인공지능은 인간의 지적능력을 모방하는 기술 분야로 4차 산업 혁명의 핵심 기술로 주목 받고 있다. 이와 관련하여, 저전력과 빠른 속도로 인공지능을 구현하기 위한 반도체 기술이 세계적으로 활발히 연구되고 있다. 그 중에서 뉴로모픽 기술은 병렬적으로 구성된 뉴런과 시냅스를 모방하는 기술로써, 기존의 폰노이만 방식이 가지고 있는 한계를 돌파할 수 있는 기술로 주목받고 있다. 본 강의에서는 뉴런과 시냅스를 모방하는 반도체 소자 및 회로 기술의 기초를 살펴보고자 하며, 아울러 관련된 연구동향 및 이슈들을 다루고자 한다.

우리나라는 낸드 플래시 메모리와 DRAM으로 대표되는 실리콘 기반 반도체 메모리 분야에 있어 세계 최고의 기술 강국의 입지를 지켜오고 있다. 우리나라가 시스템 반도체 분야로의 기술 확장을 위한 기치를 올리는 지금, 해외 대기업들은 메모리 분야로의 적극적인 기술 확장을 꾀하는 상황을 보게 된다. 본 발표에서는 낸드 플래시 메모리와 DRAM으로 대표되는 실리콘 반도체 메모리 기술의 현황과 발전 방향을 살펴보고 4차산업혁명을 실현하기 위한 하드웨어 기술 구현에 있어서의 메모리의 중요성과 가능성을 실리콘 기반 반도체 메모리를 중심으로 가늠해보고자 한다.

본 발표에서는 컴퓨터 비전을 위한 딥러닝의 최근 발전상을 살펴보고 현재 활발히 연구가 진행 중인 도전 과제들을 소개한다. 딥러닝에 필요한 hyperparameter 설정이나 아키텍처의 선택 등을 자동화으로 수행하는 기법, 추가로 데이터가 주어졌을 때 이를 효율적으로 활용하는 continual learning, 새로운 환경에 적응하는 기법, 모바일 환경을 위한 모델 경량화 기법 등을 소개한다.

베이지안 방법은 머신 러닝에서 중요한 자리를 차지하고 있으며 특히 고차원의 복잡한 데이터에 대한 학습에서 중요한 역할을 하고 있다. 이번 튜토리얼은 베이지안 러닝의 기본 원리와 특징, 그리고 인공지능에서의 활용을 살펴보려고 한다. 주되게 베이즈 정리, 사전분포, 사후분포 그리고 베이지안 방법의 점근적 성질을 다루며 사후분포를 얻기 위한 샘플링 기법과 변분법 등을 다룬다. 그리고 딥 러닝이 주요 훈련 방법으로 되고 있는 인공지능에서 베이지안 딥 러닝의 기본 이론, 실제 적용 등을 주요 내용으로 하려고 한다. 고차원, 대용량 데이터를 다루기 위한 베이지안 방법은 최적의 해나 예측을 얻는 것에서 나아가 불확실성의 추정에서 반드시 필요한 확률 예측을 위한 방법론 및 효율적인 알고리즘의 기본 토대가 되며 이는 인공지능의 여러 분야에서 다양하게 활용될 수 있을 것으로 기대되고 있다.

본 발표에서는 최근 활발히 연구되고 있는 기계학습을 응용한 무선 네트워크의 간섭 관리 기법에 대해 소개하고자 한다. 먼저 차세대 무선통신 네트워크에서 간섭 관리 기법의 중요성에 대하여 논의하고, 기존의 다양한 간섭 관리 기술에 대해 상세히 소개 한다. 또한 지도학습, 비지도학습, 강화학습으로 나누어 기계학습 알고리즘을 간단히 소개하고, 간섭 관리 기법 설계에 어떻게 활용될 수 있는지에 대한 아이디어를 논의한다. 마지막으로 향후 기계학습의 발전이 무선통신 산업에 어떠한 기술적 영향을 미칠 것인가에 대해 고찰할 예정이다.