기본 정보

대학 웹사이트

김

김영근

Younggeun Kim

고려대학교 컴퓨터학과

Intelligent Computer Architecture.& Systems Lab.

연구실 웹사이트정상 접속

younggeun_kim@korea.ac.kr

연구 분야

대학 웹사이트

System Design and Optimization for Machine Learning

machine learningsystem optimizationedge inferencefederated learning

System optimization for machine learning including energy efficient edge inference, federated learning, edge recommendation, and end-to-end AI pipeline.

Carbon Footprint-aware Computing Towards Sustainable Deep Learning

carbon footprintsustainable computingdeep learningrenewable energy

Carbon footprint-aware computing focusing on deep learning sustainability, energy/latency/carbon footprint trade-offs, and use of renewable energy.

Energy Efficiency Optimization of Mobile/Edge Systems

energy efficiencymobile systemsedge computingthermal management

Energy efficiency optimization for mobile and edge computing systems with focus on thermal management and heterogeneous systems.

Thermal Management of Multi-scale Heterogeneous Systems

thermal managementheterogeneous systemstemperature management

Thermal management strategies for multi-scale heterogeneous computing systems.

Domain-specific (e.g., AI/ML) H/W Design and Optimization

hardware designAI acceleratorprocessing-in-memorydeep learning accelerator

Domain-specific hardware design and optimization including processing-in-memory architecture, deep learning accelerators, and 3D logic-memory cube.

출처: 연구실 홈페이지

학생 구성

대학 웹사이트4일 전

현재 재학생

36명

최근 5년 졸업

0명

졸업생 진로 분포는 k≥5 조건을 충족하면 표시됩니다.

재학생 출신대학 (카테고리)

본 페이지는 연구실 규모 파악을 위한 집계 통계(구성원 수, 진로 카테고리, 출신대학 카테고리)만 제공하며, 개별 학생의 이름·전적·취업처 등은 표시하지 않습니다. 분포는 k≥5 익명성 조건을 충족할 때만 공개됩니다 (PIPA §58-2·§28-2 + 대법원 2014다235080).

최근 논문

OpenAlex1주 전

CLOVER: Carbon Optimization of Federated Learning over Heterogeneous Clients

Other

2024년 8월 5일인용 2

본 논문은 연합학습의 탄소 배출을 최적화하는 CLOVER 알고리즘을 제안합니다. 이질적인 탄소 강도, 시스템/데이터 이질성, 네트워크 변동성을 고려하여 참여자와 학습 샘플을 선택함으로써 연합학습의 탄소 효율성을 평균 25.0% 개선하면서도 수렴성과 정확도를 보장합니다.

AI 생성원문 보기

LiDAR: A Light‐Weight Deep Learning‐Based Malware Classifier for Edge Devices

Wireless Communications and Mobile ComputingJournal

2022년 1월 1일인용 1

본 연구는 엣지 디바이스에서 효율적으로 악성코드를 탐지하기 위해 딥러닝 분류기의 특징을 분석하여 경량 규칙 기반 분류기 LiDAR을 제안합니다. LiDAR은 94% 정확도(F1-score)를 달성하면서 CNN 분류기 대비 CPU 사용량 85.67%, RAM 사용량 328.24% 감소, 분류 시간 454.37% 단축을 보입니다.

AI 생성원문 보기

논문 트렌드

OpenAlex

연구 키워드

AI 분석

벤치마킹

OpenAlex1주 전

컴퓨터공학 분야 617개 연구실 중

2026

국제 학술지(IF) 논문 수17

Top 13.5%

피인용 수407

Top 8.8%

평균 Impact Factor수집 중

주요 변화

AI 분석

2025 · funding_fluctuation · 보통 영향
2015년 2,492,000,000원에서 2025년 92,985,000원으로 연구비가 96.3% 감소했습니다. 10년간 연구비가 거의 소진되는 수준으로 급락했습니다.
AI 생성
2015 · funding_fluctuation · 높은 영향
2013년 758,001,000원에서 2015년 2,492,000,000원으로 연구비가 228.8% 증가했습니다. 2년 만에 연구비 규모가 3배 이상 확대되었습니다.
AI 생성
2013 · funding_fluctuation · 보통 영향
2008년 1,600,000,000원에서 2013년 758,001,000원으로 연구비가 52.6% 감소했습니다. 5년간 지속적인 예산 축소가 진행되었습니다.
AI 생성
2006 · funding_fluctuation · 높은 영향
2005년 126,000,000원에서 2006년 1,880,000,000원으로 연구비가 1392.1% 급증했습니다. 이는 연구실 규모의 획기적인 확대를 의미합니다.
AI 생성

연구실 진화

AI 분석어제

김영근 교수 연구실은 최근 5년간 26편 논문을 발표하며 에지 AI 경량화와 에너지 효율 최적화를 중심으로 연구합니다.

고려대학교 컴퓨터학과 김영근 교수 연구실은 최근 5년간 26편의 논문을 발표하며 에지·엣지 컴퓨팅 환경에서의 딥러닝 경량화와 에너지 효율 최적화를 중심 연구 주제로 집중시켜 왔습니다. 키워드 변화를 살펴보면, 연합학습·강화학습 기반 최적화·시스템 이질성 처리 등 분산 환경에서의 지능형 시스템 운용으로 연구 범위가 확장되었으며, 탄소 배출 최적화와 같은 지속가능성 관련 주제도 새롭게 부상하고 있습니다. 모바일 디바이스 보안 및 악성코드 탐지 키워드의 등장은 경량 딥러닝 기술이 보안 영역으로도 접목되고 있음을 보여줍니다. 연구비 측면에서는 2015년 약 24억 9천만 원으로 정점을 기록한 이후 2025년 약 9천 3백만 원 수준으로 크게 축소되어, 외부 재원 규모는 감소한 반면 연구 주제의 심화와 특화는 지속되는 흐름을 보입니다. 이러한 변화는 연구실이 대규모 프로젝트 중심에서 에지 AI 경량화·효율화라는 특정 기술 영역에 집중하는 방향으로 전환하고 있음을 나타냅니다.

AI 생성

김영근 연구실

김영근 연구실

김영근

System Design and Optimization for Machine Learning

Carbon Footprint-aware Computing Towards Sustainable Deep Learning

Energy Efficiency Optimization of Mobile/Edge Systems

Thermal Management of Multi-scale Heterogeneous Systems

Domain-specific (e.g., AI/ML) H/W Design and Optimization

재학생 출신대학 (카테고리)

CLOVER: Carbon Optimization of Federated Learning over Heterogeneous Clients

LiDAR: A Light‐Weight Deep Learning‐Based Malware Classifier for Edge Devices

연구 키워드

주요 변화

연구실 진화

김영근

System Design and Optimization for Machine Learning

Carbon Footprint-aware Computing Towards Sustainable Deep Learning

Energy Efficiency Optimization of Mobile/Edge Systems

Thermal Management of Multi-scale Heterogeneous Systems

Domain-specific (e.g., AI/ML) H/W Design and Optimization

재학생 출신대학 (카테고리)

CLOVER: Carbon Optimization of Federated Learning over Heterogeneous Clients

LiDAR: A Light‐Weight Deep Learning‐Based Malware Classifier for Edge Devices

연구 키워드

주요 변화

연구실 진화

김영근 연구실

관련 연구실

김영근 연구실

김영근

System Design and Optimization for Machine Learning

Carbon Footprint-aware Computing Towards Sustainable Deep Learning

Energy Efficiency Optimization of Mobile/Edge Systems

Thermal Management of Multi-scale Heterogeneous Systems

Domain-specific (e.g., AI/ML) H/W Design and Optimization

재학생 출신대학 (카테고리)

CLOVER: Carbon Optimization of Federated Learning over Heterogeneous Clients

LiDAR: A Light‐Weight Deep Learning‐Based Malware Classifier for Edge Devices

연구 키워드

주요 변화

연구실 진화

관련 연구실

김영근

System Design and Optimization for Machine Learning

Carbon Footprint-aware Computing Towards Sustainable Deep Learning

Energy Efficiency Optimization of Mobile/Edge Systems

Thermal Management of Multi-scale Heterogeneous Systems

Domain-specific (e.g., AI/ML) H/W Design and Optimization

재학생 출신대학 (카테고리)

CLOVER: Carbon Optimization of Federated Learning over Heterogeneous Clients

LiDAR: A Light‐Weight Deep Learning‐Based Malware Classifier for Edge Devices

연구 키워드

주요 변화

연구실 진화