엣지 응용 스케일러블 온디바이스 AI 컴퓨팅을 위한 모델 경량화 프레임워크 개발

본 과제는 엣지 기기(스마트센서, 보안카메라, 스마트기기 등)에서 AI를 더 작고 빠르게 돌리기 위한 모델 경량화 프레임워크와 실행 환경을 개발하는 연구임. 연구 목표는 양자화, pruning, knowledge distillation, AutoML을 통합해 정확도 손실 0.5% 미만(90% 이상 경량화) 및 Object detection에서 mAP 손실 2% 미만(80% 이상 경량화) 달성하고 Jetson Nano 대비 12.5배 실효효율 확보하는 데 있음. 핵심 연구 내용은 경량화 SW 프레임워크(모듈 구조) 구축, NPU-Aware pruning 분석, NPU API/SDK 기반 ImageNet·COCO 성능 검증, ENLIGHT NPU v1.0·v2.0 및 Rebellious NPU에서 구동 평가, 3개 이상 POC 및 3건 이상 NPU chip 실적용, 수요기업 기술이전 추진임. 기대 효과는 NPU IP 경쟁력 강화, 엣지향 AI 비용·성능 개선, 보안·스마트센서·머신비전 시장에서 기술 확산 및 경제적 파급 기대임.