이 연구실은 아날로그 집적회로 설계를 핵심 기반으로 하여 고효율, 소면적, 저전력 특성을 동시에 만족하는 회로 아키텍처를 개발한다. 특히 모바일 디스플레이 구동 회로, 데이터 드라이버, DAC, ADC, 전압 레귤레이터, DC-DC 컨버터와 같은 혼합신호 및 전력변환 회로에서 실제 시스템 적용성을 중시하는 설계를 수행한다. 단순한 성능 향상을 넘어 공정 비선형성, 소자 편차, 정적 전력 소모, 칩 면적 제약과 같은 현실적 설계 문제를 함께 다루는 것이 특징이다. 대표적으로 모바일 액티브 매트릭스 LCD용 10비트 데이터 드라이버 연구에서는 가변 전류 제어 기반 보간 기법을 통해 DAC 면적을 줄이면서도 정확도를 유지하는 방법을 제시하였다. 또한 특허와 학술 발표를 통해 고효율 DC-DC 컨버터, 파워 스위칭 회로, 인덕터 전류 에뮬레이터 기반 제어 기술 등 전력관리 집적회로 분야에서도 지속적인 성과를 보여주고 있다. 이는 배터리 기반 모바일 기기, 웨어러블 시스템, 소형 전자기기에서 요구되는 고집적 전원 솔루션과 직접 연결된다. 이러한 연구는 반도체 회로의 기본 성능을 높이는 데 그치지 않고, 차세대 저전력 전자시스템의 핵심 인프라를 제공한다는 점에서 의미가 크다. 향후에는 공정 미세화와 함께 더욱 심화되는 전력 효율 문제, 고정밀 아날로그 인터페이스 요구, 이종 소자 집적 환경에 대응하는 회로-시스템 공동 최적화가 중요해질 것으로 보인다. 연구실의 아날로그 IC 설계 역량은 센서 인터페이스, 바이오 전자기기, 인메모리 컴퓨팅 칩 등 다양한 응용으로 확장될 가능성이 높다.

이 연구실은 인체 내부 또는 인체와 밀접하게 연동되는 삽입형 바이오메디컬 마이크로시스템을 위한 집적회로 및 시스템온칩 기술을 연구한다. 관련 저서와 다수의 프로젝트에서 드러나듯이, 신경신호 측정, 생체자극, 무선전력전송, 양방향 데이터 텔레메트리, 저잡음 신호획득 회로 등 의료용 전자시스템의 핵심 요소를 통합하는 방향으로 연구가 전개되고 있다. 특히 장기간 안정 동작, 저전력 구동, 소형화, 생체 적합 시스템 구현이 주요 목표이다. 구체적으로는 무선으로 구동되는 삽입형 장치의 백텔레메트리, 에너지 재사용 기반 데이터 전송, 스위치드 커패시터 기반 전기 자극 장치, 다중모드 신경자극 및 신호획득 시스템 개발이 포함된다. 또한 난치성 질환 극복을 위한 개인 맞춤형 지능형 전자약, 최소침습 폐루프 뇌심부 자극, 장기간 발작 뇌파 측정 기술과 같은 대형 연구과제를 통해 회로 수준의 혁신을 실제 의료 응용으로 연결하고 있다. 이는 단순 측정 장치를 넘어 진단과 치료가 결합된 폐루프 의료전자 시스템으로 발전하는 흐름과 맞닿아 있다. 이 분야의 궁극적 가치는 환자 맞춤형 정밀치료와 상시 모니터링이 가능한 차세대 의료 플랫폼을 만드는 데 있다. 약물 치료의 한계를 보완하는 전자약은 앞으로 신경계 질환, 만성질환, 재활 치료 등에서 중요한 역할을 할 가능성이 높다. 연구실은 회로 설계, 무선 인터페이스, 생체신호 처리, 자극 제어를 통합함으로써 반도체 기반 디지털 헬스케어와 의료기기 혁신을 동시에 견인하는 연구를 수행하고 있다.

이 연구실은 차세대 인공지능 하드웨어를 위해 아날로그 인메모리 컴퓨팅과 뉴로모픽 시스템 구현 기술을 연구한다. 최근 논문과 과제를 보면 ECRAM, RRAM, IGZO TFT, 커패시터 기반 전하 저장형 시냅스 소자 등 다양한 비휘발성 또는 준휘발성 메모리 소자를 이용해 학습 가능한 아날로그 시냅스 구조를 개발하고 있다. 이는 기존 디지털 연산 대비 높은 에너지 효율과 병렬성을 제공할 수 있어 대규모 딥러닝 가속기 구현에 매우 중요하다. 연구의 특징은 소자 개발에만 머무르지 않고 알고리즘과 회로를 함께 최적화한다는 점이다. 예를 들어 IGZO TFT와 커패시터를 활용한 온칩 학습용 6T1C 시냅스 소자 연구에서는 소자의 누설 전류와 보존 특성을 고려한 구조를 제안했고, Tiki-Taka 알고리즘 기반 연구에서는 retention-aware zero-shifting 기법을 통해 실제 아날로그 메모리의 비이상성을 보정하였다. 이러한 접근은 소자의 선형성, 대칭성, 보존시간, 소자 간 편차가 신경망 학습 정확도에 직접 영향을 미친다는 점을 정면으로 다룬다. 이 연구는 반도체 소자, 아날로그 회로, 학습 알고리즘, 시스템 아키텍처를 연결하는 전형적인 융합 연구로서 미래 AI 반도체 발전에 큰 의미를 갖는다. 특히 온칩 학습이 가능한 저전력 하드웨어는 엣지 AI, 자율형 센서 노드, 바이오 인터페이스, 실시간 적응형 시스템에 폭넓게 활용될 수 있다. 연구실은 소자의 물리적 제약을 알고리즘 설계로 보완하고, 반대로 알고리즘 요구를 만족하는 회로와 소자를 개발하는 공동 최적화 전략을 통해 실용적인 인메모리 AI 칩 구현 가능성을 높이고 있다.