이 연구실은 기존 폰 노이만 구조의 병목과 높은 데이터 이동 비용을 줄이기 위해 뉴로모픽 컴퓨팅과 인메모리 컴퓨팅 기반 AI 반도체 기술을 중점적으로 연구한다. 특히 저항변화메모리(RRAM), 멤리스터, 시냅스 소자와 같은 차세대 메모리를 활용하여 연산과 저장을 한곳에서 수행하는 구조를 설계하고, 실제 딥러닝 추론 및 학습에 적합한 하드웨어 구현 가능성을 검증하는 데 강점을 보인다. 이는 대규모 인공지능 모델을 더 낮은 전력과 더 높은 실시간성으로 구동하기 위한 핵심 기반 기술이다. 연구실의 논문과 프로젝트를 보면 신뢰성 높은 3차원 채널 메모리, 재구성 가능한 저항성 스위칭 메모리, 온칩 학습용 뉴로모픽 소자 평가 프레임워크, PIM 어레이에서의 컨볼루션 최적화, 양자화 및 정밀도 제어 기술 등이 유기적으로 연결되어 있다. 단순히 소자 특성만 개선하는 것이 아니라, 소자의 변동성·오차·내구성 문제를 반영한 알고리즘 공동설계(co-design)까지 수행한다는 점이 특징이다. 이를 통해 실제 하드웨어에서 정확도 저하를 최소화하면서도 에너지 효율을 높이는 방향의 시스템 연구를 추진한다. 이 연구는 온디바이스 AI, 엣지 컴퓨팅, 초저전력 지능형 센서, 차세대 시스템 반도체 분야로 확장성이 크다. 특히 산업계 수요가 높은 AI 반도체 혁신연구소, 반도체 특성화 사업, IoT 반도체 인력양성 과제 등과 연계되어 실용성과 파급력이 높다. 앞으로는 신뢰성 있는 메모리 소자, 하드웨어 친화형 신경망 구조, 저전력 학습 및 추론 기술을 통합하여 실제 제품 수준의 뉴로모픽 시스템으로 발전시키는 것이 중요한 방향이 될 것으로 보인다.

이 연구실은 딥러닝 모델을 실제 하드웨어에서 효율적으로 실행하기 위한 모델 최적화 기술을 활발히 연구한다. 대표적으로 양자화, 프루닝, 정밀도 제어, 메모리 압축, 가중치 매핑, 실시간 추론 구조 설계 등이 포함되며, 이는 모델의 정확도를 유지하면서도 연산량과 메모리 사용량을 줄이기 위한 핵심 기술이다. 특히 인메모리 컴퓨팅이나 PIM 구조에 적합하도록 신경망을 재설계하는 방향에서 차별성이 드러난다. 관련 성과로는 멀티비트 양자화 학습, 비트별 샘플링, 부분합 및 가중치 열 단위 양자화, 행 건너뛰기 기반 압축, 오류 복원형 배열 매핑, 실시간 영상 추론 장치 특허 등이 확인된다. 이는 단순한 소프트웨어 모델 경량화가 아니라, 반도체 배열 구조와 데이터 흐름을 고려한 알고리즘-아키텍처 통합 최적화 연구임을 보여준다. 다시 말해, 신경망의 구조와 연산 순서를 하드웨어의 제약 조건에 맞추어 조정함으로써 실제 칩에서의 처리 효율을 극대화하는 접근을 취한다. 이러한 연구는 모바일 기기, 자율 시스템, 스마트 센서, 엣지 서버 등 제한된 전력과 메모리 환경에서 매우 큰 가치를 갖는다. 거대 모델 시대에 하드웨어 친화형 AI는 선택이 아니라 필수이며, 이 연구실은 정확도·지연시간·전력·메모리 비용을 동시에 고려하는 균형 잡힌 최적화 역량을 보유하고 있다. 향후에는 대규모 생성형 AI나 멀티모달 모델까지 포함하는 방향으로 확장되며, 차세대 AI 시스템 설계의 중요한 축을 담당할 가능성이 크다.

이 연구실은 반도체 및 시스템 연구와 더불어 컴퓨터 비전과 멀티미디어 표현 학습 분야에서도 활발한 연구를 수행하고 있다. 비디오 프레임 표현, 영상 압축, 3차원 가우시안 스플래팅, 뉴럴 필드, 신경복사장 표현, 3차원 손 자세 추정, 장면 흐름 추정 등 다양한 주제를 다루며, 시각 데이터를 더 효율적이고 정확하게 이해하고 표현하는 인공지능 기술을 개발한다. 이는 대규모 시각 데이터를 다루는 미래형 AI 응용의 기반이 된다. 특허와 학회 발표를 보면 비디오 프레임 생성, 색상 양자화, 기계를 위한 영상 부호화, 생성모델 기반 이미지 압축, 3D 손 자세 추정, NeRF 및 3D Gaussian 표현 최적화 등 폭넓은 연구 주제가 확인된다. 이러한 주제들은 영상의 저장·전송 효율을 높이는 동시에, 인간과 기계 모두가 활용할 수 있는 표현 방식을 탐색한다는 공통점을 가진다. 특히 CVPR, ICCV, ECCV, ACM MM, NeurIPS 등 최상위 국제학회 발표 실적은 이 연구실의 비전 알고리즘 역량이 매우 높음을 보여준다. 이 연구는 메타버스, AR/VR, 로봇 비전, 감시 시스템, 모바일 미디어, 기계 중심 비디오 코딩 등 다양한 분야로 연결된다. 또한 시각 정보의 압축과 이해를 함께 고려함으로써, 단순한 인식 정확도 향상을 넘어 실제 전송 및 배포 환경에 적합한 AI 기술을 만든다는 점에서 실용적 가치가 크다. 향후에는 생성형 비전 모델, 멀티모달 이해, 온디바이스 시각 추론과 결합되어 더욱 고도화된 인간-기계 상호작용 기술로 발전할 가능성이 높다.

이 연구실은 인공지능 알고리즘을 센서 및 전자소자와 결합하여 실제 환경에서 작동하는 지능형 시스템으로 구현하는 융합 연구도 활발히 전개하고 있다. 피부 부착형 압저항 센서, 초음파 신호 분류, 손동작 인식, 조직 분류, 텔레햅틱 시스템 등은 센서가 수집한 복잡한 신호를 AI가 해석하여 인간의 감각과 행동을 이해하거나 재현하는 대표적인 사례이다. 이러한 연구는 센서 하드웨어와 데이터 처리 알고리즘이 동시에 발전해야 가능한 고난도 융합 분야다. 논문에서는 딥러닝 보조 데이터 변환을 적용한 전자피부형 센서, 초음파 기반 생체조직 분류, 손가락 움직임 추적 및 손 제스처 인식을 위한 뉴로모픽 감각 시스템 등이 제시되었다. 연구실은 센서의 비선형성, 잡음, 복합 자극 문제를 해결하기 위해 회귀·분류 모델, 신경망 구조, 하드웨어 구현형 학습 규칙을 함께 설계한다. 즉, 단순히 센서를 만드는 데 그치지 않고 센서 출력이 실제로 의미 있는 판단과 상호작용으로 이어지도록 AI 기반 해석 계층까지 통합한다. 이러한 접근은 디지털 헬스케어, 재활, 원격 촉감 전달, 웨어러블 인터페이스, 스마트 제조, 메타버스 인터페이스 등에 직접 적용될 수 있다. 특히 전자피부와 초음파, 스트레처블 센서, 뉴로모픽 네트워크를 결합한 연구는 차세대 인간-기계 인터페이스의 중요한 방향성을 보여준다. 앞으로는 개인 맞춤형 감각 인식, 다중모달 센서 융합, 저전력 실시간 해석 시스템으로 확장되며 의료 및 산업 응용에서 큰 영향력을 가질 것으로 기대된다.