최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
협동과정 인공지능전공
지난 수십 년간 발전해 온 CMOS 공정은 최신의 고성능 및 모바일 시스템을 설계하는데 중요한 역할을 수행하고 있다. 이 강의에서는 나노미터 스케일의 미세 공정에서 효율적인 디지털 시스템을 설계하기 위한 다양한 회로 설계 기법을 다루고 하드웨어 설계 과정에서 고려해야 할 신뢰성, 에너지 효율성 등의 요소를 자세히 살펴봄으로써 학생들의 디지털 시스템 설계에 대한 이해를 높인다.
loading...
지난 수십 년간 발전해 온 CMOS 공정은 최신의 고성능 및 모바일 시스템을 설계하는데 중요한 역할을 수행하고 있다. 이 강의에서는 나노미터 스케일의 미세 공정에서 효율적인 디지털 시스템을 설계하기 위한 다양한 회로 설계 기법을 다루고 하드웨어 설계 과정에서 고려해야 할 신뢰성, 에너지 효율성 등의 요소를 자세히 살펴봄으로써 학생들의 디지털 시스템 설계에 대한 이해를 높인다.
Introduction to VLSI design
CMOS digital integrated circuits : analysis and design
Practical low power digital VLSI design
Introduction to VLSI systems : a logic, circuit, and system perspective
Design of high-performance microprocessor circuits
Automatic logic synthesis techniques for digital systems
CMOS VLSI 설계 원리
반도체 회로 설계 : 실무와 응용
Modern VLSI design : a systems approach
Synthesis and optimization of digital circuits
반도체 설계 레이아웃 실무
Neural information processing and VLSI
A Survey of high-level synthesis systems
High-performance system design : circuits and logic
Very high speed MOS devices
(4차혁명의 기본이 되는) 디지털공학 =
Digital signal processing for multimedia systems
Digitally-assisted analog and analog-assisted digital IC design
Design, automation, and test in Europe : the most influential papers of 10 years DATE
Low-power digital VLSI design : circuits and systems
Hsieh, J.; Wang, H. · 2018
IEEE Transactions on Very Large Scale Integration (VLSI) Systems, Very Large Scale Integration (VLSI) Systems, IEEE Transactions on, IEEE Trans. VLSI Syst.
Yu-Cheng Fan; Qiaoyan Yu; Thomas Schumann; Ying-Ren Chien; Chih-Cheng Lu · 2014
VLSI Design
Voros, N.; Stan, M.; Huebner, M.; Keramidas, G. · 2020
IEEE Consumer Electronics Magazine, Consumer Electronics Magazine, IEEE, IEEE Consumer Electron. Mag.
Yao, E.; Basu, A. · 2017
IEEE Transactions on Very Large Scale Integration (VLSI) Systems, Very Large Scale Integration (VLSI) Systems, IEEE Transactions on, IEEE Trans. VLSI Syst.
Kumar Singh S.,Mittra S.,Singh N.,Birla S. · 2026
IEEE Access
Dieck-Assad G.,Rodríguez-Delgado J.M.,Peña O.I.G. · 2021
Sensors
Bibilo, P. N.; Avdeev, N. A.; Kardash, S. N.; Kirienko, N. A.; Lankevich, Yu. Yu.; Loginova, I. P.; Romanov, V. I.; Cheremisinov, D. I.; Cheremisinova, L. D. · 2018
Russian Microelectronics
范官军 · 2012
中国教育技术装备 / China Educational Technique & Equipment
Jonas Mørkeberg Torry-Smith; Ahsan Qamar; Sofiane Achiche; Jan Wikander; Niels Henrik Mortensen; Carl During · 2012
Journal of Mechanical Design
Ajirlou A.F.,Partin-Vaisband I. · 2022
IEEE Transactions on Computers
Teich, J. · 2012
Proceedings of the IEEE, Proc. IEEE
Alimisis, V.; Papathanasiou, A.; Georgakilas, E.; Eleftheriou, N.P.; Sotiriadis, P.P. · 2024
AEU - International Journal of Electronics and Communications
Settaluri, Keertana; Haj-Ali, Ameer; Huang, Qijing; Hakhamaneshi, Kourosh; Nikolic, Borivoje · 2020
PROCEEDINGS OF THE 2020 DESIGN, AUTOMATION & TEST IN EUROPE CONFERENCE & EXHIBITION (DATE 2020)
Liu, T.; Lee, T.; Chiueh, T. · 2016
IEEE Solid-State Circuits Magazine, Solid-State Circuits Magazine, IEEE, IEEE Solid-State Circuits Mag.
Li L.,Sau C.,Fanni T.,Li J.,Viitanen T.,Christophe F.,Palumbo F.,Raffo L.,Huttunen H.,Takala J.,Bhattacharyya S.S. · 2019
Journal of Systems Architecture
Mohanty, S.P.; Kundu, S. · 2015
IEEE Transactions on Emerging Topics in Computing, Emerging Topics in Computing, IEEE Transactions on, IEEE Trans. Emerg. Topics Comput.
蒋华 · 2022
工业和信息化教育 / Indusrty and Information Technology Education
张佳 · 2013
中国电力教育 / China Electric Power Education
Martinez-Santos, J.C.; Acevedo-Patino, O.; Contreras-Ortiz, S.H. · 2017
IEEE Revista Iberoamericana de Tecnologias del Aprendizaje, Tecnologias del Aprendizaje, IEEE Revista Iberoamericana de, IEEE R. Iberoamericana Tecnologias Aprendizaje
Garlando U.,Riente F.,Graziano M. · 2021
IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems
전선 / 대학원
지난 수십 년간 발전해 온 CMOS 공정은 최신의 고성능 및 모바일 시스템을 설계하는데 중요한 역할을 수행하고 있다. 이 강의에서는 나노미터 스케일의 미세 공정에서 효율적인 디지털 시스템을 설계하기 위한 다양한 회로 설계 기법을 다루고 하드웨어 설계 과정에서 고려해야 할 신뢰성, 에너지 효율성 등의 요소를 자세히 살펴봄으로써 학생들의 디지털 시스템 설계에 대한 이해를 높인다.전선 / 대학원
이 강의에서는 VLSI 설계 분야의 최근 연구 동향을 소개하고, 효율적인 설계를 위한 고급 설계 기법을 다룬다. 구체적으로 디지털 회로의 잡음, 배선, 저전력 설계 등의 주제를 다루며 각 활용 영역에서 사용되는 다양한 회로 구조를 소개한다.전선 / 대학원
이 강의에서는 VLSI 설계 분야의 최근 연구 동향을 소개하고, 효율적인 설계를 위한 고급 설계 기법을 다룬다. 구체적으로 디지털 회로의 잡음, 배선, 저전력 설계 등의 주제를 다루며 각 활용 영역에서 사용되는 다양한 회로 구조를 소개한다.전선 / 대학원
본 강의에서는 지능시스템을 위한 패턴인식 알고리즘들에 대해서 공부한다. 패턴인식은 문자인식, 지문인식, 얼굴인식, 음성인식 등을 모두 포괄하는 지능시스템을 구현하기 위한 필수적인 분야로 그 응용 분야가 매우 다양하며 풀고자 하는 문제에 따라 분류문제, 회귀문제, 군집화문제 등으로 나눌 수 있다. 본 강의에서는 각각의 문제들을 풀기 위해 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 패턴인식 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
본 과목에서는 지능형시스템의 이론 및 구현의 바탕이 되는 수학을 다룬다. 컴퓨터 시스템, 로보틱스, 시스템 이론 등의 필수가 되는 대학원 수준의 선형대수를 비롯한 여러 주제의 응용수학을 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.전선 / 대학원
CPU를 중심으로 I/O System, Memory System, Cache, Virtual Memory 등의 구조 및 설계 방법을 다루며, 이를 바탕으로 전체적인 컴퓨터의 조직을 이해한다.전선 / 대학원
인공지능 기술은 머신러닝(Machine Learning) 보다 한단계 발전한 딥러닝(Deep Learning)이 널리 사용되고 있다. 딥러닝은 컴퓨터가 스스로 데이터를 분석해 특징을 추출하고 학습함으로써 인공지능의 성능을 크게 발전시켰다. 또한, 생성형 인공지능 모델은 사람처럼 자연스러운 대화의 생성을 가능케 함으로써 인공지능 기술을 더욱 발전시키고 있다. 본 강좌에서는 인공지능과 딥러닝에 대한 개요를 설명하고, 생성형 인공지능 기술을 소개한다. 인공지능 프로그래밍을 위한 프레임워크를 습득하고, 이를 활용한 기초 인공지능 프로그래밍을 실습한다. 또한, 생성형 인공지능 모델을 활용하여 인공지능 응용을 프로그래밍하는 방법을 소개한다. 딥러닝의 주요 응용 분야인 객체 인식용 인공지능 모델을 이해하고, 학습을 위한 데이터셋을 자동으로 생성하는 방법을 실습한다. 인공지능반도체를 내장한 하드웨어 보드를 사용하는 방법을 실습한다. 다양한 입력과 출력을 제어하는 프로그래밍을 학습하고, 인공지능 가속기를 활용하여 인공지능 모델을 실행하는 프로그래밍을 실습한다. 고성능의 GPU를 활용하기 위한 프로그래밍 환경을 이해하고, GPU 프로그래밍의 개념과 실습을 통해 GPU의 구조에 대해 학습한다. 마지막으로, 각 단원에서 배운 내용을 기반으로 프로젝트 형식으로 구현한다.전선 / 대학원
본 강의에서는 시스템-온-칩 뿐 아니라 분산 임베디드 시스템을 체계적으로 설계하기 위한 방법론으로 많은 주목을 받고 있는 하드웨어-소프트웨어 통합설계 방법론에 관하여 공부하도록 한다. 우선, 시스템을 정형적으로 명세하기 위한 다양한 계산 모델(model of computation)에 관하여 살펴보고 시스템의 시뮬레이션과 빠른 성능 예측 기술, 그리고 시스템의 최적 구조를 탐색하는 기술 등 시스템 설계에 관한 핵심 기술들을 개괄적으로 살펴본다. 끝으로 병렬/분산 임베디드 소프트웨어의 검증과 유지를 용이하게 하기 위한 임베디드 소프트웨어 설계 기술을 배운다.전선 / 대학원
본 교과목은 강의 교수와 수강하는 학생들이 협의하여 창의적으로 주제를 선정하고, 관련 이론 및 최신 기술을 함께 배우는 세미나와 토론 및 프로젝트를 수행하는 교과목이다. 컴퓨터 기술은 빠르게 발전하기 때문에 기존의 교과목에서는 다루지 못하는 기술이 속속 등장하고 있다. 본 교과목은 이러한 신기술을 배울 수 있는 기회를 제공한다. 또한 과학기술·산업·사회 분야의 당면 문제를 컴퓨터 기술로 해결하는 창의적인 방안을 모색할 수도 있으며, 적정기술을 이용하여 사회적 약자를 위한 컴퓨팅 시스템을 개발하는 사회공헌형 주제로 강좌를 진행할 수 있다. 또한 수강생들이 창의적인 주제를 제안하고 강의 교수가 이를 인정하고 지도하는 상향식 주제 탐구도 적극 권장할 예정이다. 본 교과목에서 학생들의 연구 성과는 학기말에 결과 발표회를 통해 성과를 학부 전체에 공유한다.전선 / 대학원
인공지능반도체란 다양한 인공 지능 모델들을 효율적으로 처리하도록 설계된 반도체이다. 이 인공지능반도체는 지능형 로봇, 스마트자동차, 의료기기, 드론, 지능형 CCTV, 생성형 인공지능 등의 응용을 처리하는데 널리 사용되고 있다. 이 강좌에서는 인공지능반도체의 설계를 위한 기본적인 지식을 소개한다. 우선 Verilog 프로그래밍 방법을 간단히 복습하고, 마이크로프로세서의 구조를 설명한다. 데이터를 저장하기 위한 SRAM과 DRAM 및 이를 구동하기 위한 메모리 컨트롤러를 설명한다. 인공지능반도체 내부에서 데이터들의 이동을 원활하게 해주는 온칩 버스 구조를 설명하고, 널리 사용되는 AMBA 표준버스를 소개한다. 인공지능반도체를 외부 주변 장치와 연결해주는 기본적인 인터페이스인 UART 및 I2C의 동작을 소개하고, 구현하는 실습을 진행한다. 또한, 카메라 인터페이스 및 디스플레이 패널을 활용한 영상 데이터 입출력 방법을 설명하고, 구현 실습한다. Deep neural network를 효율적으로 처리하기 위한 하드웨어 가속기를 설계하는 방법을 설명한다. 가속기를 구동하고 최적화하기 위한 방법들인 quantization, data preparation, convolutional kernel, activation, sliding window, buffer를 설계한다. 마지막으로 간단한 CNN 가속기를 설계하고, 이를 microprocessor와 연동하는 실습을 진행한다.전선 / 대학원
현재 인공지능 처리를 담당하는 프로세서의 병렬처리 능력이 인공지능 성능을 결정하는 핵심 요건으로 부상하였다. 그러나 이런 특성은 현재 널리 사용되는 범용 CPU의 구조에 적합하지 않다. 따라서 인공지능 전용 프로세서의 개발 및 활용을 위한 다양한 접근이 이루어지고 있다. GPU는 인공지능 알고리즘을 효율적으로 처리할 수 있기 때문에 현재 가장 주목받는 인공지능 프로세서이다. 또 ASIC을 활용하거나 용도에 맞게 하드웨어를 재구성할 수 있는 FPGA을 기반으로 맞춤형 인공지능 프로세서를 만들려는 움직임도 늘고 있다. 본 과목은 이러한 인공지능을 위한 프로세서의 구조를 다룬다. 범용 프로세서 구조를 기본으로 GPU의 구조, ASIC 및 FPGA을 활용한 인공지능 프로세서의 구조와 특성에 대하여 배운다.전선 / 대학원
인공지능 알고리즘은 현재 물체인식, 음성인식, 번역 등 많은 분야에서 그 응용을 넓혀가고 있다. 최근 가장 우수한 성능을 보이는 신경망 알고리즘은 매우 많은 계산을 필요로 한다. 본 과목에서는 인공지능 알고리즘을 실제 시스템에서 구현하는 방법을 다룬다. 이를 위해서는 인공지능 알고리즘 수준에서의 최적화와 더불어 시스템 구현에 대한 이해가 필요하다. 대상 시스템으로 고성능 GPU 뿐만 아니라 내장형 시스템 또는 하드웨어를 이용한 구현을 다룬다. 본 과목에서는 전반부에서 인공지능 알고리즘을 다루고 후반부에서 시스템 구현 및 최적화를 다룬다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 학사
본 과정에서는 인공지능에 대한 개요 및 deep learning에 대해 이해하며 TensorFlow 개념 및 기초 programming 실습을 진행한다. 그리고 Deep Learning 기반 Object Detection 방법과 무인점포 개발 응용을 위한 학습 trainset 자동 생성 방법을 실습을 통해 익힌다. 또한 AI Chip이 내장된 NPU 가속기 Board와 nVidia Jetson TX2 Board를 이용하여 YOLO V3 Object Detection 실습을 진행한다. 마지막으로 nVidia CUDA를 이용한 GPU Programming 개념 및 병렬 Programming 실습을 통해 GPU 구조에 대해 배운다.전선 / 대학원
컴퓨터 및 VLSI 분야의 전문가를 초빙하여 최근 동향과 전문기술에 대한 정보를 습득하고 토론할 수 있는 기회를 제공한다.전선 / 대학원
본 강좌는 컴퓨터 시뮬레이션을 사용하여 반도체 공정 및 소자특성을 개발하고 최적화 과정을 소개한다. 시뮬레이션을 사용하면 새로운 반도체 공정 기술을 개발하고 소자 특성을 최적화 할 때 실제 웨이퍼 실험을 진행하는 것보다 소요되는 비용을 절감하고 시간을 단축시킬 수 있다. 따라서 현재 반도체 산업계 현장에서 시뮬레이션에 의존도는 계속 높아지고 있다. 본 강좌에서는 다양한 시뮬레이션 툴을 이용하여 인공지능반도체 소자를 제작한 후 소자의 전기적 특성을 평가하는 소자 설계 프로젝트를 수행한다. 이를 위해 식각, 증착, 이온 주입, 열 공정, 산화와 같은 다양한 공정을 시뮬레이션 해주는 툴을 이용하여 소자를 제작한 후, 소자 시뮬레이터를 사용하여 직접 제작한 반도체 소자의 전기적 특성을 예측하게 된다. 또한, 대부분의 시뮬레이터 작업에서 사용하는 Tcl 언어에 대해서 학습한다. 반도체 소자의 아날로그 부분과 디지털 부분의 동작을 통합하여 전체 시스템의 성능을 평가하고 최적하는데 도움이 되는 Mixed mode simulation을 수행하는 예제 및 SPICE 모델 추출하는 예제등을 학습한다. 최종적으로 시뮬레이션 틀을 이용하여 학생 개인별로 선택한 소자를 직접 제작하고 그 소자의 전기적 특성을 분석하는 프로젝트를 수행한다.전선 / 대학원
데이타베이스, 프로그래밍 언어, 그래픽스, 운영체계 등 시스템 소프트웨어에 있어서의 최신 동향과 주요 주제를 다룬다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
멀티스케일 현상을 이용하는 전형적인 소자 및 시스템인 MEMS(Micro Electro Mechanical Systems) 및 NEMS(Nano Electro Mechanical Systems)를 직접 제작, 측정 하는 실험 및 실습과목이다. 나노 및 마이크로 현상을 이용하는 각종 공정의 원리 및 공정의 설계 방식을 습득하고 top-down 및 bottom-up 방식의 제작 중 전형적인 접근방식들을 실제로 구현하고 비교한다.