1. Community
  2. arrow_forward_ios

News

Tags
Search
all

[문병로의 세상읽기] 변방의 과학자들

출처: 매일경제 2020년 12월 17일자 [세상읽기] 노벨상은 대개 주류에서 나온다. 그런 중에 변방에서 튀어나와 승리를 쥐는 사람들이 있다. 캐번디시연구소의 왓슨과 크릭은 DNA 구조 관련 전공자가 아니었다. 킹스칼리지의 윌킨스 그룹이 관찰의 핵심 기술인 X선 분석 데이터를 거의 독점하다시피 하고 있었고, 현대 이론 화학의 아버지라 불리는 칼텍의 라이너스 폴링은 DNA 사슬이 나선 구조를 가질 수밖에 없다는 것을 먼저 알았다. 폴링은 X선 분석 사진을 얻으려 윌킨스에게 편지를 썼지만 윌킨스는 거절했다. 반면 신출내기 왓슨에게는 학회에서 만나 흔쾌히 사진을 보여줬다. 이것이 물리학 전공자였던 왓슨을 분자생물학 주제에 입문하게 만들었다. 윌킨스와 폴링이 경쟁하는 와중에 폴링이 결정적인 학술 모임 참석을 방해받는다. 미국 정부가 폴링의 비판적인 성향을 못마땅히 여겨 여권을 취소해버렸다. 시간이 얼마 남지 않은 느낌을 다들 갖고 있던 시점이었다. 혼란의 와중에 구경꾼 같은 존재였던 왓슨과 크릭이 이중 나선 구조임을 밝혀 노벨상을 받는다. 당시 그들은 윌킨스 그룹에 설명회를 열어 삼중 나선을 주장했다가 망신을 당하고, 연구소장으로부터 DNA 연구 금지 조치를 당한 지 3개월이 채 안된 시기였다. 실험 한 번 안 해보고 주류에 속해 있지도 않으면서 기회를 잡은 유명한 일화다.이렌 졸리오퀴리는 마리 퀴리의 딸이다. 원자핵에서 중성자가 튀어나와 양성자와 전자로 분리된 실험 결과를 얻고도 그것이 중성자인지 몰랐다. 일찍이 러더퍼드가 어떤 강연에서 중성자의 존재를 예언했는데 졸리오퀴리는 그 사실을 몰랐고, 제임스 채드윅은 그 자리에 앉아 있었다. 어느 날 채드윅은 학회지에 실린 졸리오퀴리의 논문을 보고 해석이 잘못됐음을 간파하고 그것이 중성자임을 밝혀 노벨상을 받는다. 졸리오퀴리의 일화는 `죽 쒀서 남 준` 전형적인 케이스다.아인슈타인은 고등학교에서 공부는 잘했어도 비판 정신이 강한 삐딱한 학생이었다. 한 교사는 그에게 어느 분야로 진출하든 실패할 것이라고 했다. 연방공대를 졸업하고 태도 탓인지 한동안 백수로 지내다 한직인 특허청 심사관 자리를 얻는다. 학계의 어떤 그룹에도 속하지 `못하고` 벗어나 있었다. 실험 한 번 해 본 적 없고 다른 이의 책과 상상력만으로 1901년부터 논문을 발표하기 시작했다. 최신 과학 논문을 접하지 못해 그저 그런 논문을 쓰다가 1905년에 역사에 남는 양자역학, 브라운 운동, 특수 상대성이론 논문 세 편을 단 3개월에 쏟아낸다. 다른 나라에 뒤떨어져 있던 스위스 과학계에서 정규 멤버로 자리를 얻어 소속 그룹의 연구 주제에 매달려야 했다면 그런 상상력을 발휘하지 못했을지도 모른다.존 홀랜드는 컴퓨터과학이라는 전공이 없을 때 내용상 세계 최초의 컴퓨터과학 박사 학위를 MIT에서 취득하고 미시간대 심리학과 교수가 됐다. 진화 메커니즘이 계산에 유용함을 확신한 그는 1950년대 중반부터 진화 알고리즘 연구를 시작했다. 자신을 마케팅할 줄도 모르고 첨단 트렌드에도 관심이 없었다. 1980년대에 기계어로 프로그래밍을 할 정도였다. 1980년대 중반 복잡계 연구의 본산인 산타페연구소에서 초청받아 강연한 뒤 연구소의 방향을 `적응적 복잡계`로 바꿀 정도로 영향을 미친다. 학문적 재미 이외에는 거의 관심이 없었던 시골 서생이 30년 만에 갑자기 현대과학의 구성주의에 진화가 핵심 메커니즘으로 자리 잡는 결정적인 통찰을 제공한 인물이 된다. 그가 개척한 분야가 유전 알고리즘이다.주류에 속하지 않는 것은 대개 손해지만 장점도 있다. 아인슈타인처럼 넓은 시야를 갖는 계기가 될 수도 있다. 왓슨처럼 다른 전공으로 사고하던 프로세스가 도움이 될 수도 있다. 홀랜드처럼 비주류로 30년을 매진하면 무서운 내공이 쌓일 수도 있다. 변방에 있는 것은 적어도 고정관념에서 벗어나기에는 유리한 듯하다. 문병로 교수 ...
포스트 대표 이미지

허충길 교수 연구진, Google ASPIRE Award 수상

허충길 교수 연구진, 소프트웨어 검증 기술 연구로 2020 Google ASPIRE award 수상 허충길 교수 연구진은 소프트웨어를 엄밀히 검증하여 보안성을 높이는 연구 방향으로 2020 ASPIRE(Android Security and PrIvacy REsearch) award(150,000 USD)를 수상하였다. 구글(Google)은 2018년 말 안드로이드(Android) 에코시스템의 보안성과 개인정보 보호 강화를 위한 노력의 일환으로 ASPIRE 프로그램을 시작했다. 이 프로그램은 Android Security and Privacy 팀과 학계의 협력을 다양한 방식으로 지원하여, 새로운 보안기술을 개발하고 이를 안드로이드(Android) 시스템에 적용하는 것을 목표로 하고 있다. 연구진은 이번 수상으로 구글(Google)로부터 미화 150,000달러의 연구 기금을 지원받는다. 이번 수상의 기반이 된 연구로 허충길 교수 연구진은 소프트웨어 검증을 단계별로 나눠서 수행할 수 있는 이론 및 기술을 개발했다. 기존의 프로그램 검증 기술은 주로 호어논리(Hoare Logic) 및 이를 확장한 분리논리(Separation Logic)에 기반을 두고 있으며, 이 이론은 프로그램을 모듈별로 나줘서 검증하는 것은 잘 지원한다. 하지만 큰 규모의 소프트웨어 검증을 효율적으로 수행하기 위해서는 각 모듈의 검증을 여러 단계로 나눠서 한번에 한가지 성질만 검증하는 것도 꼭 필요하다. 최근 허충길 교수 연구진이 개발한 RUSC(Refinement Under Self-related Contexts) 이론은 분리논리(Separation Logic)가 지원하는 다양한 모듈별 검증 기술뿐만 아니라 단계적 검증도 동시에 지원한다. 연구진은 이 이론에 기반한 검증 프레임워크를 개발중에 있으며, 이를 활용하여 구글(Google) 주도로 개발되고 있는 보안용 하이퍼바이저인 PKVM(Protected Kernel-based Virtual Machine)을 검증하는데 기여할 계획이다. Google의 ASPIRE 프로그램 소개 페이지: https://security.googleblog.com/2018/12/aspire-to-keep-protecting-billions-of.html...
포스트 대표 이미지

[문병로의 알고리즘 여행] 쉬운 일은 쉽게 하자

출처: 중앙일보 2020년 11월 21일자 [문병로의 알고리즘 여행] 컴퓨터 소프트웨어 분야의 전설적 인물인 애즈거 다익스트라는 AI(인공지능)를 미국인 특유의 천진난만함의 표현이라 했다. 2012년 딥 러닝 혁명이 일어나기 전까지는 인용할 만한 말이었다. 지난 8년간 놀라운 변화가 일어났다. 새 시대라고 말하기에 충분한 레벨이다. 한편으로는 AI가 감당하기 힘든 수준의 기대도 만연하고, 이 붐에 편승한 오버 클레임도 흔하다.    프로젝트를 하다 보면 학생들은 흔히 전 과정을 첨단기법으로 도포해야 한다는 강박관념 같은 걸 가진다. 현재 필자의 연구실에서 하고 있는 기업 프로젝트에서도 여지없이 그렇다. 어려운 초반을 넘기면 중반 단계까지는 비교적 순탄하다. 첨단기법을 구사하는 재미를 느끼고 그 위력에 감탄한다. 필연적으로 만나게 되는 마지막 단계는 남아있는 작은 에러와 특수한 케이스들과의 전쟁이다. 대부분의 기계학습 프로젝트에서 반드시 거치는 단계다. 문제에 따라 1%일 수도 있고, 20%일 수도 있다.  흔히 마지막 단계에서 요즘의 대표적 첨단기법인 딥 러닝으로 끙끙대면서 겨우 0.5% 개선되는 일이 간단한 후처리 알고리즘 하나로 단숨에 2% 개선되기도 한다. 이럴 때 학생들은 첨단기법을 쓰지 않고 결정론적 알고리즘을 하나 덧붙이는 것에 대해 죄책감을 느낀다. 이런 것을 ‘땜질’한다고 생각하기도 한다. 경험이 부족한 착한 마음이 부르는 허세다.   필자는 학생들에게 쉬운 일은 쉽게 하라고 노래를 부른다. 쉬운 일을 어려운 일 속에 집어넣어 함께 해결하려다 보면 그 쉬운 일이 어려운 일을 방해한다. 비유하자면, 기업의 CEO가 일정 관리까지 직접 하는 것은 어울리지 않는다. 자신은 추상화 레벨이 높은 일을 하고, 단순한 일은 비서가 하도록 하는 것이 효율적이다. 첨단기법도 어울리는 수준까지만 기대하는 것이 좋다. 감당이 힘든 희소한 케이스들까지 과하게 부담 지우면 잘할 수 있는 다른 일들에 오히려 방해 거리를 만들게 된다. 노벨 경제학상을 받은 심리학자 대니얼 카너먼은 명저 『생각에 관한 생각』에서 인간의 사고를 시스템 1과 시스템 2로 나누었다. 시스템 1은 직관적이고 즉각적이고, 별 노력없이 자동으로 되는 사고다. 시스템 2는 느리고 시간이 걸리는 깊은 사고다. 현재까지의 AI가 잘하는 일이 주로 시스템 1에 속하는 일이다. 이미지 인식, 자연어 처리 분야가 대표적이다. 현재 AI는 시스템 1에서 시스템 2로 진입해보려고 꿈틀거리는 단계다. 아직은 요원하다. 현재로써 시스템 2는 레벨과 관점이 다른 여러 접근법들이 결합되지 않고는 힘들다. 때로는 품질을 조금 희생하면서 속도를 높인 근사 알고리즘이 유용할 때도 많다. 필자는 박사과정 때 40시간 걸리던 코드를 0.1% 미만의 품질 희생을 감수하고 근사 작업으로 바꾸어 1분으로 줄인 적이 있다. 10년쯤 전에는 투자 분야의 리밸런싱에 유용하지만 시간이 너무 걸려 현업에서 아무도 사용하지 못했던 유니버설 포트폴리오란 알고리즘을 미소한 품질 희생으로 순식간에 계산할 수 있는 근사 알고리즘으로 바꾸어 특허를 받기도 했다. 이런 일에는 중복 계산 해소, 지나친 엄밀함의 희생, 자료구조의 개선 등이 포함된다. 인간들이 해놓은 작업은 대부분 비효율이 숨어 있다.   품질이 0.1% 떨어지는 것은 대부분의 비즈니스에서 거의 영향이 없다. 쉬운 알고리즘을 첨단 알고리즘 뒤에 붙여 품질을 높이거나 근사 알고리즘을 써서 속도를 높였다고 아무도 시비 걸지 않는다. 우아하다는 것은 하나의 첨단기법으로 처음부터 끝까지 블랙박스처럼 끝내는 것이 아니다. 쉽게 할 일, 잡스럽게 할 일, 점잖게 할 일을 제대로 구분하는 것이 진정한 실력에 가깝다. 쉽게 할 일을 쓸데없이 어렵게 푼 논문이 드물지 않다. 이런 면에서 학교와 기업 모두 어느 정도는 일의 구분이 안 된 채 돌아가고 있다.   1980년대까지만 해도 결정론적 사고가 학계의 주류였다. 규칙은 인간의 논리를 알고리즘으로 옮기는 것이었고, AI에서의 추론도 그런 식이었다. 그런 분위기에서 인공신경망이나 유전 알고리즘같이 비결정론적인 접근법은 엄밀하게 사고하지 못하는 사람들이 하는 것이란 투의 시각이 있었다. 시대가 바뀌어 이제는 반대의 경향이 생겼다. 결정론적 논리로 상황에 대응하는 것은 딥러닝과 같은 비결정론적 기법을 제대로 구사하지 못해서 그런 것이 아닌가 하는. 과하면 좋지 않다. 조화를 이루어야 할 두 트랙이다.   문병로 교수 ...
포스트 대표 이미지

전병곤 교수 연구진, Google Research Award 수상

전병곤 교수 연구진, 쉽고 빠른 AI 시스템 연구로 ‘구글 리서치 어워드’ 수상 전병곤 교수 연구진은 AI 시스템 연구를 통해 2020년 10월 ‘구글 연구상(Google Research Award)’을 수상하였다. 스탠포드 대학교에서 시작된 구글(Google)은 학계와의 기술적 교류를 매우 중요하게 여겨, 전 세계에서 연구를 수행하는 많은 연구 그룹 중 뛰어난 연구를 수행하는 연구진들을 선정하여 연구상을 수여해 오고 있다. 전병곤 교수 연구진의 이번 연구상 수상은 2020년 10월에 발표되었으며, 연구진은 구글로부터 30,000 USD 상당의 연구 기금을 지원받게 된다. 이번 수상의 바탕이 된 기초 연구는 인공지능 시스템의 성능과 사용성을 높이기 위한 연구이다. 최근 인공지능 기술이 매우 빠르게 발전하면서 영상처리, 음성처리 등 많은 분야에서 인간에 필적하는 성능을 보여 주고 있는데, 이러한 인공지능 기술의 빠른 발전을 위해서는 모델을 쉽고 빠르게 학습시키게 해 주는 인공지능 시스템의 역할이 매우 중요하다. 그런데 일반적으로 모델을 쉽게 표현하는 것과 모델을 빠르게 학습시키는 것은 서로 상충 관계에 있어서, 심볼릭 그래프 (“symbolic graph”) 기반 시스템의 경우 고정된 구조의 모델을 빠르게 학습시킬 수는 있지만 다양한 구조의 모델을 쉽게 표현하기는 어렵고, 반대로 명령형 (“imperative”) 시스템에서는 다양한 모델을 쉽게 만들 수는 있지만 이를 학습시키는 데는 시간이 더 오래 걸린다. 전병곤 교수 연구진은 2017년부터 양쪽 시스템의 장점을 합치고자 하는 연구를 해 왔다. 해당 연구는 아마존(Amazon), 삼성전자 등의 글로벌 기업의 지원 속에 진행되었으며, 2019년에는 인공지능 연구를 쉽게 수행할 수 있으면서도 실험에 걸리는 시간을 획기적으로 단축할 수 있는 ‘야누스(Janus)’ 라는 시스템을 개발하기도 했다. 연구팀은 이번 연구상 수상 및 구글과의 기술 교류를 발판삼아 연구 내용을 더욱 고도화하여 새로운 시스템을 개발할 예정이다....
포스트 대표 이미지

전병곤 교수, 2020년 ACM SIGOPS 가장 영향력있는 논문상(Hall-of-Fame Award) 수상

전병곤 교수, 2020년 ACM SIGOPS 가장 영향력있는 논문상(Hall-of-Fame Award) 수상 ACM SIGOPS에서 매년 지난 10년간 가장 영향력컸던 논문 선발 2010년 OSDI에서 발표한 스마트폰 상의 개인정보 보호 기술 논문으로 수상 수상논문: William Enck, Peter Gilbert, Byung-Gon Chun, Landon P. Cox, Jaeyeon Jung, Patrick McDaniel, and Anmol N. Sheth.TaintDroid: An Information-Flow Tracking System for Realtime Privacy Monitoring on Smartphones in OSDI 2010. 전병곤 교수의 연구가 한국 최초로 올해 미국 컴퓨터 학회(ACM) SIGOPS 명예의 전당(Hall of Fame)에 오르게 되었다. 컴퓨터 시스템 분야의 최고 권위를 가진 연구자 모임인 ACM SIGOPS는 10~11년 전에 발표된 시스템 연구 논문 중에 가장 영향력이 컸던 논문 1~2편을 선정하여 매년 명예의 전당상을 수여한다. 기존에 수상한 논문으로는 유닉스(UNIX) 운영 체제, 분산 데이터 처리를 다루는 맵리듀스(MapReduce) 등이 있다. 명예의 전당에 오르게 된 전 교수의 연구는 2010년 OSDI(Operating Systems Design and Implementation) 학회에서 발표된 테인트드로이드 연구이다. 당시 연구팀은 세계 최초로 스마트폰에서 개인 정보의 흐름을 실시간 추적하여 개인 정보를 보호하는 기술을 제안하였다. 또한 테인트드로이드 시스템을 사용하여 세계 최초로 많은 모바일 앱에서 개인 정보를 오용한다는 것을 밝혀냈다. 구글 스칼라에 의하면 해당 논문은 3800회 이상 인용되었고 많은 후속 연구를 이끌었다. 전병곤 교수는 최근 새로운 인공지능 플랫폼을 연구 개발하고 있다. 특히 GPT-3와 같은 초거대 인공지능 모델을 빠르게 분산 학습하고 추론하는 기술들에 집중하고 있다. 올해 12월에는 인공지능 분야 세계 최고 학회 뉴립스(Neural Information Processing Systems·신경정보처리시스템학회)의 스포트라이트(Spotlight) 세션에서 인공지능 학습과 추론 수행시 기존 시스템 대비 최대 22배 빠른 님블(Nimble) 시스템을 선보인다. 전병곤 교수는 이번 수상에 대해 “시스템 연구자로서 받을 수 있는 최고의 상을 받게 되어 매우 기쁘다. 앞으로 활발히 인공지능 플랫폼 연구를 수행하여 관련 연구, 산업 분야에 기여하겠다"고 소감을 전했다. 수상식은 OSDI 2020 학회에서 온라인으로 한국시간 6일 새벽 3시 경 진행됐다....
포스트 대표 이미지

전병곤 교수 연구진, 초고속 인공지능 시스템 ‘님블’ 개발

서울대학교 전병곤 교수 연구진, 인공지능 수행의 효율성을 크게 높이는 기술로 세계 선도 전병곤 교수 연구진은 그래픽 처리 장치(GPU)를 활용하여 인공지능 학습과 추론 수행시 기존 시스템 대비 최대 22배 빠른 속도로 수행하는 님블(Nimble) 시스템을 개발하였다. 해당 시스템을 통해 응용 서비스에서 인공지능 모델을 곧바로 고속 수행하는 것이 가능해져서, 다양한 분야에서 인공지능 모델을 효율적으로 사용하는 것이 가능할 것으로 기대한다. 현재 수많은 기업과 연구소에서 인공지능 계산의 편의성을 위해 파이토치(PyTorch), 텐서플로우(TensorFlow) 등의 인공지능 시스템을 사용하고 있다. 이러한 시스템들은 인공지능 학습과 추론 수행 속도 향상을 위해 GPU를 이용한다. 이때, GPU에 연산 수행을 요청하기 전에 이를 위한 준비를 하는 스케줄링 과정을 매번 진행한다. 전병곤 교수 연구진은 현 인공지능 시스템들이 스케줄링 과정의 오버헤드로 인해 GPU를 효율적으로 활용하지 못하고, 또한 GPU에서 병렬로 수행할 수 있는 연산들을 병렬로 수행하지 못한다는 것을 밝혀 내었다. 연구진은 이러한 문제를 해결하기 위해 사전에 스케줄링 과정을 한 번만 하고 이후에는 스케줄링 과정 없이, 여러 개의 GPU 스트림을 사용하여 다수의 GPU 연산을 동시에 수행하는 인공지능 시스템 님블을 개발하였다. 님블은 파이토치 대비 인공지능 추론을 22.3배, 학습을 3.6배 빠르게 수행하며, 인공지능 추론 특화 시스템인 엔비디아(NVIDIA)사의 텐서RT(TensorRT)보다 2.8배 빠르게 인공지능 추론을 수행한다. 님블은 개발 시 사용자 편의성을 고려해 설계되었다. 코드를 몇 줄만 수정하면 기존에 사용하던 파이토치 모델을 님블을 이용해 수행할 수 있다. https://cse.snu.ac.kr/sites/default/files/node--notice/20201026_bgchun2.jpg                                                                                    그림1. 님블(Nimble)의 스케줄링 과정 이번 연구 결과는 오는 12월 온라인으로 개최될 예정인 인공지능 분야 세계 최고 학회 뉴립스(Neural Information Processing Systems·신경정보처리시스템학회)의 스포트라이트(spotlight) 세션에서 발표될 예정이다. 이 스포트라이트 세션은 올해 뉴립스에 제출된 9467편의 논문 중 약 상위 4%의 논문에만 (구두 세션: 105편, 스포트라이트 세션: 280편) 주어지는 발표 기회이다....
포스트 대표 이미지

[문병로의 알고리즘 여행] 생물정보학의 초석을 놓은 낸시 웩슬러

출처: 중앙일보 2020년 10월 25일자 [문병로의 알고리즘 여행] 어떤 학문 분야에서 엉뚱한 분야의 사람이 결정적인 영감을 주고 발전을 이끄는 경우가 있다. 1968년 23살의 낸시 웩슬러는 어머니가 헌팅턴병이란 사실을 알게 되었다. 신체가 춤추듯 움찔거리고 끝에는 정신도 나가버리는 유전병이다. 부모 중 한 명이 환자이면 자식의 발병 확률은 50%다. 낸시와 엘리스 자매는 평생 자식을 갖지 않기로 결정했고, 낸시는 이 병의 연구에 평생을 바치기로 한다. 낸시는 72년 미시간대학에서 심리학 전공으로 박사 학위를 받고 교수가 된다. 인간의 DNA는 A·C·T·G라 이름 붙은 4개의 기호가 30억개 정도 연결되어 있다. 이 30억개는 23쌍의 염색체로 나누어져 있다. 낸시의 여정은 이 30억 길이의 띠에서 하나의 유전자를 찾는 것이었다. 백사장에서 쌀알 찾기 같은 일이다. 처음에는 헌팅턴병이 느리게 자라는 바이러스 탓인지 의심하던 수준이었다. 낸시는 환자의 뇌에서 시료를 추출해 침팬지의 뇌에 주사해 보기도 했다. 결국은 바이러스가 원인은 아니고 유전자를 찾는 것으로 방향이 잡혔다. 심리학자인 아버지 밀턴 웩슬러와 낸시는 유전병 재단을 만들어 과학자들과 함께 워크숍을 거듭했다. 뜬금없는 아이디어가 속출했다. 낸시가 참석자들을 독려했다. “지금 단계에서 누가 유용한 아이디어와 실수를 구분할 수 있겠어요?” 주변을 들뜨게 하는 비범함을 가진 사람들이 있다. DNA는 너무나 방대하기 때문에 탐색하기가 막연하다. DNA 내부에 마커를 설정해야 한다는 아이디어가 나왔다. 마커는 도로의 이정표 같은 것이다. 암수가 교접하면 두 DNA가 절단되어 섞인다. 마커와 어떤 유전자 사이가 절단되면 같이 자식으로 전해지지 않는다. 절단 점이 임의로 정해지므로 가까이 있을수록 같이 전해질 확률이 높다. 여러 마커를 만들어두고 헌팅턴병 환자의 DNA에서 유독 높은 비율로 존재하는 마커가 있으면 그 마커 근처에 헌팅턴 유전자가 있을 거라는 논리였다. 실패가 거듭되었다. 1983년 드디어 환자들에게서 공통적으로 관찰되는 마커를 발견했다. 4번 염색체에 있었다. 이제 범위가 좁혀졌다. 낸시의 여정 15년 차쯤이다. 그렇다 해도 범위가 30억 크기에서 1억 정도로 좁혀진 것이니 갈 길은 멀었다. 6개의 국제 연구팀이 만들어졌다. 10년간 실패를 거듭한 끝에 드디어 93년에 헌팅턴병을 일으키는 DNA 서열을 발견한다. 낸시의 여정 25년 만의 일이다. 그동안 낸시는 끊임없이 환자들을 만나서 역학조사를 하고 1200본이 넘는 혈액 샘플을 채취해서 과학자들에게 제공했다. 과학적 성공은 대부분 실패의 기록이다. 가물에 콩 나듯 발견되는 몇몇 결과들이 성공을 만든다. 25년이란 시간을 좌절하지 않고 한 방향으로 나갈 수 있는 힘은 쉽게 가질 수 있는 것이 아니다. 이 과정에서 마커 관찰, 유전자를 이어 붙이는 방법을 비롯해서 많은 아이디어들이 도출되었다. 후에 휴먼 지놈 프로젝트가 인간 DNA 전체의 염기서열을 규명하게 되는데 여기에 결정적인 바탕을 제공한 한 사람을 들라면 낸시 웩슬러다. DNA 염기서열은 기계가 연속해서 읽을 수 있는 길이가 극히 제한된다. 그래서 서로 중복이 있는 조그만 조각들로 잘라 전체 서열을 추정해야 한다. 변이로 인한 에러까지 감안해야 한다. 이 과정에서 컴퓨터 알고리즘 연구자들이 결정적인 기여를 했다. 이로 인해 DNA 서열분석이라는 분야가 만들어졌고, 확장을 거듭해 생물정보학이라는 거대한 분야가 만들어졌다. 빅데이터의 대표적 응용 예다. 헌팅턴병은 4번 염색체 끝부분에 CAG라는 기호서열이 40번 이상 반복되면 확실히 발병한다. 30번 이하이면 발병하지 않는다. 41번이면 대략 51세에, 42번이면 37세에, 50회면 27세 무렵에 지능을 잃는다. 지금은 이 유전자를 가졌는지 간단히 테스트할 수 있고, 배아 단계에서 결함 부분을 잘라내고 인공수정을 할 수 있는 수준까지 왔다. 50%의 발병 확률을 가진 낸시는 자신의 노력으로 가능하게 된 유전자 검사를 하지 않기로 한다. 필자는 가끔 그녀의 근황을 살펴보곤 했다. 오랜만에 그녀의 인터뷰 영상을 보았다. 2016년 71세인 그녀의 어깨와 팔이 춤추고 있었다. 슬프게도, 여전히 밝은 얼굴로. 75세의 그녀는 더 악화하였을 것이다. 신경심리학 전공으로 생명과학과 컴퓨터 알고리즘의 한 분야에 거대한 추동력을 제공한 거인에게 감사와 연민의 마음을 전한다. 서울대학교 컴퓨터공학부 문병로 교수 ...
포스트 대표 이미지
포스트 대표 이미지
포스트 대표 이미지

이준영 박사과정생, LLVM 개발자 미팅 기조강연

소프웨어원리 연구실 이준영 박사과정 학생, 세계 선도 컴파일러 개발 시스템 (LLVM) 개발자 회의에서 기조 강연 컴퓨터공학부 허충길 교수 연구실에서 박사과정 중인 이준영 학생이 올해 열리는 LLVM 개발자 미팅(2020 LLVM Developer's Meeting)에서 키노트 발표자로 선정되었다. Undef and Poison: Present and Future라는 주제로 2020년 10월 6일 미국 서부 시간 (PDT) 오전 8시(한국 시간 10월 6일 밤 자정)에 온라인으로 발표할 예정이다. 박사과정 학생이 LLVM 개발자 미팅에서 키노트 발표를 하는 것은 처음 있는 일로, 그동안 이준영 학생이 주도해온 연구가 산업계에서 큰 주목을 받아 이루어진 결과이다. 박사과정 중 이준영 학생은 LLVM 컴파일러 중간 언어에 존재하는 Undef와 Poison Value라는 개념과 관련된 문제점 및 해결책을 연구해 왔으며, 이 결과로 freeze라는 명령어를 제안하여 작년 11월 공식적으로 LLVM에 추가되었다. 이 후 freeze를 사용해 여러 LLVM 컴파일러 오류들을 고쳤으며, 컴파일러 개발자들이 freeze 명령어를 쉽게 사용할 수 있도록 다양한 패치들을 LLVM 프로젝트에 추가하였다. 키노트 발표에서는 Undef 및 Poison 관련하여 지금까지 있어왔던 문제, 이를 해결하기 위해 있어왔던 노력, 그리고 앞으로 남은 문제 및 이를 해결하기 위한 방향에 대해 이야기할 예정이다. 참고로 LLVM은 현재 Apple, Google, Facebook 등 세계 유수 회사 및 여러 오픈소스 프로젝트에서 사용되고 있는 컴파일러 인프라(Compiler Infrastructure)이며, 대표적인 프로젝트로는 C/C++ 컴파일러 Clang, Apple의 Swift 언어, Google의 Tensorflow 프로젝트, 그리고 프로그래밍 언어 Rust가 있다. LLVM 개발자 미팅(LLVM Developer’s Meeting)은 LLVM 관련 가장 큰 모임으로써 매년 2회 (유럽 1회, 산호세 1회) 개최되며, 매번 수백명의 산업계 개발자들이 참여하는 중요한 모임이다. 이번 모임은 10월 6일부터 3일간 온라인으로 열리며, 1회의 키노트 발표 외 60회의 다양한 구두 발표 및 11개의 포스터 발표로 구성되어 있고, 총 1500여명이 참여한다. 2020 LLVM 개발자 미팅 웹페이지: https://llvm.org/devmtg/2020-09 Freeze 관련 연구 웹페이지: https://sf.snu.ac.kr/freeze...
포스트 대표 이미지