Day 1 (2023년 8월 21일)
| 시간 | 주제 | 좌장/발표자 | |
| 10:00-12:00 | 세션 1A | 퀀텀인공신경망 이론 및 모빌리티 응용 | 김중헌 교수 (고려대) |
| 본 강연에서는 퀀텀인공신경망 이론과 그 이론의 모빌리티 이론에 대해서 다룬다. 퀀텀인공신경망이론(Quantum Neural Network) 중에서도 모빌리티 기술에 적극적으로 활용되는 심층강화학습(Deep Reinforcement Learning)이 어떻게 구현되는지와 어떠한 점이 이슈가 되는지에 대해서 구체적으로 살펴본다. 그 후에 Torch-Quantum 기반의 구현에 대해서도 구체적으로 살펴본다. 마지막으로 퀀텀심층강화학습 기반의 모빌리티 제어기술의 현황과 기술에 대해서 소개하고 이에 대한 향후 연구 방향에 대해서 논한다. | |||
| 12:00~13:30 | 중식 | ||
| 13:30~15:30 | 세션 1B | Offline Reinforcement Learning for Future Networks | 권민혜 교수 (숭실대학교) |
| There has been a significant shift in the field of reinforcement learning from online to offline approaches. This transition aims to address the limitations associated with online reinforcement learning, which is primarily applicable to simulation-based games like Go, Chess, Atari, and others. The main objective of this presentation is to introduce novel offline approaches that can be utilized in future networks. The talk will provide an overview of an offline reinforcement learning method that constructs a policy by leveraging pre-existing fixed datasets. | |||
| 15:30~15:45 | Break | ||
| 15:45~17:45 | 세션 1C | 시맨틱 커뮤니케이션 기초와 응용 연구 | 나웅수 교수 (공주대) |
| 본 발표에서는 최근 6G 이동통신 기술에서 각광을 받고 있는 시맨틱 커뮤니케이션에 대한 기초 개념 및 이론을 소개하고 최근 관련 연구 동향에 대해서 알아본다. | |||
Day 2 (2023년 8월 22일)
| 시간 | 주제 | 좌장/발표자 | |
| 10:00-12:00 | 세션 2A | RAN-agnostic Communications for Hyper-coexistence | 김효일 교수 (UNIST) |
| RAN-agnostic 통신은 공존하는 이종 RAN의 프로토콜을 알지 못하더라도 AI 기반으로 최적 공존하도록 통신 파라메터를 적응해가는 기술이다. 본 발표에서는 RAN-agnostic 통신의 다양한 기반기술들을 개괄하고, RAN-agnostic 통신 기반으로 이종 OFDM(A) 신호들을 인식하고 이를 통해 이종 RAN 간 정보교환 없이 하이퍼-공존할 수 있는 기술에 대해 소개한다 | |||
| 12:00~13:30 | 중식 | ||
| 13:30~15:30 | 세션 2B | 네트워크 보안 프로토콜 | 박민호 교수 (숭실대) |
| 본 강의에서는 네트워크에서 데이터의 기밀성, 무결성, 인증, 부인방지 등의 보안 요구 사항을 충족하기 위해서 사용되는 프로토콜에 대해서 학습한다. 네트워크 보안 개요와 암호화 개념과 활용 등의 보안 기초 내용과 SSL, VPN, IPSec 등의 네트워크 보안 프로토콜의 동작을 이해한다. | |||
| 15:30~15:45 | Break | ||
| 15:45~17:45 | 세션 2C | 연합 학습의 기초와 무선 네트워크에서의 응용 연구 | 최민석 교수 (경희대) |
| 연합 학습은 분산된 사용자들의 훈련 데이터의 공유 없이 프라이버시를 보호하면서 글로벌 모델을 학습하는 분산 학습의 일종이다. 연합 학습은 파라미터 서버와 사용자 간의 반복되는 모델 통신이 필요한데, 무선 네트워크에서 연합 학습을 활용할 시에 제한된 통신 범위, 딜레이, 공격자, 사용자의 이동성 등 다양한 어려움이 발생한다. 본 강연에서는 연합 학습의 기초와 무선 네트워크에서 활용할 때 발생하는 문제들을 살펴보고, 이를 해결할 수 있는 기술들을 제시한다. | |||