업계뉴스

연구진사진. (왼쪽부터)박정호 그래파이 엔지니어(제2저자), 한동형 래파이 CTO(제3저자), 이건호 KAIST 전산학부 박사과정생(제1저자), 김민수 KAIST 전산학부 교수(교신저자). /KAIST 제공

[투데이에너지 장재진 기자] KAIST 연구진이 답변 정확도가78% 향상되고 처리 속도는 최대 20배 개선된 차세대 데이타베이스 기술 개발을 개발했다.

KAIST 전산학부 김민수 교수 연구팀은 교원창업기업인 (주)그래파이와 공동으로 벡터 DB, 그래프 DB, 관계형 DB 기능을 하나의 데이터베이스 관리시스템(DBMS)으로 통합한 차세대 데이터베이스 기술 ‘아카식DB(AkasicDB)’를 개발하고, 이를 기반으로 한 통합형 검색증강생성(Omni RAG) 기법을 제안했다고 19일 밝혔다.

연구진은 기존 RAG(검색증강생성) 시스템이 벡터 검색 중심으로 문서 의미를 찾는 데 주로 의존해 왔고, 그래프와 관계형 데이터를 부분적으로만 활용해 온 한계를 지적했다.

이에 아카식DB는 벡터 검색·그래프 탐색·관계형 필터링을 DBMS 내부에서 네이티브하게 통합해 단일 실행 계획으로 최적화·실행할 수 있도록 설계됐다.

아카식DB는 저장 계층을 듀얼 스토어에서 트리플 스토어로 확장해 벡터 저장소를 추가하고, 그래프 저장소와 관계형 저장소를 함께 운영하며 공통 트랜잭션 관리자를 통해 데이터 일관성을 유지한다. 또한 HNSW, IVF, Vamana 등 다양한 ANN(근사 최근접 이웃) 인덱스를 DBMS 내부에 통합해 대규모 임베딩 데이터에 대한 유사도 검색을 효율화했다.

AkasicDB의 벡터-그래프-관계형 통합 아키텍처./KAIST 제공

연구이미지 (AI생성) /KAIST 제공

질의 처리 측면에서는 기존 Chimera의 탐색-조인(Traverse-Join) 기반 구조를 벡터 검색까지 확장해, 벡터 유사도 검색·그래프 탐색·관계형 조인 연산을 하나의 실행 흐름과 비용 기반 질의 최적화기로 처리할 수 있도록 구현했다. 이를 통해 불필요한 중간 결과와 데이터 이동을 줄여 처리 효율을 높였다는 설명이다.

연구 결과, 아카식DB와 Omni RAG를 활용한 기업용 AI 에이전트는 답변 정확도가 최대 78% 향상되고 처리 속도는 최대 20배 개선되는 등 환각(Hallucination) 문제 완화와 실용성 향상에서 의미 있는 성과를 보였다고 연구진은 밝혔다.

이 성과는 ACM SIGMOD 2026에서 데모 논문으로 발표되어 학회 현장에서 주목을 받았다.

연구팀은 이번 기술이 금융·제조·국방·법률 등 방대한 내부 문서와 구조화된 데이터를 보유한 산업 분야에서 AI 에이전트의 신뢰도를 높이는 핵심 데이터 인프라로 활용될 수 있다고 전망했다. 또한, 아카식DB는 이미 상용화를 통해 실무 적용 사례를 확보 중이며, 기업용 RAG 서비스의 정확성·신뢰성 제고에 기여할 것으로 기대된다고 밝혔다.

출처 : 투데이에너지(https://www.todayenergy.kr/)