EE학부 정명수 교수 연구팀, 항상 일정한 입출력 지연시간을 가지는 키벨류 데이터베이스를 위한 하드웨어-소프트웨어 SSD 프레임워크 세계 최초 개발 성

2

<(왼쪽부터) 전기및전자공학부 정명수 교수, 권미령 박사과정, 이승준 통합과정, 최현규 박사과정>

 

정명수 교수 연구팀이 세계 최초로 PLM SSD 기반, 키밸류 (KV) 저장장치용 하드웨어-소프트웨어 SSD 프레임워크를 삼성과 공동 개발에 성공하고 기존 데이터센터향 저장장치 및 스토리지 스택에 비해 항상 일정한 입출력 지연시간을 보장함으로서 페이스북/야후등의 사용자 워크로드에서 탁월한 성능향상을 보였다.

 

정명수 교수님 연구팀은 일정한 읽기 지연시간을 제공하는 NVMe에서 제시된 새로운 예측 지연 모드(Predictable Latency Mode, PLM) 인터페이스를 실제 데이터센터향 SSD 하드웨어 적용하여 긴 꼬리 지연시간을 제거한 로그 기반의 통합 키밸류 저장장치(Log-Structured Merge Key-Value Stores, LSM KV Store)용 하드웨어-소프트웨어 프레임워크, Vigil-KV를 세계 최초로 개발하였다. 이는 기존 데이터센터의 LSM KV Store 대비, 3.19배 빠른 꼬리 지연시간 및 34% 빠른 평균 지연시간을 자랑한다.

데이터베이스의 한 종류인 LSM KV Store는 다양한 응용 데이터를 관리하는 데 사용되어, 사용자 읽기 경험을 저하하지 않도록 특정 시간 안에 사용자 요청을 처리해야 한다. 이러한 문제를 해결하기 위해, SSD 내부 작업을 수행하지 않고 읽기 서비스와 관련된 결정적 (Deterministic) 모드에서 일정한 읽기 지연시간을 보장하는 PLM SSD를 활용하였다.

 

구체적으로 Vigil-KV 하드웨어는 여러 개의 PLM SSD를 연결해주는 PLM SSD 배열장치(RAID)로 구성함으로써 시스템 내부에 결정적 모드 SSD가 항상 존재하도록 하여 SSD 내부 작업을 없앤다. 또한, Vigil-KV 소프트웨어는 LSM KV Store 내부 동작으로 인해 결정적 모드가 해제되지 않도록 통합/완전저장(Compaction/Flush) 연산과 같은 LSM KV Store 동작과 사용자 요청을 스케줄링하였다.

 

연구팀이 제안한 연구성과 중 특히 주목할 만한 점은 세계 최초로 실제 SSD에서 PLM 인터페이스를 구현하였고, LSM KV Store용 하드웨어-소프트웨어 프레임워크로 일정한 읽기 지연시간을 제공한다는 것이다. 연구팀은 Linux 4.19.91 및 RocksDB 6.23.0을 사용하여 Vigil-KV 소프트웨어를 구현하였고, 1.92TB 데이터센터향 NVMe SSD에서 Vigil-KV 하드웨어의 프로토타입을 제작했다.

 

권미령, 이승준, 최현규 박사과정생들이 참여한 이번 논문은 이번 논문은 미국 칼스배드에서 지난 7월 11일에 열린 시스템 분야 최우수 학술대회인 2022 유즈닉스 연례학술대회(USENIX Annual Technical Conference, ATC)에서 논문명(Vigil-KV: Hardware-Software Co-Design to Integrate Strong Latency Determinism into Log-Structured Merge Key-Value Stores)으로 발표되었다.

 

또한 본 연구의 결과는 페이스북/야후의 사용자 입출력 실험에서 우수한 성능을 인정받고 삼성전자 산학협력 우수논문상에서 최우수상을 수상하였다 (최재혁 교수님 회로 연구와 공동 수상).

해당 연구는 삼성전자 전략산학의 지원을 받아 진행되었으며 해당 연구에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인하실 수 있다.

 

noname01

<삼성전자 우수논문상 최우수상을 수상 중인 권미령 박사과정생>

 

noname02

<수상 발표>

 

noname022

<연구 내용을 발표 중인 권미령 박사과정생>

 

noname03

<LSM KV store용 하드웨어-소프트웨어 프레임워크>

 

noname04

<평가 결과>

 

EE학부 박사과정 이동균 (유승협교수님랩) 2022 APC 학회 Student paper Prize 수상

캡처

[이동균학생, 유승협교수 사진, 왼쪽부터]

 

올해 7월에 열린 2022 Advanced Photonics Congress 학회에서 전기및전자공학부 박사과정 이동균 학생이 Congress Student Paper Prize를 수상하였다.

이동균학생이 수상한 당 학회는 전자공학 분야에서 전세계 유수의 교수 및 대학원생들이 모여 optical materials, optical signal processing, optical communications 및 integrated optics 분야에 대한 연구를 공유하고 발표하는 학회이다.

본 연구는 초박막 PI 및 elastomer array를 이용하여, 기계-광학적 측면에서의 엄밀한 분석을 토대로 신축형 유기 발광 다이오드 플랫폼에서 지속적으로 bottleneck이 되어오던 면적비를 높일 수 있는 새로운 방식을 제안하였고,

The Optical Devices and Materials for Solar Energy and Solid-state Lighting (PVLED) committee chair에 의해 2022 Advanced Photonics Congress Student Paper Prize로 선정되었다. 

 

EE학부 이가영교수 한국그래핀학회 신진학술상 수상

사진

[이가영교수 사진]
 
전기및전자공학부 이가영교수가 한국그래핀학회에서 개최하는 제9회 한국그래핀·2차원소재 심포지엄에서 신진학술상을 수상하였다.
신진학술상은 우리나라 그래핀 및 2차원 소재분야 발전에 기여한 40세 이하 연구자를 표창하기 위한 상이다. 
이가영 교수는 신진학술상의 부상인 상패와 상금 100만원을 수여받았다.
 
 
767 12
[수상식 행사사진, 학회장 안종현교수, 이가영교수, 왼쪽부터 ]
 

2022 한국센서학회 추계학술대회 정재웅교수 연구실 이시목(박사과정) 최우수 발표 논문상 수상

dataURItoBlob 2dataURItoBlob

[정재웅교수박사과정 이시목왼쪽부터]
 

정재웅 교수 연구실의 이시목 박사과정생이 2022 한국센서학회 추계학술대회에서 최우수 발표 논문상을 수상하였다. 

한국센서학회 추계학술대회는 매년 봄, 가을 개최하는 학회이며, 이번 학술대회는 지난 8월 24일부터 26일까지 여수에서 개최되었다. 

이시목 박사과정생은 “Adaptive Electronic Skin with High Sensitivity and Large Bandwidth based on Gallium Microdroplet-Elastomer Composite” 라는 제목의 논문을 발표하였고, 그 우수성을 인정받아 수상자로 선정되었다.

자세한 내용은 다음과 같다.

 

-학회명: 2022 한국센서학회 추계학술대회

 

-개최기간: 2022년 8월 24일 ~ 26일

 

-수상명: 최우수 발표 논문상

 

-저자: 이시목, 변상혁, 정재웅 (지도교수)

 

-논문명: Adaptive Electronic Skin with High Sensitivity and Large Bandwidth based on Gallium Microdroplet-Elastomer Composite

 

dataURItoBlob 1

 [수상식 사진한국센서학회 행사관계자이시목학생왼쪽부터]

KAIST EE학부 유민수 교수팀, 세계 최초 개인정보 보호 적용된 인공지능 반도체 개발

 

 

캡처

[유민수교수 사진]
 
전기및전자공학부 유민수 교수 연구팀이 `차등 프라이버시 기술이 적용된 인공지능(AI) 어플리케이션(Differentially private machine learning)’의 성능을 비약적으로 높이는 인공지능 반도체를 개발했다.
유민수 교수 연구팀은 차등 프라이버시 기술의 성능 병목 구간을 분석해 해당 기술이 적용된 어플리케이션의 성능을 크게 시킬 수 있는 `차등 프라이버시 머신러닝을 위한 인공지능(AI) 반도체 칩’을 개발한 것이다.
유 교수팀이 개발한 인공지능 반도체는 외적 기반 연산기와 덧셈기 트리 기반의 후처리 연산기 등으로 구성돼 있으며, 현재 가장 널리 사용되는 인공지능 프로세서인 구글 TPUv3 대비 차등 프라이버시 인공지능 학습 과정을 3.6 배 빠르게 실행시킬 수 있고,
엔비디아의 최신 GPU A100 대비 10배 적은 자원으로 대등한 성능을 낼 수 있다.
 
4명 캡처
 
[(왼쪽부터) 공동 제1 저자 박범식, 황랑기 연구원, 공동 저자 윤동호, 최윤혁 연구원]
 
KAIST 전기및전자공학부 박범식, 황랑기 연구원이 공동 제1 저자로, 윤동호, 최윤혁 연구원이 공동 저자로 참여한 이번 연구는 현지시간 오는 10월 1일부터 5일까지 미국 시카고에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `55th IEEE/ACM International Symposium on Microarchitecture(MICRO 2022)’에서 발표(논문명 : DiVa: An Accelerator for Differentially Private Machine Learning)될 예정이다.
 
캡처
 
[연구성과도 : ‘개인정보 보호 인공지능 AI 반도체 가속기’의 구조 모식도]
 
유민수교수의 당회 성과는 인공지능신문을 비롯한 주요언론에 소개 되었다.
 
관련 링크 :
인공지능신문 : http://www.aitimes.com/news/articleView.html?idxno=146435
연합뉴스 : https://www.yna.co.kr/view/AKR20201116072400063?input=1195m
파이낸셜 뉴스 : https://www.fnnews.com/news/202208212349474072
동아사이언스 : https://www.dongascience.com/news.php?idx=55893
Industry News : http://www.industrynews.co.kr/news/articleView.html?idxno=46829

EE학부 정명수 교수 연구팀, 세계최초로 차세대 CXL2.0 메모리 확장 플랫폼 개발

캡처

[정명수교수, 국동현박사과정,권미령박사과정,왼쪽부터]
 
정명수 교수 연구팀이 세계 최초로 자유롭게 확장되며 직접 접근 가능한 고성능의 차세대 인터페이스 컴퓨터 익스프레스 링크(CXL) 2.0 기반의 메모리 확장 플랫폼 다이렉트CXL (이하 DirectCXL)을 개발하였다.
 
정명수 교수 연구팀은 산업체/학계 최초로 CXL 하드웨어 시제품을 제작하고, 운영체제로 작동하는 단대단(End-to-End) 플랫폼을 구성하여 대규모 데이터를 다루는 데이터센터 응용을 시연하였다. 국내외 소수 대기업에서 메모리 장치 일부 단품에 대한 구성을 보여준 사례는 있지만, 전체 플랫폼을 구성하고 동작시켜 응용을 시연한 것은 정명수 교수 연구팀이 처음이다. DirectCXL 플랫폼은 기존 메모리 확장 플랫폼 대비 메모리 용량을 대폭 늘리면서 데이터센터 응용의 최대 3배 빠른 실행속도를 자랑한다.
 
데이터센터에서 주로 사용되던 기존 메모리 확장방식인 RDMA기반 메모리 확장은 CPU와 메모리로 이루어진 메모리 노드의 추가를 통해 시스템의 메모리 크기를 늘릴 수 있었지만, 성능 저하 및 추가적인 비용 소모가 크다는 단점이 있었다. 이러한 문제를 해결하기 위해 새로 등장한 CXL 프로토콜은 PCI 익스프레스 인터페이스를 기반으로 CPU와 장치 간 연결을 지원하며 높은 성능과 확장성을 제공하지만, 이를 기반으로 한 연구의 방향이 제대로 정립되지 않아 메모리 업계와 학계에서 어려움을 겪고 있었다.
 
연구팀은 CXL2.0을 통한 메모리 확장 연구의 초석과 솔루션을 제시하기 위해 메모리를 확장해 줄 장치인 ‘CXL 메모리 장치’와 ‘호스트 CXL 프로세서’, 여러 호스트를 다수의 CXL 메모리 장치에 연결해주는 ‘CXL 네트워크 스위치’ 그리고 메모리 확장 플랫폼 전반을 제어할 리눅스 운영체제 기반의 ‘CXL 소프트웨어 모듈을 개발하였다. 제안된 기술들을 통해 DirectCXL은 메모리 이외 컴퓨팅 자원의 추가비용 지불 없이 자유롭게 컴퓨터의 메모리를 확장하는 것이 가능하다.
 
DirectCXL은 기존 메모리 확장방식보다 효율적인 메모리 확장이 가능하며, 대규모 데이터를 이용하는 응용의 실행 시 높은 성능을 제공할 수 있어 데이터센터나 고성능 컴퓨팅 분야에서 다양하게 활용될 것으로 기대된다.
 
한편 이번 연구는 미국 칼스배드에서 지난 7월 11에 열린 시스템 분야 최우수 학술대회인 유즈닉스 연례 회의 ‘USENIX Annual Technical Conference, 2022’에 ‘DirectCXL’이라는 논문명(Direct Access, High-performance Memory Disaggregation with DirectCXL)으로 발표되었다. 
 
이외에도 미국 산호세에서 8월 2/3일에 열리는 플래시 메모리 정상회담(Flash Memory Summit)에서 CXL 컨소시움이 이끄는 CXL포럼에 발표될 예정이며 메타 (페이스북), 마이크로소프트와 함께 UK 탑 테크놀로지 기사인 The Next Platform에도 소개 되었다.
(https://www.nextplatform.com/2022/07/18/kaist-shows-off-directcxl-disaggregated-memory-prototype/).
 
‘DirectCXL’에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org/)에서 확인할 수 있으며 메타(페이스북) 추천시스템 기계학습 데이터 가속에 대한 시연 영상을 연구실 유튜브(https://youtu.be/jm8k-JM0qbM)에서 확인하실 수 있다.
 
 
 
 
1image01

[연구성과도 1. DirectCXL 플랫폼의 개요 및 CXL1.1과 CXL2.0의 차이]

 
더욱 자세한 정보를 확인하실 수 있도록 관련 링크를 아래와 같이 안내드립니다.
 
[Link]
 
네이버/ZDNet(지디넷): https://n.news.naver.com/mnews/article/092/0002264153?sid=105
전자신문: https://www.etnews.com/20220801000168
디지털타임즈: 
 http://www.dt.co.kr/contents.html?article_no=2022080102109931650003&ref=naver
파이넨셜뉴스: https://www.fnnews.com/news/202208011051322708

EE학부 김성민교수 연구팀,대규모 사물인터넷(IoT) 동시 통신 개발로 MobiSys 2022 Best paper award 수상

[왼쪽부터 김성민교수, 배강민 박사과정(1저자)]
 
최근 모바일 시스템 분야의 최고 권위 국제 학술대회인 `ACM 모비시스(ACM MobiSys)’ 2022에 발표한 논문이 최우수논문상을 수상했다. 
작년 KAIST 전기및전자공학부에서 아시아 대학 최초로 MobiSys 최우수논문상을 받은 이후 연속된 수상이다. 
 
연구성과 : 전기및전자공학부 김성민 교수 연구팀, 천 개 ~ 수천만 개 이상의 대규모 사물인터넷(IoT) 동시 통신 기술 최초 개발
 – 밀리미터파 후방산란 시스템 기술로 초저전력 대규모 통신 설계 성공
 – 기존에는 다양한 장애물과 반사체가 설치된 환경에서 제대로 작동하지 않았던 문제점을 해결 
 – 2035년까지 1조 개 이상의 사물인터넷 기기가 생산될 전망에서 높은 실용성 및 확장성으로 초연결 시대를 위한 핵심 역할 기대
 
전기및전자공학부 김성민 교수 연구팀이 세계 최초로 천 개에서 수천만 개에 이르는 대규모 사물인터넷(IoT) 동시 통신을 위한 `밀리미터파 후방산란 시스템’을 개발했다고 28일 밝혔다.
KAIST 전기및전자공학부 배강민 박사과정이 제1 저자로 참여한 이번 연구는 모바일 시스템 분야의 최고 권위 국제 학술대회인 `ACM 모비시스(ACM MobiSys)’ 2022에 이번 6월 발표됐으며, 최우수논문상을 수상했다.
 (논문명: OmniScatter: extreme sensitivity mmWave backscattering using commodity FMCW radar). 
이는 작년 KAIST 전기및전자공학부에서 아시아 대학 최초로 ACM 모비시스 2021 최우수논문상을 받은 이후 연속된 수상으로 더욱 의미가 깊다.
 
연구팀의 후방산란 기술은 10마이크로와트(μW) 이하의 초저전력으로 작동해 코인 전지 하나로 40년 이상 구동 가능해 설치 및 유지보수 비용을 크게 줄일 수 있다.
이번 성과는 5G/6G 등 차세대 통신에서 요구하는 네트워크 밀도를 훨씬 웃도는 연결성을 자랑한다. 이에, 이번 시스템은 향후 도래할 초연결 시대를 위한 디딤돌 역할을 할 수 있을 것으로 기대된다.
김성민 교수는 “밀리미터파 후방산란은 대규모로 사물인터넷 기기들을 구동할 수 있는 꿈의 기술이며 이는 기존 어떠한 기술보다도 더욱 대규모의 통신을 초저전력으로 구동할 수 있다ˮ라며 ” 이 기술이 앞으로 도래할 초연결 시대에 사물인터넷의 보급을 위해 적극적으로 활용되길 기대한다ˮ라고 말했다.

이번 연구는 삼성미래기술육성사업과 정보통신기획평가원의 지원을 받아 수행됐다.

 
mage
[연구성과도 1. 대규모 IoT 통신을 위한 태그(붉은색 삼각형). 1100개 태그 신호가 충돌없이 동시 통신]
 
 
image
[수상 행사 사진]
 
 
관련 언론 기사링크 : 전자신문 등
https://www.etnews.com/20220728000090
http://vip.mk.co.kr/news/view/21/21/3550810.html

EE학부 정명수 교수 연구팀, Non-Volatile Memories Workshop (NVMW) Memorable Paper Award 수상

캡처 1

[(왼쪽부터)전기및전자공학부 정명수 교수, 권미령 박사과정, 국동현 박사과정]
 
NVMW Memorable Paper Award는 비휘발성 메모리 분야에서 귄위있는 상으로, 최근 2년간 OSDI, SOSP, FAST, ISCA, MICRO, ASPLOS, 그리고 ATC와 같은 탑티어 학회 및 저널에 발표된 논문 중 2편을 선정하여 수여된다. 이때, NVMW 위원회 구성원이 모든 탑티어 논문 및 발표의 질뿐만 아니라 비휘발성 메모리 분야에 미치는 영향력까지 고려하여 수상 논문을 선정한다.
 
NVMW는 Center for Memory and Recording Research(CMRR)와 Non-Volatile Systems Laboratory(NVSL)에서 매년 개최하는 비휘발성 메모리 워크숍이며, 첨단 비휘발성 저장장치 및 시스템을 연구하는 세계 유수 대학 및 기업이 참여한다. 지난 13 년간, 9명의 NVMW memorable paper award 수상자가 있었다.
올해 권미령(제1 저자), 국동현, 그리고 이상원 박사과정생들로 구성된 정명수 교수 연구팀이 “HolisticGNN: Geometric Deep Learning Engines for Computational SSDs”으로 그 우수성을 인정받아 NVMW memorable paper award 수상자로 선정되었고, 이는 KAIST 최초 수상이다. 
 
이 연구는 대규모 GNN(graph neural network)을 위한 인-스토리지 처리(in-storage processing)에 관해 다룬다. 이를 위해 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(CSSD) 구조와 기계학습 프레임워크를 활용하였다. 구체적으로는 그래프 변환, 샘플링 등의 GNN 전처리 작업을 비휘발성 메모리 근처에서 직접 수행하고, 재구성 가능한 하드웨어로 그래프 기계학습 추론 과정을 가속한다. 연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA) 기반 계산형 스토리지(CSSD) 시스템에 그래프 기계학습 전용 신경망 가속 하드웨어 RTL과 그래프 전용 처리 컨트롤러/소프트웨어 프레임워크를 구현했다.
 
해당 연구는 삼성미래기술육성사업의 지원을 받아 진행되었으며, 자세한 내용은 연구실 웹사이트(http://camelab.org)와 삼성뉴스룸에서 확인할 수 있다.
 
image01

[연구성과도, 그림 . HolisticGNN 데모 결과 ]

 

 

02

[발표사진. NVMW에서 수상발표, 정명수 교수 연구실 권미령 박사과정생]

 

 
 

전기및전자공학부 장민석교수 연구팀, 고도로 응축된 빛-물질의 새로운 플랫폼 구현 성과 발표 등

 
 
캡처
[장민석교수, 메나브데 세르게이 연구교수, 왼쪽부터]
 
 
한국과학기술원(KAIST)은 공동연구를 통해 고도로 구속된 빛이 전파될 수 있는 새로운 플랫폼을 2차원 물질 박막으로 구현했다고 18일 밝혔다. 이번 연구 결과는 향후 강한 빛-물질 상호작용에 기반한 차세대 광전자 소자 개발에 기여할 것으로 예상된다.
 
원자 한 층으로 이뤄진 2차원 물질이 쌓이면 기존 2차원 물질과 다른 특성을 보이는 ‘반데르발스 결정’이 된다. ‘포논-폴라리톤’은 전기를 띠는 물질 속 이온 진동이 전자기파에 결합된 형태를 말한다. 특히 고전도도 금속에 놓인 반데르발스 결정에 생성되는 포논-폴라리톤은 응축성이 극대화된다. 폴라리톤 결정 속 전하가 영상 전하 영향으로 금속에 반사돼 ‘영상 포논-폴라리톤’ 이라는 새로운 폴라리톤이 생성되기 때문이다.
영상 포논-폴라리톤 형태로 전파되는 빛은 강한 빛-물질 상호작용을 유도할 수 있는데, 금속 표면이 거칠 경우 생성이 억제된다. 이에 기반한 광소자 실현 가능성이 제한된다. 이런 한계점을 돌파하고자 다섯 연구팀이 협업해 단결정 금속 위 영상 포논 폴라리톤 측정에 성공했다.
 
장민석 교수는 “이번 연구결과는 영상 폴라리톤, 특히 영상 포논-폴라리톤 장점을 잘 보여준다. 특히 영상 포논-폴라리톤이 갖는 저손실성과 강한 빛-물질 상호작용은 차세대 광전자 소자 개발에 응용될 수 있을 것으로 보인다”며 “연구팀의 실험 결과가 향후 메타표면, 광스위치, 광 센서 등 고효율 나노광학 소자 실용화를 앞당기는 데 도움이 되기를 바란다”고 설명했다.
 
메나브데 세르게이 연구교수가 제1 저자로 참여한 이번 연구는 국제 학술지 ‘사이언스 어드밴시스’에 지난 13일자 게재됐다. 한편 이번 연구는 삼성미래기술육성센터와 한국연구재단 지원을 받아 진행됐으며, 한국과학기술연구원(KIST), 일본 문부과학성, 덴마크 빌룸 재단 지원을 받았다.
 
□ 연구성과도
dataURItoBlob 2

[그림 1. hBN에 진행하는 영상 포논-폴라리톤을 초고화질로 측정하기 위해 사용되는 나노 팁]

 
□ 관련 링크 : 전자신문등 14개 언론 주요 링크
 
전자신문 https://www.etnews.com/20220718000234
헤럴드경제 : http://news.heraldcorp.com/view.php?ud=20220718000582
 

EE학부 유창동/권인소 교수 연구팀, ECCV 2022에 대조학습 기반(Adversarial Learning)의 자기지도 학습 가능방법 (Self Supervised Learning) 우수(Oral Presentation)연구발표

 

2022 eccv 홍보

[KAIST 유창동 교수, 권인소 교수, Chaoning Zhang 연구원, Kang Zhang 연구원,왼쪽부터]

 

ECCV는 1990년에 시작되었으며 영상 및 신호처리에 관한 인공지능 및 머신러닝의 최신 연구를 소개하는데 초점을 맞추고 있으며, Computer Vision 및 Deep Learning 분야의 최우수 학회 중 하나로 오랫동안 각광받고 있다. 올해 ECCV 2022 에서는 5,803 개의 제출 논문 중 1650 개의 논문 (28%) 이 채택되었으며 이중 158 개의 논문은 (2.7%) 우수 연구 성과로 채택되었다.

본 연구는 ‘Decoupled Adversarial Contrastive Learning for Self-supervised Adversarial Robustness’ 라는 제목으로 2022 년 10월 23에 Israel, Tel Aviv에서 우수 연구 성과로 발표될 예정이다.

 

인공지능이 많은 발전을 해서, 다양한 영역에서 좋은 성과를 내고 있다. 그렇지만 아직까지 사람의 완전한 신뢰를 받고 있지 못하다. 완전한 신뢰성을 확보하기 위해서는 적은 데이터로 학습이 되어야 하며, 강인성이 더 확보가 되어야 한다. 이 두 가지를 수행하기 위해 자기 지도학습 (Self-supervised learning) 과 적대적(adversarial learning)을 결합하는 노력들이 시도가 되었다.

이 논문에서는 그것을 증류기법을 이용해서 효율적으로 결합하여, label 없이 자가 학습을 할 수 있는 adversarial learning framework를 제안하였다.

본 연구는 ECCV Oral Presentation (acceptance rate 2.7%)  논문으로 채택이 되었다.

 

dataURItoBlob

[연구성과도 : Adversarial Learning 기반의 Self Supervised Learning 모식도]

 

이 연구는 과학기술정보통신부의 재원으로 정보통신기술진흥센터의 지원을 받아 수행됐다.