서울대학교 공과대학 컴퓨터공학부 강유 교수 연구팀이 제안한 연구 논문이 세계적 권위의 학회인 ICLR 2025에 채택되는 쾌거를 이루었다. 올해 13회째를 맞이하는 ICLR (International Conference on Learning Representations)는 기계 학습 및 딥러닝 분야에서 최고 권위를 자랑하는 학회이다.

강유 교수팀은 데이터가 없는 상황에서 모델을 양자화 (quantization)하는 Zero-shot Quantization 문제를 해결하는 ‘SynQ’ 기법을 제안하여 ICLR 2025 Main Conference에 논문이 게재되었다. 이 연구는 실제 데이터셋이 없을 때 모델 경량화를 가능하게 하여, 기존 방법들에 쉽게 적용될 수 있는 중요한 기법으로 평가받는다.

연구책임자인 강유 교수는 "본 논문에서는 데이터가 없는 상황에서 모델의 성능 저하를 최소화하며 경량화하는 방법을 제안하였다. 본 논문에서 제안한 기술은 개인 정보나 보안 등의 이유로 데이터에 접근이 어려울 때에 모델을 효과적으로 경량화하는데 유용하게 활용될 것으로 예상된다." 라고 밝혔다.

"SynQ: Accurate Zero-shot Quantization by Synthesis-aware Fine-tuning", Minjun Kim, Jongjin Kim, U Kang, ICLR 2025.

​