서강대학교 전자공학과

 강석주 교수 연구실 (김태우 석박통합과정), 삼성디스플레이 산학협력 논문대회 금상 및 특별상 수상    ▲ (왼쪽부터) 강석주 교수님, 김태우 석박통합과정    전자공학과 강석주 교수 연구팀 (김태우 석박통합과정)의 논문이 2026 삼성디스플레이 산학협력 논문대회에서 금상을 수상했다. 또한 강석주 교수 연구실은 우수 논문이 가장 많이 rank 된 연구실에게 주어지는 특별상도 3년 연속 수상하는 쾌거를 이루었다. 산학협력 연구성과를 알리기 위해 2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 10월 19일 삼성디스플레이 기흥캠퍼스 Samsung Display Research에서 개최되었다.   금상으로 채택된 논문 제목은 'Anyshot: A Unified Framework for Full and Few-Shot Anomaly Detection'이며, 실제 제조 현장의 데이터 불균형 환경에서도 강인하게 동작하는 산업용 이상 탐지 (anomaly detection) 프레임워크를 제안한다. 연구팀은 기존 이상 탐지 방법들이 모든 제품군에 정상 학습 데이터가 균등하게 존재한다고 가정하지만, 실제 생산 라인에서는 생산량과 수집 비용 등의 이유로 데이터가 풍부한 제품군과 부족한 제품군이 공존하는 '제품군 간 샷 불균형 (inter-category shot imbalance)'이 발생한다는 점을 지적했다. 또한 다운샘플링이나 합성 데이터 증강과 같은 기존의 재균형 방식은 실제 데이터를 버리거나 정상 분포를 왜곡한다는 한계가 있다.   본 논문은 이러한 한계를 극복하기 위해 데이터를 인위적으로 가공하지 않고 불균형한 원본 데이터 분포로 단일 모델을 직접 학습하는 'Anyshot'을 제안하며, 이는 세 가지 핵심 요소로 구성된다. 첫째, '클래스 균형 가중 샘플러 (class-balanced weighted sampler)'는 저장된 데이터셋을 수정하지 않고도 미니배치 내 제품군별 기대 빈도를 균등하게 맞춘다. 둘째, '이중 브랜치 (dual-branch)' 구조는 데이터가 풍부한 제품군에는 트랜스포머 기반 복원 디코더를, 데이터가 부족한 제품군에는 정규화된 메모리 뱅크 (memory bank)를 적용하여 1-shot 수준의 극소량 데이터에서도 명시적인 정상 기준을 제공한다. 셋째, '하이브리드 스코어링 (hybrid scoring)' 모듈은 두 브랜치의 이상 맵을 원소별 최솟값 (element-wise minimum)으로 융합하여, 별도의 하이퍼파라미터 튜닝이나 라벨이 있는 검증 데이터 없이도 안정적인 탐지를 가능하게 한다.   연구팀은 대표적인 산업용 이상 탐지 벤치마크인 MVTec AD, VisA, Real-IAD 데이터셋에서 다섯 가지 무작위 혼합 샷 (mixed-shot) 설정으로 Anyshot을 평가했다. 그 결과, Anyshot은 최신 비교 모델 10종 대비 가장 높고 안정적인 이미지 단위 이상 탐지 성능을 달성했으며, 특히 불균형의 영향이 가장 큰 데이터 부족 (few-shot) 제품군에서 성능 우위가 가장 크게 나타났다. 제안한 Anyshot 기술은 복잡한 데이터 재균형 과정 없이 실제 제조 현장의 불균형 데이터를 그대로 활용할 수 있어, 디스플레이 등 다양한 산업 분야의 품질 검사 자동화에 크게 기여할 것으로 기대된다.   3년 연속 특별상 수상으로 연구실의 뛰어난 연구 성과를 다시 한번 입증한 강석주 교수는 "Anyshot은 데이터 불균형을 학습 전에 제거해야 할 전처리 문제가 아니라 모델이 스스로 흡수해야 할 학습 문제로 재정의했다는 점에서 의미가 크다"라며, "신제품이나 소량 생산 제품처럼 정상 데이터 확보가 어려운 실제 산업 검사 환경에서 중요한 역할을 할 것"이라고 말했다. 또한, 이번 연구의 제1저자인 김태우 연구원은 "이번 연구가 실제 제조 라인의 데이터 환경에 바로 적용 가능한 이상 탐지 기술의 토대가 될 것"이라고 강조했다.  ‣제안하는 Anyshot 프레임워크  ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과   ‣논문 제목: Anyshot: A Unified Framework for Full and Few-Shot Anomaly Detection ‣저자 정보: 김태우 석박통합과정 (제 1저자), 강석주 교수 (교신저자)‣기타 정보: 없음 

2026.10.30

 반도체공학과 모영진 박사과정 학생, 2026년 한국연구재단 이공분야 학술연구지원사업 선정     ▲ (왼쪽부터) 김성진 교수님, 모영진 박사과정  본교 반도체공학과 모영진 박사과정생(지도교수 김성진)이 한국연구재단이 주관하는 2026년도 이공분야 학술연구지원사업 중 ‘박사과정생 연구장려금 지원사업’에 선정되었다. 박사과정생 연구장려금 지원사업은 창의적이고 도전적인 아이디어를 학생이 주도적으로 연구할 수 있도록 지원하는 사업으로 국내 대학원에서 전업으로 학업과 연구를 수행하는 박사과정생, 석·박사통합과정생을 대상으로 한다. 선정된 연구 과제는 “외란에 강인한 생체 신호 측정용 아날로그 프론트 엔드”로, 뇌, 심장, 근육 등에서 발현하는 미세 생체 신호 측정 시 영향을 주는 전력선 노이즈나 신체 움직임에 의한 외란 신호 등을 저감시키면서 생체 신호만을 증폭하고 디지털 신호로 변환하는 아날로그 회로 개발을 목표로 한다. 이를 위해 전극에 공통 모드로 입력되는 전력선 노이즈를 증폭기 외부로 유도하기 위해 임피던스를 낮추는 회로 및 입력 신호의 크기를 확인하여 포화를 방지하는 feedback loop 등을 설계하고 검증할 계획이다. 이를 통해 비침습적으로 상시 건강 상태를 확인하는 웨어러블 헬스케어 디바이스의 성능을 고도화하고 차세대 뇌-컴퓨터 인터페이스(Brain-Computer Interface, BCI) 기술 확립에 기여할 것으로 기대된다. 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.  

2026.10.26

김성진 교수 이미지 센서 연구팀, 나노기술 및 에너지 분야 최상위 국제 학술지 ‘Nano Energy’ 논문 게재   ▲ (왼쪽부터) 김성진 교수님, 홍기업 석박통합과정(UNIST), 강주빈 박사후연구원   본교 시스템반도체공학과/전자공학과 김성진 교수 이미지 센서 연구팀이 울산과학기술원(UNIST) 신소재공학과 송명훈 교수 연구팀, 전남대학교 화학공학부 박종현 교수 연구팀과 공동으로 수행한 연구 결과가 나노기술 및 에너지 분야 최상위 국제 학술지인 ‘Nano Energy’에 게재되었다. Nano Energy는 Elsevier에서 발행하는 국제 학술지로 나노소재와 나노소자를 기반으로 한 에너지, 광전자 소자 및 센서 분야의 연구를 다루며, 피인용지수(Impact Factor) 16.7로 재료 및 나노기술 분야에서 높은 영향력을 가지고 있다. 해당 논문의 제목은 “High dynamic range near-infrared imaging with monolithic Sn-Pb perovskite/CMOS integration”이다.   이번 연구는 자율주행, 로봇 비전, 야간 감시, 바이오 영상 등에 필수적인 근적외선(NIR) 이미지센서에 관한 것으로, 실리콘 CMOS 판독회로 위에 주석(Sn)과 납(Pb)을 혼합한 페로브스카이트 광검출 소자를 직접 집적하여 근적외선 감도와 동적 범위를 동시에 높였다. 기존 실리콘 포토다이오드는 간접 밴드갭 특성으로 인해 근적외선 흡수가 낮고, Sn-Pb 페로브스카이트는 근적외선 흡수가 우수하지만 주석의 산화로 암전류가 커지는 한계가 있었다. 연구팀은 소재 측면에서 정공수송층과 페로브스카이트 사이의 매립 계면에 이중 결합 패시베이션 분자(dNa-4dS)를 도입하여 주석 산화와 계면 결함을 억제함으로써 암전류를 크게 낮추었다. 회로 측면에서는 각 픽셀이 입사광의 세기에 따라 노출 시간을 스스로 조절하는 시간 코드 기반 HDR(High Dynamic Range) 회로를 픽셀 내부에 집적하여 강한 빛에서도 픽셀이 포화되지 않도록 하였다. 그 결과 850 nm 파장에서 66%의 양자효율로 기존 실리콘 포토다이오드(26%)보다 2.5배 높은 감도를 보였으며, 한 장면 안에서 118 dB의 동적 범위를 달성하였다. 향후 고가의 InGaAs 센서를 대체할 수 있는 저비용 고성능 근적외선 영상 플랫폼으로 발전하여 자율주행, 생체 인증, 머신 비전 등 차세대 영상 기술의 핵심 기술로 활용될 것으로 기대된다. 이번 연구는 UNIST 신소재공학과 양진규 학생, 울산과학기술원 소속이면서 서강대학교에서 연구하고 있는 홍기업 학생, 서강대학교 시스템반도체공학과 강주빈 학생이 공동 제1저자로 참여하였으며, 삼성전자 미래기술육성센터(SRFC-IT2402-11), 과학기술정보통신부 InnoCORE 사업(1.260007.01), 한국연구재단(RS-2025-02314080)의 지원을 받아 이루어졌다.  

2026.10.26

   전자공학과 디지털전송연구실, ETRI와의 공동연구로 6G 스마트 중계기 AI 빔 관리 기술 개발    ▲ (왼쪽부터) 노현석 박사과정, 한국전자통신연구원(ETRI) 로고  전자공학과 디지털전송연구실(지도교수 성원진)은 한국전자통신연구원(ETRI)과의 공동연구를 통해 차세대 이동통신망의 음영지역 해소와 전송 성능 향상을 위한 'AI 기반 스마트 중계기 빔 관리 기술'을 개발하였다. 본 연구는 과학기술정보통신부 「6G 통신 커버리지 확장 중계기 시스템 기술 개발」 국책 과제의 일환으로 수행되었으며, 서강대학교와 ETRI를 비롯해 LG전자, KT, SK텔레콤, LG유플러스 등 국내 주요 산학연 기관이 참여하여 기술의 실용성을 검증하였다.   연구팀은 실제 도심의 건물 구조와 전파 특성을 정밀하게 반영한 3차원 디지털 트윈 기반 이동통신 시뮬레이션 환경을 구축하고, 이를 활용해 네트워크 제어 중계기(NCR)의 전송 성능을 크게 개선하는 방안을 제시하였다. 특히 기존의 고정된 빔 집합을 사용하는 한계를 극복하고, 사용자 분포와 신호 측정 정보를 바탕으로 중계기가 스스로 최적의 빔 집합을 학습·갱신하는 'AI 기반 적응형 빔 관리 기술'을 독자 개발하였으며, 서울 및 미국 보스턴 등 다양한 실제 도심 환경 적용 검증 결과 추가적인 기지국–중계기 간 신호 오버헤드나 표준 변경 없이도 기존 방식 대비 큰 폭의 전송 효율 향상을 달성함을 확인하였다.    [주요 학술 성과]이번 연구를 주도적으로 수행한 전자공학과 노현석 박사과정은 학습 기반 빔 관리 핵심 기술을 세계적 권위의 통신 분야 국제학술대회인 IEEE ICC 2026 (2026년 5월)에서 발표했다. 이어 실제 중계기의 하드웨어 제약을 고려한 강화학습 및 전이학습 기반 기술로 발전시켜, 무선통신 분야 최상위 국제 학술지인 IEEE Transactions on Wireless Communications (TWC, IF 10.3, JCR 상위 4%) 2026년 10월호에 논문을 게재하는 성과를 거두었다.연구팀의 성과는 향후 지능형 실시간 무선자원관리 기술과의 결합을 통해 차세대 6G AI-Native 이동통신망의 핵심 요소 기술로 활용될 것으로 기대된다.  ▶ 논문 정보1. 국제 학술대회 논문 (IEEE ICC 2026)- 논문명: On-Device AI/ML Codebook Self-Learning for Enhanced Beamforming of Network-Controlled Repeaters- 학회명: IEEE International Conference on Communications (ICC 2026, 2026년 5월 발표)- 저자: 노현석 (제1저자), 성원진 (교신저자)   2. 국제 학술지 논문 (IEEE TWC)- 논문명: Hardware-Constrained Reinforcement Learning for Adaptive Beam Management in Network-Controlled Repeaters: A Transfer Learning Approach- 저널명: IEEE Transactions on Wireless Communications (2026년 10월호)- 저널 영향력: IF 10.3 / JCR Q1 상위 4% (2025 JCR 기준)- 저자: 노현석 (제1저자), 성원진 (교신저자) 

2026.10.23

  전자공학과 임예지 석·박사통합과정생,2026년도 한국연구재단 이공분야 학술연구지원사업 선정   ▲ 임예지 석·박사통합과정생    전자공학과 임예지 석·박사통합과정생(지도교수 김홍석)이 한국연구재단이 추진하는 2026년도 이공분야 학술연구지원사업 중 ‘박사과정생 연구장려금 지원사업’에 선정되었다.   박사과정생 연구장려금 지원사업은 창의적이고 도전적인 아이디어를 학생이 주도적으로 연구할 수 있도록 지원하는 사업이다. 국내 대학원에서 전업으로 학업과 연구를 수행하는 박사과정생, 석·박사통합과정생을 대상으로 한다.   선정된 과제는 ‘송전제약 고려 발전기 기동정지계획의 고속·실현가능 해 도출을 위한 AI-최적화 통합 프레임워크 개발’로, 인공지능과 수학적 최적화를 결합해 전력망의 운영 조건을 만족하는 발전기 운전계획을 신속하게 수립하는 것을 목표로 한다. 이를 위해 최적화 수식 구조를 반영한 신경망과 비지도 학습을 활용하고, AI가 도출한 운전계획을 수학적 최적화 기법으로 보정·검증하여 계산 효율과 신뢰성을 함께 높일 계획이다.   이를 통해 안정적이고 효율적인 전력계통 운영을 지원하고, AI 기반 공학 시스템 최적화 연구에 기여할 것으로 기대된다.    

2026.10.16

 서강대학교 전자공학과 졸업생 조현우 박사(지도교수 유양모), 경북대학교 전자공학부 교수 임용     ▲ 경북대학교 조현우 조교수   서강대학교 전자공학과에서 학사·박사학위를 취득한 조현우 박사(지도교수 유양모)가 2026년 9월 1일부로 경북대학교 IT대학 전자공학부 인공지능 및 신호처리 분야 조교수로 임용되었다. 조현우 박사는 2020년 서강대학교 전자공학과에서 학사학위를 취득한 후, 유양모 교수의 의료영상시스템연구실(MICS Lab.)에서 인공지능 기반 초음파 의료영상 및 의료영상 시스템을 중심으로 연구를 수행하여 2025년 박사학위를 취득하였다. 박사학위 취득 후에는 서강대학교 박사후연구원으로 연구를 이어갔으며, 이후 MIT와 싱가포르 연구기관이 공동 운영하는 SMART(Singapore-MIT Alliance for Research and Technology) 센터에서 Postdoctoral Associate로 근무하며 웨어러블 초음파 시스템 및 로봇 기반 초음파 의료영상 분야로 연구 영역을 확장하였다. 조현우 박사는 경북대학교 전자공학부에 **지능형 생체신호처리 연구실(Intelligent Biomedical Signal Processing Laboratory)**을 개설하고, 인공지능과 신호처리 기술을 기반으로 차세대 의료영상 및 지능형 초음파 시스템 연구를 수행할 예정이다. 또한 서강대학교를 비롯한 국내외 연구진과의 지속적인 협력을 통해 활발한 연구 및 교육 활동을 이어갈 계획이다. 조현우 박사의 지도교수인 서강대학교 전자공학과 유양모 교수는 “조현우 교수는 학부 시절부터 뛰어난 연구 역량과 성실한 자세를 보여주었으며, 박사과정 동안 독창적인 연구를 수행하며 연구자로서 꾸준히 성장해 왔습니다. 서강대학교에서 학부와 박사과정을 마친 제자가 젊은 나이에 교수로 임용되어 독립적인 연구와 교육의 길을 시작하게 된 것을 지도교수로서 매우 기쁘고 자랑스럽게 생각합니다. 이번 임용이 우리 학과 후배들에게도 자신의 가능성을 믿고 도전하는 좋은 계기가 되기를 바라며, 앞으로 훌륭한 연구자이자 교육자로 성장하기를 기대합니다.”라고 축하의 뜻을 전했다.조현우 박사는 “서강대학교에서 배우고 연구하며 쌓은 경험을 토대로 앞으로 좋은 연구자이자 교육자로 성장할 수 있도록 꾸준히 정진하겠습니다. 서강에서 배우고 성장할 수 있었음에 깊이 감사드립니다.”라고 임용 소감을 밝혔다. 이번 임용은 서강대학교 전자공학과에서 학부와 대학원 교육을 받은 졸업생이 만 30세 이전에 주요 국립대학교의 교수로 임용된 사례로, 본교의 우수한 교육 및 연구 역량을 보여주는 동시에 후배 재학생들에게도 의미 있는 귀감이 될 것으로 기대된다. 주요 약력 2015–2020: 서강대학교 전자공학과 공학사2020–2025: 서강대학교 전자공학과 공학박사2025–2026: 서강대학교 바이오융합기술연구소 박사후연구원2026: Singapore-MIT Alliance for Research and Technology(SMART), Postdoctoral Associate2026.09–현재: 경북대학교 IT대학 전자공학부 조교수  

2026.10.12

  김홍석 교수 연구팀, 인공지능 응용 분야 국제학술지 IFAC EAAI (JCR 상위 3.3%) 게재    ▲ (왼쪽부터) 김홍석 교수, Hien Thanh Doan 박사, 송근주 박사   대규모 국가 전력망 최적화 AI 기술 AltOPF 개발   본교 전자공학과 김홍석 교수 연구팀이 대규모 전력망의 경제적 운영을 돕는 인공지능 기반 최적화 기술 AltOPF를 개발했다. 미국 매사추세츠공과대학교(MIT), 아르곤 국립연구소, 전력거래소(KPX)와 공동으로 수행한 이번 연구는 인공지능 응용 분야 국제학술지 IFAC Engineering Applications of Artificial Intelligence (Impact Factor 9.0, JCR 상위 3.3%)에 게재가 확정되었다.   전력망을 효율적으로 운영하려면 전력 수요를 충족하면서 발전비용을 줄이고, 전압과 송전선 용량 등 다양한 운전 조건을 만족하는 발전량을 계산해야 한다. 이를 교류 최적전력조류(AC-OPF) 문제라고 한다. 재생에너지 확대와 전력망 대형화로 계산 부담이 커지는 가운데, 기존 AI 기술 역시 대량의 정답 데이터 확보와 전력망의 물리적 제약 준수에 어려움이 있었다.   AltOPF의 핵심은 계산 부담을 낮춘 보조 문제의 정답을 배우는 지도학습과, 실제 전력망의 물리 법칙 및 운전 제약을 반영하는 비지도학습을 교대로 수행하는 방식이다. 보조 학습의 효과가 줄어들면 원래 문제에 집중하도록 전환하고, 반복적으로 위반되는 제약에는 더 큰 가중치를 부여한다. 이를 통해 적은 정답 데이터로도 경제성과 제약 준수를 함께 학습할 수 있도록 했다.   연구팀은 IEEE 162, 300, 1,354 모선 표준 시험계통과 국내 KPX 실계통(4,492모선)에서 성능을 검증했다. 국내 계통의 기본 시험 조건에서 AI가 직접 예측한 결과의 발전비용은 기존 최적화 도구 MATPOWER의 기준 해와 평균 0.934%의 차이를 보였다. 또한 전력흐름 보정을 포함한 병렬 처리 실험에서 샘플당 평균 계산시간은 58.63 msec로, 기존 최적화 계산의 4.10초 대비 약 70배 빠른 처리 성능을 기록했다.   학습에 필요한 자원도 줄였다. 1,354모선 계통에서 정답 데이터 생성시간은 완전 지도학습 방식의 18,432초에서 848초로 약 95.4% 감소했다. 같은 계통의 신경망 구조 비교에서는 모델과 학습 상태를 저장하는 용량을 75%, 학습 중 최대 GPU 메모리 사용량을 약 40% 줄여 대규모 전력망에 적용하기 위한 효율성을 높였다.   이번 연구는 실제 국내 전력망 규모에서 AI 기반 최적화의 속도와 데이터 효율을 함께 검증했다는 점에서 의미가 있다. 연구팀은 AI 예측 결과에 제약 검증과 전력흐름 보정을 적용하고, 추가 검증을 통과하지 못한 경우 기존 최적화 계산으로 연결하는 운영 방안도 제시했다. 이러한 접근은 고정된 전력망 구조에서 다양한 운전 후보를 신속하게 검토하는 전력 운영 의사결정 지원 기술로 활용될 수 있다.     ‣ 보조 문제와 원래 문제를 교대로 학습한 뒤 원래 문제에 집중하는 AltOPF의 학습 전략.     논문 정보논문명 Alternative learning with semi-supervised relaxation for alternating-current optimal power flow학술지 Engineering Applications of Artificial Intelligence저자 Hien Thanh Doan, Keunju Song, Sungho Shin, Kibaek Kim, Youngmin Choi, Hongseok Kim소속 서강대학교, Massachusetts Institute of Technology, Argonne National Laboratory, Korea Power Exchange교신저자 김홍석 교수 | 서강대학교 전자공학과게재일 2026년 11월 1일DOI 10.1016/j.engappai.2026.116099  

2026.10.12

 강석주 교수 연구팀, 인공지능 모델 경량화 기술로 세계 최우수 인공지능 학회 ‘NeurIPS 2026’ 논문 2편 채택   ▲ (왼쪽 상단부터) 강석주 교수, 양진철 석박통합과정, 최재민 석사과정, 임나현 석사과정, 정윤성 석사과정, Matti Zinke 석사과정, 유현우 석박통합과정  전자공학과 강석주 교수 연구팀의 Vision Transformer와 Monocular Depth Estimation 모델 경량화를 주제로 한 논문 2편이 세계 최우수 인공지능 학회인 ‘Neural Information Processing Systems, NeurIPS 2026’에 채택되었다. 1987년부터 시작된 NeurIPS는 인공지능 및 머신러닝 분야의 발전을 선도해온 세계 최고 권위의 국제 학술대회로, 오는 12월 6일부터 12월 13일까지 호주 시드니, 미국 애틀랜타와 프랑스 파리에서 개최될 예정이다.   이번 연구에는 강석주 교수 연구팀의 양진철 석박통합과정 (제1저자), 최재민 석사과정 (제1저자), 임나현 석사과정 (공동 1저자), 정윤성 석사과정 (공동 1저자), Matti Zinke 석사과정 (공동 1저자), 유현우 석박통합과정 (공동 1저자)이 참여하였다.   첫 번째 논문 제목은 ‘Post-Training Quantization with Gradient-Projected Fisher Approximation for Vision Transformers’으로, Vision Transformer를 저비트로 양자화하는 과정에서 발생하는 성능 저하를 줄이기 위한 GPFA-Q를 제안하였다.   본 논문에서 제안한 방법은 크게 두 가지이다. 첫 번째 방법인 Gradient-Projected Reconstruction (GPR)은 블록 단위의 양자화 오차를 손실 함수의 기울기 방향으로 투영하여 차원 간 상호작용을 반영한다. 이 과정에서 곡률 행렬을 직접 구성하거나 역행렬을 계산하지 않는다. 두 번째 방법은 연속적인 최적화 과정과 실제 추론에 사용되는 이산 양자화 값 사이의 차이를 줄이는 Soft Grid Rounding (SGR)이다. 두 방법을 결합한 GPFA-Q는 선행 연구에서 충분히 반영하지 못했던 차원 간 상호작용과 행렬 역산의 수치적 불안정성, 최적화와 추론 간 불일치를 줄여 저비트 양자화 성능을 개선한다. 이를 통해 모델을 메모리와 연산 자원이 제한된 엣지 기기에서도 고성능 비전 AI 모델을 효율적으로 구동할 수 있다. 본 연구는 추가 학습 없이 대형 AI 모델을 작고 가볍게 만드는 경량화 기술로서, 향후 온디바이스 AI 확산에 기여할 것으로 기대된다.   이번 연구에 참여한 양진철 학생은 “연구 성과를 인정받게 되어 기쁘고 함께 연구해 주신 교수님과 연구실 동료들에게 감사드립니다. 앞으로도 AI 모델이 다양한 환경에서 효율적으로 동작할 수 있도록 경량화 연구에 더욱 매진하겠습니다.”라고 소감을 전했다.  ‣제안하는 GPFA-Q 프레임워크 두 번째 논문 제목은 ‘SPA-Q: Structure-Preserving Adaptive Post-Training Quantization for Monocular Depth Estimation’이며, Monocular Depth Estimation 모델 특화 quantization 프레임워크를 제안하였다. 연구팀은 기존 양자화 방법이 Query와 Key를 각각 양자화하는 과정에서 두 정보의 상호작용으로 만들어지는 attention 분포를 보존하지 못하고, 양자화 오차가 여러 층에 누적되면서 중간 특징의 분포가 달라지는 문제를 지적하였다.   본 논문에서는 Query와 Key의 상호작용에 따른 attention 분포가 원본 모델의 분포와 가까워지도록 KL divergence를 최소화해 양자화 파라미터를 정하는 Attention-Preserving Calibration (APC)을 제안하였다. 또한 학습 가능한 채널별 변환을 적용하여 양자화된 중간 특징의 분포를 원본 모델에 맞추는 Channel-Wise Distribution Alignment (CWDA)를 제안하였다. 본 연구의 의미는 기존의 범용 양자화 방식에서 한 단계 나아가, 깊이 추정 모델의 attention 구조와 특징 분포를 함께 고려하는 양자화 프레임워크를 제시했다는 데 있다. 이를 통해 모델 경량화에서도 단순한 수치 오차 최소화뿐 아니라, 해당 모델의 예측에 중요한 내부 정보가 어떻게 유지되는지를 고려할 필요성을 보여주었다. 제안한 SPA-Q는 단안 깊이 추정의 정확도를 높이면서 모델 크기와 연산량을 줄여, 메모리나 연산 자원이 제한된 환경에서 자율주행·로보틱스 등 주변 환경의 거리와 구조 파악이 중요한 분야에 깊이 추정 모델을 효율적으로 적용하는 데 기여할 것으로 기대된다.   이번 연구에 참여한 최재민 학생은 “연구 방향을 함께 고민하며 도움을 준 연구실 동료과 늘 믿어주시고 지지해주신 교수님 덕분에 좋은 결과를 얻을 수 있었습니다. 이번 성과에 안주하지 않고, 더 크고 복잡한 AI 모델로 연구를 확장해 나가겠습니다.”라고 소감을 전했다.   ‣제안하는 SPA-Q 프레임워크   ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과   ‣논문정보1. Post-Training Quantization with Gradient-Projected Fisher Approximation for Vision Transformers양진철, 최재민, 임나현, 정윤성, Matti Zinke, 유현우, 현봉준 (삼성전자), 손교민 (삼성전자), 강석주2. SPA-Q: Structure-Preserving Adaptive Post-Training Quantization for Monocular Depth Estimation최재민, 양진철, 임나현, 정윤성, Matti Zinke, 유현우, 강석주‣기타 정보: 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터사업의 연구결과 및 차세대지능형반도체기술개발 사업의 연구결과임. 

2026.10.01

 강석주 교수 연구팀, 대한전자공학회 제36회 인공지능신호처리학술대회 우수상 수상    ▲ (왼쪽부터) 강석주 교수, 이채원 학사과정, 최승규 석사과정, 염수웅 석박통합과정  서강대학교 전자공학과 강석주 교수 연구팀(이채원 학사과정, 최승규 석사과정, 염수웅 석박통합과정, 강석주 교수), 김준수 박사 (한국전자통신연구원), 윤국진 박사 (한국전자통신연구원)로 이루어진 공동 연구팀의 논문이 지난 9월 17일부터 9월 18일까지 개최된 대한전자공학회 제36회 인공지능신호처리학술대회에서 우수상을 수상하였다. 본 학술대회는 인공지능 및 신호처리 분야의 최신 연구 성과를 공유하고 관련 연구자들이 학술적으로 교류하는 국내 주요 학술대회로, 다양한 연구 결과와 기술이 발표되는 학술의 장이다.   이번에 채택된 논문 제목은 ‘문맥 분리 최적화를 통한 3D 가우시안 스플래팅의 피사체 보존형 공간 확장’으로, 연구팀은 서로 다른 시간과 카메라에서 촬영된 보조 영상을 활용하여 주변 공간을 확장하면서도 주요 피사체의 기하 구조와 세부 정보를 보존할 수 있는 3D 가우시안 스플래팅 방법을 제안하였다. 기존 방법에서는 메인 영상과 보조 영상의 색상 및 조명 차이와 함께, 보조 영상에 피사체가 존재하지 않을 경우 해당 피사체의 가우시안이 불필요한 정보로 판단되어 기하 구조가 손실되는 문제가 발생한다.   이를 해결하기 위해 연구팀은 배경과 피사체를 분리하여 최적화하는 “문맥 분리형 다단계 최적화 파이프라인”을 제안하였다. 먼저 메인 영상과 보조 영상으로부터 정적 배경을 학습하여 주변 공간을 확장한 뒤, 메인 영상에 존재하는 주요 피사체를 별도로 최적화하여 피사체의 세부 정보를 보존한다. 또한 semantic mask를 활용하는 “시맨틱 마스크 기반 영역·클래스 학습”, 피사체에 해당하는 가우시안의 위치, 크기, 회전, 불투명도 등의 업데이트를 제한하는 “비대칭 기하 보존 매커니즘”을 적용하여 보조 영상의 영향을 받더라도 주요 피사체의 기하 구조가 훼손되지 않도록 하였다.   이번 연구에 참여한 학생들은 “강석주 교수님의 세심한 지도와 연구실 동료들의 도움 덕분에 이번 연구를 성공적으로 마무리할 수 있었다. 3D Gaussian Splatting 분야에서 의미 있는 연구 결과를 낼 수 있어 기쁘며, 이번 경험을 바탕으로 앞으로도 좋은 연구 성과를 만들어갈 수 있도록 노력하겠다.”라고 소감을 전했다. ‣제안 방법론 구조도  ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과     ‣논문 제목: 문맥 분리 최적화를 통한 3D 가우시안 스플래팅의 피사체 보존형 공간 확장‣저자 정보: 이채원 학사과정 (공동 1저자), 최승규 석사과정 (공동 1저자), 염수웅 석박통합과정 (공동 1저자), 김준수 박사, 윤국진 박사, 강석주 교수 (공동 교신저자)  

2026.09.29

 김영욱 교수 연구팀, 2026 한국전자파학회 하계종합학술대회 최다논문상 및 우수논문상 6개 수상  전자공학과의 인공지능 레이다/RF 연구실(지도교수 김영욱)의 연구원들이 2026년도 한국전자파학회 하계종합학술대회에서 최다논문상 및 6개의 우수논문상을 수상하였다.   김영욱 교수 연구실의 연구원들은 하계종합학술대회에 총 29편의 논문을 작성하였다. 이는 전자파학회 역사상 단일 연구실에서 가장 많은 논문 발표 실적이다. 특히 연구원생들의 자발적인 아이디어와 노력으로 최다논문상을 수상하였다는 점에서 그 의미가 더욱 크다.   또한 AiR Lab 연구원들은 총 6개의 우수상을 수상하였다. 김연재 석사과정 학생은 '평면 근접장 기반 소스 재구성과 상호 결합 보정을 이용한 배열 안테나 여기 추정'이라는 연구 주제로 우수상을 수상하였다. 본 연구에서는 SRM를 통해 근접장으로부터 배열 안테나의 복소 excitation을 정량적으로 추정할 수 있는 방법을 제안하였다. 또한 '원통형 근접 전기장을 이용한 3차원 EMI 소스 전류 복원'라는 주제로 우수 포스터 발표상을 수상하기도 하였다. 본 연구에서는 원통형 근접장으로부터 DUT가 포함된 3차원 전류 분포를 복원하여 EMI 소스를 추정하는 기법을 제안하였다.     장승희 석사과정 학생은 ‘다중극 구면파 전개 기반 제한 면적 평면 근접장-원거리장 복원 기법’ 연구로 우수상을 수상하였다. 본 연구에서는 다중극 구면파 전개를 이용해 제한된 근접장으로부터 구면파 모드를 추정하고, 원거리 방사 패턴을 복원하는 방법을 제안하였다.    최용준 석사과정 학생은 'Single-Snapshot DoA Estimation Driven by Quantum Neural Networks'라는 연구 주제로 우수상을 수상하였다. 본 연구에서는 단일 스냅샷일 때 부족한 Rank-1 문제를 해결하여 다중 신호원의 도래각을 추정하는 방법을 제시하였다.    성민서 석사과정 학생은 'Optimized Feature for Quantum SVM: Detection of Robotic Dogs Using Radar Micro-doppler Signatures'라는 연구 주제로 우수 구두 발표상을 수상하였다. 본 연구에서는 optimized feature를 활용하여 QSVM 기반 마이크로 도플러 시그니처의 분류 성능을 개선하였다.   동규헌, 오정훈 학부연구생은 '양자신경망의 레이더 손동작 인식 Cross-Subject 평가와 진폭 인코딩 헤드의 파라미터 공정 우위' 연구 주제로 학부 우수상을 수상하였다. 본 연구에서는 양자신경망의 레이더 손동작 인식 성능 향상 원인이 특징벡터 정규화임을 규명하고, 이를 고전 모델에 적용하여 성능을 향상시키는 방법을 제안하였다.   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 거두었고, 최근에는 Quantum Computing을 이용한 새로운 접근 방식의 레이다 신호처리 및 응용 전자기학 연구를 진행하고 있다.  

2026.09.16

 박성보 석박통합과정(지도교수 안길초), TCAS-I 2026 논문 Accept  ▲ (왼쪽부터) 안길초 교수, 박성보 석박통합과정   본교 전자공학과 혼성신호회로설계 연구실 박성보 석박통합과정(지도교수 안길초)이 아날로그 회로설계 분야에서 권위있는 국제 저널인 IEEE Transactions on Circuits and Systems I: Regular Papers에 accept 되었다.   IEEE Transactions on Circuits and Systems I: Regular Papers(TCAS-I)는 아날로그·디지털·혼성신호 회로 및 시스템의 이론, 설계, 구현과 관련된 연구를 다루는 국제 저널이다. 특히 집적회로 설계, 데이터 변환기, 센서 인터페이스, 신호처리 회로 및 다양한 회로·시스템 응용 분야의 연구 결과를 게재하고 있다.  해당 논문의 제목은 “A ±50-A Shunt-Based Current Sensor With ±0.2% Gain Error From −40 °C to 125 °C”이며, 본 논문에서는 PCB trace shunt resistor의 온도에 따른 저항 변화를 보상하기 위한 PTAT(Proportional-to-Absolute-Temperature) 및 조절 가능한 CTAT(Complementary-to- Absolute-Temperature) 기반의 온도 보상 기법을 제안하였다. 제안된 전류 센서는 하나의 batch calibration과 상온에서의 one-point gain trim만을 이용하여 복잡한 개별 온도 보정 없이 동작하며, −40 °C부터 125 °C의 넓은 온도 범위와 ±50 A의 전류 범위에서 ±0.2% 이내의 gain error를 달성하였다. 또한 저전력 ΔΣ ADC를 이용해 shunt voltage를 직접 디지털화함으로써 정밀 전류 측정이 가능한 집적형 current-sensing 시스템을 구현하였다. 그림1. 박성보 석박통합과정이 제안한 전류센서의 BGR 회로도  그림2. 박성보 석박통합과정이 제안한 전류센서의 ADC 회로도

2026.09.11

 박태제, 고제우 박사과정 (지도교수 성원진), 김문일 박사과정 (지도교수 소재우), 2026 AI서울테크연구지원사업 선정   ▲ (왼쪽부터) 박태제 박사과정, 고제우 박사과정, 김문일 박사과정  본교 전자공학과 디지털전송연구실 (지도교수 성원진)의 박태제, 고제우 박사과정과 통신네트워크연구실 (지도교수 소재우)의 김문일 박사과정이 서울미래인재재단에서 지원하는 2026년 AI서울테크연구지원사업에 선정되었다.    AI서울테크연구지원사업은 서울시와 서울미래인재재단이 AI 분야의 우수 연구인재를 발굴·지원하기 위해 추진하는 사업이다. 2026년에는 총 76억 원 규모로 박사과정 85명을 포함한 총 255명의 AI 분야 연구자를 선발하였다. 연구실적 및 연구계획서에 대한 서류심사와 연구역량 면접 등 단계별 심사를 거쳐 세 학생이 최종 선정되었으며, 선정자들에게는 1년간 1인당 4,000만 원의 연구지원금이 지원된다.   이번 연구지원사업 선정을 통해 선정 학생들은 AI와 차세대 통신기술의 융합 분야에서 연구를 더욱 심화해 나갈 예정이다. 본교 전자공학과는 차세대 이동통신 및 통신네트워크 분야 전반에서 AI 기술을 접목한 연구를 활발히 수행하고 있으며, 무선통신 물리계층부터 네트워크 기술에 이르기까지 AI를 활용해 통신 시스템의 성능과 운용 효율을 향상시키기 위한 다양한 연구를 이어가고 있다. 이러한 연구 활동을 바탕으로 관련 분야에서 우수한 성과를 지속적으로 창출하고 있으며, 이번 AI서울테크연구지원사업 선정 역시 본교 전자공학과의 AI·통신 융합 분야 연구 역량을 보여주는 성과라 할 수 있다. 향후 AI와 차세대 통신기술의 융합 분야에서 더욱 의미 있는 연구 성과가 이어질 것으로 기대된다.  

2026.08.20