서강대학교 전자공학과

 김장생·김상완·김시현 교수 연구팀, 2026년 PIM 인공지능반도체핵심기술개발(소자) 사업 선정      ▲ (왼쪽부터) 김장생 교수, 김상완 교수, 김시현 교수  본교 전자공학과/시스템반도체공학과/반도체공학과 김장생 교수, 김상완 교수, 김시현 교수로 이루어진 공동연구진이 과학기술정보통신부와 한국연구재단이 주관하는 2026년도 PIM 인공지능반도체핵심기술개발(소자)사업에 선정되었다. 연구 과제명은 「비트가중 3차원 IGZO FeNAND 기반 초고차원 인-센서 리저버 컴퓨팅 플랫폼」으로, 2026년 4월부터 2028년 12월까지 2년 9개월간 총 6억원의 연구비를 지원받는다.     최근 엣지 AI 및 온디바이스 인공지능의 확산과 함께, 센서 단계에서 데이터를 직접 처리하는 인-센서 컴퓨팅과 메모리 내 연산을 수행하는 PIM(Processing-In-Memory) 기술이 차세대 반도체 패러다임으로 부상하고 있다. 특히 비전 센서 기반 AI 응용에서는 데이터 이동에 따른 지연과 에너지 소모가 주요 병목으로 작용하며, 이를 해결하기 위한 초저전력·고효율 하드웨어 구조의 필요성이 크게 증가하고 있다. 본 연구는 이러한 한계를 극복하기 위해 강유전체(HZO)와 산화물 반도체(IGZO)를 기반으로 한 수직 적층형 3D FeNAND 구조를 활용하여, 센서-메모리-연산이 통합된 초고차원 인-센서 리저버(reservoir) 컴퓨팅 플랫폼을 구현하는 것을 목표로 한다. 또한 다중 마스크를 활용한 새로운 컴퓨팅 구조를 제안하여 기존 리저버 컴퓨팅의 집적도 한계와 상태 중첩 문제를 동시에 해결하고자 한다. 본 연구개발과제를 통해 연구진은 소재–소자–시스템을 아우르는 전주기적 연구를 수행하게 된다.   이번 연구는 기존 폰 노이만 구조의 데이터 이동 병목을 근본적으로 완화하고, 센서 단계에서 고차원 시계열 데이터를 초저전력으로 처리할 수 있는 차세대 AI 반도체 구조를 제시한다는 점에서 중요한 의미를 갖는다. 나아가 다중 마스크 기반 리저버 컴퓨팅 개념을 통해 효율적으로 연산 차원을 확장할 수 있는 새로운 패러다임을 제시하며, 차세대 반도체 분야에서 국내 기술 경쟁력 확보와 산업적 확장에 기여할 것으로 기대된다.  

2026.04.20

 김성진 교수 SPAD 센서 연구팀, 반도체 집적회로 최고 학술대회 ‘IEEE Symposium on VLSI Technology and Circuits 2026’ 논문 채택   ▲ (왼쪽부터) 김성진 교수, 황정혜 석박통합과정  본교 시스템반도체공학과/전자공학과 김성진 교수 SPAD 센서 연구팀의 연구 결과가 반도체 집적회로 분야 세계 최고 학회 중 하나인 ‘IEEE Symposium on VLSI Technology and Circuits, 이하 VLSI 2026’에 선정되었다.   VLSI는 반도체 소자 분야와 집적회로 분야 논문을 같이 다루는 학회로 ISSCC와 함께 반도체 회로 분야에서 가장 높은 권위를 가지고 있으며 nVidia, SK 하이닉스, 삼성전자, TSMC 등 관련 분야 세계 최고의 기업에서 최신 기술을 소개하는 경연장이다.   해당 논문의 제목은 “A 3.86 TOPS/W TTFS-Based Neuromorphic Image Sensor Featuring Clocked-Recharging SPAD Pixels and Sub-Pixel-Array-Level Processing”이다.      이번 연구는 최근 각광받고 있는 연구 분야인 온디바이스 AI 반도체 분야의 연구 결과로, 구체적으로는 이미지센서에 전처리 기능을 하는 프로세서를 집적하여 추론을 통해 영상 인식을 할 수 있는 뉴로모픽 이미지센서에 관한 것이다. 인간의 뇌를 모방한 spike neural networking 연산을 이미지센서 어레이 내에서 수행하며, 초고감도 소자인 Single-Photon Avalanche Diode(SPAD)를 사용하여 영상 신호를 spike 신호로 변환하고 이를 시간 축에서 표현하는 Time-to-First-Spike 방식을 픽셀 내부에 구현하였다. 또한, 전력 및 면적 효율이 높은 아날로그 회로를 활용하여 모든 픽셀 내에서 연산을 동시에 수행하여 전력 소모 대비 연산량을 높이는 기술을 선보였다. 향후 메모리와 프로세서의 사용을 최소화하면서 다양한 영상 인식이 가능한 이미지센서 연구로 이어져 Physical AI의 핵심 기술로 자리매김 할 것으로 기대된다.   이번 연구는 울산과학기술원 소속이면서 서강대학교에서 연구하고 있는 황정혜 학생의 주도로 진행되었으며, 한국연구재단에서 지원하는 한-EU 국제협력사업(RS-2024-00439307)과 IITP의 양자 센싱 사업(RS-2025-02217613)의 지원을 받아 이루어졌다,   

2026.04.08

  김홍석 교수 연구팀, 에너지 분야 국제 저명 저널 Journal of Energy Storage 논문 게재    ▲ (왼쪽부터) 전지훈 석박통합과정, 천호진 석박통합과정, 김민수 교수(한밭대), 서형석 석박통합과정, 김홍석 교수    본교 전자공학과 전지훈 석박사통합과정과 천호진 석박통합과정, 김민수 교수, 서형석 석박통합과정 (지도교수 김홍석)의 논문이 에너지 분야 국제 저명 저널인 Journal of Energy Storage (2026년 기준 JCR Impact Factor 9.8)에 게재되었다.    본 연구는 배터리의 사용 이력이나 운용 조건에 의존하지 않는 usage-agnostic 진단 프레임워크를 제안하며, 전압 relaxation 신호만을 활용하여 용량(capacity), 상태(SOH), 양극재(cathode)를 동시에 추정하는 멀티태스크 학습 구조를 설계하였다. 특히, 전기화학적 해석이 가능한 KG-ECM(Knowledge-Guided Equivalent Circuit Model)을 기반으로 relaxation 곡선에서 물리적으로 의미 있는 특징을 추출하고, 이를 딥러닝 모델의 입력으로 활용한다.제안된 모델은 단일 인코더를 기반으로 공유 임베딩을 학습하며, 회귀 기반의 용량 추정과 함께 SOH 및 양극재 분류를 위해 supervised contrastive learning(SupCon)을 통합한 multi-task contrastive learning framework를 구성한다. 이를 통해 동일 클래스 간 임베딩은 가깝게, 다른 클래스 간은 멀어지도록 학습되어, 서로 다른 진단 과제를 동시에 수행하면서도 높은 표현력을 유지한다.실험 결과, 제안된 방법은 기존 통계 기반 특징 대비 용량 추정 정확도를 크게 향상시키며, 단일 태스크에서 RMSE 0.0026, 멀티태스크 환경에서도 RMSE 0.0108 수준의 높은 성능을 달성하였다. 또한 SOH 진단 정확도 94.6%, 양극재 식별 정확도 99.6%를 기록하여, 하나의 모델로 다양한 배터리 진단을 동시에 수행할 수 있음을 입증하였다.이를 통해 본 연구는 멀티태스크 + contrastive learning 기반의 통합 배터리 진단 방법을 제시하며, 실제 EV 및 ESS 환경에서 활용 가능한 효율적이고 실용적인 솔루션을 제공한다.   논문명: Battery Usage-Agnostic Multi-Task Diagnostics Using Contrastive Learning and Knowledge-guided Voltage Relaxation저널명: Journal of Energy Storage (IF 9.8)저자명: 전지훈 (서강대학교), 천호진 (서강대학교), 김민수 (한밭대학교), 서형석 (서강대학교), 김홍석 (서강대학교)  

2026.03.31

  김성진 교수, 2026년 한국연구재단 핵심연구 사업 선정   ▲ 시스템반도체공학과/전자공학과 김성진 교수님  본교 시스템반도체공학과/전자공학과/반도체공학과 김성진 교수는 과학기술정보통신부와 한국연구재단이 주관하는 2026년 개인기초사업 핵심연구(도약형 유형2) 사업에 선정되었다. 연구 과제명은 “픽셀 별 거리 기반 시공간 해상도 자동 최적화 및 물체 동작 인식 가능한 차세대 로봇용 라이다 비전 센서 개발”로, 2026년 3월부터 2029년 2월까지 3년 간 총 10.5억을 지원받는다. 본 연구 과제는 지난 2021년 3월부터 2026년 2월까지 5년간 김성진 교수 연구팀이 수행해 온 ‘개인기초연구사업 중견연구’의 공식 후속 과제로, 지난 연구를 통해 도출된 핵심 기술과 연구 성과의 우수성을 인정받아 연구 개발의 단절 없는 지속과 심화된 기술 확보를 위해 정부의 전폭적인 지원 아래 추진된다. 이번 연구의 핵심은 기존 과제에서 성공적으로 구현했던 ‘거리 기반 적응형 프레임 속도 조절’ 라이다 센서 구조를 한 단계 더 진화시키는 데 있다. 기존의 거리 측정 및 속도 조절 기능을 기반으로, 공간 해상도를 상황에 맞게 능동적으로 제어하는 기술을 통합하고, 더 나아가 단순한 거리 측정을 넘어 물체의 복잡한 동작까지 실시간으로 감지하고 인식할 수 있는 ‘차세대 로봇용 라이다 비전 센서’를 개발한다. 최근 급격히 부상하고 있는 Physical AI 시대에는 로봇이 물리적 환경을 얼마나 정확하고 지능적으로 인지하느냐가 핵심 경쟁력으로 로봇의 눈에 해당하는 이미지 센서를 단순히 보는 도구에서 생각하고 판단하는 지능형 시스템으로 변화시킴으로써, 본 연구를 통해 우리 실생활에 깊숙이 들어올 휴머노이드 로봇 기술의 견고한 초석을 마련할 수 있을 것으로 기대한다.     김성진 교수의 Bio-inspired Advanced Sensors Lab은 아날로그 집적회로 설계를 기반으로 다양한 이미지 센서 및 바이오 인터페이스 회로를 연구하고 있다. 독창적인 SPAD와 TDC 구조를 설계하고 라이다 센서로 구현하였으며, 연구 결과를 반도체 올림픽이라 불리는 ISSCC 학회에서 지속적으로 논문을 발표하여 기술력을 인정받아 왔다. 이외에도 뇌 신경 신호를 읽어내는 저잡음 저전력 증폭기, Multi-electrode Array 회로, In-sensor-computing 등 최첨단 반도체 회로 기술을 개발하고 있다.   

2026.03.23

 김장생 교수, 2026년 한국연구재단 신진연구 사업 선정    ▲전자공학과 김장생 교수님  본교 전자공학과/시스템반도체공학과/반도체공학과 김장생 교수는 과학기술정보통신부와 한국연구재단이 주관하는 2026년 개인기초사업 신진연구(유형B) 사업에 선정되었다. 연구 과제명은 「대규모 LLM 추론을 위한 초광대역·저전력·고신뢰성 HBF 向 차세대 3D IGZO FeAND 어레이 개발」로, 2026년 3월부터 2031년 2월까지 5년간 총 7.5억원을 지원받는다.     최근 생성형 AI의 확산으로 대규모 언어모델(Large Language Model, LLM) 추론 과정에서 막대한 양의 가중치를 빠르고 효율적으로 읽어오는 메모리 기술의 중요성이 크게 부각되고 있다. 특히 HBM은 고속 캐시 역할에는 강점을 가지지만, 대규모 가중치를 저장하고 안정적으로 공급하기에는 용량과 전력 측면에서 한계가 있어 이를 보완할 수 있는 차세대 고대역폭 플래시(High Bandwidth Flash, HBF) 기술이 주목받고 있다. 김장생 교수 연구팀은 기존 3D NAND 기반 HBF가 갖는 높은 sensing latency, pass disturbance, 출력 왜곡, 신뢰성 저하 문제를 극복하기 위해, 병렬 읽기에 최적화된 수직 적층형 3D IGZO FeAND 어레이와 하부 CMOS 뉴런 회로를 통합한 새로운 구조를 제안하였다. 특히 저전력 구동이 가능한 HZO 강유전체와 저온 공정이 가능한 IGZO 채널을 기반으로, 초광대역·저전력·고신뢰성을 동시에 확보할 수 있는 차세대 HBF 핵심 원천기술을 개발하고, 최종적으로 FPGA 기반 플랫폼에서 LLM 추론 동작까지 실증하는 것을 목표로 한다. 본 연구개발과제를 통해 연구팀은 재료 및 공정 개발, 소자 및 어레이 제작, 신뢰성 분석, 회로·시스템 통합, 그리고 실제 AI 추론 성능 검증에 이르는 전주기적 연구를 수행하게 된다.   이번 연구는 차세대 AI 반도체 시스템에서 요구되는 대용량·초광대역 메모리 기술의 새로운 방향을 제시하고, 대규모 AI 추론의 병목으로 지적되는 가중치 접근 문제를 저전력·고효율 구조로 해결할 수 있는 기반을 마련할 것으로 기대된다. 또한 관련 핵심 기술의 선제적 확보를 통해 AI 반도체와 차세대 메모리 융합 분야에서 국내 기술 경쟁력 강화와 산업적 확장에 기여할 것으로 전망된다. 

2026.03.18

 김시현 교수, 2026년 한국연구재단 신진연구 사업 선정    ▲전자공학과 김시현 교수님  본교 전자공학과/시스템반도체공학과/반도체공학과 김시현 교수는 과학기술정보통신부와 한국연구재단이 주관하는 2026년 개인기초사업 신진연구(유형B) 사업에 선정되었다. 연구 과제명은 「멀티레벨 컴퓨트 인 메모리를 위한 모자이크 강유전체램 개발」로, 2026년 3월부터 2030년 2월까지 4년 간 총 6억원을 지원받는다.     최근 생성형 AI 기술의 급격한 발달로 인해 저전력·고집적 컴퓨팅 아키텍처인 Compute-in-Memory (CiM) 기술의 중요성이 커지고 있다. 기존 SRAM 및 eDRAM 기반 CiM은 면적 효율이 낮고 에너지 효율이 저하되는 문제를 안고 있다. 김시현 교수 연구팀은 이러한 한계를 극복하기 위해 하프니아 기반의 강유전체 램(FeRAM)을 활용한 새로운 멀티레벨 CiM 셀 기술을 제안하였다. MAC 연산에 특화된 3차원 적층 기반 FeRAM 구조혁신을 통해 멀티레벨 가중치를 아날로그 전압으로 통합하며, 데이터 파괴 없이 병렬 연산이 가능한 고효율 CiM 셀 스킴을 개발하는 것을 목표로 한다. 본 연구개발과제를 통해 연구팀은 소재 및 단위 공정 개발부터 셀/어레이 제작, 그리고 매크로 및 시스템 레벨의 성능 검증까지 아우르는 전주기적 연구를 수행하게 된다.   신소자 기술 개발을 통해 대규모 인공지능 연산을 위한 메모리의 에너지 소모, 성능, 비용 문제를 획기적으로 해결할 솔루션을 제시하며, 관련 기술 선점을 통해 향후 꾸준한 성장이 기대되는 하드웨어 기반의 인공지능 및 메모리 반도체 시장에서 국가경쟁력을 제고할 수 있을 것으로 기대된다. 

2026.03.17

 성민서 석사과정 (지도교수 김영욱), 2026 한국전자파학회 동계종합학술대회 최우수논문상 수상      ▲ (왼쪽부터) 김영욱 교수, 성민서 석사과정생   2026년도 한국전자파학회 동계종합학술대회에서 전자공학과의 인공지능 레이다/RF 연구실(지도교수 김영욱)의 성민서 석사과정 학생이 최우수논문상을 수상하였다.    성민서 석사과정 학생은 ‘Correlation-Regularized CNN-QNN for Radar Micro-Doppler Robotic Dog Classification’이라는 제목으로 최우수논문상을 수상하였다. 본 연구는 레이다 기반 로봇 개 분류 성능 향상을 위해 양자 인공 신경망 학습 방식을 제안하였다. 특히 기존 고전 모델과는 다른 피처간의 상관관계를 고려하여 피쳐를 추출하는 방식을 도입하여 분류 성능을 개선하였다. 이를 통해 양자 인공 신경망을 활용한 레이다 이미지 분류 기법 발전에 기여하였다. 이 연구의 확장된 내용은 CVPR 2026 Findings에서 발표가 된다.    뿐만 아니라 동규헌, 김동하, 최승우, 이채원 학부연구생 팀은 ‘Cross-Attention 기반 BEV 카메라-레이더 퓨전 3D 객체 탐지와 지식 증류 기법을 통한 모델 경량화’ 연구로 대학생 창의설계 경진대회 장려상을 수상하였다. 해당 연구에서는 Cross-Attention 카메라-레이더 퓨전의 성능을 정량적으로 분석하고, 지식 증류 기법을 활용해 모델을 경량화하였다   김영욱 교수의 인공지능 레이다/RF 연구실은 인공지능 및 Quantum Computing을 이용한 레이다 신호처리, 응용 전자기학, 안테나 설계와 관련된 다양한 분야를 연구하고 있다. 특히 전자파를 이용한 인공지능 기반 인체 행동 분석 분야에서 세계적인 성과를 거두고 있으며, 최근에는 Quantum Computing을 이용한 새로운 접근 방식의 레이다 표적 식별 연구를 진행하고 있다. 

2026.03.16

 전자공학과 김민수 박사(지도교수 김홍석), 국립 한밭대학교 교수 임용   ▲왼쪽부터 국립한밭대학교 김민수 조교수, 전자공학과 김홍석 교수   본교 전자공학과 졸업생인 김민수 박사(지도교수: 김홍석)가 2026년 3월 1일부로 국립한밭대학교 전기공학과 에너지 AI 분야 조교수로 임용되었다.    김민수 박사는 2019년 본교 전자공학과 학부를 졸업한 후, 김홍석 교수 연구실에서 딥러닝과 최적화 이론의 결합을 바탕으로 AI 기반 최적화 분야를 중심으로 연구를 수행하며 2024년 박사학위를 취득하였다. 특히 박사과정 말기에는 AI 기반 전력망 최적화를 주제로, 한국연구재단 학문후속세대 과제를 연구책임자로 수주하였으며, 이를 기반으로 연구 분야를 전기공학으로 더욱 확장하고자 한국에너지공과대학교에서 박사 후 연구원으로 재직하였다.    이후 김민수 박사는 박사 후 연구원으로 재직하며 Energy AI를 주제로 MIT 및 미시건대학교와 국제 공동연구를 수행했다. 또한 2019년 대학원 입학 이후 현재까지 SCIE 저널 및 국제 저명 학술대회에 총 18편의 논문을 게재 및 발표하였으며, 이 중 8편은 주저자로 참여하는 등 활발한 연구활동을 이어오고 있다.    김홍석 교수는 “올해 3월에 김민수 박사가 국립 한밭대에 임용되어 NICE Lab 출신 교수가 3명이 되었다. 향후 서강대 출신의 교수가 더욱 많이 배출되길 기대하면서 앞으로도 연구와 교육에 더욱 박차를 가하겠다.”며 기쁨을 표했다. 

2026.03.13

 전자공학과 박상천 박사 (지도교수 성원진), 순천향대학교 교수 임용    ▲ 순천향대학교 박상천 조교수    본교 전자공학과 졸업생인 박상천 박사가 2026년 3월 1일부로 순천향대학교 정보통신공학과 조교수로 임용되었다. 박상천 박사는 본교 전자공학과에서 학부과정을 마친 뒤 디지털전송연구실 (지도교수: 성원진)에서 석·박사통합과정을 이수하며, 5G 및 6G 이동통신 시스템을 위한 빔 트래킹, 환경 특화형 코드북 설계, 채널 추정 기반 빔 관리 등 차세대 무선 통신의 핵심 기술에 관한 다양한 연구를 수행하였다. 2024년 8월 전자공학 박사학위를 취득 후 고려대학교에서 박사후 연구원으로 재직하며 관련 연구를 이어왔다. 이번 임용은 본교 전자공학과가 배출한 우수 인재의 학문적 성취를 보여주는 뜻깊은 성과로, 박상천 교수의 향후 교육 및 연구 활동에서의 탁월한 성과가 기대된다.    

2026.03.04

 류성주 교수 연구팀, 반도체 설계 자동화 분야 Top Conference ‘DAC 2026’ 논문 채택   ▲ (왼쪽부터) 류성주 교수, 김영건 석사과정, 기성민 석박통합과정, 전상규 석박통합과정   본교 시스템반도체공학과/전자공학과 류성주 교수 연구팀의 논문이 반도체 설계 자동화 분야 Top Conference인 ‘Design Automation Conference (이하 DAC) 2026’에 채택되었다. 1964년부터 시작된 DAC은 반도체, VLSI(초대규모 집적회로) 설계 및 관련 기술 분야의 발전을 선도해 온 권위 있는 국제 학술대회로, 오는 7월 26일부터 29일까지 미국 롱비치에서 개최될 예정이다.   논문의 제목은 “Relay-GS: Reusing Temporal Sort Information for 4D Gaussian Splatting Acceleration”이며, 김영건 석사과정 학생의 주도하에 기성민 석박사통합과정, 전상규 석박사통합과정 학생들이 함께 연구를 진행하였다.   4D Gaussian Splatting (4DGS)는 최근 VR/AR기기에서 렌더링 활용한 다양한 AI 애플리케이션에 대해 높은 성능을 보이며 주목받고 있지만, 반복적인 Gaussian Sorting 및 Rasterization 과정에서 발생하는 막대한 계산량과 에너지 소비가 실시간 응용에 걸림돌로 작용하고 있다.       연구팀은 이러한 문제를 해결하기 위해 4DGS의 연산 과정 중 Gaussian Sorting 및 Rasterization 단계에서 Timestep 간의 상당한 유사성이 있음을 분석하고, 이를 활용하여 정확도를 최대한 유지한 채 연산을 경량화하는 방법을 적용한 4DGS 하드웨어 가속기 Relay-GS를 개발하였다.      실험 결과, Relay-GS는 기존 4DGS 모델과 유사한 수준의 정확도를 유지하면서도 기존 하드웨어 가속기 대비 4DGS 연산 시간을 최대 1.64배 단축시키는 성과를 거두었으며 이를 통해 VR/AR 기기 동작의 높은 연산 비용과 지연 시간 문제 해결에 기여할 것으로 기대된다.   ▶ 논문제목: Relay-GS: Reusing Temporal Sort Information for 4D Gaussian Splatting Acceleration▶ 저자 정보: 김영건(제 1저자), 기성민(제 2저자), 전상규(제 3저자), 류성주 교수(교신저자) 

2026.02.24

 강석주 교수 연구팀 (문승훈, 유현우, 이해욱), 세계 최우수 인공지능 학회 ‘ICLR 2026’ 논문 채택    ▲ (왼쪽부터) 강석주 교수, 문승훈 석박통합과정, 유현우 석박통합과정, 이해욱 석사 전자공학과 강석주 교수 연구팀(문승훈 석박통합과정, 유현우 석박통합과정, 이해욱 석사)의 논문이 세계 최고 권위의 인공지능(AI) 학회인 ‘ICLR 2026(International Conference on Learning Representations)’에 채택되었다. ICLR은 구글 스콜라(Google Scholar) h-index 기준 인공지능 분야 글로벌 최상위권에 위치한 국제 학술대회로, 올해는 논문 채택률이 약 28%에 달하는 만큼 엄격한 심사가 이루어졌으며 오는 4월 23일부터 27일까지 브라질 리우 데 자네이루에서 개최될 예정이다.   이번에 채택된 논문 제목은 ‘WIMFRIS: WIndow Mamba Fusion and Parameter Efficient Tuning for Referring Image Segmentation’으로, 텍스트 설명을 기반으로 이미지 내 특정 객체를 픽셀 단위로 정확히 찾아내는 ‘지시어 기반 이미지 분할(RIS)’ 기술의 새로운 프레임워크를 제안하였다.   연구팀은 기존의 파라미터 효율적 튜닝(PET) 방법들이 단순히 층별(layer-wise) 특징 정렬에만 집중하여, 시각 정보와 언어 정보를 융합하는 ‘넥(Neck)’ 모듈의 중요성을 간과하고 있다는 점을 지적했다. 이로 인해 발생하는 성능 병목 현상을 해결하기 위해 연구팀은 강력한 넥 구조와 효율적인 튜닝 전략을 결합한 ‘WIMFRIS’를 개발했다.   이 논문의 핵심은 ‘계층적 맘바 퓨전(HMF)’ 블록과 이를 구성하는 ‘윈도우 맘바 퓨저(WMF)’ 모듈이다. 기존의 상태 공간 모델(SSM)인 맘바(Mamba)는 긴 시퀀스를 처리할 때 정보가 소실되는 문제가 있었으나, 연구팀은 이미지를 겹치지 않는 윈도우(Window) 단위로 분할하여 처리함으로써 이 문제를 해결했다. 이를 통해 이미지의 지역적 정보와 전역적 언어 정보를 효과적으로 융합할 수 있게 되었다.   또한, 연구팀은 텍스트 정보를 강화하는 ‘맘바 텍스트 어댑터(MTA)’와 시각-언어 정렬을 정교화하는 ‘멀티 스케일 정렬기(MSA)’를 도입하여, 전체 모델 파라미터의 약 1.3%~2.2%만을 업데이트하면서도 기존 최고 성능 모델들을 뛰어넘는 결과를 달성했다. 실험 결과, WIMFRIS는 RefCOCO, RefCOCO+, G-Ref 등 주요 벤치마크 데이터셋에서 모두 최고점(State-of-the-Art)을 기록했다.   제안한 WIMFRIS 기술은 복잡한 배경이나 가려진 객체, 모호한 텍스트 설명이 주어진 상황에서도 타겟을 정확히 분할해낼 수 있어, 인간과 로봇의 상호작용(HRI), 자율주행, 지능형 이미지 편집 등 다양한 산업 분야의 원천 기술로 활용될 것으로 기대된다.   이번 연구를 이끈 강석주 교수는 “WIMFRIS는 기존 경량화 튜닝 기법들이 놓치고 있던 중간 단계의 정보 융합 중요성을 입증하고, 차세대 딥러닝 모델인 맘바(Mamba)를 비전-언어 태스크에 최적화하여 적용한 사례”라며 “향후 다양한 멀티모달 AI 시스템의 효율성을 높이는 데 크게 기여할 것”이라고 말했다.  ‣제안하는 WIMFRIS 프레임워크  ‣제안하는 HMF 블록  ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과   ‣논문 제목: WIMFRIS: WIndow Mamba Fusion and Parameter Efficient Tuning for Referring Image Segmentation ‣저자 정보: 문승훈 석박통합과정 (공동 1저자), 유현우 석박통합과정 (공동 1저자), 이해욱 석사 (공동 1저자), 강석주 교수 (교신저자)‣기타 정보: 이 연구는 2026년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원 (No.RS-2025-02263706, 아날로그-디지털 혼성 초저전력 뉴로모픽 엣지 SoC 개발), 한국연구재단의 지원 (No. RS-2024-00414230), 정보통신기획평가원-대학ICT연구센터(ITRC)의 지원을 받아 수행된 연구임(IITP-2026-RS-2023-00260091) 

2026.02.03

 오연진 학부생 (지도교수 김영욱), 국제 저명 저널 IEEE Transactions on Aerospace and Electronic Systems 에 제1저자로 논문 게재     ▲ (왼쪽부터) 김영욱 교수, 오연진 학부생, 이유진 석사과정본교 인공지능 레이다/RF 연구실 (지도교수 김영욱)의 오연진 학부생이 제1저자로 국제 저명 저널 IEEE Transactions on Aerospace and Electronic Systems (SCI Impact Factor 5.7, JCR 상위 10%)에 논문을 게재하였다. 발표된 논문 제목은 "Auto-Calibration of Antenna Array with Quantum Annealing"으로 오연진 학생이 본 연구를 주도하였고 이유진 석사과정 학생이 공동저자로 이름을 올렸다.   본 연구에서는 대규모 배열 안테나의 보정 파라미터를 효율적으로 추정하는 양자 어닐링(QA) 기반의 자동 보정 기술을 개발하였다. 배열 소자 각각의 이득 및 위상 오차 문제를 이진화하여 Factorization Machine(FM)을 통해 QUBO 모델로 변환하고, 이를 D-Wave 양자 하드웨어로 최적화하여 방향 탐지(DOA) 정확도와 부엽 억제 성능을 향상시켰다. 제안된 알고리즘은 탐지 성능을 높이는 동시에 기존 방식 대비 보정 소요 시간을 획기적으로 단축시켜, 향후 AESA 및 우주 감시 레이더 등 대규모 레이다 시스템 분야에 적용되어 효과를 발휘할 것으로 기대된다.    김영욱 교수의 인공지능 레이다/RF 연구실은 인공지능 및 Quantum Computing을 이용한 레이다 신호처리, 응용 전자기학, 안테나 설계와 관련된 다양한 분야를 연구하고 있다. 특히 전자파를 이용한 인공지능 기반 인체 행동 분석 분야에서 세계적인 성과를 거두고 있으며, 최근에는 Quantum Computing을 이용한 새로운 접근 방식의 레이다 표적 식별 연구를 진행하고 있다.    

2025.12.31