Google
AI소프트웨어학과 권세진
본 연구실은 전자·AI시스템공학과를 기반으로, 미들웨어 및 시스템 소프트웨어, 인공지능, 빅데이터, 플래시 메모리 등 첨단 IT 융합기술을 연구하는 선도적인 연구실입니다. 다양한 산업 및 사회 문제 해결을 위한 실용적이고 혁신적인 연구를 수행하며, 특히 차량 모빌리티, 스마트 IT 환경, AI 반도체, 스마트 시티, 헬스케어 등 다양한 응용 분야에서 두각을 나타내고 있습니다.
미들웨어 및 시스템 소프트웨어 분야에서는 하이브리드 비휘발성 메모리 아키텍처, 효율적인 데이터 매핑 및 캐시 관리, Wear-Leveling, Garbage Collection 등 플래시 메모리 기반 시스템의 성능과 신뢰성 향상을 위한 다양한 알고리즘과 구조를 개발하고 있습니다. 이러한 연구는 실제 산업 현장에 적용되어, 대용량 데이터 처리와 실시간 응답성, 에너지 효율성, 데이터 신뢰성 확보에 크게 기여하고 있습니다.
인공지능 및 빅데이터 분야에서는 딥러닝, 머신러닝, 앙상블 기법 등 최신 AI 기술을 활용하여, 교통, 헬스케어, 교육, IoT 등 다양한 분야의 데이터 분석 및 예측, 이상 탐지, 사용자 맞춤형 서비스 제공 등 실질적인 사회적 가치를 창출하고 있습니다. 실제로 차량 네트워크 신뢰 분석, 스마트 시티 인구 밀도 분석, 의료 데이터 기반 질병 예측, 학습 행동 분석 등 다양한 연구 성과를 도출하였습니다.
또한, 본 연구실은 다수의 특허와 논문, 산학협력 프로젝트를 통해 이론적 연구와 실용적 기술 개발을 병행하고 있습니다. 국내외 유수의 학술지 및 학회에서 활발히 연구 성과를 발표하고 있으며, 산업체와의 협력을 통해 연구 결과의 실질적 적용과 기술 이전에도 힘쓰고 있습니다.
앞으로도 본 연구실은 미들웨어, 인공지능, 빅데이터, 플래시 메모리 등 핵심 IT 기술의 융합을 통해, 차세대 지능형 시스템 및 스마트 사회 구현에 기여하는 창의적이고 혁신적인 연구를 지속해 나갈 것입니다.
Non-volatile Memory
Deep Learning
Big Data Analytics
미들웨어 및 시스템 소프트웨어 아키텍처
본 연구실은 미들웨어 및 시스템 소프트웨어 아키텍처의 설계와 최적화에 중점을 두고 있습니다. 미들웨어는 하드웨어와 응용 소프트웨어 사이에서 데이터와 명령을 중계하는 핵심 소프트웨어 계층으로, 다양한 IT 환경에서의 효율적인 데이터 처리와 자원 관리를 가능하게 합니다. 특히, 본 연구실은 차량 모빌리티, 스마트 IT 환경, AI 반도체 등 다양한 응용 분야에서 요구되는 고신뢰성, 고성능 미들웨어 시스템을 개발하고 있습니다.
최근에는 하이브리드 비휘발성 메모리 아키텍처와 연계된 시스템 소프트웨어의 효율성 향상에 대한 연구가 활발히 이루어지고 있습니다. 예를 들어, QLC, SLC, PCM 등 다양한 메모리 기술을 통합하여 데이터 저장과 접근의 효율을 극대화하는 알고리즘과 구조를 개발하고, 이를 실제 시스템에 적용하여 성능과 신뢰성을 검증하고 있습니다. 또한, 플래시 메모리의 특성을 고려한 데이터 매핑, 캐시 관리, Wear-Leveling 등 다양한 시스템 소프트웨어 기술을 특허화하고 있습니다.
이러한 연구는 스마트 디바이스, IoT, 차량, 클라우드 등 다양한 환경에서 요구되는 대용량 데이터 처리와 실시간 응답성, 에너지 효율성, 데이터 신뢰성 확보에 기여하고 있습니다. 앞으로도 본 연구실은 차세대 IT 인프라의 핵심이 되는 미들웨어 및 시스템 소프트웨어 분야에서 선도적인 연구를 지속할 계획입니다.
인공지능 및 빅데이터 기반의 지능형 응용 시스템
본 연구실은 인공지능(AI)과 빅데이터 기술을 활용한 지능형 응용 시스템 개발에도 주력하고 있습니다. 최근에는 차량 모빌리티, 스마트 시티, 헬스케어, 교육 등 다양한 분야에서 AI와 빅데이터 분석 기술을 접목하여, 실시간 데이터 처리와 예측, 최적화 문제를 해결하는 연구를 진행하고 있습니다. 예를 들어, 차량 네트워크에서의 신뢰 분석 및 최적화, 스마트 시티 내 인구 밀도 분석, 의료 데이터 기반 질병 예측, 학습 행동 분석 등 다양한 응용 사례가 있습니다.
특히, 본 연구실은 딥러닝, 머신러닝, 앙상블 기법 등 최신 AI 기술을 활용하여, 복잡한 환경에서의 데이터 패턴 인식, 이상 탐지, 예측 모델링 등에 탁월한 성과를 내고 있습니다. 예를 들어, 브레일 입력 방식의 문자 예측, IoT 환경에서의 이상치 탐지, 의료 데이터의 분류 및 예측, 교통 속도 예측 등 실제 산업 및 사회 문제 해결에 적용 가능한 연구 결과를 다수 도출하였습니다.
이러한 연구는 대규모 데이터의 실시간 분석 및 의사결정 지원, 시스템의 자동화 및 지능화, 사용자 맞춤형 서비스 제공 등 다양한 측면에서 사회적 가치를 창출하고 있습니다. 앞으로도 본 연구실은 AI와 빅데이터 기술을 융합한 혁신적인 응용 시스템 개발을 통해, 미래 지능형 사회 구현에 기여할 것입니다.
플래시 메모리 및 비휘발성 저장장치 최적화
플래시 메모리 및 비휘발성 저장장치의 최적화는 본 연구실의 핵심 연구 분야 중 하나입니다. 플래시 메모리는 모바일 기기, 임베디드 시스템, 데이터센터 등 다양한 환경에서 널리 사용되고 있으며, 데이터 저장의 효율성과 신뢰성 확보가 매우 중요합니다. 본 연구실은 플래시 메모리의 성능 저하 요인인 마모도, 쓰기/지우기 사이클 제한, 데이터 매핑 문제 등을 해결하기 위한 다양한 알고리즘과 시스템 구조를 연구하고 있습니다.
대표적으로, 플래시 트랜슬레이션 레이어(FTL) 알고리즘의 고도화, 핫/콜드 데이터 분류, 캐시 기반 매핑, 하이브리드 메모리 구조(QLC+SLC, PCM+NAND 등)에서의 데이터 관리, Wear-Leveling 및 Garbage Collection 최적화 등 다양한 기술을 개발하여 특허화하였으며, 실제 산업 현장에 적용 가능한 솔루션을 제시하고 있습니다. 또한, 차량 블랙박스, 텔레매틱스, IoT 클라우드 서버 등 다양한 응용 분야에서 플래시 메모리 기반 시스템의 신뢰성과 성능을 높이기 위한 연구도 활발히 진행 중입니다.
이러한 연구는 차세대 저장장치의 고성능화, 에너지 효율성 향상, 데이터 신뢰성 확보에 크게 기여하고 있습니다. 앞으로도 본 연구실은 비휘발성 메모리 기술의 발전과 함께, 다양한 응용 분야에서 요구되는 저장장치 최적화 연구를 지속적으로 선도할 계획입니다.
1
A paper that you need to read
A Author, J Doe, J Smith, S Else
Some Journal …, 2014
2
The testis isoform of the phosphorylase kinase catalytic subunit (PhK-T) plays a critical role in regulation of glycogen mobilization in developing lung
Liu, Li, Rannels, Stephen R., Falconieri, Mary, Phillips, Karen S., Wolpert, Ellen B., Weaver, Timothy E.
Journal of Biological Chemistry, 1996
1
시멘트업종 AI 자율제조를 위한 Process Upgrade 기술 개발
2
차량 모빌리티를 위한 AI 반도체 기반의 미들웨어
3
고신뢰성 스마트 IT 환경 구현을 위한 하이브리드 비휘발성 메모리 아키텍쳐 기반의 효율적인 시스템 소프트웨어
