1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
전체

주한별 교수 연구실, 과학기술정보통신부에서 2024년도 SW스타랩으로 선정

과학기술정보통신부에서 지원하는 2024년도 SW스타랩에 주한별 교수 연구실이 선정됨SW스타랩은 소프트웨어(SW) 분야 우수 기초·원천기술을 보유한 대학 연구실을 지원하는 사업임주한별 교수 연구실이 과학기술정보통신부에서 지원하는 2024년도 SW스타랩으로 선정되었다. SW스타랩은 과학기술정보통신부에서 소프트웨어(SW) 분야 우수 기초·원천기술을 보유한 대학 연구실을 지원하는 사업이다. SW스타랩​으로 선정된 연구실은 연구 성과에 따라 최장 8년 동안 안정적으로 연구할 수 있도록 지원을 받는다. 올해 공모에는 20개 대학 총 48개의 연구실이 신청(경쟁률 4.8:1)했으며, 고려대, 서울대, 포항공대, 한국과학기술원(KAIST), 울산과학기술원(UNIST) 등 5개 대학 총 10개의 연구실이 최종 선정됐다. 인공지능(AI) 분야에 선정된 주한별 교수 연구실에서는 ‘인간의 3차원 외형, 모션, 사회적 행동을 모방하는 생성형 디지털 휴먼 AI 모델 개발’이라는 주제로 연구를 진행한다.SW스타랩은 2015년부터 지난해까지 석사 474명, 박사 218명 등 총 778명의 고급인력을 배출했다. 지난해까지 최근 3년간 SCIE급 저널에 연간 60여편의 논문을 게재하고, (최)우수학술대회에서 연간 90여편의 논문을 발표하는 등 연구 성과를 창출했다. 특히 국제학술대회 최우수논문상 수상과 국가 연구개발 100선 다수 선정 등을 이뤘고, 깃허브 등을 통해 연평균 60여 건의 공개SW를 전 세계에 공유함으로써 국내 SW 연구 위상을 높였다.출처 :  1) https://www.edaily.co.kr/News/Read?newsId=02273046638986664&mediaCodeNo=257&OutLnkChk=Y           2) https://www.dt.co.kr/contents.html?article_no=2024081202109931081008&ref=naver...
연구
포스트 대표 이미지

박근수 교수, CPM Test of Time Award 2024 수상

스트링 알고리즘 분야에서 20년간 가장 영향력이 컸던 논문으로 선정됨2001년에 발표한 Suffix Array 관련 연구로 수상함스트링 알고리즘 분야의 주 학술대회인 CPM(Combinatorial Pattern Matching)에서 20년 이전에 발표된 논문 중에서 가장 영향력이 컸던 논문을 선정하여 Test of Time Award를 주기로 2024년에 결정하였고, 그 첫번째 수상 논문으로 박근수 교수의 논문이 선정되었다.이번에 수상한 논문은 스트링 알고리즘 분야에서 핵심적인 자료구조인 Suffix array로부터 또 다른 중요한 자료구조인 Longest-Common-Prefix array를 만드는 선형시간 알고리즘을 제시하였으며, 해당 알고리즘은 이후 스트링 알고리즘 분야에서 수많은 알고리즘의 구성요소로 사용되었다. 구글 스칼라에 의하면 해당 논문은 680회 이상 인용되었다.- 수상논문: "Linear-Time Longest-Common-Prefix Computation in Suffix Arrays and its Applications", Toru Kasai, Gunho Lee, Hiroki Arimura, Setsuo Arikawa, Kunsoo Park, CPM 2001....
수상
포스트 대표 이미지

이재욱 교수 연구진, 메모리 효율적인 Any-Precision LLM 기술로 세계 선도

하나의 n-비트 대규모 언어모델(LLM)에 여러 정밀도의 모델(예: n, n-1, ..., 4, 3-비트)을 중첩하는 알고리즘 개발상황에 따라 동적으로 선택된 정밀도에 맞춰 LLM을 효율적으로 실행하는 소프트웨어 엔진 개발제한된 메모리에서 서로 다른 정확도-속도 상충관계를 갖는 멀티 모델들을 지원하여, LLM 기반 어플리케이션의 사용자 경험을 개선ICML 2024 Oral Presentation (최상위 1.5%) 논문 선정​이재욱 교수 연구진이 LLM 기반 어플리케이션의 사용자 경험을 획기적으로 향상시킬 수 있는 핵심기술을 개발하였다.​LLM을 운용할 때, 빠른 응답이 필요한 쿼리와 응답 시간이 크게 중요하지 않은 쿼리가 뒤섞여 들어올 수 있다. 예를 들어, 챗봇과 같은 대화형 응용 프로그램에서는 매우 빠른 응답이 필요하지만, 문서 분석과 같은 작업에서는 느린 응답도 허용되는 경우가 있다. 또한, 시스템의 부하에 따라 응답의 품질과 지연시간의 상충관계(tradeoff)를 조정하고자 할 수도 있다. 이렇게 다양한 응답 시간 요구사항을 가진 쿼리들을 효과적으로 처리하는 것은 사용자 경험을 개선하는 데 매우 중요하다. 이를 위해서는 여러 크기의 모델을 준비하고, 각 쿼리에 맞는 모델을 동적으로 선택해 사용하는 것이 유리하다. 그러나, 이러한 방법은 여러 버전의 모델을 저장하기 위한 메모리 사용량을 증가시킨다.​이 문제를 해결하기 위해 이재욱 교수 연구팀은 LLM에 특화된 임의 정밀도 양자화(any-precision quantization) 기술을 세계 최초로 개발했다. 제안한 기법은 마치 러시아의 마트료시카(Matryoshka) 인형처럼, n비트 모델에 그보다 낮은 정밀도를 가진 n-1, n-2, … 비트 모델을 중첩(overlay)하여 적은 메모리로 다양한 정밀도의 모델 운용을 가능하게 한다. 이 기술을 활용하면, n비트로 양자화된 모델 하나만 메모리에 저장해 두고, n비트 모델의 각 매개변수에서 최상위 비트의 일부만 사용하여 낮은 정밀도의 모델도 효과적으로 지원할 수 있다. 연구팀은 이러한 개념을 매개변수가 매우 많은 LLM에 쉽게 적용할 수 있도록, 재학습이 필요 없는 빠르고 가벼운 임의 정밀도 양자화 알고리즘을 고안했다. 또한, 이렇게 완성된 Any-Precision LLM을 효율적으로 실행할 수 있는 새로운 소프트웨어 엔진을 개발하여, 세계 최고 수준의 모델 성능 및 추론 속도를 달성했다.​이 연구는 LLM이 다양한 어플리케이션에서 높은 수준의 사용자 경험을 제공하는 데 핵심 기술로 활용될 것으로 기대된다. 해당 논문은 오는 7월에 개최되는 머신러닝 분야 최고 권위의 학회인 ICML 2024에서 발표될 예정이다. 특히 전체 제출 논문 중 최상위 1.5%만 선정되는 구두 발표(Oral Presentation) 세션에 채택되어 그 우수성을 인정받았다."Any-Precision LLM: Low-Cost Deployment of Multiple, Different-Sized LLMs​", Yeonhong Park, Jake Hyun, SangLyul Cho, Bonggeun Sim, Jae W. Lee, ICML 2024.​...
연구
포스트 대표 이미지

송현오 교수 연구진, 효율적 모델 추론을 위한 맥락 및 깊이 압축 기술과 다중목적 최적화 기술로 세계 선도

메모리 효율적 언어모델 추론을 위한 실시간 맥락 압축 기법 개발인공 신경망 깊이 압축을 위한 레이어 제거 공동 최적화 알고리즘 개발탐욕 정책 학습을 통한 블랙박스 다중목적 조합 최적화 기법 개발송현오 교수 연구진이 실시간 언어모델 맥락 압축 기법, 인공 신경망 레이어 공동 최적화 알고리즘, 블랙박스 다중목적 조합 최적화 기법을 개발하였다.실시간 언어모델 맥락 압축 [1]: ChatGPT와 같은 트랜스포머 기반 대규모 언어모델은 이전 대화 등의 맥락 정보를 처리한 다음, 연산 결과(key/value)를 캐시에 저장하여 이후 추론에 사용한다. 한편 입력값의 길이가 길어질 수록 캐시에 저장되는 값들의 용량이 커지며 언어모델 추론 연산 또한 많아진다. 본 연구에서는 언어모델의 입력값 정보를 지속적으로 압축하여 효율적인 대규모 언어모델 추론을 가능하게 하는 방법을 제안하였다. 제안하는 압축 방법은 언어모델 추론에 매우 작은 수준의 오버헤드를 더하며, 기존 방식 대비 5배 이상 작은 메모리로 동일 수준의 추론 성능을 달성한다.인공신경망 레이어 공동 최적화 [2]: 본 연구는 기존의 인공신경망 깊이 압축 알고리즘인 (1) 합성곱 레이어를 제거하는 전략과 (2) 비선형 활성화 함수를 제거하여 연속적인 합성곱 층을 하나의 층으로 병합하는 전략을 상호 보완적으로 사용하여 기존 최고기술보다 네트워크의 성능을 유지하면서 효율성을 향상시킬 수 있음을 보여준다. 이를 위해, 원하는 추론 속도를 달성하면서 성능 손실을 최소화하기 위해 제거할 활성화 층과 합성곱 층을 공동으로 최적화하여 선택하는 문제와 새로운 깊이 압축 방법인 LayerMerge를 제안한다. 이 선택 문제는 지수적 탐색 공간을 가지므로, 우리는 새로운 대리 최적화 문제를 공식화하고 이를 동적 프로그래밍을 통해 효율적으로 해결한다. 실험 결과, 우리의 방법은 이미지 분류 및 생성 작업에서 다양한 네트워크 아키텍처에 대해 기존의 깊이 압축 및 층 가지치기 방법보다 일관되게 뛰어난 성능을 보였다.블랙박스 다중목적 조합 최적화 [3]: 블랙박스 다중목적 조합 최적화는 문자열, 그래프 등 조합적 대상에서 정의된 여러 블랙박수 목적함수를 함께 최적화하는 기법으로, 신약 개발 등 큰 사회적 파급효과를 지닌 다양한 문제들에 적용될 수 있다. 쿼리-효율성을 위해 주로 연구되고 있는 능동학습 기반 방법들은 기존 평가된 데이터를 바탕으로 다음 쿼리에 넣을 최적 배치(batch)를 선정하는 부분집합선택 문제를 해결해야 한다. 본 연구는 목적 집합 함수의 하위모듈성(submodularity)에 착안하여, 탐욕 알고리즘을 모사하도록 학습한 탐욕 정책 모델을 통해 최적 배치를 선정하는 능동 학습 기법을 제안한다. 제안한 기법은 적색 형광 단백질 최적화 벤치마크에서 목표 성능을 달성하는데 필요한 쿼리 횟수를 기존 방법들보다 1.69배 이상 줄이는 결과를 얻었다.해당 연구는 머신러닝 최우수 학회인 ICLR 2024과 ICML 2024에 발표될 예정이다.[1]“Compressed Context Memory For Online Language Model Interaction”, Jang-Hyun Kim, Junyoung Yeom, Sangdoo Yun, Hyun Oh Song, ICLR 2024[2]"LayerMerge: Neural Network Depth Compression through Layer Pruning and Merging", Jinuk Kim, Marwa El Halabi, Mingi Ji, Hyun Oh Song, ICML 2024[3]"Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization", Deokjae Lee, Hyun Oh Song, Kyunghyun Cho, ICML 2024...
연구
포스트 대표 이미지

이선민 박사수료생, 2024 ACM WiGRAPH Rising Stars in Computer Graphics Program 수상자로 선정

우리 학부 박사과정을 수료한 이선민 연구생(지도교수 원정담)이 2024 ACM WiGRAPH Rising Stars in Computer Graphics Program의 수상자로 선정되었습니다. 이 프로그램은 컴퓨터 그래픽스 연구 리더의 젠더 다양성을 장려하고자, 컴퓨터 그래픽스 분야에서 우수한 연구 성과를 보이는 대학원생 및 박사후연구원을 선정해 시니어 멘토링 및 동료 연구자 교류를 통한 커리어 성장을 지원하는 지원하는 프로그램입니다. 지능형 동작 연구실(IMO Lab)의 이선민 연구생은 사람을 포함한 다양한 캐릭터의 사실적이고 다채로운 동작 생성을 목표로 하고 있으며, 이를 위해 캐릭터 골격에 구애받지 않는 동작 공간 학습, 환경 상호작용 동작의 실시간 추적 및 생성 등을 다루고 있습니다.수상자 발표 홈페이지: https://www.wigraph.org/spotlights/meet-our-rising-stars-2024/이선민 박사수료생 홈페이지:https://sunny-codes.github.io/지능형 동작 연구실 홈페이지:https://sites.google.com/view/snuimo/home/...
수상
포스트 대표 이미지

제4회 Research Fair (졸업논문 포스터 발표회) 개최

​2024년 8월 졸업예정자의 졸업논문 포스터 발표회인 제4회 리서치페어(Research Fair)가 2024년 6월 14일 오후 12시부터 2시까지 301동 1층 복도에서 성공적으로 개최되었습니다. 본 행사는 컴퓨터공학부 SNU 10-10 프로젝트 사업의 일환으로 시작된 행사로, 학사, 석사, 박사 졸업 예정자들이 졸업 연구 논문을 포스터로 발표하고 현장에서 피드백을 받는 자리입니다. 이번 행사에서는 2024년 8월 졸업 예정인 86명(학사 66명, 석사 13명, 박사 7명)의 학생들이 논문 포스터 발표와 질의응답 시간을 가졌습니다. 학부 교수님들께서 졸업 예정자의 포스터 발표를 심사해주셨으며, 교수님들의 평가를 기반으로 우수 포스터 발표 수상자가 선정되었습니다.이날 행사에 참석한 주전공생, 자유전공학부생, 다전공생들에게는 우리 학부 학생들과 대학원 연구자들의 다양하고 혁신적인 연구를 접할 수 있는 귀중한 기회가 제공되었으며, 대학원 진학의 긍정적인 의미를 찾을 수 있는 소중한 시간이었습니다....
행사
포스트 대표 이미지

제2회 <열린 튜링 강연회> 튜링상 업적 해설 강연 개최

서울대학교 컴퓨터공학부, KAIST 전산학부, 포항공대 컴퓨터공학과가 함께 주최하는 제2회 열린 튜링 강연회가 2024년 5월 23일(목) 16:00부터 18:00까지 302동 105호에서 개최되었습니다. 이번 강연회는 컴퓨터 분야의 노벨상이라 불리는 튜링상 수상자들의 과거 업적을 기리고, 현재 의미를 되짚어보며, 미래 컴퓨팅을 그리는 자리였습니다. 2023년부터 시작된 이 행사는 KAIST, 서울대학교, 포항공대가 번갈아 주최하며, 각 학교의 교수진이 해설을 맡아 진행합니다. 이번 강연에서는 2023년 튜링상 수상 업적과 과거의 두 수상 업적(2013년, 2003년)을 선정하여 쉽게 설명하였습니다. 2023년 튜링상(알고리즘) 해설은 서울대학교의 Chenglin Fan 교수님과 KAIST의 김은정 교수님이 맡았고, 2013년 튜링상(분산시스템) 해설은 KAIST의 강지훈 교수님이, 2003년 튜링상(HCI) 해설은 포항공대의 황인석 교수님이 진행하셨습니다. 해당 강연회에는 100여 명이 참석하였으며, 유튜브를 통해 실시간으로 송출되어 온라인으로도 많은 분들이 참여할 수 있었습니다....
강연
포스트 대표 이미지

서울대학교 컴퓨터공학부 x Upstage LLM 프로젝트 단기 강의 개최

서울대학교 컴퓨터공학부와 Upstage는 2024년 5월 16일(목)부터 5월 18일(토)까지 3일간 302동 105호에서 LLM 프로젝트 단기 강의를 성공적으로 진행하였습니다. 이번 강의에는 총 210여 명이 등록하여 참여하였습니다. 강의에서는 컴퓨터공학부 이광근 교수님, 김건희 교수님, 그리고 Upstage 성킴 대표님의 LLM 강의를 들을 수 있었으며, 해커톤 형식의 프로젝트를 통해 LLM Apps를 이해하고 직접 제작하는 기회를 제공하였습니다.각 강의 시작 전에는 식사와 네트워킹 시간을 가졌으며, 참가자들은 조별로 프로젝트를 진행하고 발표하는 시간을 가졌습니다. 발표 결과, 가장 우수한 3팀에게는 경품이 시상되었습니다. 이번 강의를 통해 참가자들은 LLM에 대한 깊은 이해와 실전 경험을 쌓을 수 있었습니다....
행사
포스트 대표 이미지

제46회 및 제47회 국제 대학생 프로그래밍 경진대회 은메달 수상

ICPC (International Collegiate Programming Contest) Foundation이 주최하는 세계 최대 프로그래밍 대회인 제46회, 제47회 국제 대학생 프로그래밍 경진대회(ICPC)에서 서울대학교가 각각 은메달을 수상했다. 2023년 코로나19 및 중동 분쟁으로 대회가 연기됨에 따라 올해 제46회 및 제47회 대회가 2024년 4월 18일 이집트 룩소르(Egypt Luxor)에서 같은 날에 통합해서 개최되었다.제46회에 출전한 서울대학교 'FSM'팀(김세빈, 이민제, 윤교준 학생)은 총 11개 문제 중 9문제를 해결하여 종합 6위를 기록하였으며, 제47회에 출전한 서울대학교 'HappyLastDance'팀(안정현, 이하린, 김동현 학생)은 총 11개 문제 중 8문제를 해결하여 종합 7위를 기록하여 각각 은메달을 수상하였다. 서울대학교는 2017년 대회 금메달, 2018년 대회 은메달, 2019년 대회 은메달, 2021년 대회 금메달, 2022년 금메달을 수상한 데 이어, 올해 두 대회에서 은메달을 얻으며 7회 연속으로 메달을 수상하였다(2020년 대회는 코로나19 확산으로 한 차례 연기됨). 故 염헌영 교수님께서는 해당 대회를 위해 2017년 수상 당시부터 수 년 동안 계속하여 코치를 맡아주셨으며, 최근 몇 년 동안은 서울지역대회 regional director도 맡아주셨다.ICPC는 1977년 ACM(미국컴퓨터협회) 컴퓨터 과학 컨퍼런스에서 처음 개최되어, 매년 전 세계 대학생들이 참가하는 가장 권위 있는 컴퓨터 프로그래밍 경시대회이다. 이번 대회를 위한 지역대회에는 111개국 3천여 개 대학에서 5만여 명 이상의 대학생이 참가했으며, 그 중 최상위 성적으로 지역 대회를 통과한 264개 팀, 8백여 명의 대학생이 '월드 파이널'로 불리는 본선에서 경쟁을 벌였다....
수상
포스트 대표 이미지

김선 교수 연구진이 네트워크 사이언스와 머신러닝을 결합하여 약물에 적합한 질병을 예측

소셜 네트워크에서 활용되는 네트워크 알고리즘을 생물학적 네트워크에 적합하도록 변형머신러닝 기술을 접목시켜 약물과 질병의 치료 관계를 높은 정확도로 예측인공지능 신약개발 분야에 기존 약학, 병리학적 정보를 십분 활용하는 머신러닝 방법론의 가능성 제시 김선 교수와 아이겐드럭의 방동민 연구원이 주도한 인공지능 신약개발 분야 연구가 세계적으로 우수성을 인정받아 Nature Communications에 게재되었다. 김선 교수 연구진은 수십만가지의 의생물학적 데이터를 그래프 형태로 가공해 놓은 의생물학적 지식 그래프(biomedical knowledge graph) 를 활용하여 약물 재창출 (Drug repurposing, drug repositioning) 인공지능 모델인 드림워크(DREAMwalk)를 제시하였다. 이를 위하여, 기존의 소셜 네트워크 분야에서 활용되던 네트워크 알고리즘의 대표적인 줄기인 랜덤워크 (random walk) 알고리즘을 의생물학적 지식 그래프에 적합하도록 변형하였다.특히 의생물학적 지식 그래프는 유전자, 질병, 약물 등의 다양한 종류의 요소들로 구성되어 있으며 이들 중 대부분이 유전자와 그들 간의 관계에 치중되어 있다는 특징이 있으며, 이를 해결하기 위해 약물 간의 관계와 질병 간의 관계 지식들을 알고리즘에 효율적으로 녹여내었다. 또한 인공지능 예측 모델을 활용하여, 앞서 학습된 네트워크 정보를 기반으로 약물과 질병 간의 치료관계를 높은 정확도로 예측하였다.인공지능과 약학 분야의 융합의 산물인 본 연구는 기존에 컴퓨터 과학 분야에서 발전된 네트워크 과학 기술이 인공지능 신약개발 분야에 알맞게 변형되고, 또한 알려진 도메인의 지식을 잘 활용할 수 있도록 변형될 수 있다는 새로운 연구 패러다임의 실질적인 예를 제시하였다. 구축된 모델은 알츠하이머와 유방암에 대해 높은 신뢰도의 치료 약물을 발굴해주었으며, 이후에도 새로운 질병에 적용 가능한 약물들을 제시하도록 활용이 가능할 것으로 보인다. "Biomedical knowledge graph learning for drug repurposing by extending guilt-by-association to multiple layers", Dongmin Bang, Sangsoo Lim, Sangseon Lee & Sun Kim, Nature Communications 14.1 (2023): 3570...
연구
포스트 대표 이미지