김녹원 연구실
컴퓨터공학부 김녹원
김녹원 연구실은 첨단 프로세서 구조, 하드웨어 가속기, 임베디드 시스템, IoT 하드웨어 플랫폼, 차세대 메모리 소자 및 뉴로모픽 시스템 등 다양한 분야에서 혁신적인 연구를 수행하고 있습니다. 본 연구실은 인공지능 및 딥러닝 알고리즘의 연산 효율성을 극대화하기 위한 맞춤형 하드웨어 아키텍처 개발에 중점을 두고 있으며, FPGA, MCU 등 다양한 하드웨어 플랫폼을 활용한 실용적이고 효율적인 시스템 설계에 앞장서고 있습니다.
특히, 딥러닝 및 신경망 모델의 하드웨어 가속기 설계, 비트폭 최적화, 파이프라이닝 자동화 등 하드웨어 설계 생산성 향상을 위한 다양한 방법론을 연구하고 있습니다. 또한, IoT 및 임베디드 시스템 분야에서는 이기종 센서 네트워크, 실시간 신호처리, 에너지 하베스팅, 저전력 무선통신 등 최신 기술을 접목하여, 대규모 센서 네트워크의 자율적 운영과 신뢰성 높은 데이터 수집 및 분석이 가능한 하드웨어 플랫폼을 개발하고 있습니다.
차세대 메모리 소자인 RRAM 및 3D 적층형 메모리 구조, 그래핀 전극 등 첨단 소재를 적용한 신개념 메모리 소자 연구도 활발히 진행 중입니다. 이러한 연구는 뉴로모픽 시스템 개발과 연계되어, 인공지능 연산의 효율성과 에너지 절감 효과를 극대화할 수 있는 하드웨어 솔루션 개발로 이어지고 있습니다. 연구실은 실제 산업 현장에서 요구되는 고성능·저전력 하드웨어 솔루션 개발에 직접적으로 기여하고 있으며, 관련 특허 및 논문 발표를 통해 연구 성과를 국내외에 널리 알리고 있습니다.
아울러, 시스템 온 칩(SoC) 보안 아키텍처, 하드웨어 기반 공격 탐지 및 대응 기술 등 임베디드 시스템의 신뢰성 및 보안 강화를 위한 연구도 병행하고 있습니다. 이를 통해, 미래 지능형 시스템의 안전성과 신뢰성을 높이는 데 기여하고 있습니다.
김녹원 연구실은 앞으로도 차세대 프로세서 구조, 임베디드 시스템, 메모리 소자, 뉴로모픽 시스템 등 다양한 분야에서 혁신적인 연구를 지속적으로 추진하며, 학계와 산업계에 실질적인 가치를 제공하는 연구실로 성장해 나갈 것입니다.
프로세서 구조 및 하드웨어 가속기 설계
김녹원 연구실은 첨단 프로세서 구조와 하드웨어 가속기 설계 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 인공지능 및 딥러닝 알고리즘의 연산 효율성을 극대화하기 위해, FPGA(Field Programmable Gate Array)와 같은 프로그래머블 하드웨어를 활용한 맞춤형 가속기 구조를 개발하고 있습니다. 특히, 제한된 하드웨어 자원과 저전력 환경에서도 높은 성능을 달성할 수 있는 스트리밍 아키텍처, 파이프라이닝 및 병렬 연산 기법을 적용하여, 실시간 데이터 처리와 고속 추론이 필요한 다양한 응용 분야에 최적화된 솔루션을 제시하고 있습니다.
이러한 연구는 인공지능 기반의 신경망 모델, 특히 Binary Neural Network(BNN)와 Restricted Boltzmann Machine(RBM) 등 다양한 신경망 구조에 특화된 하드웨어 가속기 개발로 이어지고 있습니다. 연구실에서는 하드웨어 성능 예측 기반의 아키텍처 탐색 알고리즘을 도입하여, 실제 임베디드 시스템 및 모바일 디바이스 환경에서 최적의 연산 효율성과 에너지 절감 효과를 동시에 달성할 수 있도록 하고 있습니다. 또한, 하드웨어 설계의 자동화, 비트폭 최적화, 파이프라이닝 자동화 등 설계 생산성 향상을 위한 다양한 방법론도 연구의 중요한 축을 이룹니다.
이러한 연구 성과는 IEEE Access, IEEE Transactions on Neural Networks and Learning Systems 등 세계적 학술지에 다수 게재되었으며, 실제 산업 현장에서 요구되는 고성능·저전력 하드웨어 솔루션 개발에 직접적으로 기여하고 있습니다. 앞으로도 본 연구실은 차세대 프로세서 구조와 하드웨어 가속기 설계 분야에서 혁신적인 연구를 지속적으로 추진할 계획입니다.
지능형 임베디드 시스템 및 IoT 하드웨어 플랫폼
김녹원 연구실은 IoT(사물인터넷) 및 임베디드 시스템을 위한 지능형 하드웨어 플랫폼 개발에도 주력하고 있습니다. 본 연구실은 이기종 다중 센서와 고성능 신호처리 기술을 결합하여, 전력망 시스템, 환경 모니터링, 스마트 센서 네트워크 등 다양한 응용 분야에 적용 가능한 IoT 하드웨어 아키텍처를 연구합니다. 특히, 나노기술 기반의 센서와 BLE(Bluetooth Low Energy)와 같은 저전력 무선통신 기술을 활용하여, 대규모 센서 네트워크의 자율적 운영과 에너지 하베스팅, 실시간 데이터 수집 및 분석이 가능한 시스템을 구현하고 있습니다.
이러한 연구는 센서 신호의 실시간 노이즈 제거, 웨이블릿 변환 기반의 고급 신호처리, 그리고 MCU와 FPGA를 결합한 유연한 하드웨어 구조 설계 등 다양한 기술적 도전을 포함합니다. 또한, 임베디드 시스템의 신뢰성 향상과 보안 강화를 위한 하드웨어 기반의 공격 탐지 및 대응 기술, 시스템 온 칩(SoC) 보안 아키텍처 등도 연구의 중요한 축을 이룹니다. 이를 통해, 실제 산업 현장에서 요구되는 신뢰성 높은 IoT 시스템 및 임베디드 플랫폼 개발에 기여하고 있습니다.
본 연구실의 IoT 및 임베디드 하드웨어 플랫폼 연구는 관련 특허 출원과 더불어, 국내외 유수 학술지 및 학회에서 활발히 발표되고 있습니다. 앞으로도 김녹원 연구실은 지능형 임베디드 시스템과 IoT 하드웨어 플랫폼 분야에서 혁신적인 기술 개발과 실용화에 앞장설 것입니다.
차세대 메모리 소자 및 뉴로모픽 시스템
본 연구실은 차세대 메모리 소자인 RRAM(Resistive Random Access Memory) 및 이를 활용한 뉴로모픽 시스템 개발에도 집중하고 있습니다. RRAM은 기존의 플래시 메모리 대비 높은 집적도와 빠른 속도, 낮은 전력 소모를 자랑하며, 3D 적층 구조 및 그래핀 전극 등 첨단 소재를 적용한 신개념 메모리 소자 연구를 진행하고 있습니다. 특히, 그래핀 기반의 초박막 전극을 적용한 3D 수직 RRAM 구조의 전자기적 특성 분석과 회로·아키텍처 수준의 최적화 연구를 통해, 차세대 메모리 컴퓨팅 플랫폼의 핵심 기술을 확보하고 있습니다.
이와 더불어, RRAM 기반의 뉴로모픽 시스템은 인간 두뇌의 신경망 구조와 유사한 정보처리 방식을 하드웨어적으로 구현함으로써, 인공지능 연산의 효율성과 에너지 절감 효과를 극대화할 수 있습니다. 본 연구실은 3D 멤리스터 어레이의 결점 극복을 위한 뉴로모픽 시스템 개발 프로젝트를 수행하며, 계층 최적화, 신뢰성 향상, 대규모 집적화 등 다양한 기술적 난제를 해결하고 있습니다. 또한, 인공지능 기술을 접목한 적층형 저항 변화 메모리 소자의 계층 최적화 시스템 및 방법에 대한 특허도 보유하고 있습니다.
이러한 연구는 미래 인공지능 하드웨어 및 차세대 메모리 시스템의 실용화에 중요한 역할을 하며, 국내외 산학연 협력 및 정부 연구과제를 통해 활발히 추진되고 있습니다. 앞으로도 본 연구실은 첨단 소재와 집적회로 기술을 융합한 혁신적인 메모리 및 뉴로모픽 시스템 연구를 선도할 계획입니다.
1
A Deep Learning Accelerator based on a Streaming Architecture for Binary Neural Networks
Vo, Q.H., Le, N.L., Asim, F., 김녹원, 홍충선
IEEE Access, 202202
2
Hardware Platform-Aware Binarized Neural Network Model Optimization
Vo, Q.H., Asim, F., Alimkhanuly, B., 이승현, 김녹원
Applied Sciences (Switzerland), 202202
3
Sensor System: A Survey of Sensor Type, Ad Hoc Network Topology and Energy Harvesting Techniques
Nguyen, Phuoc Duc, 김녹원
ELECTRONICS, 202101
1
3D 멤리스터 어레이 결점 극복을 위한 뉴로모픽 시스템-1단계1차년도(1/5)
2
3D 멤리스터 어레이 결점 극복을 위한 뉴로모픽 시스템-1단계1차년도(1/5)_민간투자금
