하순회 연구실의 핵심 연구 축은 내장형시스템을 대상으로 한 하드웨어-소프트웨어 통합설계이다. 이 연구는 단순히 하드웨어와 소프트웨어를 각각 개발한 뒤 결합하는 수준을 넘어, 시스템 초기 단계부터 연산 구조, 메모리 계층, 통신 방식, 실행 시간 제약, 전력 예산을 함께 고려하여 최적의 구조를 찾는 데 초점을 둔다. 특히 복잡한 임베디드 플랫폼에서 요구되는 성능, 전력, 비용, 실시간성을 동시에 만족시키기 위한 설계 방법론이 중요한 주제가 된다. 연구실은 데이터플로우 모델, 액터 기반 프로그래밍, 모델 기반 설계, 자동 코드 생성, 성능 예측 및 설계공간 탐색 기법을 꾸준히 발전시켜 왔다. MPSoC와 멀티코어 환경에서 응용을 어떻게 분할하고 어떤 프로세서와 메모리에 배치할지, 그리고 태스크 간 통신과 자원 경합을 어떻게 분석할지에 관한 연구가 대표적이다. 이러한 방법론은 설계 초기 단계에서 병목을 찾아내고, 실제 구현 이전에 시스템 성능을 정량적으로 예측하게 해 주며, 빠르고 정확한 프로토타이핑을 가능하게 한다. 이 연구는 자율주행, 모바일 기기, 멀티미디어 처리, 산업용 제어기, 지능형 센서 노드와 같은 다양한 응용 분야에 직접 연결된다. 최근에는 전통적인 임베디드 시스템 연구를 넘어 AI 가속기, IoT 플랫폼, 로봇 시스템 등으로 적용 범위가 넓어지고 있다. 결과적으로 이 연구는 고성능이면서도 전력 효율적이고 신뢰성 있는 컴퓨팅 시스템을 구현하기 위한 기반 기술로서, 차세대 지능형 디바이스 설계의 핵심 역할을 한다.

연구실은 최근 인공지능 연산을 효율적으로 수행하기 위한 AI 프로세서와 신경망 가속기 아키텍처 연구를 활발히 수행하고 있다. 모바일 기기와 지능형 카메라, 엣지 디바이스에서는 제한된 전력과 메모리 환경에서 높은 추론 성능을 내야 하므로, 범용 프로세서만으로는 한계가 있다. 이에 따라 연구실은 NPU, CNN 가속기, 저전력 ISP SoC 등 응용 특화형 하드웨어 구조를 설계하고, 실제 임베디드 환경에서 동작 가능한 수준의 효율을 확보하는 데 집중하고 있다. 관련 프로젝트와 특허를 보면 선택적 데이터 처리, 행 단위 연산, 메모리 접근 최적화, 데이터 재구성, 오프칩 메모리 병목 완화와 같은 세부 기술이 중요한 연구 주제로 나타난다. 이는 신경망 추론에서 연산량 자체뿐 아니라 데이터 이동 비용이 전체 성능과 전력 소모를 좌우한다는 문제의식에 기반한다. 연구실은 가상 프로토타이핑, 분석적 메모리 모델링, 고속 시뮬레이션, 마이크로아키텍처 설계공간 탐색을 통해 다양한 하드웨어 대안을 빠르게 비교하고 최적의 설계를 도출하는 방법을 제시한다. 이러한 연구는 엣지 AI와 시스템반도체 산업에서 매우 실용적 가치가 높다. 지능형 카메라, 상황인식형 모바일 프로세서, 실시간 머신비전 장치처럼 즉각적인 추론과 긴 배터리 수명이 동시에 요구되는 응용에서 직접 활용될 수 있다. 더 나아가 연구실의 성과는 하드웨어 설계뿐 아니라 SDK와 소프트웨어 스택까지 포함한 통합 플랫폼으로 확장되어, 인공지능 서비스를 디바이스 단에서 더욱 빠르고 안정적으로 구현하는 데 기여한다.

하순회 연구실은 멀티코어 및 다중프로세서 시스템에서 병렬성을 효과적으로 활용하는 소프트웨어 설계와 성능 최적화 연구를 오랫동안 축적해 왔다. 임베디드 소프트웨어가 점점 복잡해지고 응용의 실시간 요구가 높아짐에 따라, 단일 프로세서 기반의 순차적 실행 모델만으로는 충분한 성능을 얻기 어렵다. 연구실은 이러한 문제를 해결하기 위해 병렬 프로그래밍 모델, 태스크 매핑 및 스케줄링, 실시간 응답시간 분석, 공유 자원 경합 모델링 등을 종합적으로 연구한다. 대표적으로 SDF 기반 응용의 정적 스케줄링, 라이브러리 태스크를 포함한 액터 기반 병렬 플랫폼, 멀티코어 시스템의 최악 지연 분석, 혼합 중요도 응용의 신뢰성 인지 매핑, GPU 및 many-core 기반 가속기의 자원 관리가 포함된다. 이러한 연구는 시스템이 단순히 평균적으로 빠른 것이 아니라, 주어진 시간 제약을 안정적으로 만족하는지를 분석하는 데 강점이 있다. 특히 멀티코어 시스템에서는 코어 간 통신, 메모리 공유, 버스 및 NoC 자원 사용이 성능에 큰 영향을 주므로, 이를 정밀하게 예측하는 도구와 방법론이 중요하다. 이 연구의 의의는 산업 현장에서 요구되는 고신뢰 임베디드 소프트웨어 개발에 있다. 자동차 전장, 산업 자동화, 멀티미디어 단말, 실시간 제어 시스템과 같이 지연 허용 범위가 좁은 환경에서 직접 활용 가능하다. 또한 최근의 AI 워크로드와 결합될 경우, 병렬 추론 파이프라인과 멀티 응용 실행 환경의 효율을 높이는 기반 기술로도 확장될 수 있어, 미래형 고성능 임베디드 컴퓨팅의 중요한 연구 영역을 형성한다.

연구실은 임베디드 시스템 연구의 확장선상에서 IoT와 로봇을 위한 분산 지능 플랫폼 연구도 수행하고 있다. 단일 장치 중심의 설계를 넘어, 여러 디바이스와 센서, 엣지 노드, 로봇이 협력하는 환경에서는 통신 제약, 자원 제약, 서비스 확장성, 장애 허용성이 핵심 문제가 된다. 연구실은 이러한 환경에서 서비스 지향 구조와 계층형 엣지 아키텍처를 바탕으로, 실제 운영 가능한 시스템 플랫폼을 설계하는 데 주목한다. IoT 분야에서는 서비스 지향 IoT 아키텍처, 디바이스 군집 관리, 센서 이상 감지, 혼합 네트워크상 태스크 간 통신 기술 등이 주요 주제로 확인된다. 로봇 분야에서는 군집 로봇의 자원 제약을 고려한 태스크 할당, 협업 로봇을 위한 고수준 미션 명세, 제한된 통신 범위와 고장 상황을 감안한 동적 작업 배분 문제를 다룬다. 특히 컴파일 시점의 최적화와 실행 시점의 자율적 의사결정을 결합하는 접근은, 복잡한 분산 시스템에서 실용성과 적응성을 동시에 확보하려는 연구실의 특징을 보여준다. 이 연구는 스마트 팩토리, 재난 구조, 지능형 감시, 대규모 센서 네트워크, 자율 협업 로봇 시스템 등 다양한 응용과 연결된다. 엣지 컴퓨팅과 AI 기술이 결합되면서 분산 환경에서의 실시간 판단과 협력이 더욱 중요해지고 있는데, 연구실의 플랫폼 연구는 바로 이러한 요구에 대응한다. 결과적으로 이 분야의 성과는 네트워크로 연결된 지능형 사물과 로봇이 안정적이고 효율적으로 협력하도록 만드는 핵심 기반 기술로 평가할 수 있다.