이 연구 주제는 연구실의 기반이 되는 핵심 분야로, 프로세서 구조, 마이크로프로세서 활용, 성능 예측, 전력 효율화, 그리고 시스템 소프트웨어 설계까지 폭넓게 다룬다. 연구실의 초기 학문적 축적은 슈퍼스칼라 프로세서, ILP(Instruction-Level Parallelism), 값 예측기, 분기 예측기, 레지스터 할당, 코드 스케줄링 등 고성능 컴퓨터 구조의 주요 문제를 해결하는 데 집중되어 있다. 이러한 연구는 컴퓨터 하드웨어의 처리 성능을 향상시키고 제한된 자원에서 효율을 높이는 데 목적이 있다. 구체적으로는 성능 모니터링 카운터를 이용한 모바일 프로세서의 전력 예측, DVFS 기반 최적화, 임베디드 환경에서의 성능 분석, 그리고 8086 마이크로프로세서 교육 및 응용 실습과 같은 주제가 확인된다. 이는 단순한 이론 연구를 넘어 실제 시스템 구현과 교육적 확산까지 아우르는 특징을 보인다. 또한 C, C++, C# 관련 저서를 다수 집필한 점은 시스템 프로그래밍 역량과 소프트웨어-하드웨어 연계 능력이 연구실의 중요한 정체성임을 보여준다. 이 분야의 연구는 오늘날 엣지 컴퓨팅, 모바일 디바이스, 임베디드 시스템, 고성능 연산 환경으로 확장될 수 있는 토대를 제공한다. 연구실은 전통적인 컴퓨터구조 연구를 바탕으로 최신 응용 시스템 개발에도 연결되는 실용적 관점을 유지하고 있으며, 향후에는 저전력 고효율 컴퓨팅, 지능형 시스템 최적화, 의료 및 IoT 기기의 연산 플랫폼 설계로도 발전 가능성이 크다.

연구실은 최근 치의학 및 의생명 분야와의 융합을 통해 의료영상 인공지능 연구를 활발히 수행하고 있다. 대표적으로 치주염의 골소실을 자동 진단하는 딥러닝 하이브리드 프레임워크, 정량적 CBCT 영상에서 골밀도를 직접 측정하는 QCBCT-NET, 금속 인공물 환경에서 악안면 뼈 절개를 지원하는 MAFNet 등이 있다. 이러한 연구는 영상 판독의 정확도를 높이고 의료진의 진단 부담을 줄이며, 정량적 분석을 자동화하는 데 중점을 둔다. 방법론적으로는 딥러닝과 전통적 CAD 기법의 결합, Cycle-GAN과 U-Net을 결합한 하이브리드 네트워크, 멀티스케일 주의집중 융합 구조 등 다양한 인공지능 기법이 활용된다. 특히 단순 분류를 넘어 병변 검출, 골소실 비율 산출, 병기 분류, 영상 보정, 금속 인공물 억제, 해부학적 구조 복원처럼 실제 임상 과정에 가까운 문제를 해결하려는 점이 특징이다. 이는 의료영상 AI를 단순한 패턴 인식이 아니라 임상 의사결정을 지원하는 도구로 발전시키는 접근이라고 볼 수 있다. 이 연구의 의의는 치과 및 악안면 영상처럼 복잡하고 표준화가 어려운 데이터에서 실제 적용 가능한 AI 솔루션을 제시한다는 데 있다. 향후에는 다양한 영상 모달리티 통합, 환자 맞춤형 진단 보조, 수술 계획 지원, 자동 리포트 생성 등으로 확장될 수 있다. 연구실은 컴퓨터시스템 기반의 공학적 역량과 의료 데이터 분석 경험을 결합하여, 의료 현장에서 신뢰할 수 있는 인공지능 기술을 구현하는 방향으로 연구를 심화하고 있다.

연구실은 센서, 네트워크, 클라우드, 데이터 처리 기술을 결합한 IoT 기반 응용 플랫폼 연구도 지속적으로 수행해 왔다. 학술대회 발표 이력을 보면 스마트 디바이스의 MQTT 기반 IoT 서비스 구성, 중환자실 실시간 모니터링, 농업용 상황인식 서비스, 가축 관리 빅데이터 시스템, 날씨 측정 서비스, 강의실 환경 모니터링 시스템 등 다양한 실생활 문제를 대상으로 한 플랫폼 설계 연구가 축적되어 있다. 이는 컴퓨터시스템 연구를 실제 산업 및 생활 환경에 적용하는 응용 지향성을 잘 보여준다. 또한 헬스케어 분야에서는 REST 기반 데이터 전송, 클라우드 기반 임베디드 헬스케어 서비스 게이트웨이, 당뇨병 환자의 혈당 예측을 위한 머신러닝 연구 등이 확인된다. 이러한 연구는 단순한 데이터 수집을 넘어, 실시간 모니터링과 위험 예측, 사용자 맞춤형 서비스 제공까지 포함하는 지능형 플랫폼을 지향한다. 모바일 문서 캡처의 방향 오류 보정과 같은 인간-컴퓨터 상호작용 연구 역시 사용자 환경에서의 정확한 데이터 획득과 서비스 품질 향상이라는 관점에서 연결된다. 이 주제는 향후 스마트 병원, 디지털 헬스, 스마트 팜, 스마트 캠퍼스, 산업 IoT 등 다양한 분야에서 확장성이 매우 높다. 연구실은 시스템 설계, 네트워크 프로토콜, 데이터 처리, 인공지능 분석을 통합하는 융합적 접근을 통해 실제 운영 가능한 서비스 플랫폼을 구현하는 데 강점을 가진다. 따라서 이 연구는 현장 중심의 문제 해결과 데이터 기반 의사결정을 동시에 지원하는 실용적 연구 영역으로 평가할 수 있다.