음에 대한 견고성을 갖추고 있습니다. 이 방법은 유전 프로그래밍을 통해 폐쇄형 해석 표현식을 탐색하며, 분류 작업에서 표준 의사결정 나무를 현저히 능가합니다.

같은 주제 더 보기