닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

라이징스타

홈 홈 > 포커스iN > 라이징스타

국내외의 ICTㆍ융합 분야의 우수 연구자를 선별하여 소개합니다.
연구자의 연구 경험담 및 관련 분야 동향까지 연구활동에 대한 전반적인 내용을 인터뷰하여 정리하였습니다.

  • 이규호
  • UNIST 전기전자컴퓨터공학부
  • kyuho.jsn.lee@unist.ac.kr

트위터 공유

페이스북 공유

▶ 교수님 소개 부탁드립니다. 


   UNIST 전기전자컴퓨터공학부에 재직 중인 이규호입니다. 저는 KAIST에서 학사석/박사 학위를 받았으며, 2008년부터 한국고등교육재단과 국가우수장학금을 수여하였습니다. 이후 KAIST에서 11개월 동안 박사후연구원으로 근무하였고, 2018년 8월부터 UNIST 조교수로 부임하여 연구 및 교육 활동을 수행하고 있습니다. 현재 저는 VLSI 집적 기술을 기반으로 인공지능 시스템 반도체(AI SoC)에 대한 연구를 하고 있습니다. 이 분야는 현재 4차 산업 물결의 고점을 진두지휘하는 Deep Learning에서 차세대 컴퓨팅인 Neuromorphic Computing까지 광범위한 인공지능 시스템 반도체를 제작하고 실생활에 적용할 수 있도록 애플리케이션에 특화된 시스템을 제작하는 연구입니다.


   저는 석/박사 학위 과정 중, 동료들과 지도교수님의 도움으로 다양한 경험을 할 수 있었습니다. 반도체 회로 분야의 올림피아드라 불리는 International Solid State Circuits Conference (ISSCC) 6편저명한 학회지 20편 및 동 분야 최고 저널인 Journal of Solid State Circuits (JSSC) 8편 저널 13편의 연구 성과의 명예를 받을 수 있었습니다. 특히 2016년에 발표한 ADAS 관련 논문(ISSCC 2016)은 IEEE Spectrum, EE Times, Nikkei Electronic 등 해외 Magazine에서 보도되었으며, 해당 성과로 Apple, Tesla Motors, Texas Instruments, Xilinx, The University of Texas at Dallas 등 해외 유명 기업의 본사와 대학에서 초청을 받아 강연하였습니다. 또한 연구성과뿐만 아니라 매해 개최되는 KAIST-Keio-Tsinghua University Workshop 참여를 통해서도 해외의 유능한 동료들과 친분을 쌓을 수 있었습니다. KAIST-Keio-Tsinghua University Workshop은 학생들이 주도하여 개최하는 워크숍으로서, 2012년과 2013년에는 Best Presentation Award를 수상하였으며 2015년에는 General Chair로서 워크숍을 개최했습니다. 특히 이 해에는 처음으로 미국 Broadcom Foundation의 지원을 받아 개최하였으며, 이를 통해 Broadcom Foundation Award를 수상하게 되었습니다. 이 외에도 Samsung Human-tech Paper Award(2014, 2015), 과학기술정보통신부와 미국의 National Science Foundation이 주관하는 14th U.S.-Korea Forum on Nanotechnology에서 Best Poster Award를 수상한 경험이 있습니다.


  

   현재는 IEEE Senior Member IEEE Asian Solid State Circuits ConferenceIEEE/ACM Design Automation and Test in Europe 등의 국제 학회에서 Technical Program Committee Member로 활동하며 다양한 분야의 학회/학술지에 연구를 꾸준히 발표/게재하고 있습니다.



▶ 주요 연구 분야 소개 및 동향과 향후 전망에 대한 말씀 부탁드립니다.


   최근에는 Deep Learning System-on-Chip, Neuromorphic Processor, Processing-in-Memory 등 다양한 방면의 인공지능 시스템 반도체 연구를 진행 중입니다. 하드웨어는 소프트웨어를 연산/가속하기 위한 필수적인 물리적 시스템입니다. 최근 Deep Learning 기반의 AI가 대두됨에 따라 다양한 플랫폼에서 인공지능을 집적하고자 하는 수요가 많습니다. 스마트폰에서의 얼굴 인식이나 드론에서의 Localization 등을 예로 들 수 있습니다. 이러한 Deep Learning은 고성능 GPU를 집적한 서버에 기반하여 발전했지만, 서버와 같은 고전력 시스템은 높은 에너지 효율과 낮은 메모리 대역폭, 실시간 처리를 요구하는 스마트폰, Head-mounted Display, 자율주행 시스템 등 하드웨어 자원이 한정된 모바일/임베디드 시스템 플랫폼에서는 적용이 불가능합니다. 이러한 문제를 해결하기 위해서 저희 연구실에서는 모바일/임베디드 플랫폼에 특화된 새로운 알고리즘 모델과 최적화된 하드웨어 구조를 기반으로 경량화된 범용 Deep Learning 시스템을 연구하여 문제를 해결하고 있습니다.


   또한, 가장 에너지 효율적이라고 알려진 사람의 뇌를 모방하여 인공지능을 구현하는 Neuromorphic Processor를 연구하고 있습니다. 이를 위해 Analog Processing Unit과 Digital Processing Unit을 결합한 Mixed-mode Computing 기법을 연구하고 구현하며, Processing-in-Memory 구조의 효율적인 컴퓨터 구조를 함께 연구하고 있습니다. 다양한 플랫폼에 특화된 알고리즘과 컴퓨터 구조, 회로의 최적화 기술의 연구를 통해 실질적으로 상용화가 가능한 인공지능 시스템 반도체 개발을 위해서 연구 중입니다.



▶ 그동안 연구활동을 해 오시면서 특별히 느끼신 점이 있다면 말씀해 주세요.


   2012년 처음 연구를 시작할 때 ‘코딩도 해본 적 없는, 회로도 잘 모르는 내가 이 연구를 하는 것이 맞나.’에 대한 고민을 했던 기억이 뚜렷합니다. 그 시절에는 부족한 점이 정말 많았지만, 세계적인 무대에서 활약하는 자랑스러운 한국인 선배님들에게 동기를 부여받고, 저 또한 세계라는 무대에서 활동하는 한국인 중 한 명이 되고자 하는 열망으로 무던히 노력했던 스스로에 대한 보람을 느끼고 있습니다. 하지만 이보다 더 큰 보람은 저와 함께 성장한 제자들이 세계를 누비며 제가 느낀 보람보다 훨씬 값진 보람을 느끼는 모습을 보는 일일 것입니다.


   회로는 한 번 만들어 칩으로 제작하면 그 구조를 바꾸는 것이 거의 불가능한 분야입니다. 그만큼 회로 제작에 들여야 할 노력과 부담이 큰 것이 특징입니다. 하지만 그만큼 꼼꼼함과 철저함을 배울 수 있는 분야이기도 합니다. 외국에 비해 회로 제작을 위한 대학 지원이 적은 것이 아쉬운 점이지만, 어떤 디바이스에서나 필수인 시스템 반도체의 중요성을 인식해가는 사회적 과정인 만큼 하드웨어에도 많은 관심을 기울이는 것이 필요한 때라고 생각합니다.



▶ 교수님에게 영향을 미친 인물 또는 귀감으로 삼으시는 연구자가 있다면?


   철부지 학부생 시절부터 박사학위까지 지도해주신 KAIST 유회준 교수님께 많은 가르침을 받았습니다. 단순히 대학원에서의 생활과 연구하는 방법뿐만 아니라 미래를 설계하고 세상을 살아가기 위한 마음가짐을 배우면서 많은 감명을 받을 수 있었습니다. 연구실 생활을 함께한 많은 선배, 후배들에게도 굉장히 많이 배울 수 있었습니다. 졸업 후 세계적인 무대에서 활동하시는 선배들은 롤모델로서 대학원 생활과 동기 부여의 원동력이 되었으며 연구적인 측면에서도 부족한 제게 많은 가르침을 주셨습니다.


   큰 시스템을 만들 수 있도록 물심양면으로 도와준 후배들에게도 많은 것을 배울 수 있었습니다. 정말 해박한 지식을 가졌음에도 제가 모르는 부분을 열심히 도와주고 가르쳐주는 모습에 많은 자극과 깨우침을 받았습니다. 인생은 함께 사는 것이라고 믿습니다. 배울 점은 무궁무진하기에, 항상 주변에 훌륭하고 좋은 분들이 함께했음에 진심으로 감사한 마음입니다.



▶ 이 분야로 진출하려는 후배들에게 도움이 될 만한 조언 부탁드립니다.


   최근 5년 동안 인공지능 하드웨어 분야에 많은 연구가 이루어졌으며, Deep Neural Network Inference 가속을 위한 아이디어 대결이 쉽지 않은 것은 사실입니다. 많은 분이 진로 선택에 있어서 분야의 유망성에 대해 고민할 것입니다. 하지만 하드웨어 분야의 연구는 비단 Deep Neural Network에만 국한되지않으며, DNN으로 커버할 수 없는 광범위한 AI 분야에 필수적으로 필요한 요소가 되기에 연구할 것은 무궁무진합니다. 실제로 인간의 뇌를 모방하려는 Neuromorphic Processor 연구는 이제 시작 단계이며, 효율적인 하드웨어 가속을 위한 비 폰 노이만 컴퓨터 구조에 관한 연구도 시작 단계에 있습니다. 따라서 ‘이 분야가 미래에도 유망할까?’라는 고민은 하지 않아도 된다고 생각합니다.


   이러한 System-on-Chip 분야는 굉장히 방대한 양의 트랜지스터를 사용하는 VLSI 기술에 기반합니다. 따라서 칩을 제작하기 위해 트랜지스터 레벨에서의 지식부터 컴퓨터 구조, 시스템까지 다양한 방면에 대한 지식을 요구하는 분야입니다. 예를 들어서 자율주행 자동차 애플리케이션을 목표로 한 시스템을 제작한다면, 자율주행 자동차 애플리케이션에서 필요한 function과 목표로 하는 하드웨어 요구치, 이를 하드웨어 친화적으로 해결하기 위한 알고리즘 제작, 전체 칩의 구조, 칩 내부의 효율적인 커뮤니케이션 방법과 fabric, 칩 내부에 집적되는 각 연산기의 효율적인 구조, 저전력 동작을 위한 트랜지스터 레벨의 아이디어 등을 고려해야 합니다. 처음부터 모든 것을 다룰 수는 없지만, 스스로의 꾸준한 동기부여와 팀 단위로 연구하면 충분히 가능합니다. 이런 연구의 가장 큰 장점은 하드웨어부터 소프트웨어까지 공부하기 때문에 다양한 분야로의 확장(또는 취업)이 가능하다는 점입니다.



▶ 본인을 표현하고자 하는 키워드를 꼽는다면? 


   ‘노력과 열정’이 저를 대변하는 키워드인 것 같습니다. 제 자신이 똑똑하다고 생각하지는 않습니다만, 하고 싶은 거나 흥미 가는 일이 생겼을 때 이것을 어떻게든 이루고 말겠다는 마음으로 정말 많은 노력을 기울였습니다. 연구도 사실 마찬가지인 것 같습니다. 노는 것을 좋아하던 학부 시절에 지도교수님께서는 제게 열정을 보았다고 말씀해 주셨습니다. 덧붙여 “열정이 다른 방향에 초점 맞추어 있어서 노는 것뿐이지 그 방향을 연구 쪽으로 돌릴 수 있다면 큰일을 할 수 있을 것 같다.”라고 말씀해 주셨습니다. 교수님 말씀에 감명 받아, ‘그래, 나도 해보자. 내가 안 해봐서 자신감이 없는 것이지, 해보면 자신감이 생기지 않을까?’라는 생각으로 열심히 연구하다 보니 박사과정생과 선배 및 후배들을 가르쳐 주고 있는 제 모습을 발견하게 되었습니다. 당시에는 어떻게 공부했는지 모를 정도로 열심히 했습니다. 이러한 과정을 돌이켜보니 ‘내가 이 부분에 대해서 알고 있고 이를 알려줄 수 있는 사람이 되었구나.’를 느낄 수 있었고, 이러한 경험이 쌓이다 보니 ‘조금 더 대단한 것을 해보자.’라는 더 큰 열정이 생기게 되었습니다. 



▶ 앞으로 계획이 있으시다면 말씀해 주세요.


   현재까지 해외의 유명 연구기관 및 대학들과 공동연구를 했습니다. 연구실을 꾸리고 제자들을 양성하는데 적지 않은 시간이 걸릴 것이지만, 양성한 제자들을 세계 각지의 다양한 연구기관에 적극적으로 파견하여 과학 기술 발전에 더욱 활발히 기여할 수 있도록 노력하는 것이 목표입니다.



▶ 그 밖에 하시고 싶은 이야기


   UNIST AI 대학원은 다른 AI 대학원과의 차별점이 확실하게 있는 것 같습니다. 다른 곳은 정말 AI만을 즉, 우리가 생각하는 AI 알고리즘을 중점으로 하는 반면에, 저희는 AI+X, 다시 말해 융합을 중점으로 두고 있습니다. 회로 쪽으로 저명한 학교임에도 불구하고 본 분야가 AI 대학원에 속하지 않는 경우도 있습니다만, UNIST 같은 경우에는 Computer Architecture, SoC 그리고 Computer System을 하시는 분들도 AI 대학원에 소속되어 계십니다. 더불어 AI Core 쪽을 하시면서 제조 즉, 산업과 밀접하게 연계되어 연구하시는 분들도 많습니다. 따라서 확실한 차별점이자 가장 큰 장점은 실현 가능한 연구를 해볼 수 있다는 것입니다. 울산시에도 많은 기업이 있어, 이들과 끈끈하게 연결되어 공동연구를 할 수 있도록 노력하고 있습니다. 제가 손꼽는 또 하나의 장점은 창업을 제일 장려하는 학교이기에, 교수뿐만이 아니라 학생들에게도 창업의 기회가 많이 주어진다는 것입니다. 창업의 토대가 될 수 있는 교과목을 커리큘럼에 포함하였고, 산업체에서 인턴을 하면서 실질적인 Needs가 무엇인지 파악할 수 있도록 산학연 연계와 관련된 서포트를 많이 하려고 합니다. 지금도 NAVER에서 인턴을 하고 이곳에서 주는 상도 받으며 이를 기반으로 창업도 할 수 있는 프로그램을 UNIST에서 진행하고 있습니다. 앞으로는 본 프로그램을 AI 대학원에서 진행할 예정이기에, AI 대학원에서 NAVER의 지원을 받을 수 있는 것도 또 하나의 장점일 것 같습니다. 



관련 홈페이지 >>

연구자 정보 >>

2020년 8월