1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
과거 미분류

박근수 교수 연구진, 빅데이터 그래프 검색 기술 개발

서울대학교 박근수 교수 연구진, 세계가 주목하는 성능의 빅데이터 그래프 검색 알고리즘 개발 박근수 교수 연구진이 개발한 슈퍼그래프 검색 기술은 화합물 등의 그래프 데이터를 인덱싱하고 특정한 패턴에 포함되는 그래프들을 찾아내는 알고리즘을 제시한 것으로서, 현재까지 알려진 알고리즘 중에서 가장 빠른 성능을 보인다. 논문에서 제안한 알고리즘은 benchmark 그래프들을 이전 최신 알고리즘들보다 최대 수십 배 빠르게 인덱싱하며 최대 수천 배 빠르게 패턴에 포함되는 그래프들을 찾아낸다. 또한 크기가 큰 패턴에서도 대량의 그래프 데이터를 빠르게 찾을 수 있다. 박근수 교수 연구진의 슈퍼그래프 검색(supergraph search) 알고리즘에 관한 최신 연구 논문은 VLDB 2020에 게재되었으며, 2020년 8월에 열리는 VLDB 2020에서 발표될 예정이다. VLDB는 데이터베이스와 빅데이터 분야에서 세계 최고로 인정받고 있는 학회이다. H. Kim, S. Min, K. Park, X. Lin, S.H. Hong, and W.S. Han, IDAR: Fast Supergraph Search Using DAG Integration, International Conference on Very Large Data Bases (VLDB) 2020....
과거 미분류
포스트 대표 이미지

전병곤.이영기 교수 연구실, MSRA 공동연구프로젝트 선정

서울대학교 컴퓨터공학부 전병곤.이영기 교수 연구실,마이크로소프트와 공동연구 프로젝트 선정 서울대학교 컴퓨터공학부 교수진이 세계 최고 수준의 인공지능 역량을 보유한 마이크로소프트 아시아 연구소 (Microsoft Research Asia, MSRA)와의 공동연구 프로젝트를 다수 수행할 예정이다. 이번 프로젝트는 과학기술정보통신부의 2020년 글로벌 핵심인재 양성지원 사업 ‘글로벌 기업 연계형’ 과제로 추진되는 것으로, MSRA에서 정한 연구주제에 부합하는 창의적 아이디어 공모를 통해 총 12개의 과제가 선정되었다. 이 프로젝트에 참여하는 서울대학교 컴퓨터공학부 교수는 전병곤, 이영기 교수이다. 전병곤 교수는 전 지구적 규모의 데이터 센터 로그 요약 기술, 이영기 교수는 엣지 서버 기반 저지연 딥러닝 시스템 기술을 주제로 연구를 진행한다. 또한 이 프로젝트를 통해 서울대학교 컴퓨터공학부 학생들이 MSRA에 직접 방문하여 공동연구를 수행한다. 연구원으로 선정된 학생들은 6개월간 MSRA의 세계적인 인공지능 전문가들에게 공동지도를 받으며 세계적 수준의 연구결과를 도출하고 글로벌 협력 네트워크를 구축할 예정이다....
과거 미분류
포스트 대표 이미지

[문병로의 알고리즘 여행] 인간답지 않은 알고리즘

출처: 중앙일보 2020년 6월 5일자 [문병로의 알고리즘 여행] 알고리즘은 인간의 사고와 분리해서 생각할 수 없다. 전통적인 알고리즘은 대개 시간만 충분하면 인간이 할 수 있는 일은 대신한다. 해답을 찾는 과정도 인간의 머릿속에서 먼저 구상하고 이 과정을 알고리즘으로 구현한다. ‘인간다운’ 알고리즘이라 할 수 있다. 학부의 알고리즘 클래스에서 배우는 대부분의 알고리즘이 이 부류에 속한다. 80년대 AI 분야를 풍미하던 전문가 시스템도 이 부류에 속한다. 반면 인간이 찾기 힘들거나 근본적으로 찾을 수 없는 해답을 찾는 알고리즘들이 있다. 이 부류에는 인간의 타고난 불합리성을 이용해서 인간이 비켜가는 좋은 해답을 찾는 스타일이 있고, 너무 복잡해서 인간이 근본적으로 찾을 수 없는 해답을 찾아가는 스타일도 있다. 이런 알고리즘으로 문제의 해답을 찾다보면 우리 인간이 얼마나 근본적인 한계를 지닌 존재인지를 실감하게 된다. 방대한 문제의 공간을 생각하면 인간의 머리가 조금 더 좋고 좋지 않고는 별 심각한 차이가 아니다. 두 개의 행렬을 곱하는 작업은 행렬 크기의 3제곱에 비례하는 시간이 든다는 사실은 누구도 의심하지 않은 사실이었다. 1969년에 스트라센이라는 독일 청년이 행렬 크기의 2.81제곱에 비례하는 시간이 드는 알고리즘을 내놓았을 때 수학과 컴퓨터 세계는 경악했다. 그것을 찾기까지의 경우의 수가 도저히 인간으로서 가능할 것 같지 않았다. 스트라센은 천재적인 머리로 가능성 있는 공간으로 좁히고 좁혀서 하나의 알고리즘을 찾아냈다. 이후에 위노그라드가 같은 시간이 드는 다른 알고리즘을 찾아냈다.   필자는 박사과정때부터 이들의 알고리즘과 동일한 시간이 드는 다른 알고리즘이 없을까 궁금했다. 스트라센과 같은 방식으로 필자가 직접 문제공간을 뒤져서는 승산이 없다. 저런 천재와 같은 방식으로 경쟁해야 한다면 그냥 찻집이나 하나 차려 책 읽으면서 사는 게 나을 것이다. 대신에 필자의 전문 분야인 탐색 알고리즘을 개발해서 공간을 뒤지도록 하면 어쩌면 가능하지 않을까 하는 생각을 했다. 서울대에 부임한 이후 간헐적으로 이 문제에 도전했는데 실패를 거듭했다. 모든 경우의 수를 따지는 것은 영겁의 시간이 들어 불가능했다. 선형대수적 지식을 최대한 이용해서 시간을 단축하면 모든 경우의 수를 따지는 데 6700만년 정도까지는 줄일 수 있었다. 여전히 불가능한 시간이다. 극심한 축소 탐색을 할 수밖에 없다. 유전 알고리즘과 다른 알고리즘들을 혼합해서 시도했는데 적어도 5년 이상 실패를 거듭했다. 2005년 학부생으로 필자의 대학원 유전 알고리즘을 수강하던 오승현 학생과의 연구에서 드디어 스트라센과 동일한 복잡도를 가진 알고리즘을 608개 찾아내었다. 이 중에는 스트라센과 위노그라드의 알고리즘도 포함되어 있었다. 그들의 알고리즘 말고도 같은 품질의 알고리즘이 적어도 606개나 더 있다는 사실을 발견했다. 필자의 연구 이력에서 가장 자랑스러운 논문 중 하나인데 재미있게도 학부생이랑 만들어낸 결과다. 우리가 개발한 알고리즘이 하나를 찾아내는데 평균 20분이 걸리지 않았다. 개인의 역량은 스트라센에 못 미치지만 “신에게는 공간을 여행하는 막강한 교통수단이 있습니다” 이런 기분이었다. 이런 알고리즘은 인간답지 않다. 알파고가 이세돌을 이길 때 컴퓨터 분야의 사람들조차 알파고는 모든 경우의 수를 계산해놓고 이세돌을 농락하고 있다고 많이 착각했다. 공간 탐색에 익숙하지 않으면 이렇게 착각한다. 바둑이 얼마나 어마어마한 문제공간을 갖고 있으며 알파고도 문제공간의 크기에 비해서는 쥐꼬리만큼밖에 탐색할 수밖에 없다는 사실을 이해시키기 힘들었다. 지금도 이런 착각은 여전하다. 이런 문제를 푸는 알고리즘은 극심한 축소 탐색의 기술이 핵심이다. 역시 인간답지 않다.  인간을 보는 두 가지 대조적인 관점이 있다. 하나는 인간이 우주에서 특별한 사명을 가진 존재라는 관점이다. 이 관점의 인간은 신의 외양을 재현하고 철저히 합리성을 추구하는 존재다. 다른 관점은 인간은 불완전한 존재고 진화의 과정에서 우연히 운 좋게 지구를 지배하게 된 고등 영장류라는 관점이다. 이 관점의 인간은 불완전하고, 비합리적이고, 동물적이다. 전통적인 알고리즘은 전자의 관점과 통한다. 반면 최근 이슈가 되는 알고리즘들은 후자의 관점과 통한다. 과정이 정확히 드러나지 않는 좋은 결과를 받아들여야 하는 시대가 되었다. ‘인간답지 않은’ 알고리즘의 시대가 왔다.   서울대학교 컴퓨터공학부 문병로 교수...
과거 미분류
포스트 대표 이미지

이재욱 교수 연구진, 빅데이터 처리 가속 아키텍처 핵심 기술 개발

서울대학교 이재욱 교수 연구진, 빅데이터 처리 가속 아키텍처 핵심 기술 개발 유전체 빅데이터 분석 FPGA 가속 프레임워크 Genesis 개발 빅데이터 응용을 위한 자바 오브젝트 직렬화(serialization) 가속기 아키텍처 Cereal 개발 초저지연 SSD를 위한 하드웨어 기반 디맨드 페이징 기술 개발 및 NoSQL 데이터베이스 적용 ISCA 2020 프로그램: https://www.iscaconf.org/isca2020/program/ 이재욱 교수 연구진이 컴퓨터 아키텍처 분야의 플래그십 컨퍼런스인 제47회 ACM/IEEE International Symposium on Computer Architecture(ISCA)에 3편의 논문을 게재하였다. 올해 ISCA에는 이재진 교수 연구진의 논문을 포함하여, 전체 채택 논문 77편 중 5% 이상(4편)의 논문을 우리 학부 연구진이 게재하는 성과를 거두었다. Genesis[1]: 이재욱 교수 연구진(제1저자: 함태준 박사후 연구원)은 UC Berkeley, Duke 대학과 공동으로 유전체 빅데이터 분석의 FPGA 가속을 위한 Genesis 프레임워크를 발표하였다. 이 논문에서는 유전체 빅데이터를 데이터베이스 형태로 저장하고, 널리 사용되는 데이터 조작 연산들을 SQL 연산으로 표현한 후, 이러한 SQL 연산을 가속하기 위한 FPGA 하드웨어를 효율적으로 구현할 수 있는 방법을 제시하였다. 연구진은 Genesis 프레임워크를 이용하여, 표준 유전체 시퀀싱 파이프라인 GATK4에서 데이터 조작 연산(중복 리드 검출, 메타데이터 갱신, 품질 점수 보정)을 위한 FPGA 가속기를 설계하고, 이를 Amazon AWS F1 클라우드에 적용하여, 기존 CPU 대비 2-18배에 달하는 성능 향상과 2-15배의 비용 절감을 달성하였다. https://cse.snu.ac.kr/sites/default/files/node--notice/20200527_01_jaewlee.png Cereal[2]: 이재욱 교수 연구진(제1저자: 장재영 박사, 현 삼성전자 연구원)은 메모리 오브젝트 직렬화(serialization) 가속기 아키텍처인 Cereal을 발표하였다. Apache Spark등 분산 빅데이터 분석 환경에서 서로 다른 노드간에 정보를 전송할 때 직렬화가 필수적으로 요구되는데, 이는 상당한 성능 비용을 유발한다. 해당 연구에서는 모든 메모리 오브젝트를 순차적으로 탐색하고 처리하는 기존 알고리즘을 개선하여, 이들을 효과적으로 병렬처리 할 수 있는 새로운 직렬화 포맷을 제안하고, 이 개선된 알고리즘을 수행하는 가속기 하드웨어(Cereal)를 설계하였다. Cereal은 Apache Spark 응용 수행시 Java Serializer 대비 평균 7.9배, Kryo 대비 평균 4.8배의 (역)직렬화 성능 향상을 달성하였다. https://cse.snu.ac.kr/sites/default/files/node--notice/20200527_02_jaewlee.png 하드웨어 기반 디맨드 페이징[3]: 이재욱 교수 연구진(공동1저자 김문경 박사과정)은 성균관대와 공동으로 Ultra low-latency SSD를 위한 하드웨어 기반 디맨드 페이징(demand paging) 기술을 발표하였다. 제안된 기술은 페이지 폴트가 발생했을 때, 기존의 OS가 예외를 처리하는 대신, CPU 캐시 미스 처럼 예외 발생 없이 이를 파이프라인에서 직접 처리하는 기술이다([그림 3]). 이를 통해 OS 커널에서 낭비되는 CPU 사이클을 제거하여, OS에서 제공하는 페이지 보호 기능을 유지하면서 디스크 액세스 시간에 가까운 페이지 폴트 처리시간을 제공한다. https://cse.snu.ac.kr/sites/default/files/node--notice/20200527_03_jaewlee.png 올해 ISCA 2020은 최근 COVID-19 확산으로 인해 지난 5월 29일부터 가상 컨퍼런스로 개최되었다. 세 논문 모두 학부생 인턴이 연구에 참여하여 의미있는 기여를 하였으며, 이 중 두 논문에 공저자로 등재되었다. [1] Tae Jun Ham, et al., "Genesis: A Hardware Acceleration Framework for Genomic Data Analysis", 47th IEEE/ACM International Symposium on Computer Architecture (ISCA-47), Valencia, Spain, May 2020. [2] Jaeyoung Jang, et al., "A Specialized Architecture for Object Serialization with Applications to Big Data Analytics", 47th IEEE/ACM International Symposium on Computer Architecture (ISCA-47), Valencia, Spain, May 2020. [3] Gyusun Lee*, Wenjing Jin*, et al., "A Case for Hardware-Based Demand Paging", 47th IEEE/ACM International Symposium on Computer Architecture (ISCA-47), Valencia, Spain, May 2020. (* equal contributions)...
과거 미분류
포스트 대표 이미지

강유 교수 연구진, PAKDD 최우수 논문상 수상

서울대학교 강유 교수 연구진,뉴스 추천 기법 관련 논문으로 PAKDD 최우수 논문상 수상 컴퓨터공학부 강유 교수 연구진(구본헌 석사, 전현식 박사과정 학생)이 데이터마이닝 분야 국제 우수 학회인 PAKDD (Pacific-Asia Conference on Knowledge Discovery and Data Mining) 2020에서 최우수 학생 논문상 (Best Student Paper) 을 수상하였다. 올해 24번째로 개최된 PAKDD 학회는 총 628편의 제출된 논문 중 135편의 논문이 채택되었으며(게재율: 21.5%), 전체 논문 중 단 한 편만이 최우수 학생 논문상을 수상하였다. 수상 논문 "Accurate News Recommendation Coalescing Personal and Global Temporal Preferences"은 뉴스 추천 기법에 관한 것으로, 개별 뉴스에 대한 대중의 선호도가 시간에 따라 급격하게 변하는 것에 기반하여 대중의 선호도와 개인의 선호도를 동시에 효과적으로 고려하여 사용자에게 정확한 뉴스 추천을 하는 방법을 제시하였다. 논문에서 제안한 방법은 개인의 선호도에만 집중하였던 기존의 연구들에 비해 최대 77%의 정확도 향상을 보였다. 뉴스 추천 서비스는 수많은 뉴스 중 사용자에게 적합한 최적의 뉴스를 제공하여 사용자의 만족도를 높이는 중요한 기술로 IT 서비스에서 널리 쓰이고 있다. 논문에서 제안한 기술은 뉴스 추천 서비스의 성능을 크게 높이는데 기여할 것으로 예상된다. 논문에 대한 자세한 내용은 아래의 링크를 통해 확인할 수 있다. 논문 소개 페이지: https://datalab.snu.ac.kr/pgt 논문 정보: Bonhun Koo, Hyunsik Jeon, and U Kang, Accurate News Recommendation Coalescing Personal and Global Temporal Preferences, PAKDD 2020...
과거 미분류
포스트 대표 이미지

강유.송현오 교수 연구실, 2020년 SW스타랩 선정

2020년 인공지능 분야 소프트웨어(SW) 스타랩에 강유 교수 연구실과 송현오 교수 연구실이 선정되었다(교수명 가나다순). SW스타랩은 매년 3억원씩 최대 8년간 지원된다. 강유 교수의 데이터마이닝 연구실은 ‘다양한 응용과 환경을 지원하는 유연하고 효율적인 모델 압축 기술 개발’에 관한 연구를 진행한다. 최근에는 딥러닝 모델의 크기가 급격히 커지고 있기 때문에 스마트폰이나 IoT 등 자원이 제한된 환경에서 딥러닝 기술을 활용하기 어렵다. 본 연구에서는 경량화된 딥러닝 모델을 설계하고 학습하는 기술, 이미 학습된 모델이 주어졌을 때 이를 압축하는 기술, 훈련 데이터가 부족한 경우에 효율적으로 모델을 압축하는 기술을 개발한다. 본 연구는 기존에 복잡한 딥러닝 모델을 실행하기 어려웠던 스마트폰, IoT 장비 등에서 효율적으로 딥러닝 모델을 실행할 수 있게 함으로써 딥러닝의 적용 분야와 사용자를 획기적으로 늘릴 것으로 기대된다. 송현오 교수의 머신러닝 연구실은 ‘독립적으로 지속가능하고 신뢰할 수 있는 머신러닝 기술에 기반한 학습 지능 개발’에 관한 연구를 진행한다. 구체적으로 머신러닝 기술의 실제 작동 상황에서 일어나는 왜곡, 악의적 공격, 정보 편향 등에 대처 가능하고, 사용자와 능동적으로 상호작용하며 사용자 최적화를 이루는 실제 적용 가능 학습 지능을 개발한다. 본 연구에서는 실제 상황에서의 최적 적응 및 상호작용이 가능한 머신러닝 핵심 기술을 개발하여 오작동에 따른 위험 부담이 큰 자율주행이나 보안 시스템, 스스로 학습 데이터를 찾아 학습하는 범용적 학습지능 프레임워크, 제한적인 계산 환경에서 동작하는 인공지능 시스템 등에 활용하도록 한다....
과거 미분류
포스트 대표 이미지

[문병로의 알고리즘 여행] 비대면 강의 - 현장감 없는 강의는 한계 있어

출처: 중앙일보 2020년 4월 10일자 [문병로의 알고리즘 여행] 코로나 사태로 인해 비대면 강의가 진행 중이다. 필자는 이번 학기에 자료구조, 알고리즘 두 과목을 강의하는데 둘 다 120명 정도의 대형 클래스다. 비대면 강의는 강의 문화에 편의성과 접근성을 개선하는 기회를 주지만 현장 강의를 극복할 수 없는 한계도 있다. 자동 녹화 시스템으로 작년과 재작년에 수업을 녹화해 놓았다. 이번에 써볼까 하고 다시 살펴보았다. 필자는 파워포인트를 기본으로 하고 칠판에 보충 설명을 하는 방식으로 강의한다. 화면을 2개로 잘라 왼쪽에 빔프로젝터 화면이 나오고 오른쪽은 교수의 움직임을 카메라가 자동으로 따라다니는 세팅으로 찍었다. 쓸 만은 한데 나를 따라다니는 카메라가 칠판에 하고 있는 보충 설명을 제대로 보여주지 못하고 핵심적인 설명 화면을 많이 놓쳤다. 인공지능 촬영이라고 하는데 품질이 만족하지 않다. 왼쪽 화면은 빔프로젝터 스크린 내용을 디지털로 동기화한 것인데 레이저 포인트 광점이 나타나지 않아 어디를 말하고 있는지 즉시 알 수가 없다. 다시 찍기로 했다. 중요한 내용을 놓치지 않으려니 조교가 개입해야겠다. 수동 촬영이 되는 셈이다. 막상 하려니 더 심각한 문제가 있다. 120여 명의 학생이 앞에 앉아 있지 않다. 초롱초롱하게 눈앞에서 반응하는 현장감이 없다. 같은 품질의 강의가 나올 수가 없다. 학교에서 제공하는 옵션 중 하나인 다자간 회의 툴을 쓰면 모두가 들어와서 같이 보니 좀 나을까? 학생들 각각을 손톱만 하게 잘라 넣은 화면이 현장감을 크게 개선할 수 있을 것 같지 않다. 소음 때문에 학생들 소리는 대부분 꺼놓아야 수업이 된다고 한다. 농담을 해도 웃는 소리를 들을 수 없다. 몇 가지 대안을 살핀 끝에 화면 녹화 방식을 선택했다. 강의 내용을 컴퓨터 화면에 파워포인트로 진행하고 필요하면 그 위에 펜으로 쓰면서 목소리 녹음을 얹는 방식이다. 강의실은 지식을 전달하는 곳이기도 하지만 가르치는 사람의 흥분을 전달하는 곳이기도 하다. 요한 세바스찬 바흐가 말했다. “음악가는 스스로 감동하지 않으면 남을 감동시킬 수 없다.” 가르치는 사람도 비슷하다. 가르치는 내용에 대해 흥분감이 없으면 배우는 사람이 흥분감을 갖도록 하기는 힘들다. 75분 강의에서 핵심적인 내용만을 말하고 끝낸다면 대개 30분이면 충분하다. 나머지는 이해도를 높이고 관점을 풍부하게 하기 위한 지원 사격이다. 보충 설명이거나 내용과 은유적 연관성을 갖는 것들이 대부분이다. 비틀어서 질문 던지기, 다른 관점으로 바라보기, 옛날이야기, 기업체에서의 관련 경험, 이런 것들이 학생들에게 주제에 대한 관점을 다양하게 해서 체화를 돕는다. 농담도 수업의 중요한 요소다. 학생들의 반응을 직감으로 느껴서 설명 분량을 조절할 수도 있다. 이런 대부분의 행위들이 컴퓨터 화면을 바라보고 혼자 말하는 강의에서는 구사하기 힘들다. 그래서 강의가 빨리 끝난다. 강의의 많은 부분이 미리 계획되지만 강의에 몰입이 되면 애드립이 나온다. 강의 계획 때는 생각지 못했던 내용인데 더 적합한 경우도 많다. 이런 건 다소 흥분이 되고 우쭐한 상태에서 나온다. 없는 날은 맥이 빠진다. 필자가 개인적으로 가장 바람직하다고 생각하는 강의 직후의 모양이 있다. 셔츠의 한쪽이 바지에서 삐져나와 있고 몸은 약간 열이 나있는 상태. 한 곡의 노래를 적당한 크기의 감정으로 잘 부른 후의 느낌 같은 것. 가끔은 감기도 낫게 한다. 같은 강의를 반복하다 보면 가장 큰 문제가 흥분감을 유지하기 힘든 것이다. 잘 아는 내용에 대해 지속적으로 흥분을 느끼기가 쉽지 않다. 이럴 때는 다른 책을 읽기도 하고 생각도 하면서 강의에 대한 은유적 단초를 잡으려 해보는 것이 도움이 된다. 가르치는 사람도 시야가 넓어진다. 비대면 강의를 하니 이런 마음의 상태를 만들기가 쉽지 않다. 유튜브에서 청중 없이도 명랑하게 강연하는 강사가 존경스러워 보이기 시작했다. 비자발적 비대면 강의를 하면서 현장의 흥분이 없는 한 학기를 보내고 있다. 빨리 사태가 진정되어서 ‘구식 강의’를 하고 싶다. 필자의 재주로는 비대면 강의에서 아무리 애를 써도 현장 강의의 퀄리티에 근접할 자신이 없다. 서울대학교 컴퓨터공학부 문병로 교수...
과거 미분류
포스트 대표 이미지

이재진 교수 연구진, FPGA칩 핵심 소프트웨어 개발

서울대학교 이재진 교수 연구진, FPGA칩 핵심 소프트웨어 개발…“인텔, 자일링스 뛰어넘는 원천 기술” 쉽게, 고성능, 저전력으로 실행 가능하도록 하는 프로그래밍 원천 기술 개발 회로 구조 바꾸는 RPGA칩…재구성 시간 등 활용 한계극복 인공지능(AI)과 빅데이터 처리를 위한 저전력, 고성능 시스템 반도체 칩에 대한 수요가 커지는 가운데, 국내 연구진이 Intel 기술을 능가하는 FPGA 칩의 핵심 시스템 소프트웨어 기술을 개발했다. 컴퓨터공학부 이재진 교수 연구진은 국제 표준인 OpenCL 언어로 작성된 소프트웨어를 FPGA에서 쉽게, 고성능, 저전력으로 실행할 수 있는 프로그래밍 환경의 원천 기술을 개발하였다. FPGA 칩은 다른 반도체 칩과 달리 필요할 때마다 프로그래밍을 통해 회로 구조를 바꿀 수 있어, 기존의 범용 CPU보다 더 높은 성능과 전력 효율을 얻을 수 있는 게 장점이다. 반면에 FPGA의 회로 구조를 매번 프로그래밍을 통해 재구성할 때 시간이 오래 걸리고, 소수의 전문 인력만 이 작업을 수행할 수 있다는 한계가 있었다. 이에 이재진 교수 연구진은 소프트웨어의 소스 코드를 자동으로 분석하고 최적의 FPGA 회로 구조를 만들어내는 기술을 개발함으로써 이러한 한계를 극복했다. 소프트웨어를 실행시키기 위해 CPU 프로그래밍 환경이 자동으로 기계어 코드를 만들어내듯이, FPGA 프로그래밍 환경이 자동으로 회로 구조를 만들어내는 것이다. 그 결과, 사용자는 FPGA를 범용 CPU와 마찬가지로 별 어려움 없이 프로그래밍하여 사용할 수 있다. 연구팀은 SPEC 벤치마크를 사용해 기술을 테스트한 결과, 연구팀이 개발한 OpenCL 프로그래밍 환경이 Intel과 Xilinx 같은 FPGA 세계 선도 기업들의 상용 OpenCL 프로그래밍 환경이 가지고 있던 오류를 모두 해결했음을 확인했다. 나아가 Intel과 Xilinx의 제품 대비 성능과 전력 효율도 더 뛰어난 것으로 나타났다. 이 연구에 주된 기여를 한 서울대 조강원 박사는 “기존에 인공지능을 처리하기 위해 사용한 NVIDIA GPU나 구글의 TPU와 같은 반도체 칩은 회로의 역할이 고정되어 있어 새로운 인공지능 알고리즘에 빠르게 대응하기가 어려웠다”며, “이번 연구를 통해 FPGA를 사용해 새로운 인공지능 알고리즘이 나올 때마다 빠르게 받아들이면서 고성능, 저전력을 달성할 수 있게 됐다”고 설명했다. 서울대 이재진 교수는 “본 연구는 고성능을 요하는 계산 작업에 쉽게 FPGA를 사용할 수 있으며 성능도 뛰어난 FPGA용 OpenCL 프로그래밍 환경을 세계 최초로 개발한 데 의의가 있다”며, “현재 미국 기업이 개발한 시스템 반도체용 소프트웨어 기술이 상용화되어 있는 가운데, 다음 세대의 시스템 반도체 소프트웨어 기술은 우리가 주도할 수 있다는 것을 보여준 중요한 사례”라고 강조했다. 연구 결과는 세계적으로도 주목받아 올해 6월 개최 예정인 컴퓨터 구조 분야 국제 학술대회인 ISCA(International Symposium on Computer Architecture)에서 논문으로 채택해 발표될 예정이다. 한편 이 연구는 한국연구재단의 차세대정보·컴퓨팅기술개발사업의 일환인 초고성능컴퓨팅연구단(단장 한환수)의 지원을 받아 수행됐다....
과거 미분류
포스트 대표 이미지

이광근 교수, MIT Press에서 대학원 교재 출판

이광근 교수가 정적분석(static analysis) 분야에서 지난 30년간 축적된 연구를 정리하여 관련 연구개발자에게 길잡이가 될 책을 MIT Press에서 출판하였다. 저서명은 Introduction to Static Analysis: an Abstract Interpretation Perspective이다. 정적분석기술의 일반이론/알고리즘/실용화기술을 모두 아우른 저작. 정적분석기술이란 소프트웨어의 소스를 자동 분석해서 소프트웨어의 실행미래를 빠짐없이 어림잡는 엄밀한 기술. 정적분석기술은 주요 SW의 모든 개발단계에서 폭넓게 응용되고 있음: 개인/기업/공공/인공지능/자동차/비행기/로봇/금용/에너지/국방/우주/의료/교육/법률 등 품질 보장이 중요한 SW의 오류 자동검출, 오류 자동수정, 보안 자동검증, 최적화 검증, 뉴럴넷 검증 등. 파리 고등사범학교(Ecole Normale Superieure) Xavier Rival교수와 공저 https://cse.snu.ac.kr/sites/default/files/node--notice/fig-mititsa-mitpress.jpg    https://cse.snu.ac.kr/sites/default/files/node--notice/icon%EC%95%84%EB%A7%88%EC%A1%B4.png https://cse.snu.ac.kr/sites/default/files/node--notice/icon%EC%95%8C%EB%9D%BC%EB%94%98.png https://cse.snu.ac.kr/sites/default/files/node--notice/icon%EC%98%88%EC%8A%A424.png [추천서평(MIT Press 제공)] "Static analysis lies at the heart of a large and growing repertoire of techniques and tools to analyze software before it is deployed. Its many applications include automatically detecting harmful bugs, optimizing programs for resource utilization, and averting security vulnerabilities. This book by Rival and Yi, experts in the theory and practice of static analysis, provides a comprehensive and accessible treatise on this topic of growing importance as software becomes increasingly sophisticated and pervasive." Mayur Naik, Professor, Univ of Pennsylvania "The whole community of researchers in static analysis and abstract interpretation has long waited an authoritative and comprehensive textbook on the subject. The spectrum of the covered topics together with the depth of presentation will make this publiation a highly cited reference book in programming languages." Francesco Ranzato, Professor, Univ of Padova "We have waited a long time for a book that presents this material in a simple and at the same time rigorous way. By guiding the reader from the foundations of program semantics toward the most advanced applications of abstract interpretation, the authors are able to reveal the common patterns behind the design and implementation of any static analyzers. The result is a rich introduction and survey of the most advanced techniques for automatically analzying programs." Roberto Giacobazzi, Professor, IMDEA Software Institute...
과거 미분류
포스트 대표 이미지

2020년 제1차 컴퓨터공학부 교수채용 안내(종료)

서울대학교 컴퓨터공학부는 1명의 신규 교원을 채용합니다. 정년보장트랙(tenure-track)의 조교수, 부교수, 정교수 모든 직위를 대상으로 하고, 컴퓨터공학 및 과학 전 분야에 걸쳐 뛰어난 연구 성과를 거두었고 교육에 대한 열정을 가진 분을 찾습니다. 지원자는 지원 시점에 박사학위를 소지하고 있어야 하고, 국적과 성별, 나이는 고려하지 않습니다. 서울대학교 컴퓨터공학부는 1975년부터 지난 40여 년간 컴퓨터공학과 과학, 그 관련 분야에 있어 세계 최고 수준의 교육과 연구를 추구하고 있습니다. 현재 35명의 교수가 400여 명의 학부생, 350여 명의 대학원생들과 함께 하고 있으며, 지속적으로 교수를 충원하여 학부의 규모가 성장하고 있습니다. 현재는 계산 이론, 인공지능, 컴퓨터 시스템, 시스템소프트웨어, 내장형 시스템, 데이터 과학, 네트워크, 프로그래밍 언어, 그래픽스, 비젼, HCI, 생물정보, 기계학습 등 컴퓨터 전 분야에 걸쳐 연구와 교육이 이루어지고 있습니다. 신규 채용은 컴퓨터공학 모든 분야의 미래지향적 연구를 이끌어갈 수 있는 분을 대상으로 합니다. ◾ 신규 임용 대상자: 정년보장트랙의 조교수, 부교수 혹은 정교수 1명 ◾ 모집 분야: 인공지능 ◾ 접수 기간: 2020.3.30.(월) ~ 4.10.(금) 신규 채용 접수에 대한 세부사항은 아래 웹사이트를 참고하시기 바랍니다. 추가적인 문의는 recruit@cse.snu.ac.kr로 해주시기 바랍니다. [서울대학교 공과대학 교원 신규채용 공고] http://eng.snu.ac.kr/node/18117...
과거 미분류
포스트 대표 이미지