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) 

  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) 

 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 

 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>  

 강석주 교수, 한국이공학진흥원 ‘공학도슨트상’ 수상 ▲전자공학과 강석주 교수님 차세대 공학 인재 양성과 인공지능 기반 반도체·디스플레이 연구 성과로 공학 발전에 기여 서강대학교 전자공학과 강석주 교수는 한국이공학진흥원(IPESK)이 수여하는 공학도슨트상(Engineering Docent Award)을 수상했다. 공학도슨트상은 글로벌 연구중심대학의 공학계열 교수 중 차세대 공학(연구)자 양성에 크게 기여한 인물에게 수여되는 상으로, 국내 공학 교육과 연구의 발전에 공헌한 우수 연구자에게 주어지는 영예로운 상이다. 강석주 교수는 인공지능(AI)과 반도체·디스플레이 기술을 융합한 차세대 핵심 기술 연구와 학생 중심의 교육 및 인재 양성에 기여한 점을 높이 평가받았다. 그는 현재 ▲인공지능 시스템반도체 연구센터(대학ICT연구센터) 센터장 ▲BK21 FOUR 지능형 시스템반도체 혁신인재양성사업단 단장 등을 맡아 활발한 산학연 협력과 교육 혁신을 이끌고 있다. 강 교수는 가상현실(VR) 착용형 디스플레이의 영상 왜곡 및 저화질 문제를 개선하는 인공지능 영상 생성 기술을 세계 최초로 개발하고, 이 기술을 IEEE 국제표준으로 제정하는 성과를 거두었다. 해당 연구는 석·박사과정 학생들과 함께 진행되어, 학생들이 실제 글로벌 기술표준화 과정에 참여하며 연구자적 역량을 키울 수 있는 귀중한 경험이 되었다. 또한, 인공지능 기반 초해상도 영상 생성, GPU 한계를 극복하는 실시간 딥러닝 가속 기술 등에서도 탁월한 연구성과를 내며 CVPR, ICCV, ECCV, NeurIPS, AAAI 등 세계 최고 수준의 학술대회에서 논문을 발표했다. 이러한 연구들은 학생들의 주도적 참여를 기반으로 한 교육과 연구 융합 모델을 실현한 사례로 평가받고 있다. 강 교수는 연구실 내 학생들의 성장을 위해 지속적인 멘토링과 다양한 연구를 이어오고 있으며, 제자들은 삼성전자, LG전자, SK하이닉스, 현대모비스, 네이버랩스 등 주요 기업 및 연구 기관으로 진출해 활약하고 있다. 또한, 산업통상자원부 장관상 (2023), 삼성전자 반도체 50주년 우수과제 특별상 (2024), 삼성디스플레이 기술 논문상 (2023, 2024, 2025) 등 다수의 상을 연구실 구성원들과 함께 수상하며, 공학교육과 연구가 산업 현장으로 확장되는 선순환 모델을 만들어가고 있다. 이와 같은 공로로 강 교수는 IEEE/IEIE Joint Award(2019), 한국방송미디어공학회 신진연구자상(2020), Merck Young Scientist Award(2022), 서강 리치공학 펠로우 (2023, 2024) 등 다수의 상을 수상해왔다. 이번 공학도슨트상은 그가 지난 10여 년간 보여준 탁월한 연구 리더십과 차세대 공학 인재 양성에 대한 헌신이 다시 한번 인정받은 결과이다.  

 강석주 교수 연구팀(양진철, 최재민, Matti Zinke), 세계 최우수 인공지능 학회 ‘NeurIPS 2025’ 논문 채택     ▲ (왼쪽부터) 강석주 교수, 양진철 석박통합과정, 최재민 석사과정, Matti Zinke 석사과정전자공학과 강석주 교수 연구팀 (양진철 석박통합과정, 최재민 석사과정, Matti Zinke 석사과정)의 논문이 세계 최우수 인공지능 학회인 ‘Neural Information Processing Systems, NeurIPS 2025’에 채택되었다. 1987년부터 시작된 NeurIPS는 인공지능 및 머신러닝 분야의 발전을 선도해온 세계 최고 권위의 국제 학술대회로, 오는 11월 30일부터 12월 7일까지 미국 샌디에고와 멕시코시티에서 개최될 예정이다. 이번에 채택된 논문 제목은 ‘QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation’이며, monocular depth estimation 모델 특화 quantization 프레임워크를 제안하였다. 연구팀은 기존의 AI 모델 경량화 기술이 image classification, language modeling 등의 기초적인 작업에 최적화되어 있어 monocular depth estimation, semantic segmentation 등의 심화 작업에서는 성능 하락이 극심한 문제점을 지적하였다.이 논문은 monocular depth estimation 모델에 양자화를 적용하였을 때 발생하는 블록 단위의 오차를 보상해주는 Self-Compensating Auxiliary (SCA) 모듈을 제안하였다. 연구팀은 monocular depth estimation 모델에서의 블록별 양자화 민감도를 분석하였고, 민감도가 높은 블록에 선택적으로 오차를 보상해주는 SCA 모듈을 추가함으로써 overhead는 낮추면서 성능 하락을 억제하였다. SCA 모듈은 사전 학습에 사용된 데이터의 오직 5%만을 정답 레이블 없이 사용하여 양자화 모델과 원본 모델의 오차를 최소화하도록 학습되며, 연구팀은 학습 과정에 feature level loss와 SILog loss를 채택하여 양자화 모델의 성능을 높일 수 있었다. 제안한 QSCA 기술은 AI 모델을 더욱 작고 효율적으로 만들어 실제 산업 현장에 적용하는 데 큰 기여를 할 것으로 기대된다. 특히 높은 정확도를 유지하면서도 기기 부담을 줄일 수 있어 자율주행, 로보틱스, 증강현실 (AR/VR) 등 미래 핵심 산업의 기술 상용화를 앞당기는 데 중요한 역할을 할 전망이다. 이번 연구를 이끈 강석주 교수는 “QSCA는 기존의 quantization 방법의 한계를 넘어서, monocular depth estimation 모델 특화 quantization 프레임워크를 제안한 기술로, 자율 주행, 로보틱스 등 분야의 발전에 중요한 기여를 할 것”이라고 말했다. 또한, 이번 연구에 참여한 양진철 연구원은 “이번 개발로 AI 모델 경량화 기술이 더욱 폭넓게 활용될 수 있는 기술적 토대가 마련됐다”고 강조했다.  ‣제안하는 QSCA 프레임워크 ‣기존 방법론과 제안 방법론에 대한 정성적 비교 결과 ‣논문 제목: QSCA: Quantization with Self-Compensating Auxiliary for Monocular Depth Estimation‣저자 정보: 양진철 석박통합과정 (제 1저자), 최재민 석사과정 (공동 1저자), Matti Zinke (공동 1저자), 강석주 교수 (교신저자)‣기타 정보: 본 연구는 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터사업의 연구결과 및 차세대지능형반도체기술개발 사업의 연구결과임.  

 남상윤,정현우 석박통합과정(지도교수 홍성완), 제 26회 대한민국 반도체설계대전 은상, 기업특별상 수상    ▲ (왼쪽부터) 전자공학과 홍성완 교수, 남상윤 박사과정, 정현우 박사과정  본교 전자공학과 남상윤,정현우 박사과정(지도교수 홍성완)이 제 26회 대한민국 반도체 설계대전에서각각 은상, 기업특별상을 수상하였다. 남상윤 박사과정생의 출품작은 "A 0.087 fs FOM Current-mirror-based Analog-assisted Digital LDO with VO Ripple Optimization."이며, 최근 논문 대비 가장 작은 capacitor와 낮은 clock frequency를 사용하여 cost를 줄이면서, 빠른 transient response와 매우 작은 출력 전압 ripple을 보여 기존 Digital LDO의 bottleneck을 해결하였다. 정현우 박사과정생의 출품작은 "A Gm-Boosted 3-stage Amplifier with Gain-Enhancing Feedforward Path for CL of 40-160nF"이며, 공정 미세화에 따라 트랜지스터의 공급 전압과 고유 이득이 감소하면서 발생하는 아날로그 증폭기의 한계를 극복하였고, 해당 증폭기는 1V의 저전압 환경에서도 작동하며, 40~160nF의 대용량 부하 커패시턴스를 1.4MHz 이상의 넓은 이득 대역폭(Gain Bandwidth)에서 안정적으로 구동할 수 있도록 설계되었다. 두 작품은 각각 은상(산업부장관상) 기업특별상(실리콘마이터스)을 수상하였으며, 시상식은 오는 10월 23일에 예정되어있다. 

    강석주 교수 연구팀(김현성, 김기훈, 이제임스), 국내 저널 ‘IEIE Transactions on Smart Processing & Computing’ 해동 최우수 논문상 수상 ▲ (왼쪽부터) 전자공학과 강석주 교수, 김현성 / 김기훈 / 이제임스 석사과정 졸업생 전자공학과 강석주 교수 연구팀(김현성 석사과정 졸업생, 김기훈 석사과정 졸업생, 이제임스 석사과정 졸업생)이 NAVER CLOUD 및 부산대와 공동 연구하여 IEIE Transaction on Smart Processing & Computing 논문에 대해서 해동 최우수 논문상을 수상을 하였다. 해당 논문상은 지난 1년간 출판된 모든 논문 중에 엄격한 심사를 거쳐서 최우수 논문상 1편, 우수 논문상 3편으로 총 4편을 선정한다. 논문 제목은 ‘Enhanced Control of Human Motion Generation using Action-conditioned Transformer VAE with Low-rank Factorization’로, 연구팀은 VAE를 이용해서 특정 class의 human motion을 생성할 때 원하는 신체 부분만 변형해서 생성할 수 있는 방법론을 제안하였다. 해당 논문에서는 GAN에서 사용됐던 Low-Rank Factorization을 Transformer 기반 VAE에 적용하였으며, 이때 발생하는 posterior collapse를 해소하기 위해 sigmoid annealing scheduling을 사용하였고, 입력에 사용되는 human motion의 가동 범위를 무작위적으로 증가시키는 data augmentation을 통해 변형되는 motion의 정도를 증가시켰다. 이번 연구에 참가한 김현성 석사과정 졸업생은, “오랜 기간 연구한 내용을 IEIE　SPC에서 인정받고 최우수 논문상을 받을 수 있어서 영광스럽게 생각하며, 교수님의 꼼꼼한 지도와 동료들의 열정이 있었기에 얻을 수 있는 결과라고 생각한다.”라고 소감을 전했다.  < 논문에서 제안한 방법론 구조 >    < 논문에서 제안한 방법의 출력 예시 >       < 논문상 수여 사진 >    - 논문명: Enhanced Control of Human Motion Generation using Action-conditioned Transformer VAE with Low-rank Factorization- 저널명: IEIE Transactions on Smart Processing & Computing- 수상 정보: 해동 최우수 논문상- 저자 정보: 김현성(제1저자, 서강대), 공경보(공동1저자, 부산대), 김기훈(공동1저자, 서강대), 이제임스(공동1저자, 서강대), 차건호(NAVER CLOUD), 장호덕(NAVER CLOUD), 위동윤(NAVER CLOUD), 강석주(교신저자, 서강대) 

 홍성완 교수, IEEE ISSCC TPC 한국 대표로 선정 ▲  전자공학과 홍성완 교수  본교 전자공학과 홍성완 교수가 IEEE(미국 전기전자학회)가 주관하는 국제고체회로학회(ISSCC)의 기술프로그램위원회(TPC) 한국 대표로 임명되었다.매년 2월 미국 샌프란시스코에서 개최되는 ISSCC는 반도체 분야에서 세계 최고 권위를 인정받는 학회로, 흔히 “반도체 올림픽”이라고도 불린다. 1954년에 시작된 이 학회는 전 세계 4,000명 이상의 반도체 엔지니어들이 한자리에 모여 최신 연구 성과를 공유하고 반도체 산업의 미래를 논의하는 장이다. 학회에서 발표될 논문 선정과 강연 및 토론 프로그램 기획 등은 총 13개의 기술프로그램위원회(TPC)에서 담당하며, 각 위원회는 학문적 업적이 인정된 학계 및 산업계 연구자들로 구성되어 있다.현재 한국에는 총 24명의 TPC 위원이 활동 중이며, 이 중 삼성전자 8명, SK하이닉스 1명, KAIST 5명, 서울대 3명, 서강대, DGIST, GIST, UNIST, 고려대, 한양대, 그리고 광운대에서 각 1명이 활동 중이다. 홍성완 교수는 2024년부터 ISSCC의 TPC 위원으로 활동을 시작했으며, 올해 한국 대표로 임명되었다. 앞으로 홍 교수는 한국 TPC 위원 회의와 기자 간담회 등을 주재하고, 타국 대표들과의 교류를 이끌며 반도체 기술 발전에 기여할 예정이다. 

 홍성완 교수 연구팀, 회로설계 분야 Top Conference ‘VLSI 2025’ 3편 Accepted (왼쪽부터) 조주미 남상윤 정현우 박사과정, 전자공학과 홍성완 교수 본교 전자공학과 조주미, 남상윤, 정현우 박사과정(지도교수 홍성완)이 아날로그 회로설계 분야 최고 학회 ‘IEEE Symposium on VLSI Technology and Circuits (VLSI) 2025’에서 논문 각각 1편씩 총 3편 채택되었다. VLSI conference는 technology 부문과 circuit 부문이 각각 1981년, 1987년 처음 개최되었으며, 반도체 회로 설계부터 첨단 소자 기술까지 아우르는 국제 최고 권위의 학회이다. 현재 ISSCC와 더불어 반도체 분야를 선도하는 ‘양대 산맥’으로 평가받고 있다. 조주미 박사과정생의 논문 제목은 “2,771% Power Improvement Triple-source Ground-symmetric Pile-up Resonant Energy Harvester”이며, piezoelectric transducer (PZT), photovoltaic (PV) cell, thermoelectric generator (TEG)의 세 가지 energy sources로부터 동시에 에너지를 추출할 수 있는 다중 에너지 수확 회로, Triple-source Ground-symmetric Pile-up Resonant (TGPR) energy harvester를 설계하였다. 기존 연구에서는 트랜지스터의 최대 허용 전압으로 인해 특히 PZT에서 추출할 수 있는 전력이 제한되는 문제가 있었다. 본 논문은 ground-symmetric 구조를 적용하여 PZT 양단의 전압 진폭을 최대 허용 전압의 두 배까지 증가시킬 수 있는 회로를 제안하였다.제안된 TGPR 구조는 multiple energy sources로부터 높은 효율로 에너지를 수확할 수 있으며, 기존 방식인 full-bridge rectifier에 비해 power extraction 성능이 2,771% 향상되었고, 총 887 μW의 출력을 달성하였다. 남상윤 박사과정생의 논문 제목은 "A 0.087 fs FOM Current-mirror-based Analog-assisted Digital LDO with VO Ripple Optimization."이며, 본 논문에서 CPU 혹은 GPU와 같은 SoC 내부에서 전원을 공급하되 기존 Digital LDO와 Analog LDO의 장점을 결합하여 동작하는 새로운 구조의 Analog-assisted Digital LDO를 제안하였다.해당 구조에서는 최근 논문 대비 가장 작은 capacitor와 낮은 clock frequency를 사용하여 cost를 줄이면서, 빠른 transient response와 매우 작은 출력 전압 ripple을 보여 기존 Digital LDO의 bottleneck을 해결하였다. 정현우 박사과정생의 논문제목은 "A Gm-Boosted 3-stage Amplifier with Gain-Enhancing Feedforward Path for CL of 40-160nF"이며, 공정 미세화에 따라 트랜지스터의 공급 전압과 고유 이득이 감소하면서 발생하는 아날로그 증폭기의 한계를 극복하기 위해, Gain-Enhancing Feedforward Path(GE-FFP)와 Gm-Boost 기법을 적용한 3단 증폭기(3-stage amplifier)를 설계하였다.해당 증폭기는 1V의 저전압 환경에서도 작동하며, 40~160nF의 대용량 부하 커패시턴스를 1.4MHz 이상의 넓은 이득 대역폭(Gain Bandwidth)에서 안정적으로 구동할 수 있도록 설계되었다. 

  류성주 교수 연구팀, Exynos AI Challenger 최우수상 수상  ▲(왼쪽부터) 조교찬, 박정규 학사과정, 김상연 석박통합과정, 류성주 교수 본교 전자공학과 학부과정 조규찬(4학년, 석박사통합과정 입학 예정), 박정규(4학년) 학생과 석박사통합과정 김상연 학생(지도교수 류성주)이 삼성전자 S.LSI 사업부에서 주최한 제 1회 Exynos AI Challenger 공모전에서 최우수상을 수상했다. 본 공모전은 200만 원 상당의 엑시노스 레퍼런스 디바이스(ERD)를 제공받아 ENN SDK(Exynos Neural Network Software Development Kit) 개발 환경에서 온디바이스(On-device) AI/ML 모델을 생성하고 적용하는 대회이며, 2023년 11월부터 2024년 5월까지 진행되었다. 류성주 교수 연구팀 학생들은 엑시노스 온디바이스 환경에서 경량화된 딥러닝 모델을 활용한 키워드 검출(keyword spotting) 시스템을 구현하였다. 김상연 석박사통합과정 학생은 "이번 대회를 통해 엑시노스 에코시스템의 구축 목적과 진행 경과를 알게 되었으며, 현재 진행 중인 저지연 및 저전력을 위한 온디바이스 키워드 검출 시스템을 만들고 검증하는 연구에 큰 도움이 될 것 같다."라고 소감을 전했다.  

 류성주 교수 연구팀, 반도체 설계 자동화 분야 Top Conference ‘DAC 2025’ 논문 채택 ▲(상단) 박영준 석사과정, 김상연 석박통합과정, 김영건 성사과정 (하단) 지기산 석박통합과정, 류성주 시스템반도체공학과/전자공학과 교수  본교 시스템반도체공학과/전자공학과 류성주 교수 연구팀의 논문이 반도체 설계 자동화 분야 Top Conference인 ‘Design Automation Conference (이하 DAC) 2025’에 채택되었다. 1964년부터 시작된 DAC은 반도체, VLSI(초대규모 집적회로) 설계 및 관련 기술 분야의 발전을 선도해 온 권위 있는 국제 학술대회로, 오는 6월 22일부터 25일까지 미국 샌프란시스코에서 개최될 예정이다. 논문의 제목은 “RADiT: Redundancy-Aware Diffusion Transformer Acceleration Leveraging Timestep Similarity”이며, 박영준 석사과정 학생의 주도하에 김상연 석박사통합과정, 김영건 석사과정, 지기산 석박사통합과정 학생들이 함께 연구를 진행하였다. Diffusion Transformer (DiT)는 최근 이미지 및 비디오 생성 분야에서 높은 성능을 보이며 주목받고 있지만, 반복적인 샘플링 과정에서 발생하는 막대한 계산량과 에너지 소비가 실시간 응용에 걸림돌로 작용하고 있다. 연구팀은 이러한 문제를 해결하기 위해 DiT의 추론 과정 중 시간 단계(Timestep) 간의 상당한 유사성이 있음을 분석하고, 이를 활용한 중복 연산 최소화 기법을 적용한 DiT 가속기 RADiT을 개발하였다. 해당 기법은 (1) 블록 단위 입력 특징 분석을 통해 중복된 연산을 탐지하고 이를 건너뛰며, (2) Dynamic Threshold Scaling Module (DTSM)과 Compress and Compare Unit (CCU)을 도입하여 정확도를 유지하면서도 연산 효율을 극대화하는 방식으로 설계되었다.   실험 결과, RADiT은 기존 DiT 모델과 유사한 수준의 정확도를 유지하면서도 이미지 생성 속도를 최대 1.8배, 비디오 생성 속도를 1.7배 향상시키는 성과를 거뒀다. 또한, 각각 41%와 45.5%의 에너지 소비 절감 효과를 보이며 높은 연산 비용과 지연 시간 문제 해결에 기여할 것으로 기대된다. ▶ 논문제목: RADiT: Redundancy-Aware Diffusion Transformer Acceleration Leveraging Timestep Similarity▶ 저자 정보: 박영준(제 1저자), 김상연(제 2저자), 김영건(제 3저자), 지기산(제 4저자), 류성주 교수(교신저자)