커뮤니티
학부NEWS
전기전자공학부 김중헌 교수 연구팀 노지민 석박통합생, 자율주행을 위한 고속 양자 합성곱 신경망 기술 개발
관리자 2025.05.19 Views 214
▲ 고려대학교 전기전자공학부 노지민 석박통합과정생 (좌), 김중헌 지도교수 (우)
고려대학교 전기전자공학부 인공지능 및 모빌리티 연구실(지도교수: 김중헌)의 노지민 석박통합과정생이 '고속 양자 합성곱 신경망(Fast Quantum Convolutional Neural Networks)'을 활용한 자율주행용 저복잡도 객체 인식 기술을 개발했다. 이 기술은 양자 컴퓨팅의 장점을 활용해 자율주행 차량의 객체 탐지 속도와 효율성을 크게 향상시켰다.
자율주행 분야의 객체 인식 기술은 딥러닝의 발전으로 주목받고 있으며, 기존 합성곱 신경망(CNN)의 지속적인 개선으로 효율성과 속도가 향상되어 왔다. 그러나 객체 인식에 사용되는 시각 신호의 복잡성과 규모가 급격히 증가하면서 기존 컴퓨팅 방식으로는 계산 속도에 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 '양자 객체 인식 엔진(Quantum Object Detection Engine, QODE)'을 제안했다. 이 시스템은 양자 버전의 CNN인 QCNN을 객체 인식에 구현한 것으로, 특히 새로운 고속 양자 합성곱 알고리즘을 통해 적은 수의 큐비트로도 다중 채널 시각 신호를 처리할 수 있게 했다.
QODE는 고속 양자 합성곱을 통해 계산 복잡성을 크게 줄이면서도 다중 채널 데이터의 효과적인 객체 인식이 가능함을 보여주었다. 이는 현재 양자 컴퓨팅의 큐비트 부족으로 인한 기존 QCNN의 한계를 극복한 성과다. 또한 연구팀은 이기종 지식 증류(heterogeneous knowledge distillation) 훈련 알고리즘을 도입해 QODE의 성능을 더욱 향상시켰다.
연구성과는 그 중요성을 인정받아 IEEE Transactions on Mobile Computing에 논문이 게재 승인되었다.
IEEE Transactions on Mobile Computing은 모바일 컴퓨팅 분야 최고 권위 학술지로 모바일 시스템, 네트워킹, 무선 통신 관련 연구를 다룬다. 노지민 학생은 양자 합성곱 신경망 기반의 새로운 자율주행 알고리즘에 대한 연구를 진행했다.
자율주행 분야의 객체 인식 기술은 딥러닝의 발전으로 주목받고 있으며, 기존 합성곱 신경망(CNN)의 지속적인 개선으로 효율성과 속도가 향상되어 왔다. 그러나 객체 인식에 사용되는 시각 신호의 복잡성과 규모가 급격히 증가하면서 기존 컴퓨팅 방식으로는 계산 속도에 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 '양자 객체 인식 엔진(Quantum Object Detection Engine, QODE)'을 제안했다. 이 시스템은 양자 버전의 CNN인 QCNN을 객체 인식에 구현한 것으로, 특히 새로운 고속 양자 합성곱 알고리즘을 통해 적은 수의 큐비트로도 다중 채널 시각 신호를 처리할 수 있게 했다.
QODE는 고속 양자 합성곱을 통해 계산 복잡성을 크게 줄이면서도 다중 채널 데이터의 효과적인 객체 인식이 가능함을 보여주었다. 이는 현재 양자 컴퓨팅의 큐비트 부족으로 인한 기존 QCNN의 한계를 극복한 성과다. 또한 연구팀은 이기종 지식 증류(heterogeneous knowledge distillation) 훈련 알고리즘을 도입해 QODE의 성능을 더욱 향상시켰다.
연구성과는 그 중요성을 인정받아 IEEE Transactions on Mobile Computing에 논문이 게재 승인되었다.
IEEE Transactions on Mobile Computing은 모바일 컴퓨팅 분야 최고 권위 학술지로 모바일 시스템, 네트워킹, 무선 통신 관련 연구를 다룬다. 노지민 학생은 양자 합성곱 신경망 기반의 새로운 자율주행 알고리즘에 대한 연구를 진행했다.
첨부파일
02841 서울특별시 성북구 안암로 145 고려대학교 공과대학 공학관 412호TEL : 02-3290-3210, 3211, 3213, 3214, 4592FAX : 02-921-0544
Copyrights ⓒ 2021 KOREA University. All Rights Reserved.
- 관련 사이트