INO Lab.
인공지능학과
김도엽
지능형 네트워크 최적화 연구실(INO Lab.)은 네트워크 최적화, 기계학습, 확률 제어, 알고리즘 설계 등 정보통신 분야의 핵심 이론과 첨단 기술을 융합하여 차세대 네트워크 인프라의 혁신을 이끌고 있습니다. 본 연구실은 통신 네트워크, 컴퓨팅 시스템, 클라우드 기반 플랫폼, 소셜 네트워크, 추천 시스템 등 다양한 복잡계 시스템에서 발생하는 설계, 제어, 성능, 가격, 보안 문제를 체계적으로 분석하고, 수리적 모델링과 최적화 이론을 바탕으로 실질적인 해결책을 제시합니다.
특히, 무선 네트워크 환경에서의 자원 할당, UAV(무인항공기) 기반 네트워크의 3차원 토폴로지 최적화, 대규모 MIMO 시스템에서의 빔포밍 및 사용자 스케줄링, IoT 센서 네트워크의 에너지 효율적 운영 등 다양한 응용 분야에서 혁신적인 연구를 수행하고 있습니다. 최근에는 강화학습, 딥러닝, 연합학습 등 인공지능 기법을 접목하여, 동적이고 불확실한 네트워크 환경에서의 지능형 의사결정 및 제어 기술 개발에 집중하고 있습니다.
또한, 블록체인 기반 연합학습, 비접촉 생체 신호 모니터링, 실시간 건강 상태 예측 등 정보통신과 타 분야의 융합 연구도 활발히 진행 중입니다. 이러한 연구는 네트워크의 성능 향상뿐만 아니라, 서비스 품질(QoS) 보장, 에너지 효율성 증대, 비용 절감, 보안성 강화 등 실질적인 사회적·산업적 가치 창출로 이어지고 있습니다.
INO Lab.은 이론적 연구와 실용적 응용을 아우르며, 국내외 유수 학술지 및 학술대회에서 다수의 논문 발표와 특허 출원, 산학협력 프로젝트 수행 등 활발한 연구 성과를 내고 있습니다. 또한, 다양한 산학협력 및 국제 공동연구를 통해 글로벌 연구 네트워크를 확장하고, 차세대 정보통신 기술의 발전에 기여하고 있습니다.
앞으로도 INO Lab.은 네트워크 최적화와 인공지능 융합 연구를 지속적으로 선도하며, 미래 지능형 네트워크 사회의 핵심 기술 개발과 인재 양성에 앞장설 것입니다.
Wireless Network Optimization
Reinforcement Learning
Energy Efficient Communication
네트워크 최적화 및 알고리즘 설계
지능형 네트워크 최적화 연구실(INO Lab.)은 네트워크 최적화와 알고리즘 설계 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 통신 네트워크, 컴퓨팅 시스템, 클라우드 기반 플랫폼 등 다양한 복잡계 시스템에서 발생하는 자원 할당, 트래픽 관리, 네트워크 구조 설계 등 핵심적인 문제를 수학적 모델링과 최적화 이론을 바탕으로 해결하고자 합니다. 이를 위해 최신의 수리적 최적화 기법, 확률적 제어 이론, 그리고 효율적인 알고리즘 개발에 집중하고 있습니다.
특히, 무선 네트워크 환경에서의 자원 배분, UAV(무인항공기) 기반 네트워크의 3차원 토폴로지 최적화, 대규모 MIMO 시스템에서의 빔포밍 및 사용자 스케줄링 등 실질적인 응용 문제에 대한 연구가 활발히 이루어지고 있습니다. 최근에는 도시 환경에서의 공중 기지국 배치 및 빔 구성, IoT 센서 네트워크에서의 에너지 효율적 스케줄링, 클라우드-엣지-단말 간 협력적 정책 학습 등 다양한 주제를 다루고 있습니다.
이러한 연구는 네트워크의 성능 향상뿐만 아니라, 서비스 품질(QoS) 보장, 에너지 효율성 증대, 비용 절감, 보안성 강화 등 실질적인 사회적·산업적 가치 창출로 이어지고 있습니다. INO Lab.은 이론적 연구와 실용적 응용을 아우르며, 차세대 네트워크 인프라의 혁신을 선도하고 있습니다.
무선 통신을 위한 기계학습 및 지능형 의사결정
INO Lab.은 무선 통신 시스템에서의 기계학습 및 지능형 의사결정 기술 개발에 중점을 두고 있습니다. 본 연구실은 강화학습, 딥러닝, 연합학습 등 다양한 인공지능 기법을 활용하여, 무선 네트워크의 동적 환경에서 발생하는 복잡한 의사결정 문제를 해결하고 있습니다. 예를 들어, 네트워크 트래픽의 변동성, 채널 상태의 불확실성, 사용자 요구의 다양성 등 실제 환경에서 마주치는 다양한 변수들을 효과적으로 반영하는 지능형 제어 및 스케줄링 알고리즘을 개발하고 있습니다.
최근에는 O-RAN 기반 셀프리 매시브 MIMO 시스템에서의 빔포밍, UAV 기반 네트워크에서의 경로 및 자원 최적화, IoT 센서 네트워크에서의 SWIPT(동시 무선 정보 및 전력 전송) 스케줄링 등 첨단 무선 통신 기술에 기계학습을 접목한 연구가 활발히 이루어지고 있습니다. 또한, 블록체인 기반 연합학습, 비접촉 생체 신호 모니터링, 실시간 건강 상태 예측 등 다양한 융합 응용 분야로 연구를 확장하고 있습니다.
이러한 연구는 무선 통신 네트워크의 자율성, 적응성, 신뢰성, 확장성을 크게 향상시키며, 미래 지능형 네트워크의 핵심 기술로 자리매김하고 있습니다. INO Lab.은 이론적 모델 개발과 실제 시스템 적용을 동시에 추구하며, 차세대 무선 통신의 혁신을 이끌고 있습니다.
확률 제어 및 복잡계 시스템의 성능·보안 강화
INO Lab.은 확률 제어 이론을 기반으로 복잡계 시스템의 성능 및 보안 강화에 관한 연구도 활발히 진행하고 있습니다. 네트워크 환경은 본질적으로 불확실성과 동적 변화가 크기 때문에, 확률적 모델링과 제어 기법이 필수적입니다. 본 연구실은 네트워크의 상태 변화, 트래픽 패턴, 장애 발생 등 다양한 불확실성을 고려한 최적의 제어 정책을 설계하고, 이를 통해 시스템의 안정성과 신뢰성을 높이고자 합니다.
특히, 통신 네트워크 및 클라우드 기반 플랫폼에서의 QoS(서비스 품질) 보장, 네트워크 자원의 동적 할당, 장애 복구 및 보안 위협 대응 등 실질적인 문제에 확률 제어 기법을 적용하고 있습니다. 또한, 소셜 네트워크, 추천 시스템 등 비통신 분야의 복잡계 시스템에도 연구를 확장하여, 다양한 응용 환경에서의 성능 최적화와 보안성 강화에 기여하고 있습니다.
이러한 연구는 네트워크 인프라의 신뢰성 확보, 서비스 연속성 보장, 데이터 보호 및 프라이버시 강화 등 현대 정보통신 사회의 핵심 요구를 충족시키는 데 중요한 역할을 하고 있습니다. INO Lab.은 이론적 연구와 실용적 솔루션 개발을 통해, 복잡계 시스템의 미래를 선도하고 있습니다.
1
One-bit feedback-based contextual learning scheduling for network's AoI cost minimization
D.-Y. Kim, H.-S. Lee
IEEE Internet of Things Journal,
2
Optimal placement and beam configuration of an aerial base station in urban environments with high-rise buildings
J.-H. Jang, D.-Y. Kim*
IEEE Access,
3
Remote bio-sensing: Open source benchmark framework for fair evaluation of rPPG
D. Y. Kim, E. Goh, K. Lee, J. Chae, J. Mun, J. Na, C.-B. Sohn, D.-Y. Kim*
arXiv preprint arXiv:2307.12644, 2023
1
스마트제조ICT 혁신을 위한 모바일 컴퓨팅 IoT 기반 Collaborative Policy Learning 기법의 수업 적용 방안 연구
2
비접촉 다중 생체징후 모니터링용 예측지능 모델링 기술컨설팅
3
인공지능 기반 IoT 센서 디바이스를 활용한 실시간 건강 상태 모니터링 방법 연구
