우리 연구실은 분산형 무선 통신 시스템과 네트워크 최적화 분야에서 선도적인 연구를 수행하고 있습니다. 특히, 무선 통신 네트워크의 효율적인 자원 할당, 사용자 연결, 에너지 절감, 그리고 네트워크 트래픽 관리 등 다양한 측면에서 분산 알고리즘과 메시지 전달 기반 최적화 기법을 개발하고 있습니다. 이러한 연구는 5G/6G, 사물인터넷(IoT), 모바일 엣지 컴퓨팅(MEC), 그리고 대규모 이기종 네트워크 환경에서의 실질적인 문제 해결에 중점을 두고 있습니다. 분산형 네트워크에서는 중앙 집중형 제어가 어려운 환경에서 각 노드가 자율적으로 의사결정을 내릴 수 있도록 하는 것이 핵심입니다. 이를 위해 본 연구실은 메시지 전달(message passing), 그래프 모델, 신경망 기반 분산 최적화 등 다양한 이론적 접근법을 실제 네트워크 환경에 적용하고 있습니다. 예를 들어, 무선 IoT 네트워크에서의 하이브리드 NOMA/OMA 사용자 할당, 셀프-조직화 네트워크 관리, 그리고 파일럿 오염 제거 등 다양한 최신 이슈에 대해 혁신적인 분산 솔루션을 제시하고 있습니다. 이러한 연구는 실제 산업 현장에서 요구되는 초저지연, 초고신뢰, 대규모 연결성 등 차세대 네트워크의 핵심 요구사항을 충족시키는 데 기여하고 있습니다. 또한, 본 연구실의 분산 최적화 기술은 스마트 시티, 자율주행, 산업용 IoT 등 다양한 응용 분야에서 실질적인 성능 향상과 효율적인 네트워크 운영을 가능하게 하여, 미래 지능형 통신 인프라의 기반을 마련하고 있습니다.

본 연구실은 머신러닝 및 딥러닝 기술을 활용한 신호처리와 지능형 네트워크 설계에 주력하고 있습니다. 무선 통신 환경에서 발생하는 복잡한 최적화 문제, 비선형 신호처리, 그리고 대규모 데이터 분석에 대해 딥러닝 기반의 분산 최적화 프레임워크를 개발하고, 이를 실제 네트워크 관리 및 자원 할당 문제에 적용하고 있습니다. 예를 들어, 분산 신경망 구조(DMPNN), 오토인코더 기반 가시광 통신(VLC) 트랜시버 설계, 그리고 강화학습 기반 네트워크 운영 최적화 등 다양한 연구가 진행되고 있습니다. 특히, 차량 네트워크(V2X)에서의 협력적 위치추정, 모바일 엣지 컴퓨팅 환경에서의 분산 태스크 오프로딩, 그리고 도시 환경에서의 크라우드센싱 및 캐싱 정책 등 실제 응용에 적합한 머신러닝 기반 솔루션을 제시하고 있습니다. 이러한 연구는 네트워크의 자율성, 적응성, 그리고 확장성을 극대화하여, 미래 지능형 통신 시스템의 핵심 기술로 자리매김하고 있습니다. 더불어, 본 연구실은 신호처리와 정보이론의 융합을 통해, 통신 시스템의 신뢰성, 효율성, 그리고 보안성을 향상시키는 다양한 알고리즘을 개발하고 있습니다. 이를 통해, 차세대 통신 인프라에서 요구되는 고도화된 서비스 품질과 사용자 경험을 제공하는 데 기여하고 있습니다.

우리 연구실은 임베디드 시스템 개발과 다양한 융합 응용 분야에서도 활발한 연구를 수행하고 있습니다. 정보, 재료, 바이오메디컬, 물리, 사회과학, 에너지 등 다양한 영역에서 임베디드 시스템을 활용한 데이터 수집, 신호처리, 그리고 실시간 제어 기술을 개발하고 있습니다. 예를 들어, 초저전력 임플란터블 의료기기(Optical IMD), 그래핀 기반 하이브리드 골전도 보청기, 그리고 제브라피쉬를 활용한 신약 스크리닝 시스템 등 혁신적인 융합 연구가 이루어지고 있습니다. 이러한 연구는 전통적인 통신 및 네트워크 기술을 넘어서, 바이오메디컬 신호의 무선 전송, 나노복합체의 전기적 특성 예측, 그리고 사회적 행위자 기반 모델링 등 다양한 학제 간 융합을 실현하고 있습니다. 특히, 임베디드 시스템의 설계와 최적화, 그리고 실시간 데이터 처리 기술은 스마트 헬스케어, 신소재 개발, 사회현상 분석 등 미래 산업의 핵심 기반 기술로 주목받고 있습니다. 본 연구실은 이처럼 다양한 융합 응용 분야에서의 임베디드 시스템 개발을 통해, 학문적 성과뿐만 아니라 실질적인 사회적·산업적 가치를 창출하고 있습니다. 이를 바탕으로, 차세대 융합기술의 발전과 새로운 응용 분야 개척에 앞장서고 있습니다.