학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 1
  • 6
Learn More
학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 2
  • 6
Learn More
학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 3
  • 6
Learn More
학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 4
  • 6
Learn More
학부소개 세계 최고 IT 강국,
KAIST 전기 및
전자공학부가 만들어갑니다.
세계 최고 IT 강국, KAIST 전기 및 전자공학부가 만들어갑니다.

전기및전자공학부는 KAIST공과대학 소속의 학교
최대학과로서 대한민국, 나아가 전세계 전기및
전자공학 분야의 발전을 기원하고 있습니다.

  • 5
  • 6
Learn More
AI in EE AI and machine learning
are a key thrust
in EE research
AI and machine learning are a key thrust in EE research

AI/machine learning  efforts are already   a big part of   ongoing
research in all 6 divisions - Computer, Communication, Signal,
Wave, Circuit and Device - of KAIST EE 

  • 6
  • 6
Learn More
Previous slide
Next slide

Highlights

1 1
전기및전자공학부 윤찬현 교수 연구팀, 확산 모델의 비정상 데이터 생성 방지 기술 개발

3844436294526049410.3844438125282115741@dooray3844436294526049410.3844438125927810200@dooray3844436294526049410.3844438125940979132@dooray3844436294526049410.3844438125961007299@dooray

<(좌측부터) 윤찬현 교수, 장진혁 박사과정, 이창하 박사과정, 전민수 박사 사진>

 

우리 학부 윤찬현 교수 연구팀은 확산 모델 기반의 생성형 AI가 빈번하게 비정상 데이터를 생성하는 문제를 개선할 수 있는 Momentum기반 생성 기술을 개발하였다.

최근 큰 관심을 받고 있는 확산 모델 기반의 생성형 AI은 전체적으로 사실적인 영상을 생성하지만, 기이하게 꺾인 관절, 세 개뿐인 말의 다리 등 세부적인 부분에서 비현실적인 영상이 빈번하게 생성된다는 문제가 있다. 

 

3844436294526049410.3844438125977094538@dooray

그림 1 : 제안된 기법이 적용된 Stable Diffusion 생성 결과

 

연구팀은 문제해결을 위해 확산 모델의 생성 과정을 경사하강법과 같은 최적화 문제로 재해석하였다. 확산 모델의 생성 과정과 경사하강법은 모두 Generalized Expectation-Maximization 문제로 표현될 수 있으며, 시각화를 통해 생성과정에 실제로 수많은 Local Minima 및 Saddle Point들이 존재함을 확인할 수 있었다. 이를 통해, 부적절한 결과물들이 일종의 Local Minima 혹은 Saddle Point와 같음을 보였다.

이런 관찰에 기반해, 연구팀은 최적화에서 널리 사용되는 Momentum 기법을 생성 과정에 도입했다. 

 

다양한 실험을 통해 추가 학습이 없이도 부적절한 영상의 생성이 현저히 줄어들고, 연산량 대비 생성 영상의 품질이 올라감을 확인할 수 있었다. 본 결과는 확산모델의 생성 과정이 모두 점진적 최적화 문제라는 재해석을 제시하고, Momentum 기법을 생성 과정에 도입해 부적절한 결과물을 줄이는 결과를 보였다.

새로운 연구 성과를 통해 생성 결과의 개선뿐 아니라 생성형 AI에 대한 새로운 해석 및 다양한 후속연구를 가져올 것으로 기대된다. 해당 연구 결과는 올해 2월 캐나다 벤쿠버에서 열린 AI 분야 최우수 국제 학회 중 하나인 38th Annual AAAI Conference on Artificial Intelligence (AAAI 2024)에서 ‘Rethinking Peculiar Images by Diffusion Models: Revealing Local Minima’s Role’라는 제목으로 발표되었다.

2025학년도 봄학기 입학 대학원 신입생 모집과 관련하여 KAIST 대학원입학팀에 제출하는 서류 이외에 KAIST 전기및전자공학부 행정팀에 직접 제출해야 하는 서류들을 안내드립니다.

첨부의 파일을 다운로드 하시어, 내용 확인하시기 바랍니다.

*  석·박통합과정 지원자의 경우 지원 시에 지도예정교수님을 적극적으로 찾아보시고, 해당 교수님 TO와 관련하여 면담하신 후에 지원하시기를 적극적으로 권장합니다.

* 서류 제출 해당자의 경우 이메일 제출도 가능합니다. (자필 서명된 서류 스캔본으로 제출가능)

* 문의 및 제출처 : KAIST 전기및전자공학부 행정팀(E3-2, 1212호) 김태연 barbie1975@kaist.ac.kr(T.042-350-3402)

1 1
전기및전자공학부 윤찬현 교수 연구팀, 데이터셋 저작권 보호를 위한 워터마킹 기술 개발
 

3844433368535702746.3844433843193700912@dooray3844433368535702746.3844433843969348630@dooray

<(좌측부터) 윤찬현 교수, 장진혁 박사과정 사진>

 

전기및전자공학부 윤찬현 교수 연구팀은 AI에서 가장 중요한 요소들 중 하나인 데이터셋의 저작권을 보호할 수 있는 데이터셋 워터마킹 기술 ‘Undercover Bias’를 개발하였다.

Undercover Bias는 모든 데이터셋에는 편향이 존재하며, 편향 자체만으로도 변별력을 가지고 있다는 점에 착안해 인공적으로 생성된 가상의 편향을 삽입하는 기술이다. 본 연구는 기존의 기법들과 비교했을 때 빠르고, 눈에 보이지 않으며, 비인가 사용을 안정적으로 판별해낼 수 있다는 장점을 가지고 있다.

 

3844433368535702746.3844433843982137038@dooray

그림 1 : 제안된 기법 Undercover Bias 의 구동 방식

 

해당 기술은 최근 AI와 관련해 사회적으로 문제가 되고 있는 데이터의 저작권 및 개인 정보의 보호 문제를 해결하기 위한 방법으로, 목적이 되는 데이터셋에 아주 미미한 워터마크를 숨긴다. 이 때, 워터마크는 사람 눈으로 구별하기가 거의 불가능하며, 또한 기존 방법들과 달리 정답 Label에 아무런 변화도 주지 않는다는 특징이 있다.

그러나, 워터마크가 숨겨진 데이터셋으로 학습된 AI 모델들은 워터마크를 판별할 수 있다는 특징을 갖게 되며, 이 특징의 유무를 기반으로 해당 모델이 데이터셋을 비인가사용을 했는지 여부를 증명할 수 있다. 

 

연구팀은 제안된 방법을 통해 다양한 벤치마크에 대해 비인가 사용을 통해 학습된 모델을 100% 판별할 수 있음을 보였으며, 또한 인가 사용을 통해 학습된 모델을 3e-5%의 확률 이하로 오판별됨을 보여 매우 신뢰할 수 있음을 증명했다.

 
해당 연구 결과는 올해 10월 이탈리아 밀라노에서 열리는 컴퓨터 비전 분야 최우수 국제 학회 중 하나인 European Conference on Computer Vision (ECCV) 2024에서 ‘Rethinking Data Bias: Dataset Copyright Protection via Embedding Class-wise Hidden Bias’라는 제목으로 발표될 예정이다. ECCV은 컴퓨터 비전 분야에서 권위 있는 국제 학술대회로,  CVPR, ICCV 등의 학술대회와 함께 해당 분야 최고 수준의 국제 학회로 손꼽히고 있다. 
2
전기및전자공학부 윤찬현 교수 연구팀, 인공 신경망의 신뢰도 향상을 위한 네트워크 보정 기술 개발

   3844424708055224837.3844427237967205768@dooray3844424708055224837.3844427238207885858@dooray

<(좌측부터) 윤찬현 교수, 조규상 박사과정 사진>

 

전기및전자공학부 윤찬현 교수 연구팀은 신경망의 신뢰도 향상을 위한 네트워크 보정 알고리즘 “Tilt and Average ; TNA” 를  개발하는데 성공하였다.  TNA 기법은 기존의 보정 지도를 기반으로하는 접근 방식과는 다른 방식으로, 분류기의 마지막 층의 가중치를 변환하는 알고리즘으로, 기존의 기법과 매끄럽게 통합될 수 있다는데에 큰 장점을 보이며, 해당 연구는 인공지능 신뢰성 증진 연구에서  탁월한 기술로 평가받고 있다. 

 

3844424708055224837.3844427238236031186@dooray

그림 1 : 제안된 기법 (TNA; Tilt And Average) 알고리즘의 가중치 조정 방식

 

해당 기술은 기존 인공 신경망이 가지고 있던 overconfident prediction 문제를 해결하기 위한 새로운 알고리즘을 제안한다. 마지막 선형 층의 고차원 기하학을 활용하는 해당 알고리즘은, 가중치의 행 벡터간 각도적 측면에 집중하여 방향을 조정(Tilt)하고 평균치를 계산(Average)하는 메커니즘을 제안하였다. 

 

연구팀은 제안된 방법을 통해 보정에러를 최대 20%까지 줄일 수 있음을 확인하였으며, 해당 알고리즘은 기존의 보정 지도 기반 기술과 통합될 수 있다는 점에 장점을 가진다. 해당 연구 결과는 올해 7월 오스트리아 비엔나에서 열리는 인공지능 분야 최우수 국제 학회 중 하나인 ICML (International Confernce on Machine Learning, https://icml.cc)에서 발표될 예정이다. 올해로 41회째를 맞은 ICML은 머신 러닝 분야에서 오랜 역사와 최고의 권위를 가지고 있는 국제 학술대회로,  CVPR, ICLR, NeurIPs 등의 학술대회와 함께 해당 분야 최고 수준의 국제 학회로 손꼽히고 있다. 

 

한편, 이번 연구는 해양경찰청 의 지원과(RS-2023-00238652) 방위사업청(DAPA) 의 지원 (KRIT-CT-23-020)을 받아 수행됐으며, 해당 논문은 Gyusang Cho and Chan-Hyun Youn, “Tilt and Average : Geometric Adjustment of the Last Layer for Recalibration” , ICML (2024) 로 찾아볼 수 있다.

전기및전자공학부 김창익 교수 연구팀, 비디오 인식의 새로운 패러다임을 여는 고효율 모델 ‘VideoMamba’ 개발

1

<(좌측부터) 김창익교수, 박진영 석박통합과정, 김희선 박사과정, 고강욱 박사과정, 김민범 박사과정 사진>

 

전기및전자공학부 김창익 교수 연구팀이 고효율 비디오 인식 모델 ‘비디오맘바(VideoMamba)‘를 개발했다고 9일 밝혔다. 비디오맘바는 챗GPT와 같은 거대 언어 모델의 근간이 되는 트랜스포머로 구축된 기존 비디오 모델보다 더 효율적이고 경쟁력 있는 성능을 보여, 비디오 활용 분야에서 새로운 패러다임을 여는 연구로 평가받고 있다.

 

3843678055786599913.3843678155455577228@dooray

그림 1 : 비디오맘바의 트랜스포머 기반 비디오 인식 모델 대비 낮은 메모리 사용량과 빠른 추론 속도 

 

비디오맘바는 기존 트랜스포머 기반 모델들이 가지고 있는 높은 계산 복잡성을 해결하기 위해 설계된 새로운 비디오 인식 모델이다. 기존의 트랜스포머 기반 모델들은 셀프-어텐션(self-attention) 메커니즘에 의존하여 계산 복잡도가 제곱으로 증가하는 문제를 가지고 있었으나, 김창익 교수 연구팀의 비디오맘바는 선택적 상태 공간 모델(SSM) 메커니즘을 활용하여 선형 복잡도로 효율적인 처리가 가능하다.

이를 통해 비디오맘바는 비디오의 시공간적 정보를 효과적으로 포착하여 긴 종속성을 가진 비디오 데이터도 효율적으로 처리할 수 있다. 

 

3843678055786599913.3843678155557232682@dooray

그림 2: 비디오맘바 내부의 시공간적 전방 및 후방 선택적 상태 공간 모델 상세 구조

 

김창익 교수 연구팀은 비디오 인식 모델의 효율성을 극대화하기 위해 비디오맘바에 시공간적 전방 및 후방 선택적 상태 공간 모델(spatio-temporal forward and backward SSM)을 도입하였다. 이 모델은 순서가 없는 공간 정보와 순차적인 시간 정보를 효과적으로 통합하여 비디오 인식 성능을 향상시킨다. 연구팀은 다양한 비디오 인식 벤치마크에서 비디오맘바의 성능을 검증하였다.

그 결과, 비디오맘바는 낮은 GFLOPs(Giga Floating Point Operations, 기가 부동소수점 연산)와 메모리 사용량으로도 높은 정확도를 기록하였으며, 추론 속도(Inference speed)또한 매우 빠르다. 

 

비디오맘바는 비디오 분석이 필요한 다양한 응용 분야에서 효율적이고 실용적인 솔루션을 제공할 수 있다. 예를 들어, 자율 주행에서는 주행 영상을 분석하여 도로 상황을 정확하게 파악하고, 보행자와 장애물을 실시간으로 인식해 사고를 예방할 수 있다. 의료 분야에서는 수술 영상을 분석하여 환자의 상태를 실시간으로 모니터링하고 긴급 상황 발생 시 신속히 대처할 수 있다.

스포츠 분야에서는 경기 중 선수들의 움직임과 전술을 분석하여 전략을 개선하고, 훈련 중 피로도나 부상 가능성을 실시간으로 감지해 예방할 수 있다. 비디오맘바의 빠른 처리 속도와 낮은 메모리 사용량, 높은 성능은 이러한 다양한 비디오 활용 분야에 큰 장점을 제공할 것이다.

 

본 연구에는 KAIST 전기및전자공학부 박진영 석박사통합과정, 김희선 박사과정, 고강욱 박사과정이 공동 제1 저자, 김민범 박사과정이 공동 저자, 그리고 김창익 교수가 교신 저자로 참여했다. 연구 결과는 올해 9월 이탈리아 밀라노에서 열리는 컴퓨터 비전 분야 최우수 국제 학회 중 하나인 ‘European Conference on Computer Vision (ECCV) 2024’에서 발표될 예정이다. (논문명: VideoMamba: Spatio-Temporal Selective State Space Model) 

 

한편, 이번 연구는 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행됐다 (No. 2020-0-00153, 기계학습 모델 보안 역기능 취약점 자동 탐지 및 방어 기술 개발).

Inline image 2024 07 09 10.41.39.542
 전기및전자공학부 정명수 교수 연구팀, ‘CXL-GPU’시장 개화.. KAIST, 고용량과 성능 모두 잡은 GPU 개발

3842864258736465856.3843537081479012957@dooray

<정명수 교수 연구팀 사진>

 

최근 대규모 AI 서비스 제공 최전선에 있는 빅테크들은 더 좋은 성능을 사용자들에게 제공하기 위해 경쟁적으로 모델 및 데이터의 크기를 증가시키는 추세이며, 최신 대규모 언어모델은 학습을 위해 수에서 수십 테라바이트(TB, 10^12 바이트)의 메모리를 요구한다. 국내 연구진이 현재 AI 가속기 시장을 독점하고 있는 엔비디아(NVIDIA)에 맞설 수 있는 차세대 인터페이스 기술이 활성화된 고용량·고성능 AI 가속기를 개발했다.

 

전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 차세대 인터페이스 기술인 CXL(Compute Express Link)이 활성화된 고용량 GPU 장치의 메모리 읽기/쓰기 성능을 최적화하는 기술을 개발했다고 8일 밝혔다. 

 

최신 GPU의 내부 메모리 용량은 수십 기가바이트(GB, 10^9 바이트)에 불과해 단일 GPU만으로는 모델을 추론·학습하는 것이 불가능하다. 대규모 AI 모델이 요구하는 메모리 용량을 제공하기 위해 업계에서는 일반적으로 GPU 여러 대를 연결하는 방식을 채택하지만, 이 방법은 최신 GPU의 높은 가격으로 인해 총소유비용(TCO·Total Cost of Ownership)을 과도하게 높이는 문제를 일으킨다.

 

CXL-GPU 대표 그림

< CXL-GPU 대표 그림 >

 

이에 차세대 연결 기술인 CXL(Compute Express Link)을 활용해 대용량 메모리를 GPU 장치에 직접 연결하는‘CXL-GPU*’구조 기술이 다양한 산업계에서 활발히 검토되고 있다. 하지만 CXL-GPU의 고용량 특징만으로는 실제 AI 서비스에 활용되기 어렵다. 대규모 AI 서비스는 빠른 추론·학습 성능을 요구하기 때문에, GPU에 직접적으로 연결된 메모리 확장 장치로의 메모리 읽기/성능이 기존 GPU의 로컬 메모리에 준하는 성능이 보장될 때 비로소 실제 서비스에 활용될 수 있다.

 

*CXL-GPU: CXL을 통해 연결된 메모리 확장 장치들의 메모리 공간을 GPU 메모리 공간에 통합시킴으로써 고용량을 지원한다. 통합된 메모리 공간 관리에 필요한 동작들은 CXL 컨트롤러가 자동으로 처리해주므로, GPU는 기존에 로컬 메모리에 접근하던 방식과 동일한 방식으로 확장된 메모리 공간에 접근할 수 있다. 기존 메모리 용량을 늘리기 위해 고가의 GPU를 추가 구매하던 방식과 달리, CXL-GPU는 GPU에 메모리 자원만 선택적으로 추가할 수 있어 시스템 구축 비용을 획기적으로 절감할 수 있다. 

 

우리 연구진은 CXL-GPU 장치의 메모리 읽기/쓰기 성능이 저하되는 원인을 분석해 이를 개선하는 기술을 개발했다. 메모리 확장 장치가 메모리 쓰기 타이밍을 스스로 결정할 수 있는 기술을 개발하여 GPU 장치가 메모리 확장 장치에 메모리 쓰기를 요청하면서 동시에 GPU 로컬 메모리에도 쓰기를 수행하도록 설계했다. 즉, 메모리 확장 장치가 내부 작업을 수행 상태에 따라 작업을 하도록 하여, GPU는 메모리 쓰기 작업의 완료 여부가 확인될 때까지 기다릴 필요가 없어 쓰기 성능 저하 문제를 해결할 수 있도록 했다.

제안하는 CXL-GPU의 구조

< 제안하는 CXL-GPU의 구조 >

 

또한 연구진은 메모리 확장 장치가 사전에 메모리 읽기를 수행할 수 있도록 GPU 장치 측에서 미리 힌트를 주는 기술을 개발했다. 이 기술을 활용하면 메모리 확장 장치가 메모리 읽기를 더 빨리 시작하게 되어, GPU 장치가 실제 데이터를 필요로 할 때는 캐시(작지만 빠른 임시 데이터 저장공간)에서 데이터를 읽어 더욱 빠른 메모리 읽기 성능을 달성할 수 있다.

CXL-GPU의 하드웨어 프로토타입

< CXL-GPU의 하드웨어 프로토타입 >

 

이번 연구는 반도체 팹리스 스타트업인 파네시아(Panmnesia)*의 초고속 CXL 컨트롤러와 CXL-GPU 프로토타입을 활용해 진행됐다. 연구팀은 파네시아의 CXL-GPU 프로토타입을 활용한 기술 실효성 검증을 통해 기존 GPU 메모리 확장 기술보다 2.36배 빠르게 AI 서비스를 실행할 수 있음을 확인했다. 해당 연구는 오는 7월 산타클라라 USENIX 연합 학회와 핫스토리지의 연구 발표장에서 결과를 선보인다.

 

*파네시아는 업계 최초로 CXL 메모리 관리 동작에 소요되는 왕복 지연시간을 두 자리 나노초(nanosecond, 10^9분의 1초) 이하로 줄인 순수 국내기술의 자체 CXL 컨트롤러를 보유하고 있다. 이는 전세계 최신 CXL 컨트롤러등 대비 3배 이상 빠른 속도다. 파네시아는 고속 CXL 컨트롤러를 활용해 여러 개의 메모리 확장 장치를 GPU에 바로 연결함으로써 단일 GPU가 테라바이트 수준의 대규모 메모리 공간을 형성할 수 있도록 했다. 

정명수 교수는 “CXL-GPU의 시장 개화 시기를 가속해 대규모 AI 서비스를 운영하는 빅테크 기업의 메모리 확장 비용을 획기적으로 낮추는 데 기여할 수 있을 것”이라 말했다.

CXL-GPU 실행 시간 평가 결과

< CXL-GPU 실행 시간 평가 결과 >

 
Inline image 2024 07 08 16.58.42.227

윤찬현 교수, 베트남 하노이 과학기술대학 및 대전 위성전문기업과 위성시스템기술 전문 대학원 과정 신설을 위한 MOU 체결

 

Inline image 2024 07 08 16.58.42.227

<(좌측부터) 윤찬현 교수, 김영욱 대표(아이옵스), 김소영 국제협력처장, 응우엔 퐁 띠엔 부총장(하노이공대), 호왕 시 홍 부학장(하노이공대), 최명진 대표(한컴인스페이스),  트룽 흐엉 교수(하노이공대) 사진>

 

전기및전자공학부 윤찬현 교수는 위성시스템과 활용기술에 대한 대학원 과정 신설을 위해 베트남 하노이 과학기술대학(Hanoi University of Science and Technology; 이하 HUST) 및 대전 소재 위성이며 시스템 및 서비스에 특화된 기업들과 업무협력을 추진한다. 
 
이번 업무협력은 위성시스템 및 데이터를 활용한 해양 모니터링, 기후 변화 대응 등 다양한 분야에서 전문성을 키울 수 있게 한-베트남 대학 간의 연구 및 교육 협력을 지향한다. 특히, KAIST가 공동연구에 참여하고 있는 위성활용기술(주관: 항공우주연구원)에 기반하여 국내 위성기술 전문기업과의 한-베트남 간 미래 위성시스템 및 서비스 기술등과 관련한 산학 협력을 강화하고자 한다.
 
이를 위해 KAIST는 하노이공대와 함께 위성시스템 및 활용기술에 있어서 교육 및 연구 협력을 추진하며, 위성시스템기술 전문대학원 과정을 KAIST 에 신설하기로 양해각서(MoU)를 체결했다. 이를 위하여, KAIST 전기및전자공학부(KAIST-EE)와 하노이공대 전기및전자공학부(HUST-SEEE)는 교육과정 구성, 학생 교류 등 구체적인 교육 내용에 대해 긴밀하게 협력하기로 했다. 
또한 KAIST는 HUST 및 ㈜I-OPS(대표 김영욱), ㈜한컴인스페이스(대표 최명진) 등의 위성전문 기업과 KAIST 가 추진하는 ‘위성시스템 기술 전문대학원 프로그램(GST) 신설을 지원하는 양해각서’를 별도로 체결했다.
 
뉴스페이스 시대 우주, 위성기술의 메카가 되어가는 대전지역의 위성기술 특화 전문기업인 ㈜I-OPS와 ㈜한컴인스페이스는 기술협력 및 HUST 우수 인력 양성을 지원하고, 나아가 HUST와 공동으로 베트남의 위성 통신 기업인 Viettel 항공우주연구소,  VATM등과 위성기술 및 응용서비스 협력을 추진하기로 했다.
 
윤찬현 교수는 이번 업무협력을 토대로 “위성시스템의 핵심 기술인 위성 온보드 컴퓨팅, 센싱, 통신 및 신호처리 등 각 핵심기술별로 KAIST 전기전자공학부의 축적된 이론 및 심화 전공, 융복합적인 교육과 연구개발 능력 그리고 국내 위성관련 기업의 차세대 위성시스템 개발, 운영 역량을 상호 발전시켜 국내 위성산업의 글로벌 비즈니스 경쟁력을 향상 시키는데 도움이 되길 기대한다”고 밝혔다.
 
이번 협력은 한국과 베트남의 학술 및 산업 간의 글로벌 위성 교육 네트워크 구축을 통해 양국의 우주산업 발전과 글로벌 경쟁력에 기여할 것으로 기대된다.
 
Inline image 2024 07 02 10.57.33.530

전기및전자공학부 유민수 교수, 2024 미국 전기전자공학회(IEEE)/전산공학회(ACM) International Symposium on Computer Architecture 학술대회의 명예의 전당 헌액

Inline image 2024 07 02 10.57.33.530

<유민수 교수 사진>

 

전기및전자공학부 유민수 교수가 올해 미국 전기전자공학회(IEEE)/전산공학회(ACM) International Symposium on Computer Architecture 학술대회(약칭 ISCA)의 명예의 전당(Hall of Fame)에 헌액되었다.
 
올해로 51회 째를 맞은 ISCA (https://www.iscaconf.org/isca2024/)는 컴퓨터 아키텍쳐 분야에서 오랜 역사와 최고의 권위를 가지고 있는 국제 학술대회로서, MICRO (IEEE/ACM International Symposium on Microarchitecture), HPCA (IEEE International Symposium on High-Performance Computer Architecture) 학술대회와 함께 컴퓨터 아키텍쳐 분야 3대 국제 학회로 손꼽히고 있다.
 
유민수 교수는 컴퓨터 아키텍쳐 연구 분야 중에서 인공지능 (AI) 반도체 및 GPU 기반의 고성능 컴퓨팅 시스템 연구에 대한 국내 최고 권위자로, 2021년 HPCA 학술대회 명예의 전당, 2022년 MICRO 학술대회 명예의 전당에 입성한 데에 이어서 올해 2024년 ISCA 학술대회에도 총 8편 이상의 논문을 게재하여 ISCA 명예의 전당에 회원으로 추대되었다.
 
한편 이번 2024년 ISCA 학술대회는 6월 29일부터 7월 3일까지 아르헨티나 부에노스아이레스에서 열리며, 유민수 교수 연구팀은 해당 학술대회에서 총 3편의 논문을 발표할 예정이다 (아래 참고).
 
[유민수 교수 연구팀 ISCA 발표 논문 정보]
 
1. Yujeong Choi, Jiin Kim, and Minsoo Rhu, “ElasticRec: A Microservice-based Model Serving Architecture Enabling Elastic Resource Scaling for Recommendation Models,” ISCA-51
 
2. Yunjae Lee, Hyeseong Kim, and Minsoo Rhu, “PreSto: An In-Storage Data Preprocessing System for Training Recommendation Models,” ISCA-51
 
3. Ranggi Hwang, Jianyu Wei, Shijie Cao, Changho Hwang, Xiaohu Tang, Ting Cao, and Mao Yang, “Pre-gated MoE: An Algorithm-System Co-Design for Fast and Scalable Mixture-of-Expert Inference,” ISCA-51 

 

 

공지사항

MORE

학부일정

세미나

[2024 Fall Regular Track]
Global EPSS Program
Application Guide