연구 배경 (Motivation)

• 기존 무선 통신 네트워크의 복잡한 최적화 문제(NP-hard)를 극복하기 위해 차세대 컴퓨팅 기술인 양자 어닐링(Quantum Annealing, QA) 도입

• Overcoming the computational complexity of NP-hard problems in wireless networks using Quantum Annealing (QA).

연구 목표 (Target Application)

• 다중 UAV(무인항공기) 기반 네트워크의 전송률 극대화 (클러스터링, 서브채널 및 전력 할당 동시 최적화)

• Maximizing the sum rate in multi-UAV networks by jointly optimizing clustering, sub-channel assignment, and power allocation.

핵심 기술 (Methodology)

• 복잡한 조합 최적화 문제를 QUBO 모델로 변환하고, 독자적인 QA 알고리즘을 적용하여 시스템 성능과 연산 속도를 획기적으로 개선

• Formulating combinatorial problems into simplified QUBO models and utilizing novel QA algorithms to achieve fast and efficient optimal solutions.

연구 배경 (Motivation)

• 양자 어닐링 하드웨어의 제한적인 연결성으로 인해 발생하는 큐비트 체인(Chain) 임베딩의 오버헤드 및 노이즈 유발 오류 문제 극복

• Overcoming hardware connectivity constraints in quantum annealing, where embedding logical variables into physical qubit chains limits scalability and increases noise-induced errors.

연구 목표 (Target Application)

• 체인 길이에 따른 노이즈 누적과 체인 끊어짐(Chain Break) 현상을 분석하여, 시스템 신뢰성을 높이는 '임베딩 인지형 기저 노이즈 프레임워크' 구축

• Developing an embedding-aware baseline noise framework to analyze chain break mechanisms and improve the reliability of quantum annealing devices.

핵심 기술 (Methodology)

• 체인 끊어짐 확률 및 분산 누적 모델을 설계하고, D-Wave Advantage2 Zephyr 프로세서 실험을 통해 실제 하드웨어의 상관 노이즈(Correlated noise) 특성을 규명하여 최적의 체인 강도(Chain-strength) 조율 지침 제시

• Modeling variance accumulation and empirically validating on the D-Wave Advantage2 Zephyr processor to identify correlated hardware noise effects, thereby providing quantitative guidelines for optimal chain-strength tuning.

연구 배경 (Motivation)

• IoT 실내 측위 기술로 초광대역(UWB)이 각광받고 있으나, 장애물로 인한 비가시선(NLOS) 신호 지연 및 측위 오류를 해결하기 위해 정밀한 신호 분류 기술이 필수적임

• Addressing accuracy degradation in UWB-based indoor positioning systems caused by non-line-of-sight (NLOS) signal propagation errors in obstacle-rich environments.

연구 목표 (Target Application)

• 기존 머신러닝을 뛰어넘는 하이브리드 양자 합성곱 신경망(HQCNN)을 제안하여, UWB 신호(LOS/NLOS)를 정확히 분류하고 실내 측위 성능을 극대화

• Classifying UWB signals to enhance indoor positioning accuracy using a novel Hybrid Quantum Convolutional Neural Network (HQCNN) architecture.

핵심 기술 (Methodology)

• 고전적 신경망 계층에 양자 임베딩 및 변분 양자 회로(VQC) 기반의 필터를 결합하여 학습 효율성을 높이고, 실제 채널 임펄스 응답 데이터를 통해 모델의 우수성 검증

• Integrating classical layers with quantum embedding and variational quantum circuits as convolutional filters, demonstrating superior signal classification performance over classical benchmarks.

연구 배경 (Motivation)

• 녹내장으로 인한 비가역적 시력 상실을 예방하기 위해, 정확하고 효율적인 조기 진단 및 자동화된 예측 모델의 필요성 대두

• Addressing the critical need for accurate and efficient early diagnostic methods to prevent irreversible blindness caused by glaucoma.

연구 목표 (Target Application)

• 시신경유두(OD) 및 시신경 함몰(OC) 영역의 정밀 분할(Segmentation)을 통한 자동화된 녹내장 예측 및 분류 성능 극대화

• Enhancing automated glaucoma classification and early diagnosis through the precise segmentation of the optic disc (OD) and optic cup (OC).

핵심 기술 (Methodology)

• UNet 아키텍처에 트랜스포머 기반 어텐션(Attention) 및 CBAM 모듈을 결합하고 다중 스케일 손실 기법을 적용하여, 주요 벤치마크 데이터셋(REFUGE, RIM-ONE 등)에서 최고 수준의 진단 정확도(최대 96%) 달성

• Integrating transformer-based attention and CBAM into a UNet architecture with multiscale losses, extracting critical spatial features to achieve state-of-the-art classification accuracy across multiple benchmark datasets.