Interface Lab
전자정보공학부 홍상훈
Interface Lab은 차세대 인공지능 하드웨어 및 시스템 인터페이스 기술을 선도적으로 연구하는 연구실입니다. 본 연구실은 펄스 기반 뉴로몰픽 컴퓨팅, 메모리 기반 연산 플랫폼, 그리고 FPGA 기반 HW/SW 연동 임베디드 인공지능 시스템 등 다양한 첨단 기술을 개발하고 있습니다. 이러한 연구는 인공지능의 실시간 학습과 추론, 에너지 효율성, 대규모 병렬 연산 등 기존 컴퓨팅 방식의 한계를 극복하는 데 중점을 두고 있습니다.
특히, 이미지센서 인터페이스와 프로세싱 인 이미지 센서 시스템 분야에서 자율주행, 증강현실, 스마트 디바이스 등 다양한 응용을 위한 혁신적인 센서 및 인터페이스 기술을 개발하고 있습니다. Light-field 이미지 센서, 펄스 기반 위치추적 이미지 센서 등은 3차원 공간 정보 추출과 실시간 데이터 처리를 가능하게 하여, 스마트 모빌리티와 산업 자동화 등 다양한 분야에 적용되고 있습니다.
또한, VLSI 설계 및 고집적 메모리/프로세서 아키텍처 연구를 통해 고성능, 저전력, 고집적도를 동시에 달성할 수 있는 차세대 반도체 기술을 개발하고 있습니다. CAM, DRAM, SRAM 등 다양한 메모리 구조의 최적화와 SoC 설계, 그리고 이를 활용한 인공지능 가속기, 엣지 디바이스, 바이오센서 등 다양한 응용 시스템을 연구하고 있습니다.
연구실은 다수의 국내외 특허와 논문, 그리고 다양한 산학협력 프로젝트를 통해 연구 성과를 실용화하고 있습니다. 예를 들어, 곤충눈을 모방한 겹눈 카메라 시스템, 박물관 증강현실 시스템, 스마트 도어폰, RFID 태그 등 다양한 실용적 기술 개발에 앞장서고 있습니다.
Interface Lab은 앞으로도 인공지능 하드웨어, 센서 인터페이스, VLSI 설계 등 핵심 분야에서 지속적인 연구와 혁신을 통해, 미래 지능형 시스템의 기반 기술을 선도하고 글로벌 경쟁력을 강화할 계획입니다.
CMOS Image Sensors
Digital Processing in Memory
Semiconductor Memory Device
펄스 기반 뉴로몰픽 컴퓨팅 및 메모리 기반 연산 플랫폼
펄스 기반 뉴로몰픽 컴퓨팅은 인간의 뇌 신경망을 모방하여 정보 처리를 효율적으로 수행하는 차세대 인공지능 하드웨어 기술입니다. 본 연구실에서는 뉴로몰픽 회로 설계에 있어 펄스 신호를 활용하여 신경망의 학습과 추론을 하드웨어적으로 구현하는 방법을 집중적으로 연구하고 있습니다. 이러한 접근 방식은 기존의 디지털 컴퓨팅 방식에 비해 에너지 효율이 뛰어나며, 실시간 학습 및 적응이 가능한 시스템을 구현할 수 있다는 장점이 있습니다.
특히, 메모리 기반 연산 플랫폼은 데이터 저장과 연산을 동시에 수행할 수 있는 구조로, 데이터 이동에 따른 병목 현상을 최소화합니다. 연구실에서는 TCAM(터너리 내용 주소화 메모리)와 같은 특수 메모리 구조를 활용하여, 신경망 학습에 필요한 대규모 병렬 연산을 빠르고 효율적으로 처리할 수 있는 하드웨어 아키텍처를 개발하고 있습니다. 이러한 기술은 인공지능 가속기, 엣지 디바이스, 임베디드 시스템 등 다양한 응용 분야에서 활용될 수 있습니다.
연구실의 최근 논문에서는 펄스 기반 학습 메커니즘을 적용한 디지털 PIM(Processing-In-Memory) 아키텍처가 기존 방식 대비 메모리 사용량과 학습 시간을 획기적으로 줄이면서도 높은 정확도를 유지함을 입증하였습니다. 앞으로도 본 연구실은 뉴로몰픽 컴퓨팅과 메모리 기반 연산 플랫폼의 융합을 통해 차세대 인공지능 하드웨어의 새로운 패러다임을 제시하고, 실용적인 응용 시스템 개발에 앞장설 계획입니다.
이미지센서 인터페이스 및 프로세싱 인 이미지 센서 시스템
이미지센서 인터페이스 분야에서 본 연구실은 자율주행, 증강현실, 스마트 디바이스 등 다양한 응용을 위한 첨단 이미지센서 시스템을 개발하고 있습니다. 특히, 프로세싱 인 이미지(Processing-in-Image) 센서 기술을 통해 센서 자체에서 데이터 전처리 및 분석을 수행함으로써, 대용량 이미지 데이터의 실시간 처리와 에너지 효율성을 극대화하고 있습니다. 이러한 기술은 자율주행 차량의 실시간 위치 추적, 객체 인식, 환경 인지 등에서 핵심적인 역할을 합니다.
연구실에서는 펄스 기반 효율적 위치추적 이미지 센서 시스템, Light-field 이미지 센서 등 다양한 차세대 센서 구조를 연구하고 있습니다. Light-field 이미지 센서는 다양한 각도와 파장의 빛을 감지하여 3차원 공간 정보를 추출할 수 있으며, 이를 통해 더욱 정밀한 공간 인식과 객체 추적이 가능합니다. 또한, FPGA 기반 HW/SW 연동 임베디드 인공지능 응용 시스템을 통해 센서와 인공지능 알고리즘의 통합을 실현하고 있습니다.
이러한 연구는 최근 발표된 논문과 특허에서 그 우수성이 입증되고 있으며, 실제로 곤충눈을 모방한 초소형 겹눈 카메라 시스템, 실시간 움직임 감지, 박물관 증강현실 시스템 등 다양한 프로젝트로 확장되고 있습니다. 앞으로도 연구실은 이미지센서 인터페이스 기술의 혁신을 통해 스마트 모빌리티, 헬스케어, 산업 자동화 등 다양한 분야에 기여할 예정입니다.
VLSI 설계 및 고집적 메모리/프로세서 아키텍처
VLSI(Very Large Scale Integration) 설계는 대규모 집적회로를 효율적으로 구현하는 핵심 기술로, 본 연구실은 고성능, 저전력, 고집적도를 동시에 달성할 수 있는 메모리 및 프로세서 아키텍처 개발에 주력하고 있습니다. 특히, CAM(Content Addressable Memory), DRAM, SRAM 등 다양한 메모리 구조의 설계와 최적화, 그리고 이들을 활용한 SoC(System on Chip) 설계 기술을 폭넓게 연구하고 있습니다.
연구실에서는 기존 메모리 구조의 한계를 극복하기 위해 트랜지스터 수를 줄이고, 데이터 검색 및 저장 효율을 높이는 새로운 구조를 제안하고 있습니다. 예를 들어, DCAM, DTCAM 등 고집적도의 내용 주소화 메모리 구조는 집적도를 높이고 소비 전력을 대폭 절감할 수 있어, 대용량 데이터 처리와 실시간 검색이 필요한 인공지능, 네트워크, 보안 시스템 등에서 큰 효과를 발휘합니다. 또한, 다양한 특허와 논문을 통해 이러한 기술의 실용성과 혁신성을 입증하고 있습니다.
이와 더불어, 연구실은 RFID, 바이오센서, 스마트 디바이스 등 다양한 응용 분야에 맞춘 맞춤형 VLSI 설계도 활발히 진행하고 있습니다. 앞으로도 본 연구실은 VLSI 설계 기술의 지속적인 혁신을 통해 차세대 반도체 산업과 인공지능 하드웨어 분야를 선도할 것입니다.
1
A Digital Processing in Memory Architecture Using TCAM for Rapid Learning and Inference Based on a Spike Location Dependent Plasticity
Seong Min Kim, Kyeong Min Kim, Ji Hoon Choi, Seung Man Kang, Min Kyung Bang, So Hee Park, Eon Gyeong Lee, Seong Bae Park, Choong Seon Hong, Hong S.H.
IEEE Access, 2023
2
Multiple incident angles and wavelengths identifiable proximity optical communication scheme utilizing the Talbot effect and deep neural network
Chao, W., Hong S.H.
Optical Engineering, 2019.10
3
CMOS light field image sensor building block for detection of multicolor LED blink sequence from heterogeneous locations
Chao, W., Soni, V., Hong S.H.
IEEE Sensors Journal, 2019.04
1
[기본연구] 졸음운전 조기 구별용 자가학습형 CAM 기반 재구성 가능한 SNN 칩 설계(1/3)
2
곤충눈을 모방한 전방위 실시간 움직임 감지용 초소형 겹눈 카메라 시스템(1/4)
3
운전중 본능적 충돌 감지를 생체모방한 센서 시스템과 이를 이용한 최적 회피 동작 결정 알고리즘에 관한 연구개발(1/2)