|
|
|
|
|
 |
AI와 신호 설계를 융합하는 과정에서 가장 어려웠던 문제와 그 해결 방법은 무엇이었나요?
딥러닝 기반 신호복원 프로젝트 당시, 가장 큰 문제는 '데이터 셋 불균형'이었습니다.
이상적인 시스템 설계 엔지니어는 '구조를 생각하는 사람'이라고 생각합니다.
|
|
|
 |
노이즈 환경에서 음성 신호를 복원하는 프로젝트였는데, 기존의 필터링 방식과 딥러닝 기반 모델 간의 성능 차이를 비교 분석했습니다.
특히 삼성전자의 AI센터에서 수행하는 고성능 신호처리시스템 설계, 반도체 내부 신호해석, 저전력 설계 등에 저의 아날로그·디지털 회로 이해력, 수학적 모델링 역량, AI 활용 경험이 직접적으로 기여할 수 있다고 확신합니다.
딥러닝 기반 신호복원 프로젝트 당시, 가장 큰 문제는 '데이터 셋 불균형'이었습니다.
VAE(VariationalA utoEncoder) 기반의 노이즈 프로파일링 구조를 구축해, 입력 신호의 노이즈 특성을 사전에 추정하고 이를 메인 복원 모델에 조건부 정보로 제공했습니다.
지금까지는 회로 시뮬레이션과 수동 튜닝을 통해 SI 문제를 해결하는 경우가 많았지만, AI가 누적된 수많은 설계 데이터를 학습해, 레이아웃 변경이나 부품 구성 변경이전에 '예측 기반 설계'를 가능하게 할 수 있다면 개발 속도와 품질 모두에서 혁신을 가져올 수 있다고 생각합니다.
또한, 최근 삼성전자가 추진 중인 'AI 기반 반도체 설계자동화(EDA)' 흐름에서, 신호 설계 부분의 AI 활용은 아직 시작 단계라고 생각합니다.
이상적인 시스템 설계 엔지니어는 '구조를 생각하는 사람'이라고 생각합니다. |
 |
설계, ai, 신호, 구조, 문제, 시스템, 모델, 기반, 생각, 이다, 분석, 변경, 노이즈, 데이터, 학습, 환경, 경험, 센터, ds, 부문 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.03.30
4페이지
