1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
과거 미분류

박근수 교수 연구진, 세계 최고 성능 알고리즘 기술 개발

박근수 교수 연구진, 그래프 동형 문제에 대한 세계 최고 성능 알고리즘 기술 개발 박근수 교수 연구진이 세계 최고 성능의 그래프 동형(Graph Isomorphism) 알고리즘 기술을 개발하였다. 그래프 동형 문제는 두 개의 그래프가 동형인지 판별하는 문제로 소셜 네트워크 서비스, 생물정보학, 화학정보학 등 다양한 응용 분야에서 그래프 분석을 위해 다루고 있는 핵심 문제이다. Garey & Johnson은 1979년에 NP-complete에 속하는지 혹은 P에 속하는지 알려지지 않은 12개의 미해결 문제를 소개하였는데, 그중에서 그래프 동형 문제는 40년이 지난 현재까지도 미해결 상태로 남아있는 유명한 문제이다. 실용적인 측면에서는 지난 30여 년 동안 nauty/Traces가 그래프 동형 문제를 푸는 가장 빠른 알고리즘으로 알려져 왔다. 박근수 교수 연구진은 그래프 동형 문제를 실제 데이터에서 빠르게 푸는 세계 최고 성능의 알고리즘을 개발하고, 개발한 알고리즘이 benchmark 그래프 데이터에서 nauty/Traces보다 평균 수천 배 빠르게 문제를 푸는 것을 보였다. 개발된 그래프 동형 알고리즘은 공개 SW로 배포되었으며, 이 내용으로 박근수 교수의 지도학생인 구건모, 남예현이 과학기술정보통신부에서 주최한 2020 공개SW 개발자대회에서 금상을 수상하였다. 박근수 교수 연구진의 그래프 동형 알고리즘에 관한 연구 결과는 ICDE 2021에 accept 되었으며, 2021년 4월에 열리는 ICDE 2021에서 발표될 예정이다. G. Gu, Y. Nam, K. Park, Z. Galil, G.F. Italiano, and W.-S. Han, Scalable Graph Isomorphism: Combining Pairwise Color Refinement and Backtracking via Compressed Candidate Space, International Conference on Data Engineering (ICDE) 2021....
과거 미분류
포스트 대표 이미지

Microsoft Research Asia Ph.D. Fellowship 수상

이주헌 박사과정생, Microsoft Research Asia Ph.D. Fellowship 2020 수상자로 선정 박사과정에 재학 중인 이주헌 학생(지도교수: 이영기)이 혼합 현실을 위한 모바일 딥러닝 시스템 연구 성과를 인정받아 Microsoft Research Asia Ph.D. Fellowship 2020 수상자로 선정되었다. 이주헌 박사과정생은 인간 중심 컴퓨터 시스템 연구실에서 혼합 현실(Mixed Reality) 응용을 위한 모바일 딥러닝 시스템을 연구하고 있다. 몰입도 높은 MR 응용을 위해서는 자원 한정적인 모바일 기기에서 다중 딥 뉴럴 네트워크(Deep Neural Network, DNN) 및 렌더링 연산을 동시 수행해야 한다. 이주헌 박사과정생은 단일 DNN 연산에 집중된 기존의 모바일 딥러닝 플랫폼을 혁신적으로 개선하는 연구를 수행중이며, 관련 연구로 모바일 컴퓨팅 분야 최고 국제학술대회인 ACM MobiCom 2020에 두 편의 논문을 1저자로 게재하였다. 이는 아시아 연구기관에서 최근 10년간 유일한 사례이다. 특히 올해 이주헌 박사과정생의 수상은 지도교수인 이영기 교수가 2006년 수상자로 선정된 이후 세대를 걸친 수상이라는 점에서 의미가 깊다. 이영기 교수는 “제가 수상했던 펠로우십을 지도 학생이 다시 수상하게 되어 뿌듯하다. 이번 계기를 통해 Microsoft Research Asia와 협력 관계를 더욱 발전시키기를 기대한다”며 소감을 밝혔다. 한편, Microsoft Research Asia Ph.D. Fellowship 2020에는 아시아 태평양 전역 36개의 유수 연구 중심 대학에서 총 106명의 지원자가 지원하여, 총 12명의 학생들이 수상자로 선정되었다. - MSRA Ph.D. Fellowship: https://www.microsoft.com/en-us/research/academic-program/fellowships-microsoft-research-asia/#!fellows - 이주헌 박사과정생 프로필: https://juheonyi.github.io/...
과거 미분류
포스트 대표 이미지

심유근 학생, 제 39회 대학생 수학 경시대회 금상 수상

심유근 학생, 대한수학회 주최 '대학생 수학 경시대회' 금상 수상 2020년 11월 14일 온라인으로 진행된 제39회 대학생 수학 경시대회에서 심유근 학생(2017학번)이 수학 전공생들과 경쟁하는 1분야에서 금상을 수상했다. 대학생 수학 경시대회는 복잡한 수학 문제를 푸는 능력을 겨루는 대회로, 3시간 동안 8개의 문제가 주어진다. 올해로 39회째를 맞는 이 대회는 매년 전국 대학생들을 대상으로 열리고 있다. 대회는 수학 전공 학생들이 참여하는 1분야와 수학 비전공 학생들이 참여하는 2분야로 나뉘어 치뤄지는데, 수학 비전공자의 경우 1분야와 2분야 중 본인이 선택하여 응시할 수 있다. 심유근 학생은 2018년에도 본 대회에 참가하였고, 당시 2분야에서 대상을 수상한 이력이 있다. 올해는 수학 전공자들과 함께 겨루는 1분야에 참가하여 상위 5%에 해당하는 성적을 올려 금상을 수상했다. [대회 링크] 수상자 목록: http://www.kms.or.kr/board/list.html?num=15897&code=conf13 대회 요강: http://www.kms.or.kr/board/list.html?code=conf11&num=15055...
과거 미분류
포스트 대표 이미지

[문병로의 알고리즘 여행] 자연 모방하기

출처: 중앙일보 2020년 12월 18일자 [문병로의 알고리즘 여행] 진화의 세대수를 감안하면 우리 몸은 우주의 근원을 밝히는 연구실보다 아프리카 초원에 더 어울린다. 그런 우리가 138억년 전 우주 탄생까지 추적하고 있다. 놀라운 성취다.  우리 망막에는 600만개 정도의 원추 세포가 있다. 세 가지 종류가 있는데 민감하게 반응하는 색의 파장이 다르다. 각각 빨강, 녹색, 파랑 근처를 담당한다. 파장 분포를 보면 인간의 시각은 녹색에 가장 친화적이다. 망막에서 색 파장에 반응하는 이들 원추세포와 명암에 반응하는 간상세포의 입력이 대뇌피질로 들어가서 색을 해석한다. 컬러 TV와 모니터는 우리 눈이 색을 받아들이는 원리를 차용한 것이다. 색을 내는 방법인 RGB 체계는 빛의 삼원색인 빨강, 녹색, 파랑의 강도를 각각 수치로 준 것이다. 인간 학습의 큰 두 줄기는 보고 배우기와 부딪혀보고 배우기다. 시각으로 사물을 구분하는 것은 보고 배우기이고, 고급 학습이나 스포츠 활동은 부딪혀보고 배우기다. 기계학습에서 이를 차용했는데 전자를 지도학습이라 하고, 후자를 강화학습이라 한다. 사람의 대뇌에는 160억개 정도의 뉴런(신경세포)이 있는데 이들은 시냅스로 선택적으로 연결된다. 입력을 받은 뉴런들이 연결의 강도에 비례해서 다른 뉴런들로 신호를 전파하는 과정이 우리의 생각이고 행동이다. 자라면서 뇌에서 시냅스 수가 점점 많아질 것이라 생각하는데 그렇지 않다. 출생 직후에는 뉴런 사이의 연결이 아주 희소하다. 유아기에 왕성하게 연결이 증가해 최고조에 이른다. 성인이 되면 유아기의 40% 이하로 오히려 줄어든다. 어린이들은 뉴런의 연결은 많은데 체계가 잡히지 않아 뉴런이 여기저기 마구 ‘발화’한다. 그래서 수용력이 높은 반면 산만하다. 학습이 거듭되면서 경쟁에서 진 시냅스는 도태되고 이긴 시냅스들은 강화된다. 요즘 돌풍을 일으키고 있는 딥러닝은 인공신경망이 크고 깊어진 딥넷을 기반으로 한다. 딥넷은 6살 어린이의 뇌처럼 뉴런들을 마구 연결해놓고 시작한다. 이후 다양한 입력을 주고 결과에 따라 연결 강도를 계속 수정한다. 이 과정에서 정보 처리에 별로 기여하지 못하는 연결은 도태되고 일부 연결들이 살아남아 성인의 뇌처럼 체계를 갖춘다. 망막에서는 좁은 범위의 망막 세포들을 다발로 묶어 시신경에 연결한다. 이웃하는 시신경이 담당하는 다발 영역은 겹치고 경계 부분만 다르다. 이렇게 겹쳐 있는 시신경 정보를 처리하면서 전체 이미지를 해석한다. 딥넷 중에 CNN(합성곱신경망)이라는 것이 있는데 이것이 바로 망막의 다발 처리를 모방한 것이다. 알파고도 CNN 구조의 신경망을 사용하고 있다. 과학의 큰 두 줄기는 환원주의와 구성주의다. 환원주의는 대상을 쪼개 들어가는 것이고, 구성주의는 대상을 합쳐나가는 것이다. 구성주의의 대표 원리는 진화다. 여러 경쟁적 대안들이 시행착오를 거치면서 이긴 것들이 살아남는 방식이다. 원자가 모여 분자가 되고, 세포가 모여 생명체가 만들어지고, 개인이 모여 사회가 만들어지는 것이 다 진화적이다. 진화의 유전적 프로세스를 문제 해결에 차용한 것이 AI의 한 갈래인 유전알고리즘이다. 이 분야의 대부인 존 홀랜드는 자신이 컴퓨팅에 섹스를 도입한 사람이라는 조크를 남겼다. 반면 연금술은 긴 실패의 역사를 갖고 있다. 뉴턴도 그중 한 사람이다. 20세기에 원자 구조가 밝혀지고 금이 양성자 79개를 가진 주기율표 상의 ‘원소’라는 것이 밝혀졌다. 수은 원자에서 양성자 하나만 빼내면 금 원자가 된다. 이게 불가능한 일이라는 것도 알게 되었다. 원자핵에서 양성자를 빼내는 것은 핵융합 수준의 힘이 필요하다. 금은 지구의 자연이 만든 적 없고 백 프로 우주에서 날아온 것이다. 우리 몸에는 마그네슘, 철, 아연, 나트륨, 칼슘 등의 무기질 원소가 필요한데 이들도 우리 몸이 생성할 수 없을뿐더러 지구에서도 생성되지 않는다. 우주에서 날아와 존재하던 것을 지구의 식물이나 동물이 섭취하고 우리가 다시 그들을 섭취하는 것이다. 지구에 있는 원소 각각의 총량은 변하지 않는다. 다른 원소와 분자로 결합되면서 다른 얼굴을 할 뿐이다. 지구는 먼 옛날 초신성 같은 별들이 폭발하고 남은 먼지의 조합이다. 인간도 기본적으로는 우주 먼지의 조합이다. 분자 속에 이미 있는 원소를 ‘추출’할 수 있을 뿐 원소의 생성은 모방할 수 없다는 것을 알게 된 것도 인류의 위대한 성취다. 문병로 교수 ...
과거 미분류
포스트 대표 이미지

[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 ...
과거 미분류
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...
과거 미분류
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 ...
과거 미분류
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....
과거 미분류
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....
과거 미분류
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....
과거 미분류
포스트 대표 이미지