본 연구 주제는 5G 이후 차세대 이동통신 환경을 넘어서는 6G 통신 및 네트워킹 기술을 중심으로, 무선 액세스 네트워크와 코어 네트워크를 통합적으로 지능화하는 방법을 다룬다. 연구실은 초연결·초저지연·초지능 특성을 갖는 미래 통신 시스템을 목표로 하며, 복잡한 무선 환경에서 네트워크 자원을 효율적으로 운용하기 위한 이론과 시스템을 함께 연구한다. 특히 6G Ai-native 통합 RAN-Core 네트워크, 지능형 무선 액세스 시스템, 고밀도 IoT 및 차세대 무선랜 환경 등 실제 차세대 통신 인프라를 반영한 주제들이 연구의 중심을 이룬다. 세부적으로는 분산 빔형성, 자원할당, 스케줄링, 캐싱, 오프로딩, 크로스홀 오케스트레이션과 같은 네트워크 제어 문제를 최적화 관점에서 다룬다. 연구실의 대표 논문들은 무선 비디오 캐싱, IoT 오프로딩을 위한 에너지 효율적 크로스홀 제어, 통신 효율적인 분산학습 등 네트워크와 컴퓨팅이 결합된 환경에서 성능과 안정성을 동시에 확보하는 방법을 제시한다. 이를 위해 리아푸노프 최적화, 조합최적화, 분산 의사결정, 학습 기반 제어 알고리즘 등 다양한 방법론을 융합하여 실제 운용 가능한 형태의 해법을 설계한다. 이 연구는 향후 초대규모 단말 접속, 자율 시스템, 디지털트윈, 몰입형 서비스 등 6G 핵심 응용을 뒷받침하는 기반 기술로 확장될 수 있다. 또한 에너지 효율과 탄소중립을 고려한 지속가능 통신 인프라 구축에도 직접 연결된다. 궁극적으로는 변화가 심한 무선 채널과 서비스 수요 속에서도 스스로 적응하고 학습하는 지능형 통신망을 구현하여, 미래 사회 전반의 연결성과 서비스 품질을 동시에 높이는 것을 목표로 한다.

본 연구 주제는 다수의 자율 에이전트가 협력해야 하는 복잡한 이동체 환경에서 강화학습과 멀티에이전트 지능을 활용해 효율적인 서비스 운영 방식을 개발하는 데 초점을 둔다. 연구실은 도시 항공 모빌리티(UAM), 자율주행 이동체, UAV 기반 디지털트윈 네트워크와 같이 동적이고 불확실성이 큰 환경에서 개별 기체의 행동뿐 아니라 시스템 전체의 협업 구조를 함께 최적화하는 문제를 다룬다. 이러한 연구는 단순 제어를 넘어, 실제 도시 규모의 교통 서비스와 미래 모빌리티 생태계를 지능적으로 운영하기 위한 핵심 기반 기술로 이어진다. 대표적으로 도시 전역 자율 UAM 서비스에서 멀티에이전트 심층강화학습을 이용해 항공 운송 품질을 향상시키는 연구, UAV 보조 디지털트윈 네트워크에서 분산적이고 신뢰 가능한 모바일 충전 메커니즘을 구현하는 연구가 수행되었다. 이 과정에서 중앙집중식 학습-분산 실행(CTDE), CommNet 기반 에이전트 협력, 파라미터 공유, 경매 기반 자원 배분, 진실성 보장 메커니즘 등 고도화된 협업 알고리즘이 활용된다. 또한 관련 특허와 프로젝트를 통해 자율주행 경로 생성, 다중 에이전트 강화학습 시스템, 자율이동체용 고차원 센싱 및 제어 기술로 연구가 확장되고 있다. 이 연구의 의의는 미래 모빌리티 시스템이 단순한 이동 수단의 자동화를 넘어, 네트워크 연결성과 집단 지능을 바탕으로 서비스 수준에서 최적화될 수 있음을 보여준다는 점에 있다. UAM과 UAV, 차량 네트워크는 모두 통신, 제어, 컴퓨팅, 인공지능이 긴밀히 결합되어야 하므로 학제적 접근이 필수적이다. 연구실은 이러한 융합 환경에서 실제 적용 가능한 협업 알고리즘을 개발함으로써, 안전하고 효율적이며 확장 가능한 차세대 자율교통 시스템 구현에 기여하고 있다.

본 연구 주제는 무선 네트워크 환경에서의 분산학습과 연합학습을 고도화하는 한편, 양자 컴퓨팅과 양자 기계학습을 접목하여 차세대 인공지능 시스템의 계산 효율과 표현력을 확장하는 데 초점을 둔다. 연구실은 통신망 위에서 학습이 수행될 때 발생하는 지연, 통신 오버헤드, 데이터 분산, 프라이버시 문제를 해결하기 위한 통신-학습 공동설계에 강점을 보인다. 동시에 최근에는 양자 아키텍처 탐색, 양자 신경망 차원 축소, 양자 분할학습, 양자 기반 파라미터 효율 미세조정 등 양자 AI 주제로 연구 범위를 넓히고 있다. 구체적으로는 무선 네트워크 상의 통신 효율적 분산학습 원리를 체계화한 연구, 다중 폭 신경망 기반 연합학습 전송 기법, 프라이버시 보존형 양자 분할학습, 양자 신경망의 경량화 및 구조 탐색 연구 등이 포함된다. 이러한 연구는 단순히 AI 모델의 정확도를 높이는 데 그치지 않고, 네트워크 제약과 계산 자원 제약 속에서도 학습이 안정적으로 작동하도록 만드는 것이 핵심이다. 또한 대규모 신경망의 생성·배포·최적화 프레임워크 및 AI Bots 협업 플랫폼 과제와 연결되어, 실제 산업 및 서비스 환경에서 운영 가능한 AI 시스템으로 이어지고 있다. 이 연구는 미래의 지능형 통신망이 단순히 데이터를 전달하는 인프라가 아니라, 분산된 학습과 추론을 수행하는 계산 플랫폼으로 진화한다는 관점을 반영한다. 특히 양자 컴퓨팅이 본격적으로 활용될 경우, 기존 방식으로는 해결이 어려운 고차원 최적화와 복잡한 학습 문제를 새로운 방식으로 다룰 수 있는 가능성이 열린다. 연구실은 분산 AI와 양자 AI를 함께 탐구함으로써, 차세대 통신·컴퓨팅·지능 시스템의 융합적 발전 방향을 제시하고 있다.