연구 분야

Current Research

Predictive Modeling, Deep Learning, and Advanced Data Science

Research 01

디지털 트윈 적용 연구

디지털 트윈(Digital Twin)은 현실 세계의 물리적 대상을 가상 공간에 똑같이 구현한 모델입니다.

생산성 개선, 사회문제 해결, 새로운 지식의 적용 등 전반적인 문제들을 해결할 것으로 기대되면서 제조, 소매, 교통, 의료, 국방 등 적용분야가 확대되고 있습니다.

좌우로 밀어서 전체 구조를 볼 수 있습니다

M&S의 기술을 이용하여 물리적 모델의 인과관계를 White box 형태의 가상모델로 생성할 수 있음
머신러닝 기술을 이용하여 상관관계를 Black box 형태의 가상모델로 생성할 수 있음. 디지털 트윈은 이 두 가지 방법을 결합하여 제품의 방향과 서비스를 새롭게 제시함

Research 02

빅데이터, IoT등 IT융합기술 발전으로 데이터 이용 수요가 급증함에 따라 선진국들은 데이터 산업 활성화를 위한 정책 추진중인 가운데, 빅데이터 활용에 필요한 비식별 조치, 기준, 절차, 방법들에 대한 구체적인 해결방안이 필요

비식별 데이터를 제공하기 위해서는 사람이 식별이 불가능할 정도의 데이터를 생성해야함
하지만 현재까지의 비식별 데이터의 제공방법은 사람이 관여하여 특정한 규칙에 의해 생성되기 때문에 지식적 접근이나 기술적 분석을 이용하여 원 데이터를 알아낼 수 있음
사람의 관여가 아닌 A.I가 적대적 생성 네트워크를 이용하여 스스로 데이터를 생성하는 것을 목적으로 함

적대적 생성 네트워크의 성능 향상을 위해서 여러 개의 네트워크를 조합하여 오류개선과 분산처리를 목적으로 하여 실제데이터와 비식별 데이터 사이의 오류를 최소화 하는 것을 목표로 함

Research 03

딥 러닝은 인공지능 기술과 머신러닝의 일종으로서, 데이터를 학습하여 새로운 패턴, 분류 예측, 연관성, 군집화, 이상치 탐지 등 여러 가지 기술을 활용하여 사람 대신 업무를 처리하는 방법임
딥 러닝은 지도학습, 비지도학습, 강화학습 방법으로 구현이 되며, 기술에 따라 Convolution Neural Network (CNN), Recurrent Neural Network (RNN), Deep Belief Network (DBN)등으로 구분이 됨
딥 러닝의 원활한 학습과 활용을 하기 위해서는 데이터의 이해와 데이터 전처리, 모델 학습, 시각화, 최적화 등 많은 기술요건이 필요하기 때문에 데이터에 대한 전반적인 이해가 필요함
딥 러닝을 활용하여 의료 암 진단 예측, 반도체 제조공정에서 불량패턴 분석, 심혈관 질환 예후 예측 등 많은 업무에 활용할 수 있으며, 의사결정 지원에 도움을 줄 수 있음

Research 04

반도체 설계부터 FAB 제조, 테스트까지의 공정을 이산 사건 모델링·시뮬레이션과 머신러닝으로 분석하여 공정 운영, 불량 예측, 설계 비용 감소를 연구함

이산 사건 명세(DEVS)와 모의 개체 아웃소싱 기반의 반도체 공정 모델링 및 시뮬레이션 시스템
DEVS 기반의 반도체 리소그래피 부하 분산 모델링(SLLB-DEVS)
AMHS(Automated Material Handling Systems) 중심의 300mm 웨이퍼 전체 공정 시뮬레이션과 300mm FAB 시뮬레이션 최적화

Research Interests