양자화 신경망의 정확성을 높이는 것은 딥러닝 모델의 실용성을 극대화하는 중요한 연구 영역입니다. 이를 위해 정확한 수학적 모델과 형식적 검증 방법을 통해 신경망의 성능을 분석하며, 최적화 기술을 적용하여 실제 환경에서의 활용 가능성을 극대화합니다. 본 연구는 Google Korea와의 협력 하에 진행되며, 양자화된 신경망의 성능과 효율성을 보장하는 데 중점을 둡니다.

삼성미래기술육성재단과 협력하여 모듈형 신경망의 검증 기술을 개발하는 연구를 진행하고 있습니다. 이 연구는 신경망의 분해와 통합 과정을 형식적으로 검증하여 신뢰성을 높이는 데 목적을 두고 있습니다. 이를 통해 복잡한 신경망 시스템에서도 높은 신뢰도를 유지하며, 다양한 응용 분야에서 안정적으로 활용될 수 있는 기반 기술을 제공하고자 합니다.