혼성(Analog-Digital) 집적 회로는 아날로그와 디지털 신호를 동시에 처리할 수 있는 첨단 반도체 기술로, 본 연구실은 고성능 데이터 컨버터(ADC, DAC)와 아날로그 프론트엔드 회로의 설계 및 최적화에 중점을 두고 있습니다. 특히, 시분할(Time-Interleaved) 구조와 비이진(SAR-Assisted, Nonbinary) 구조를 활용한 고속, 고해상도 ADC 설계에 대한 연구가 활발히 이루어지고 있습니다. 이러한 기술은 통신, 센서, 인공지능 하드웨어 등 다양한 응용 분야에서 핵심적인 역할을 하며, 실제 칩 구현 및 실험을 통해 그 성능을 검증하고 있습니다. 본 연구실은 데이터 컨버터의 정확도와 속도를 높이기 위한 다양한 보정(Calibration) 알고리즘 개발에도 집중하고 있습니다. 예를 들어, 온칩 배경 스큐 보정, 디지털 도메인 선형성 보정 등 혁신적인 보정 기법을 통해 회로의 오차와 잡음을 최소화하고, 신뢰성 높은 신호 변환을 실현하고 있습니다. 이러한 연구는 IEEE 저널 및 국제 학술대회에서 다수의 논문으로 발표되었으며, 관련 특허도 다수 출원 및 등록되어 있습니다. 이와 더불어, 저전력 설계 기법과 소형화 기술을 접목하여 모바일, IoT, AI 가속기 등 차세대 전자 시스템에 적합한 회로 솔루션을 제시하고 있습니다. 실제 산업체와의 협업 및 기술 자문을 통해 연구 성과의 실용화에도 힘쓰고 있으며, 국내외 연구재단의 지원을 받아 다양한 프로젝트를 수행하고 있습니다.

인공지능(AI) 가속기와 인메모리 컴퓨팅(In-Memory Computing, IMC)은 차세대 AI 하드웨어의 핵심 기술로 주목받고 있습니다. 본 연구실은 신경망 연산에 최적화된 회로 설계, 특히 인메모리 컴퓨팅 구조를 활용한 AI 가속기 개발에 주력하고 있습니다. IMC는 메모리 내에서 연산을 직접 수행함으로써 데이터 이동에 따른 에너지 소모와 지연을 획기적으로 줄일 수 있어, 대규모 신경망 처리에 매우 적합합니다. 연구실에서는 멀티비트 누산기, IMC 프로세서, 메모리 기반 연산 유닛 등 다양한 인메모리 컴퓨팅 회로를 설계하고, 실제 칩 제작 및 실험을 통해 그 성능을 평가하고 있습니다. 또한, 혼성 신호 기반의 컨볼루션 신경망(CNN) 회로, 저전력 아날로그 프로세서 등 AI 연산 효율을 극대화할 수 있는 하드웨어 아키텍처를 연구합니다. 이러한 연구는 AI 반도체 경진대회 수상, 특허 출원 및 등록 등으로 그 우수성을 인정받고 있습니다. 아울러, 본 연구실은 알고리즘-회로 공동 최적화(Algorithm-to-Circuit Co-Design) 접근법을 통해, AI 알고리즘의 특성을 반영한 맞춤형 하드웨어 설계에 집중합니다. 이를 통해 실제 AI 응용에서 요구되는 연산 속도, 에너지 효율, 집적도 등 다양한 성능 지표를 만족시키는 혁신적인 AI 하드웨어 솔루션을 제시하고 있습니다.