서강대학교 전자공학과

  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

 김성진 교수 SPAD 센서 연구팀, 반도체 설계 올림픽 ‘ISSCC 2026’ 논문 채택   ▲(왼쪽부터)시스템반도체공학과/전자공학과 김성진 교수님, 홍기업 석박사통합 연구원  본교 시스템반도체공학과/전자공학과 김성진 교수 SPAD 센서 연구팀의 연구 결과가 반도체 회로 분야 세계 최고 학회인 ‘국제고체회로학회(International Solid-State Circuits Conference, 이하 ISSCC) 2026’에 선정되었다. ISSCC는 1954년 처음 개최된 집적회로 분야 최고의 국제학술대회로 반도체 회로 분야 학회 중 가장 높은 권위을 가지고 있으며 nVidia, SK 하이닉스, 삼성전자, TSMC 등 관련 분야 세계 최고의 기업에서 3,000명 이상의 참가자가 모이는 이른바 ‘반도체 설계 올림픽’으로 불린다. 해당 논문의 제목은 “A Fully Reconfigurable Hybrid SPAD Vision Sensor with 134dB Dynamic Range Using Time-Coded Dual Exposures”이다. 이번 연구는 스마트폰의 핵심 기능으로 자리잡은 카메라의 심장인 이미지센서에 대한 것으로 감지할 수 있는 빛의 최소-최대 세기인 Dynamic Range를 기존 대비 60dB 이상 늘리면서 Dual Exposure를 활용해 빛의 양을 좀 더 세분화해서 출력함으로써 상세한 정보가 담긴 영상을 출력하는 기술을 선보였다. 또한, 머신 비전에 특화된 기능인 물체의 움직임만을 포착하여 실시간으로 전달하는 Vision Sensing 기술을 탑재하여 로봇 등에서 유용하게 사용될 수 있을 것으로 기대한다. 이번 연구는 울산과학기술원 소속이면서 서강대학교에서 연구하고 있는 홍기업 학생의 주도로 성균관대학교, 솔리드뷰의 연구원들과의 공동 연구로 진행되었으며, 한국연구재단에서 지원하는 중견연구자 사업(RS-2021-NR059470), IITP의 양자 센싱 사업(RS-2025-02217613) 및 삼성미래육성센터 과제(SRFC-TA-1803-51)의 지원을 받아 이루어졌다. 

2025.12.12

강석주 교수 연구실 (문승훈 석박통합과정), 삼성디스플레이 산학협력 논문대회 은상 및 특별상 (2년 연속) 수상  ▲ (왼쪽부터) 전자공학과 강석주 교수, 문승훈 석박통합과정생  전자공학과 강석주 교수 연구팀 (문승훈 석박통합과정)의 논문이 2025 삼성디스플레이 산학협력 논문대회에서 은상을 수상했다. 또한 강석주 교수 연구실은 우수 논문이 가장 많이 rank 된 연구실에게 주어지는 특별상도 2년 연속 수상하는 쾌거를 이루었다. 산학협력 연구성과를 알리기 위해 2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 오는 10월 31일 삼성디스플레이 기흥캠퍼스 SDR (Samsung Display Research)에서 개최될 예정이다.     은상으로 채택된 논문 제목은 ‘DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching’이며, 스테레오 매칭 (stereo matching) 모델의 일반화 성능을 획기적으로 높인 새로운 딥러닝 프레임워크를 제안한다. 연구팀은 기존의 AI 모델들이 3D CNN이나 트랜스포머 등을 통해 높은 성능을 달성했지만, 특정 데이터 환경에 과적합되는 '도메인 특화 미세조정(fine-tuning)'에 크게 의존하여 실제 환경에서의 일반화 성능이 저하되는 문제점을 지적했다.   본 논문은 이러한 한계를 극복하기 위해 두 가지 핵심 모듈인 'DGCMA (Depth-Guided Cross-Modal Attention)'와 'TAA (Tri-Axial Attention)'를 제안한다. DGCMA 모듈은 사전 학습된 단일 이미지 깊이 추정 파운데이션 모델 (monocular depth foundation model)이 제공하는 '깊이 정보 (depth prior)'를 RGB 이미지 특징과 효과적으로 융합한다. 이 효율적인 어텐션 메커니즘은 질감이 없거나 반사되는 영역 (low-texture or reflective regions)에서 발생하는 모호함을 줄여, 모델의 기하학적 표현력을 강화한다. 또한, TAA 모듈은 효율적인 '방향성 스트립 합성곱 (directional strip convolutions)'을 사용하여 이미지의 수평, 수직 및 공간적 차원에서 장거리 의존성을 포착한다. 이 모듈은 계산 오버헤드는 낮추면서도 깊이 추정의 정밀도를 향상시킨다.   연구팀은 DGTFNet을 컴퓨터 그래픽으로 만든 합성 데이터 (SceneFlow)로만 학습시킨 후, 실제 도로 및 환경 데이터셋 (KITTI, ETH3D 등)에서 추가 학습 없이 '제로샷 (zero-shot)' 평가를 진행했다. 그 결과, DGTFNet은 기존의 최첨단 (SOTA) 모델들보다 월등히 뛰어난 일반화 성능을 입증했다. 제안한 DGTFNet 기술은 AI 모델이 낯선 실제 환경에서도 높은 정확도를 유지할 수 있게 하여, 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다.   2년 연속 특별상 수상으로 연구실의 뛰어난 연구 성과를 다시 한번 입증한 강석주 교수는 “DGTFNet은 기존 딥러닝 모델이 가진 '도메인 의존성'이라는 한계를 넘어, 합성 데이터만으로도 실제 환경에 강인한 '제로샷' 성능을 달성했다는 점에서 의미가 크다”라며, “자율주행이나 로봇 비전 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구의 제1저자인 문승훈 연구원은 “이번 개발로 AI가 실험실을 넘어 실제 산업 현장에 적용될 수 있는 기술적 토대가 될 것”이라고 강조했다. ‣제안하는 DGTFNet 프레임워크 ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과    ‣논문 제목: DGTFNet: Depth-Guided Tri-Axial Fusion Network for Efficient Generalizable Stereo Matching ‣저자 정보: 문승훈 석박통합과정 (제 1저자), 강석주 교수 (교신저자)‣기타 정보: 없음  

2025.11.17

 임재근 석박통합과정(지도교수 안길초), 국제 저명 저널 JSSC 2025에 논문 Accepted  ▲(왼쪽부터) 안길초 전자공학과 교수, 임재근 석박통합과정  본교 전자공학과 혼성신호회로설계 연구실 임재근 석박통합과정(지도교수 안길초)이 아날로그 회로설계 분야에서 가장 권위있는 국제 저널인 IEEE Journal of Solid-State Circuits(2025년 기준 JCR impact factor 5.6) 2025에 accept 되었다.   IEEE Journal of Solid-State Circuits(JSSC)는 집적 회로의 트랜지스터 수준 설계에 특히 중점을 둔 광범위한 반도체 회로 분야에서 매달 논문을 발행하는 저널이다. 또한, IC 설계와 직접 관련된 회로 모델링, 기술, 시스템 설계, 레이아웃 및 테스트와 같은 주제를 다룬다.   해당 논문의 제목은 “A Hybrid Voltage-Time Domain Pipelined ADC With Reference-Embedded Time-Domain Residues”이며 본 논문에서 제안하는 12-bit ADC는 off-chip trimming이나 background calibration 없이 dual-residue를 이용하여 time-domain reference variation을 내재적으로 보상하고 hybrid-domain stages의 full-scale reference matching을 보장한다.    <그림1_Absolute Gain에 무관한 Dual Residues 원리>  <그림2_제안하는 ADC의 전체 Block Diagram>  

2025.11.07