양자 컴퓨팅은 기존의 컴퓨터가 해결하기 어려운 복잡한 문제를 빠르게 처리할 수 있는 혁신적인 기술로 주목받고 있습니다. 본 연구실에서는 양자 컴퓨팅의 다양한 패러다임, 특히 양자 어닐링과 게이트기반 단열 양자 컴퓨팅(QAOA) 등 최신 양자 최적화 기법을 연구하고 있습니다. 이러한 기술은 NP-hard 문제와 같이 계산적으로 매우 어려운 문제를 효율적으로 해결할 수 있는 가능성을 제시합니다. 특히, 노이즈 중간 규모 양자 컴퓨터(NISQ) 환경에서 동작할 수 있는 양자 인공지능(AI) 모델 개발에 집중하고 있습니다. 예를 들어, 양자 게이트 기반의 순환 신경망(QSegRNN), 하이브리드 양자-고전 신경망(HQGRU, HQCNN) 등 다양한 양자 신경망 구조를 설계하여, 기존의 고전적 모델 대비 적은 파라미터로도 높은 예측 성능을 달성하고 있습니다. 이러한 연구는 에너지 효율성과 계산 자원의 한계를 극복하는 데 중요한 역할을 합니다. 양자 컴퓨팅 기반 인공지능 및 최적화 기술은 미래의 대규모 데이터 처리, 스마트 그리드, 물류 최적화, 무선 네트워크 자원 할당 등 다양한 분야에 응용될 수 있습니다. 본 연구실은 이론적 연구뿐만 아니라 실제 문제에 적용 가능한 양자 소프트웨어 개발에도 힘쓰고 있으며, 부산항 선석 운영 최적화 등 산업 현장과의 협력도 활발히 진행하고 있습니다.

무선 네트워크 분야는 6G와 같은 차세대 통신 기술의 발전과 함께, 통신과 센싱의 통합, Space-Air-Ground-Sea 네트워크, 엣지 컴퓨팅 등 다양한 혁신적 기술이 등장하고 있습니다. 본 연구실은 오랜 기간 축적된 무선 네트워크 연구 노하우를 바탕으로, 분산 컴퓨팅, 머신러닝, 양자 컴퓨팅 등 첨단 기술을 융합하여 무선 네트워크의 성능을 극대화하는 연구를 수행하고 있습니다. 예를 들어, 무선 센서 네트워크(WSN)에서의 에너지 효율적 자원 할당, UAV(무인항공기) 기반 네트워크에서의 최적 자원 관리, 테라헤르츠(THz) 대역 통신, NOMA(비직교 다중접속) 기반 시스템 등 다양한 응용 분야에 대해 심층적인 연구가 이루어지고 있습니다. 또한, 딥러닝 및 강화학습 기반의 자원 할당, 분산 그래프 신경망(GNN) 구조 설계 등 인공지능 기법을 적극적으로 도입하여, 대규모 네트워크의 복잡한 문제를 효율적으로 해결하고 있습니다. 이러한 연구는 스마트 시티, 자율주행, 스마트 팩토리, 스마트 그리드 등 미래 사회의 핵심 인프라 구축에 필수적인 기술로, 실제 산업 현장과의 협력 및 실증 연구도 활발히 이루어지고 있습니다. 본 연구실은 무선 네트워크와 인공지능의 융합을 통해, 미래 지능형 네트워크의 새로운 패러다임을 제시하고 있습니다.

연합학습(Federated Learning, FL)은 데이터 프라이버시와 분산 환경에서의 효율적인 인공지능 학습을 가능하게 하는 혁신적인 기술입니다. 본 연구실에서는 무선 네트워크, IoT, 모바일 엣지 컴퓨팅 환경에서의 연합학습 프레임워크를 설계하고, 에너지 효율성, 통신 효율성, 프라이버시 보호 등 다양한 측면에서 최적화된 알고리즘을 개발하고 있습니다. 특히, 무선 전력 전송(WPT), 모바일 크라우드센싱(MCS) 등과 연계된 지속 가능한 연합학습(S2FL) 네트워크, 고압축 통신 효율 연합학습(HCFL), 프라이버시 인식 및 지연 완화 기법 등 실제 네트워크 환경에서 발생하는 다양한 제약 조건을 고려한 연구가 활발히 진행되고 있습니다. 또한, 분산 머신러닝, 분산 그래프 신경망, 강화학습 기반의 자원 할당 등 분산 인공지능 시스템의 설계와 최적화에도 중점을 두고 있습니다. 이러한 연구는 스마트 헬스케어, 스마트 그리드, 자율주행, 에너지 관리 등 다양한 응용 분야에서 데이터 프라이버시와 효율성을 동시에 확보할 수 있는 기반 기술을 제공합니다. 본 연구실은 이론적 연구와 더불어 실제 산업 및 의료 현장에 적용 가능한 연합학습 및 분산 인공지능 시스템 개발에 앞장서고 있습니다.