이준환 연구실은 저전력 VLSI(초대규모 집적회로) 설계와 전력 모델링 분야에서 선도적인 연구를 수행하고 있습니다. 연구실은 시스템 온 칩(SoC) 및 다양한 디지털 회로의 전력 소모를 정확하게 예측하고 최적화하는 방법론을 개발해왔습니다. 특히 클럭 게이팅(clock gating) 기술을 활용한 상위수준 전력 모델링, 전력 상태 자동 추출, 그리고 하드웨어/소프트웨어 파티셔닝을 통한 에너지 효율 향상에 중점을 두고 있습니다. 연구실은 FPGA 기반 전력 에뮬레이션, 게이트 수준 전력 분석, 그리고 전력계산기 하드웨어 구현 등 다양한 실험적 접근을 통해 이론과 실제를 접목하고 있습니다. 이러한 연구는 논문, 특허, 그리고 산업체와의 협력 프로젝트를 통해 그 우수성이 입증되고 있습니다. 예를 들어, 클럭 게이팅 기반의 전력 상태 그룹화 및 예측 알고리즘, SRAM 분할을 통한 메모리 전력 최적화, 그리고 전력 모델 자동 생성 소프트웨어 개발 등이 대표적입니다. 이러한 연구 결과는 반도체 설계 자동화(EDA) 툴, 저전력 모바일 SoC, 인공지능 반도체 등 다양한 첨단 산업 분야에 적용되고 있습니다. 연구실은 앞으로도 더욱 정밀하고 신속한 전력 예측 및 최적화 기술을 개발하여, 차세대 반도체 시스템의 에너지 효율성과 성능을 극대화하는 데 기여할 계획입니다.

연구실은 임베디드 시스템 및 신호처리 하드웨어 설계 분야에서도 활발한 연구를 진행하고 있습니다. 임베디드 시스템의 효율적인 메모리 관리, 실시간 데이터 처리, 그리고 하드웨어 가속기 설계가 주요 연구 주제입니다. 예를 들어, 실시간 스트림 데이터 처리에서의 I/O 데이터 일관성 문제 해결, 동적 메모리 할당기의 단편화 최소화, 그리고 SDR(Software Defined Radio)용 기저대역 프로세서 프로그래밍 모델 개발 등이 있습니다. 또한, 의료 영상 신호처리, 어안렌즈 왜곡 보정, 영상 압축 및 복호화 등 다양한 신호처리 응용을 위한 하드웨어 및 알고리즘 개발도 수행하고 있습니다. 연구실은 하드웨어와 소프트웨어의 경계를 넘나드는 통합적 접근을 통해, 실제 임베디드 환경에서의 성능과 효율을 극대화하는 솔루션을 제시합니다. 특히, 의료 초음파 신호의 주파수 특성 추출, 무손실 및 준무손실 영상 압축, 그리고 실시간 동작 인식 알고리즘의 하드웨어 구현 등 다양한 분야에서 실질적인 성과를 내고 있습니다. 이러한 연구는 산업 현장에서 요구되는 실시간성, 저전력, 고효율의 임베디드 시스템 구현에 직접적으로 기여하고 있습니다. 앞으로도 연구실은 차세대 임베디드 시스템 및 신호처리 하드웨어의 혁신을 이끌어갈 핵심 기술 개발에 매진할 예정입니다.

최근 연구실은 인공지능(AI) 반도체와 차세대 시스템 반도체 설계 분야로 연구 영역을 확장하고 있습니다. 인공지능 반도체 개발을 위한 개방형 개발환경 플랫폼 구축, 차세대 시스템 반도체 설계 전문인력 양성 등 대형 국가 프로젝트에 적극적으로 참여하고 있습니다. 이러한 프로젝트를 통해 AI 연산에 최적화된 하드웨어 구조, 효율적인 데이터 흐름 관리, 그리고 신속한 설계 검증 방법론을 개발하고 있습니다. 특히, AI 반도체의 경우 대규모 병렬 연산, 고속 데이터 처리, 그리고 에너지 효율이 중요한 이슈로 부각되고 있습니다. 연구실은 이러한 요구에 부응하기 위해, VLSI 기반의 AI 프로세서 설계, 하드웨어 가속기 개발, 그리고 소프트웨어-하드웨어 협력 설계 방법론을 연구하고 있습니다. 또한, 산업체 및 연구기관과의 협력을 통해 실질적인 반도체 설계 생태계 발전에 기여하고 있습니다. 이러한 연구는 미래의 인공지능 서비스와 데이터 중심 사회에서 필수적인 고성능, 저전력 반도체 기술의 발전을 선도하고 있습니다. 연구실은 앞으로도 AI 반도체 및 차세대 시스템 반도체 분야에서 혁신적인 연구 성과를 창출할 계획입니다.