미래 두뇌모방 지능형 시스템 반도체 혁신인재양성 사업단 Innovative Graduate Program for Future Brain-Inspired Intelligence System Semiconductor

김장생·김상완·김시현 교수 연구팀, 2026년 PIM 인공지능반도체핵심기술개발(소자) 사업 선정

김장생·김상완·김시현 교수 연구팀,2026년PIM인공지능반도체핵심기술개발(소자)사업 선정▲(왼쪽부터) 김장생교수, 김상완 교수, 김시현 교수본교 전자공학과/시스템반도체공학과/반도체공학과 김장생 교수,김상완 교수,김시현 교수로 이루어진 공동연구진이 과학기술정보통신부와 한국연구재단이 주관하는2026년도PIM인공지능반도체핵심기술개발(소자)사업에 선정되었다.연구 과제명은「비트가중3차원IGZO FeNAND기반 초고차원 인-센서 리저버 컴퓨팅 플랫폼」으로, 2026년4월부터2028년12월까지2년9개월간 총6억원의 연구비를 지원받는다.최근 엣지AI및 온디바이스 인공지능의 확산과 함께,센서 단계에서 데이터를 직접 처리하는 인-센서 컴퓨팅과 메모리 내 연산을 수행하는PIM(Processing-In-Memory)기술이 차세대 반도체 패러다임으로 부상하고 있다.특히 비전 센서 기반AI응용에서는 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 적층형3D FeNAND구조를 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 차세대AI반도체 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.

26 - 04 - 20

김성진 교수 SPAD 센서 연구팀, 반도체 집적회로 최고 학술대회 ‘IEEE Symposium on VLSI Technology and Circuits 2026’ 논문 채택

김성진 교수SPAD센서 연구팀,반도체 집적회로 최고 학술대회‘IEEE Symposium on VLSI Technology and Circuits 2026’논문 채택▲(왼쪽부터) 김성진 교수, 황정혜 석박통합과정본교 시스템반도체공학과/전자공학과 김성진 교수SPAD센서 연구팀의 연구 결과가 반도체 집적회로 분야 세계 최고 학회 중 하나인‘IEEE Symposium on VLSI Technology and Circuits,이하VLSI 2026’에 선정되었다.VLSI는 반도체 소자 분야와 집적회로 분야 논문을 같이 다루는 학회로ISSCC와 함께 반도체 회로 분야에서 가장 높은 권위를 가지고 있으며nVidia, SK하이닉스,삼성전자, TSMC등 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 온디바이스AI반도체 분야의 연구 결과로,구체적으로는 이미지센서에 전처리 기능을 하는 프로세서를 집적하여 추론을 통해 영상 인식을 할 수 있는 뉴로모픽 이미지센서에 관한 것이다.인간의 뇌를 모방한spike neural networking연산을 이미지센서 어레이 내에서 수행하며,초고감도 소자인Single-Photon Avalanche Diode(SPAD)를 사용하여 영상 신호를spike신호로 변환하고 이를 시간 축에서 표현하는Time-to-First-Spike방식을 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 이어져Physical AI의 핵심 기술로 자리매김 할 것으로 기대된다.이번 연구는 울산과학기술원 소속이면서 서강대학교에서 연구하고 있는 황정혜 학생의 주도로 진행되었으며,한국연구재단에서 지원하는 한-EU국제협력사업(RS-2024-00439307)과IITP의 양자 센싱 사업(RS-2025-02217613)의 지원을 받아 이루어졌다.

26 - 04 - 08

김성진 교수, 2026년 한국연구재단 핵심연구 사업 선정

김성진 교수, 2026년 한국연구재단 핵심연구 사업 선정▲ 시스템반도체공학과/전자공학과 김성진 교수님본교 시스템반도체공학과/전자공학과/반도체공학과 김성진 교수는 과학기술정보통신부와 한국연구재단이 주관하는2026년 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, 2026년3월부터2029년2월까지3년 간 총10.5억을 지원받는다.본 연구 과제는 지난2021년3월부터2026년2월까지5년간 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 있는Physical AI시대에는 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 교수의Bio-inspired Advanced Sensors Lab은 아날로그 집적회로 설계를 기반으로 다양한 이미지 센서 및 바이오 인터페이스 회로를 연구하고 있다.독창적인SPAD와TDC구조를 설계하고 라이다 센서로 구현하였으며,연구 결과를 반도체 올림픽이라 불리는ISSCC학회에서 지속적으로 논문을 발표하여 기술력을 인정받아 왔다.이외에도 뇌 신경 신호를 읽어내는 저잡음 저전력 증폭기, Multi-electrode Array회로, In-sensor-computing등 최첨단 반도체 회로 기술을 개발하고 있다.

26 - 03 - 23

김장생 교수, 2026년 한국연구재단 신진연구 사업 선정

김장생 교수, 2026년 한국연구재단 신진연구 사업 선정▲전자공학과 김장생 교수님본교 전자공학과/시스템반도체공학과/반도체공학과 김장생 교수는 과학기술정보통신부와 한국연구재단이 주관하는2026년 개인기초사업 신진연구(유형B)사업에 선정되었다.연구 과제명은「대규모LLM추론을 위한 초광대역·저전력·고신뢰성HBF向차세대3D IGZO FeAND어레이 개발」로, 2026년3월부터2031년2월까지5년간 총7.5억원을 지원받는다.최근 생성형AI의 확산으로 대규모 언어모델(Large Language Model, LLM)추론 과정에서 막대한 양의 가중치를 빠르고 효율적으로 읽어오는 메모리 기술의 중요성이 크게 부각되고 있다.특히HBM은 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 기존3D NAND기반HBF가 갖는 높은sensing latency, pass disturbance,출력 왜곡,신뢰성 저하 문제를 극복하기 위해,병렬 읽기에 최적화된 수직 적층형3D IGZO FeAND어레이와 하부CMOS뉴런 회로를 통합한 새로운 구조를 제안하였다.특히 저전력 구동이 가능한HZO강유전체와 저온 공정이 가능한IGZO채널을 기반으로,초광대역·저전력·고신뢰성을 동시에 확보할 수 있는 차세대HBF핵심 원천기술을 개발하고,최종적으로FPGA기반 플랫폼에서LLM추론 동작까지 실증하는 것을 목표로 한다.본 연구개발과제를 통해 연구팀은 재료 및 공정 개발,소자 및 어레이 제작,신뢰성 분석,회로·시스템 통합,그리고 실제AI추론 성능 검증에 이르는 전주기적 연구를 수행하게 된다.이번 연구는 차세대AI반도체 시스템에서 요구되는 대용량·초광대역 메모리 기술의 새로운 방향을 제시하고,대규모AI추론의 병목으로 지적되는 가중치 접근 문제를 저전력·고효율 구조로 해결할 수 있는 기반을 마련할 것으로 기대된다.또한 관련 핵심 기술의 선제적 확보를 통해AI반도체와 차세대 메모리 융합 분야에서 국내 기술 경쟁력 강화와 산업적 확장에 기여할 것으로 전망된다.

26 - 03 - 18

김시현 교수, 2026년 한국연구재단 신진연구 사업 선정

김시현 교수, 2026년 한국연구재단 신진연구 사업 선정▲전자공학과 김시현 교수님본교 전자공학과/시스템반도체공학과/반도체공학과 김시현 교수는 과학기술정보통신부와 한국연구재단이 주관하는2026년 개인기초사업 신진연구(유형B)사업에 선정되었다.연구 과제명은「멀티레벨 컴퓨트 인 메모리를 위한 모자이크 강유전체램 개발」로, 2026년3월부터2030년2월까지4년 간 총6억원을 지원받는다.최근 생성형AI기술의 급격한 발달로 인해 저전력·고집적 컴퓨팅 아키텍처인Compute-in-Memory (CiM)기술의 중요성이 커지고 있다.기존SRAM및eDRAM기반CiM은 면적 효율이 낮고 에너지 효율이 저하되는 문제를 안고 있다.김시현 교수 연구팀은 이러한 한계를 극복하기 위해 하프니아 기반의 강유전체 램(FeRAM)을 활용한 새로운 멀티레벨CiM셀 기술을 제안하였다. MAC연산에 특화된3차원 적층 기반FeRAM구조혁신을 통해 멀티레벨 가중치를 아날로그 전압으로 통합하며,데이터 파괴 없이 병렬 연산이 가능한 고효율CiM셀 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 통해향후 꾸준한 성장이 기대되는 하드웨어 기반의 인공지능 및 메모리 반도체 시장에서 국가경쟁력을 제고할 수 있을 것으로 기대된다.

26 - 03 - 17

강석주 교수 연구팀 (문승훈, 유현우, 이해욱), 세계 최우수 인공지능 학회 ‘ICLR 2026’ 논문 채택

강석주 교수 연구팀(문승훈,유현우,이해욱),세계 최우수 인공지능 학회‘ICLR 2026’논문 채택▲(왼쪽부터) 강석주 교수,문승훈 석박통합과정,유현우 석박통합과정,이해욱 석사전자공학과 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-index기준 인공지능 분야 글로벌 최상위권에 위치한 국제 학술대회로,올해는 논문 채택률이 약28%에 달하는 만큼 엄격한 심사가 이루어졌으며 오는4월23일부터27일까지 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 약1.3%~2.2%만을 업데이트하면서도 기존 최고 성능 모델들을 뛰어넘는 결과를 달성했다.실험 결과, WIMFRIS는RefCOCO, RefCOCO+, G-Ref등 주요 벤치마크 데이터셋에서 모두 최고점(State-of-the-Art)을 기록했다.제안한WIMFRIS기술은 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 멀티모달AI시스템의 효율성을 높이는 데 크게 기여할 것”이라고 말했다.‣제안하는WIMFRIS프레임워크‣제안하는HMF블록‣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(공동1저자),유현우 석박통합과정(공동1저자),이해욱 석사(공동1저자),강석주 교수(교신저자)‣기타 정보:이 연구는2026년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원(No.RS-2025-02263706,아날로그-디지털 혼성 초저전력 뉴로모픽 엣지SoC개발),한국연구재단의 지원(No. RS-2024-00414230),정보통신기획평가원-대학ICT연구센터(ITRC)의 지원을 받아 수행된 연구임(IITP-2026-RS-2023-00260091)

26 - 02 - 03

강석주 교수 연구실 (문승훈 석박통합과정), 삼성디스플레이 산학협력 논문대회 은상 및 특별상 (2년 연속) 수상

강석주 교수 연구실(문승훈 석박통합과정),삼성디스플레이 산학협력 논문대회 은상 및 특별상(2년 연속)수상▲ (왼쪽부터) 전자공학과 강석주 교수, 문승훈 석박통합과정생전자공학과 강석주 교수 연구팀(문승훈 석박통합과정)의 논문이2025삼성디스플레이 산학협력 논문대회에서 은상을 수상했다.또한 강석주 교수 연구실은 우수 논문이 가장 많이rank된 연구실에게 주어지는 특별상도2년 연속 수상하는 쾌거를 이루었다.산학협력 연구성과를 알리기 위해2018년을 첫 시작으로 매년 협력 연구실 소속 학부 및 대학원생을 대상으로 시행되는 삼성디스플레이 산학협력 논문대회는 오는10월31일 삼성디스플레이 기흥캠퍼스SDR (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 기존의AI모델들이3D 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. DGCMA모듈은 사전 학습된 단일 이미지 깊이 추정 파운데이션 모델(monocular depth foundation model)이 제공하는'깊이 정보(depth prior)'를RGB이미지 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, TAA모듈은 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.연구팀은DGTFNet을 컴퓨터 그래픽으로 만든 합성 데이터(SceneFlow)로만 학습시킨 후,실제 도로 및 환경 데이터셋(KITTI, ETH3D등)에서 추가 학습 없이'제로샷(zero-shot)'평가를 진행했다.그 결과, DGTFNet은 기존의 최첨단(SOTA)모델들보다 월등히 뛰어난 일반화 성능을 입증했다.제안한DGTFNet기술은AI모델이 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 개발로AI가 실험실을 넘어 실제 산업 현장에 적용될 수 있는 기술적 토대가 될 것”이라고 강조했다.‣제안하는DGTFNet프레임워크‣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(제1저자),강석주 교수(교신저자)‣기타 정보:없음

25 - 11 - 17

임재근 석박통합과정(지도교수 안길초), 국제 저명 저널 JSSC 2025에 논문 Accepted

임재근 석박통합과정(지도교수 안길초),국제 저명 저널 JSSC 2025에 논문 Accepted▲(왼쪽부터) 안길초전자공학과 교수,임재근석박통합과정본교 전자공학과 혼성신호회로설계 연구실 임재근 석박통합과정(지도교수 안길초)이 아날로그 회로설계 분야에서 가장 권위있는 국제 저널인IEEE Journal of Solid-State Circuits(2025년 기준JCR impact factor 5.6) 2025에accept되었다.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, IC설계와 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 제안하는12-bit ADC는off-chip trimming이나background calibration없이dual-residue를 이용하여time-domain reference variation을 내재적으로 보상하고hybrid-domain stages의full-scale reference matching을 보장한다.<그림1_Absolute Gain에 무관한Dual Residues원리><그림2_제안하는ADC의 전체Block Diagram>

25 - 11 - 07

강석주 교수, 한국이공학진흥원 ‘공학도슨트상’ 수상

강석주 교수,한국이공학진흥원‘공학도슨트상’수상▲전자공학과 강석주 교수님차세대 공학 인재 양성과 인공지능 기반 반도체·디스플레이 연구 성과로 공학 발전에 기여서강대학교 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 FOUR지능형 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 기술을IEEE국제표준으로 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, GPU한계를 극복하는 실시간 딥러닝 가속 기술 등에서도 탁월한 연구성과를 내며CVPR, ICCV, ECCV, NeurIPS, AAAI등 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 반도체50주년 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 교수는IEEE/IEIE Joint Award(2019),한국방송미디어공학회 신진연구자상(2020), Merck Young Scientist Award(2022),서강 리치공학 펠로우(2023, 2024)등 다수의 상을 수상해왔다.이번 공학도슨트상은 그가 지난10여 년간 보여준 탁월한 연구 리더십과 차세대 공학 인재 양성에 대한 헌신이 다시 한번 인정받은 결과이다.

25 - 11 - 03