플래시 메모리 기반 임베디드 데이터베이스는 최근 모바일 기기, IoT 디바이스, 임베디드 시스템 등 다양한 환경에서 핵심적인 역할을 하고 있습니다. 본 연구실에서는 NAND 플래시 메모리의 특성을 고려한 고성능 하이브리드 저장 시스템 개발에 중점을 두고 있습니다. 이를 위해 페이지 레이아웃 매니저, 버퍼 매니저, 인덱스 매니저, 리커버리 매니저 등 플래시 메모리의 내부 구조와 동작 특성을 반영한 핵심 기술을 연구하고 있습니다. 플래시 메모리는 기존의 자기 디스크와는 다른 읽기/쓰기 특성, 내구성, 지연 시간 등의 한계를 가지고 있어, 효율적인 데이터 저장 및 관리 기법이 필수적입니다. 연구실에서는 이러한 한계를 극복하기 위해 로그 기반 B-트리, 하이브리드 해시 인덱스, 지연 갱신 기법 등 다양한 인덱스 구조와 버퍼 관리 정책을 개발하고, 실제 임베디드 환경에서의 성능을 검증하고 있습니다. 또한, SSD(솔리드 스테이트 디스크)와 같은 대용량 저장장치와의 연동을 통해 엔터프라이즈급 데이터베이스 시스템의 성능 향상에도 기여하고 있습니다. 이러한 연구는 특허 출원 및 다수의 국제 저널, 학회 논문으로 이어지고 있으며, 산업체와의 협력을 통해 실제 제품화 및 상용화에도 적극적으로 참여하고 있습니다. 앞으로도 플래시 메모리 기반 저장 시스템의 신뢰성, 확장성, 효율성을 높이기 위한 연구를 지속적으로 수행할 계획입니다.

의미기반 멀티미디어 정보 검색은 이미지, 비디오, 오디오, 웹 문서 등 다양한 멀티미디어 데이터를 효율적으로 저장하고, 사용자의 의도에 맞게 검색하는 기술입니다. 본 연구실에서는 온톨로지, 시맨틱 태깅, 소셜 폭소노미 등 의미 정보를 활용한 멀티미디어 데이터의 저장, 검색, 요약, 추천 시스템을 개발하고 있습니다. 최근에는 Web 2.0 환경에서 생성되는 대규모 소셜 멀티미디어 데이터를 효과적으로 처리하기 위한 기술도 함께 연구하고 있습니다. 딥러닝 기반 멀티모달 분석 연구는 DNN(딥 뉴럴 네트워크), 합성곱 신경망(CNN), 순환 신경망(RNN) 등 최신 인공지능 기법을 활용하여 이미지, 텍스트, 음성 등 다양한 형태의 데이터를 통합적으로 분석하고, 의미를 추출하는 데 초점을 맞추고 있습니다. 예를 들어, 이미지와 텍스트를 결합한 시각질의응답 시스템, 생성적 적대 신경망(GAN)을 활용한 이미지 생성, 멀티모달 데이터 기반 질환 진단 시스템 등 다양한 응용 분야에 연구 결과를 적용하고 있습니다. 이러한 연구는 다중 문서 요약, 태그 추천, 자동 주석, 감성 기반 이미지 검색 등 실제 서비스로 확장되고 있으며, 국내외 특허와 학술 논문, 산학협력 프로젝트를 통해 그 우수성을 인정받고 있습니다. 앞으로도 인공지능과 시맨틱 기술의 융합을 통해 더욱 지능적이고 사용자 친화적인 멀티미디어 정보 검색 및 분석 시스템을 개발할 계획입니다.