컴퓨팅 메모리 구조 연구실

컴퓨팅 메모리 구조 연구실에서는 메모리 기반의 새로운 컴퓨터 구조를 연구한다. 장기적으로는 새로운 계산 방식인 딥러닝을 효과적으로 구현하여 저전력 동작이 가능한 칩 아키텍처를 연구한다. 이와 함께 현재 컴퓨터구조의 가장 큰 문제인 계산기-메모리 간의 병목현상을 해결하기 위한 새로운 구조로 processing-in-memory를 연구한다. 이러한 연구의 결과는 서버상에서 중요성이 커지고 있는 새로운 workload인 그래프 데이터베이스 등에 적용되어 기존 시스템의 에너지 효율성을 획기적으로 향상시킬 뿐 아니라, 딥러닝을 활용한 IoT, 메디컬 이미징 등 새로운 응용분야를 창출하는데 기여할 것이다.


Memory-centric chip architecture for deep learning


딥러닝은 기존 계산기+메모리 구조와는 다른 새로운 구조를 요구한다. 이는 실제 뇌의 구조와 비슷하게 시냅스에 상응하는 메모리에 기반한 구조에서 데이터의 흐름으로 계산을 수행하는, 계산과 메모리가 융합된 구조이다. 따라서, 기존 계산기와 메모리가 분리된 구조에서 딥러닝을 수행하는 것은 비효율적이며, 이에 적합한 새로운 칩 아키텍처가 요구된다. 본 연구에서는 특히 계산의 에너지 효율성에 초점을 둔다. 이는 뇌의 경우 현재의 컴퓨터 시스템과 비교가 안될 만큼 놀라운 에너지 효율성을 가지기 때문에, 이러한 에너지 효율성에 가까운 칩 아키텍처의 연구 및 구현을 목표로 한다.


Processing-in-memory (PIM)


빅데이터 시대에 서버는 핵심 요소로서 그 중요성과 영향력이 커지고 있다. 예를 들어 전력소모 면에서 서버는 전세계 전력소모의 상당부분을 차지한다(예를 들어, 미국의 경우 2013년 데이터센터에 전력을 공급하기 위해 34개 화력발전소 필요). 이러한 전력소모의 상당부분(약 40%)은 주메모리에서 소모되는 것으로 알려져 있다. 본 연구에서는 주메모리 내부의 아주 높은 데이터 이동 능력을 최대한 이용하여 이러한 문제를 해결 할 수 있는 새로운 컴퓨터구조로 PIM을 연구한다. PIM을 실용화하기 위해서는 PIM이 가지는 새로운 문제들인 캐쉬-메모리 간의 수직적 데이터 일관성, 가상-물리주소 매핑정보의 분산 관리 등에 대한 새로운 아이디어가 요구된다.