2022년 2월 우수학위논문상 수상자 안내

서울대학교 컴퓨터공학부에서는 매 학기 졸업생을 대상으로 우수학위논문상을 수여합니다.

석박사 과정 졸업논문의 경우 논문 심사 위원들이, 학부 졸업 논문의 경우 지도교수가 뛰어난 논문을 선별하여 우수학위논문상 후보로 추천하고, 논문상 심사위원회에서 엄격한 심사를 거쳐 수상자를 선정하고 있습니다.

2022년 봄학기에는 박사 논문상 수상자 2명, 학사 논문상 수상자 1명을 최종 선발하였습니다.

o 박사 논문상 수상자: 강동현 (지도교수: 하순회)
제목: Hardware/Software Codesign of the MIDAP CNN Accelerator

강동현 학생은 석사 과정 동안에는 시스템 공유 자원이 있는 분할 멀티코어 시스템에서의 공유 자원 접근에 의한 태스크 지연시간에 대해 모델링하고 이를 기반으로 최악 성능 분석을 진행하였습니다. 해당 방법론을 이용하여 제 논문도 2편 썼고, 이를 확장 및 응용한 논문의 작성에도 도움을 주었습니다. 이후 진행한 연구 주제인 Embedded DNN Optimization에서는 주어진 Constrained device(NVIDIA Jetson TX2)에서의 소프트웨어 최적화에 대해 연구하였는데, 이 과정에서 CVPR(Conference on Computer Vision and Pattern Recognition) 워크샵에서 진행된 저전력 이미지 인식 챌린지(LPIRC – Lower Power Image Recognition Challenge)에서 2017, 2018년(Track2) 우승을 차지할 수 있었습니다. 이러한 경험을 통해 하드웨어 별로 최적화 방법론이 달라져야 할 수 있겠다는 사실에 대해 다시 한 번 공감하였고, 더 나아가 최적화 방향을 제시할 수 있는 뉴럴 프로세서의 개발 또한 하나의 비전이 될 수 있겠다는 생각을 가졌습니다. 이후 박사과정을 마무리하기까지, NPU를 위한 하드웨어/소프트웨어 통합설계 워크플로우를 기반으로 NPU 설계 연구를 진행하였습니다. 이 과정에서 임베디드 향 CNN 가속기인 MIDAP 아키텍쳐를 제안하고, 이를 기반으로 다양한 NPU 확장 방법에 대해 연구하였습니다. 먼저 Multi-bank feature map memory를 적용하고, Adder tree 기반 코어 확장을 통해 depthwise convolution, pooling layer, element-wise operation을 지원하는 방법에 대해 연구하였고, 이를 기반으로 2019년도에 ICCD 학회에서 논문을 발표하였습니다. 다음으로는 Transposed convolution, NN upsampling과 같은 데이터 재구성 레이어를 NPU에서 메모리 수정 없이 처리할 수 있도록 하는 텐서 가상화 기법을 제안하였으며 2020년도에 이에 관한 논문을 발표하였습니다.

o 박사 논문상 수상자: 유재민 (지도교수: 강유)
제목: Probabilistic Approaches for Node and Graph Classification

유재민 학생은 데이터 마이닝 및 머신 러닝 분야를 연구하고 있고 올해 3월부터 카네기 멜론 대학교에서 박사 후 연구원으로 일할 예정입니다. 서울대학교 컴퓨터공학부를 졸업하여 2016년에 석박통합과정으로 입학한 후 데이터 마이닝 및 머신 러닝 분야의 최고 학회에 총 11편의 주저자 논문을 발표하였습니다. (WWW, 2 SDM, 3 ICDM, KDD, PAKDD, WSDM, NeurIPS, IJCAI) 연구 성과를 인정받아 2019년에 휴먼테크 논문대상 장려상 및 구글 PhD 펠로우십, 2020년에 율촌 AI스타 장학금 및 퀄컴 이노베이션 펠로우십, 2021년에 BK21 스타 학생 연구자상 및 BK21 우수 대학원생 상장을 수상하였습니다.

o 학사 논문상 수상자: 이영원 (지도교수: 황승원)
제목: Bridging Code-Text Representation Gap with Pseudocode

이영원 학생은 자연어 쿼리와 코드를 BERT 계열 모델을 사용하여 같은 latent space로 임베딩함으로써 적절한 유사도 메트릭(similarity metric) 하에서 주어진 자연어 쿼리에 대해 가장 가까운 vector representation을 갖는 코드를 찾는 dense retrieval 방식의 코드 검색 task에서, (1) 코드를 슈도코드로 변환하여 대체하는 경우 성능이 향상될 수 있음을 확인하고 (2) 또한 사전에 정의된 abstract syntax tree (AST) 상에서의 치환 규칙에 기반하여 슈도코드를 생성하는 non-parametric한 접근으로 사람이 직접 슈도코드를 만드는 (human annotation) 것을 피할 수 있음을 설명한 논문 Bridging Code-Text Representation Gap using Explanation 작성에 제2저자로 참여하였고, 해당 논문이 ACML 2021에 accept 되었습니다.

Thursday, February 24th 2022