이 연구 주제는 무선 LAN, 무선 메쉬 네트워크, 멀티홉 셀룰러 네트워크와 같은 다양한 무선 통신 환경에서 높은 처리량, 안정성, 공정성을 동시에 달성하기 위한 프로토콜 설계에 초점을 둔다. 연구실의 대표 논문과 특허에서는 멀티채널 활용, 채널 할당, 경로 관리, 중계 단말 기반 통신 구조 등 실제 네트워크 성능을 좌우하는 핵심 문제들을 다루고 있으며, 제한된 무선 자원을 효율적으로 사용하는 방법을 체계적으로 제안해 왔다. 특히 다수의 채널이 존재하지만 각 노드의 인터페이스 수가 제한적인 현실적 조건에서, 어떻게 채널 충돌을 줄이고 네트워크 용량을 극대화할 것인지가 중요한 연구 축을 이룬다. 연구 방법론 측면에서는 MAC 계층 및 링크 계층 프로토콜 설계, 다중 채널 스케줄링, 경로 선택 알고리즘, QoS 보장 기법, 공정성 제어 메커니즘 등이 핵심을 이룬다. 무선 메쉬 네트워크의 멀티채널 프로토콜, WLAN 액세스 네트워크에서의 서비스 품질 및 공정성 향상, 멀티홉 셀룰러 네트워크의 경로 관리 기술 등은 모두 실제 시스템 제약을 반영한 네트워크 최적화 문제로 연결된다. 또한 삼성전자와의 특허 실적은 이 연구가 단순 이론에 머무르지 않고 산업적 구현 가능성과 상용화 관점까지 고려해 발전해 왔음을 보여준다. 이 연구의 기대 효과는 차세대 고밀도 무선 환경에서의 통신 품질 향상과 네트워크 인프라 효율 증대에 있다. 캠퍼스, 공장, 도심, 공공 인프라 등 다양한 환경에서 트래픽이 증가하는 상황에서, 무선 자원 관리와 프로토콜 최적화 기술은 필수적이다. 향후에는 Wi-Fi 고도화, 셀룰러-비셀룰러 융합망, 커넥티드 디바이스 환경으로 확장되며, 지능형 네트워크 제어와 결합된 형태로 더욱 큰 연구 가치를 가질 것으로 보인다.

이 연구 주제는 기계학습을 활용하여 복잡하고 동적인 무선 네트워크 환경에서 전송 제어, 채널 접근, 셀 선택, 핸드오버와 같은 의사결정을 지능적으로 수행하는 데 목적이 있다. 연구실의 최근 성과에서는 contextual bandit을 이용한 WLAN 공간 재사용 향상, 신경망 기반 셀 선택 및 핸드오버 최적화 등 전통적인 네트워크 알고리즘에 학습 기반 적응성을 결합하는 방향이 두드러진다. 이는 네트워크 상태가 시간에 따라 변화하고 간섭 패턴이 복잡한 환경에서 고정 규칙 기반 기법의 한계를 극복하려는 시도라고 볼 수 있다. 기술적으로는 강화학습 계열의 밴딧 기법, 신경망 기반 예측 모델, 상태 기반 정책 학습, 시뮬레이션 기반 성능 검증 등이 활용된다. 예를 들어 고밀도 무선랜 환경에서는 각 노드가 주변 간섭 상황과 전송 맥락을 학습해 송신 여부나 전송 파워를 결정함으로써 처리량과 공정성을 동시에 개선할 수 있다. 또한 이동통신 환경에서는 캐리어 집성이나 이종 네트워크 상황에서 학습 기반 셀 선택과 핸드오버를 통해 사용자 경험과 네트워크 효율을 높일 수 있다. 이러한 접근은 통신 시스템을 단순 연결 인프라가 아니라 스스로 적응하는 지능형 시스템으로 발전시키는 핵심 요소이다. 향후 이 연구는 6G, 초연결 IoT, 자율주행 통신, 엣지 AI 네트워크와 같은 차세대 응용으로 자연스럽게 확장될 수 있다. 특히 통신 환경에서는 지연, 신뢰성, 에너지 효율, 공정성 등 복수의 목표를 동시에 고려해야 하므로 학습 기반 최적화의 필요성이 더욱 커진다. 연구실의 방향은 기계학습과 무선 네트워킹을 융합하여 실제 운용 가능한 지능형 통신 기법을 개발하는 데 있으며, 이는 학문적 가치와 산업적 파급력을 모두 지닌 연구 영역이다.

이 연구 주제는 무선 센서 네트워크(WSN)와 센서-액추에이터 네트워크(WSAN)에서 에너지 효율, 지연 보장, 데이터 전달 신뢰성을 높이기 위한 분산 알고리즘과 프로토콜을 다룬다. 대표 연구로는 duty-cycled 센서 네트워크에서의 기회주의 라우팅, epidemic theory에 영감을 받은 데이터 전파 제어, 에너지 효율적 데이터 집계와 다중 경로 전달 등이 있다. 센서 네트워크는 작은 배터리, 제한된 계산 자원, 불안정한 링크라는 제약을 가지므로, 일반적인 네트워크보다 더 정교한 저전력 설계와 분산 제어가 요구된다. 연구실은 이러한 문제를 해결하기 위해 수학적 모델링과 프로토콜 설계를 결합한 접근을 취한다. 예를 들어 duty cycle 환경에서는 송신자가 수신 노드의 깨어남을 기다리는 시간이 에너지 소모의 핵심이 되므로, 다수의 후보 포워더를 활용하되 중복 전달 비용을 최소화하는 최적의 전달 구조를 설계한다. 또 epidemic-inspired 알고리즘에서는 노드 상태를 동적으로 제어하여 지연 요구사항을 만족하면서도 에너지 소비를 억제한다. 이처럼 단순 휴리스틱이 아니라 안정성, 수렴성, 비용 모델을 함께 고려하는 점이 연구의 중요한 특징이다. 이 연구는 재난 대응, 스마트 빌딩, 국방 감시, 헬스 모니터링, 산업 설비 감시와 같은 응용 분야에 직접 연결된다. 특히 대규모 저전력 센서 시스템은 사물인터넷과 스마트 인프라의 기반이 되므로, 에너지 절감과 지연 보장의 동시 달성은 매우 중요한 과제이다. 앞으로는 액추에이터, 모바일 로봇, 차량 네트워크와 결합된 형태의 분산 지능 시스템으로 발전할 가능성이 크며, 연구실의 기존 무선 네트워크 및 기계학습 역량과도 긴밀히 연계될 수 있다.