쑨이페이

🏷️ LLM 머신러닝 교수 NeurIPS논문 Star

개요

쑨이페이(孫逸飛, Yifei Sun)는 절강대학교 소프트웨어기술학부 조교수입니다. ZJU-100 Young Professor 프로그램을 통해 임용된 신진 연구자로, 그래프 신경망(GNN)과 대형 언어 모델(LLM)을 연결하는 그래프-LLM 인터페이스 연구를 전문으로 합니다.

대표 성과는 NeurIPS 2024에 발표한 G-Retriever입니다. 텍스트 그래프 이해를 위한 Graph RAG 프레임워크로, GNN, LLM, RAG 세 요소를 통합하여 그래프 기반 질문 응답 시스템의 새로운 기준을 제시했습니다. 인용 수는 560건을 넘어섰으며(2025년 기준), 그래프 기반 RAG 연구의 표준 참조 문헌으로 자리 잡았습니다.

연구 관심사는 GNN 파인튜닝, 그래프 패치 학습, 멀티레이블 노드 분류, LLM의 테이블 및 그래프 모달리티 처리 등 폭넓은 그래프 머신러닝 영역에 걸쳐 있습니다. 공식 PyG(PyTorch Geometric) 2.6 라이브러리에서도 G-Retriever를 공식 지원하며, Yunjun Gao 교수의 DAILY Group과 협력하여 국제 공동 연구를 활발히 진행합니다.

생애

쑨이페이는 절강대학교에서 학부 과정을 마친 뒤 동 대학교 박사 과정에 진학했습니다. 박사 지도교수는 Yang Yang 교수이며, 2025년 학위를 취득했습니다. 졸업과 동시에 ZJU-100 Young Professor 트랙으로 소프트웨어기술학부에 조교수로 임용되었습니다.

박사 과정 중에는 홍콩과학기술대학교 광저우 캠퍼스(HKUST-GZ) 등 외부 기관과의 협력 연구를 병행했습니다. 이 과정에서 IJCAI, AAAI, NeurIPS, KDD, ICLR 등 주요 학술 대회에 꾸준히 논문을 발표하며 그래프 머신러닝 연구자로 입지를 다졌습니다. G-Retriever의 공동 저자 중에는 얀 르쿤, Xavier Bresson, Bryan Hooi 등 著名 연구자들도 포함되어 있어, 박사 재학 중부터 넓은 협력 네트워크를 구축했음을 알 수 있습니다.

2026년에는 프린스턴·홍콩과기대 공동 연구팀과 함께 WWW 2026에 통합 Graph RAG 프레임워크 논문을 발표했습니다. 절강성 항저우를 거점으로 활동하며, 홈페이지(sunefei.github.io)와 이메일(yifeisun@zju.edu.cn)을 통해 연구자 커뮤니티와 소통합니다.

업적

쑨이페이의 핵심 기여는 그래프 구조와 LLM을 연결하는 소프트 프롬프팅 기반 파인튜닝 방법론입니다. G-Retriever는 텍스트 그래프에 대한 질문 응답을 Prize-Collecting Steiner Tree 최적화 문제로 공식화하여, 대규모 그래프에서도 환각을 억제하면서 정확한 답변을 생성합니다. 단순히 그래프 임베딩을 LLM 입력으로 변환하는 기존 방식과 달리, 소프트 프롬프트를 통해 그래프 구조 정보를 LLM에 직접 주입합니다. PyTorch Geometric 공식 라이브러리에 포함되며 재현성과 접근성 면에서도 높은 평가를 받습니다.

GNN 파인튜닝 연구(AAAI 2024)에서는 파인튜닝 과정에서 그래프 생성 패턴이 손상되는 문제를 발견하고 이를 보존하는 정규화 기법을 제안했습니다. KDD 2025 논문에서는 이질적 피처를 가진 그래프 데이터를 처리하기 위한 학습 가능한 그래프 패치(Learnable Graph Patches) 개념을 도입했습니다.

ICLR 2025에서는 레이블 영향 전파를 활용한 멀티레이블 노드 분류 방법론을 발표했으며, NeurIPS 2025에서는 LLM이 테이블 모달리티를 처리하는 방식에 관한 연구를 선보였습니다. 2026년 WWW에서는 문맥 인식과 관계 인식을 통합한 HyGRAG 프레임워크의 교신저자를 맡아 차세대 그래프 RAG 아키텍처를 제시했습니다.

여담

G-Retriever의 깃허브 저장소(XiaoxinHe/G-Retriever)는 NeurIPS 2024 공식 구현체로 널리 사용됩니다. 논문 발표 이후 Graph RAG 분야에서 후속 연구 붐이 일었으며, GRAG, HyGRAG 등 수십 편의 파생 연구가 arXiv에 게재되었습니다. PyG 공식 지원으로 인해 재현 진입 장벽이 낮아진 점도 인용 확산에 기여했습니다.

ZJU-100 프로그램은 절강대학교가 우수 박사 졸업생을 즉시 교수직으로 전환하는 패스트트랙 채용 제도입니다. 쑨이페이는 이 프로그램을 통해 박사 취득 직후 임용된 케이스로, 중국 AI 연구 생태계의 신진 연구자 흡수 방식을 잘 보여주는 사례입니다.

그래프-LLM 연계 연구는 지식 그래프 기반 QA, 분자 구조 분석, 소셜 네트워크 추론 등 다양한 분야로 확장 가능성이 열려 있습니다. 쑨이페이의 연구는 그 중에서도 텍스트와 그래프 구조를 동시에 다루는 통합 인터페이스 설계에 초점을 맞추고 있어, 실용적인 그래프 AI 시스템 구현 방향에서 꾸준히 참조될 것으로 보입니다.

주요 논문