신동군 연구실은 2021년 이후 연구비가 379.6% 확대되며 저장장치 최적화와 온디바이스 AI 경량화를 추진하는 연구실입니다.
2025 · funding_fluctuation · 높은 영향
2021년 대비 2025년에 연구비가 379.6% 증가하여 646,309,000원에서 3,100,000,000원으로 지속적으로 확대되었습니다.
2021 · funding_fluctuation · 높은 영향
2020년 대비 2021년에 연구비가 1192.6% 증가하여 50,000,000원에서 646,309,000원으로 급증했습니다.
2020 · funding_fluctuation · 보통 영향
2017년 대비 2020년에 연구비가 98.1% 감소하여 2,581,080,000원에서 50,000,000원으로 최저 수준으로 하락했습니다.
2017 · funding_fluctuation · 높은 영향
2016년 대비 2017년에 연구비가 417.0% 증가하여 499,200,000원에서 2,581,080,000원으로 회복되었습니다.
2016 · funding_fluctuation · 보통 영향
2015년 대비 2016년에 연구비가 92.4% 감소하여 6,531,030,000원에서 499,200,000원으로 급락했습니다.
2015 · funding_fluctuation · 높은 영향
2013년 대비 2015년에 연구비가 4161.1% 증가하여 153,270,000원에서 6,531,030,000원으로 극적으로 확대되었습니다.
2013 · funding_fluctuation · 보통 영향
2011년 대비 2013년에 연구비가 96.7% 감소하여 4,686,000,000원에서 153,270,000원으로 급감했습니다.
2011 · funding_fluctuation · 높은 영향
2010년 대비 2011년에 연구비가 185.4% 증가하여 1,642,070,000원에서 4,686,000,000원으로 연구실 역사상 최고 규모에 도달했습니다.
2010 · funding_fluctuation · 높은 영향
2008년 대비 2010년에 연구비가 468.2% 증가하여 289,000,000원에서 1,642,070,000원으로 대폭 확대되었습니다.
2008 · funding_fluctuation · 높은 영향
2007년 대비 2008년에 연구비가 435.2% 증가하여 54,000,000원에서 289,000,000원으로 회복되었습니다.
2007 · funding_fluctuation · 보통 영향
2006년 대비 2007년에 연구비가 99.1% 감소하여 6,283,550,000원에서 54,000,000원으로 급락했습니다.
신동군 연구실은 2021년 이후 연구비가 379.6% 확대되며 저장장치 최적화와 온디바이스 AI 경량화를 추진하는 연구실입니다.
성균관대학교 소프트웨어학과 신동군 교수 연구실은 최근 5년간 플래시 메모리 및 저장장치 최적화와 딥러닝 경량화·가속화라는 두 축을 중심으로 연구 방향을 구체화해왔습니다. 2021년 연구비가 전년 대비 약 1,192.6% 급증하여 6억 4,600만 원 수준으로 회복된 이후, 2025년에는 31억 원 규모로 약 379.6% 추가 확대되며 연구 투자가 지속적으로 성장하는 흐름을 보였습니다. 이 기간 동안 23편의 논문이 발표되었으며, 가장 최근 성과는 2025년 7월까지 이어지고 있습니다. 연구 키워드 측면에서는 존 네임스페이스·영역 네임스페이스 저장장치, 로그 구조 파일 시스템, 쓰기 증폭 감소 등 저수준 스토리지 시스템 최적화와 함께, 트랜스포머 모델 경량화, 구조화된 스파시티 프루닝, 신경망 압축 및 양자화, 모바일·임베디드 시스템 딥러닝 배포 등 온디바이스 AI 추론 효율화 주제가 병행하여 부상하고 있습니다. 이는 연구실이 하드웨어 근접 시스템 소프트웨어 연구에서 출발하여, AI 모델을 자원 제약 환경에서 효율적으로 구동하는 시스템 최적화 방향으로 연구 영역을 확장해가는 흐름을 나타냅니다.