이혁준

AI 모델 경량화 및 온디바이스 AI 시스템 최적화

본 연구실은 인공지능(AI) 모델의 효율성을 극대화하고 제한된 자원의 임베디드 환경에서 고성능 AI를 구현하기 위한 핵심 기술을 연구합니다. 특히 딥러닝 모델의 경량화를 위한 양자화 기법 개발에 주력하여, 'Easy Quantization Tool' 개발 및 '컴퓨팅 자원 특성을 고려한 양자화 연구' 등 다수의 과제를 수행하고 있습니다. 이러한 연구는 복잡한 딥러닝 모델의 온디바이스 추론 성능을 획기적으로 향상시키며, 컨볼루션 신경망 기반의 입력 분류 장치 및 온디바이스 학습을 위한 신경망 구조 탐색 특허를 통해 실질적인 성과를 보이고 있습니다. 우리는 적은 데이터로도 모델을 효과적으로 학습시키는 데이터 증강 기법과 더불어, 딥러닝 알고리즘에 최적화된 경량 임베디드 시스템 설계를 핵심 역량으로 삼고 있습니다. 이는 AI 시대에 필수적인 효율적이고 지속 가능한 컴퓨팅 환경을 구축하며, 모바일, IoT 기기 등 다양한 엣지 디바이스에서 AI 기술의 활용도를 극대화하는 데 기여합니다. 본 연구는 AI 모델의 실행 효율성을 높여 전력 소모를 줄이고, 실시간 응용 분야에서의 AI 도입을 가속화할 것입니다.

차세대 컴퓨팅 아키텍처 및 비휘발성 메모리 시스템

본 연구실은 미래 컴퓨팅 환경에 필수적인 고성능, 저전력 아키텍처 및 혁신적인 비휘발성 메모리 시스템 연구를 선도합니다. MRAM(Magnetoresistive Random Access Memory) 및 STT-MRAM 기반 FPGA 설계를 통해 '차세대 저전력 자가적응형 컴퓨팅'을 위한 기반 기술을 마련하였으며, 이를 통해 전력 효율성을 극대화하면서도 높은 컴퓨팅 성능을 유지하는 데 기여하고 있습니다. 또한 '네트워크 라우터 장비 향 consolidated Memory 연구' 및 '패킷 버퍼 설계' 관련 논문과 특허를 통해 네트워크 장비의 핵심 요소인 메모리 시스템의 대역폭과 가용성을 향상시키는 데 기여했습니다. 우리의 연구는 비휘발성 복합 메모리, 라우팅 테이블 검색 최적화, 캐시 메모리 장치와 같은 핵심 기술을 포함하며, 이는 반도체 산업의 발전에 중요한 역할을 합니다. 컴퓨팅 익스프레스 링크(CXL), 하이브리드 메모리 시스템 등 최신 기술을 활용하여 메모리 및 저장장치 구조를 최적화하며, 시스템의 안정성과 확장성을 확보합니다. 이러한 연구는 데이터 센터, 모바일 기기, 고성능 컴퓨팅 등 다양한 분야에서 차세대 하드웨어 플랫폼을 구축하는 데 필요한 핵심 역량을 제공합니다.

임베디드 시스템 및 지능형 멀티미디어 처리

본 연구실은 임베디드 시스템의 효율적인 설계 및 다양한 응용 분야에서의 지능형 솔루션 개발에 집중하고 있습니다. 특히, 딥러닝 알고리즘에 최적화된 경량 임베디드 시스템 설계를 통해 제한된 리소스 환경에서도 고성능을 발휘하는 시스템을 구현합니다. 이는 '임베디드 기기 내 센서데이터의 온-디바이스 학습을 위한 신경망 구조 탐색방법' 특허와 같은 실질적인 성과로 이어지고 있습니다. 또한, '영상 처리' 및 '비디오 영상 편집 연구', '자동 영상 편집 기술 개발'과 같은 과제를 통해 지능형 멀티미디어 처리 기술을 발전시키고 있습니다. 이는 영상 콘텐츠 생성 및 편집 과정의 자동화와 효율화를 목표로 합니다. 나아가, '전기자동차용 구동시스템의 고장 예지 및 보호 기능 강화' 연구를 통해 임베디드 시스템을 산업 특화 응용 분야에 성공적으로 적용하는 역량을 보여주었습니다. 본 연구는 시스템 요구사항 기반 임베디드 시스템 설계, 운영체제, 컴파일러, 하드웨어 통합 최적화 기술을 아우르며, 모바일, 바이오 의료기기, 스마트 팩토리 등 다양한 산업 분야에 적용 가능한 실용적인 임베디드 솔루션을 제공합니다.