대전

AI가 데이터 간 맥락을 이해하도록 돕는 새로운 형태의 데이터베이스 기술이 KAIST에서 개발됐다.

KAIST 김용대 교수(전산학부) 연구팀은 8일, 관계형 데이터베이스(RDBMS)와 그래프 데이터베이스(DB)의 장점을 통합한 신개념 DBMS ‘키마이라 DB(KimeraDB)’를 개발했다고 밝혔다.

이 기술은 AI가 데이터 간 ‘관계’와 ‘맥락’을 이해하고 복잡한 질의도 효율적으로 처리할 수 있도록 지원한다.

관계형 DB는 구조화된 데이터 처리에 강점을 지녔지만, 정보 간 연결성 분석에는 한계가 있었다. 반면, 그래프 DB는 연결 구조를 잘 표현하지만 정형화된 질의 처리 성능이 떨어지는 단점이 있다.

연구팀은 이 두 방식의 장점을 모두 살리되 단점은 줄이는 하이브리드 접근법을 도입했다.

김 교수팀은 관계형 DB에 기반한 질의 최적화 방식과 그래프 DB의 연결 분석 능력을 **‘관계 그래프(Relational Graph)’**라는 새로운 내부 표현 구조로 통합했다.

이를 통해 키마이라 DB는 AI 모델이 정보 간 관계성을 스스로 이해하고 추론하는 기반 기술로 활용 가능하다.

특히 해당 기술은 최근 미국에서 열린 VLDB 2025 학술대회에 논문으로 발표되며 국제 학계의 주목을 받았다.

연구팀은 실제 테스트에서도 기존 상용 그래프 DB 대비 평균 4.3배 빠른 속도를 기록했으며, 최적화된 상황에서는 최대 19.3배 향상된 성능을 입증했다.

김용대 교수는 “이번 기술은 단순히 데이터를 저장·검색하는 수준을 넘어, AI가 사람처럼 정보를 연결하고 맥락을 이해하는 사고 구조를 구축할 수 있게 한다”며 “AI 비서, 자동화 에이전트 등 차세대 인공지능 시스템의 핵심 기반으로 작용할 것”이라고 말했다.

연구는 과학기술정보통신부와 정보통신기획평가원의 인공지능·SW 원천기술개발사업 지원을 받아 수행됐다.