박 병 국 교수 서울대학교

학력
서울대학교 전자공학과 학사 (1982)
서울대학교 전자공학과 석사 (1984)
Stanford 대학교 Electrical Engineering 박사 (1990)

경력
1990~1992 : AT&T Bell 연구소 연구원
1993~1994 : Texas Instruments 연구원
1994~1998 : 서울대학교 전기공학부 조교수
1998~2004 : 서울대학교 전기공학부 부교수
2004~현재 : 서울대학교 전기공학부 교수
2002, 2010 : Dept. of EE, Stanford University Visiting Professor
2008~2010 : 반도체 공동연구소 소장
2014 : IEEE Seoul Section Chair
2015 : 대한전자공학회 회장
2017~현재 : 공학한림원 정회원

학술 활동
International Electron Devices Meeting, Program Committee, (2001 ~ 2002)
Silicon Nanoelectronics Workshop, Program Chair/General Chair, (2005, 2007)
International Conference on Solid State Devices and Materials, Program Committee, (2005 ~ 2009)
ITC-CSCC, Program Chair/General Chair, (2007, 2011)
ICEIC, General Chair, (2015)
AWAD, General Chair, (2009)
IEEE Electron Device Letters, Editor, (2009 ~2012)
Journal of Semiconductor Technology and Science, Editor-in-Chief, (2012~2014)

논문 및 특허
428편의 SCI 저널을 포함한 453편의 논문지 논문, 528편의 국제학술대회 논문을 포함한 859편의 학술대회 논문, 45건의 미국 특허, 3건의 일본특허, 107건의 국내 특허 등록

수상
2003 : 도연 창조상 / 서울대학교 반도체공동연구소
2006 : 훌륭한 공대교수상(교육상) / 서울대학교 공과대학
2008 : 해동 학술상 / 대한전자공학회, 해동학술재단
2008~2012 : 우수연구상 / 서울대학교 공과대학
2013 : 나노코리아 나노연구혁신상 / 미래창조과학부 장관
2015 : 학술연구상 / 서울대학교
2017 : 강대원상 / 한국반도체학술대회

박 병 국 교수
서울대학교

신경계와 반도체 집적회로

Currently, artificial neural networks (ANNs) are implemented by software executed in digital hardware. Although hardware accelerators such as neural processing units (NPUs) and tensor processing units (TPUs) are developed for ANNs that require massively parallel processing, their energy efficiency is much lower than that of biological neural networks.

In order to improve the energy efficiency drastically, radical change in the hardware encompassing devices, circuits and systems is inevitable. It is important to develop the building blocks - synaptic devices and neuron circuits - and to select appropriate neural network architectures. Synaptic devices based on flash memory and resistive memory cells demonstrate promising performances in low energy consumption and gradual change of characteristics. Various neuron circuits have been developed on the basis of “integrate-and-fire” circuit, which implements spike-timing dependent plasticity (STDP) known as the learning mechanism of biological neural networks and achieves high energy efficiency.

On the foundation of these building blocks, we can build a neural network system that exploits synaptic weights obtained by backpropagation and normalization. Utilizing appropriate weight conversion and well-tempered neuron parameters, we have confirmed that such a system can achieve very high accuracy in classification of representative datasets such as MNIST, SVHN, and CIFAR-10. Furthermore, we would like to establish a framework in which we can extend the described method to the general neural network applications beyond classification.

이 승 수 대표이사 인피니언 테크놀로지스 코리아㈜

학력
Computer Electronics 석사 1992년
인디애나 주립대학교, 미국
Computer Science 학사 1990년
미시간 주립대학교, 미국

경력
인피니언 테크놀로지스 코리아 (2011년 2월~현재)
대표이사 겸 오토모티브 사업부 총괄
인피니언 테크놀로지스 코리아 (2007년 7월~ 2011년 1월)
오토모티브 사업부 총괄 상무
프리스케일 반도체 (모토로라 코리아) (2000년 3월~2007년 7월)
현대자동차, 중앙연구소 (1993년 3월~2000년 3월)
AllTell Telecommunication Co. (Sprint), 미국 (1992년 3월~1993년 3월)

이 승 수 대표이사
인피니언 테크놀로지스 코리아㈜

자율주행과 차량용 반도체의 미래 동향

전세계가 자율주행차를 기대하고 있습니다. 운전은 첨단 기술에 맡기고 이동하면서 편하게 차 안에서 사무도 보고 음악도 듣고 휴식을 취하면서 목적지까지 안전하게 갈 수 있기를 바라고 있습니다. 이런 자율주행차가 상용화되기 위해서는 여러가지 기술 및 사회적 문제들이 선결되어야 하겠지만, 이미 현실로 다가오고 있습니다. 기술적 측면에서 자율주행차 시대는 반도체, 전자, 소프트웨어의 융복합으로만 가능합니다. 특히 반도체는 차량용으로 고성능, 고안전 요구 사양을 충족하면서 미래 자동차의 기술혁신을 이끌고 있습니다. 차량용 반도체가 미래자동차 즉, 자율주행차와 친환경차 및 커넥티드카 구현에 어떻게 기여하고 있는지 말씀드리고자 합니다.