Embedded Software 연구실은 On-device Machine Learning과 지능형 Storage System을 연구하는 곳입니다.
최근 Machine Learning(ML)의 발전으로 다양한 장치에서 ML 기반 응용이 개발되고 있으며, 고성능 server 컴퓨터의 GPU를 사용하지 않고 IoT장치나 Mobile Phone 내부에서 ML 응용을 실행하는 on-device machine learning의 필요성이 강조되고 있습니다.
하지만, 연산량이 많고 자원소모가 큰 deep neural network (DNN) model을 on-device에서 실행하기 위해서는 연산량과 자원사용량이 적은 light-weight DNN을 사용해야 하며 processor나 hardware 가속기의 기능을 적극 활용해야 합니다.
본 연구실에서는 DNN compression (pruning, quantization) algorithm 및 이를 위한 DNN training 기법, Resource-constrained Neural Architecture Search (NAS) 기법, Sparse DNN을 위한 architecture/compiler 기법, H/W accelerator 구조를 연구하고 있습니다.
또한, 대표적인 embedded 장치인 solid-state drive (SSD)에서 BigData와 Machine Learning 응용을 실행하는 In-Storage Computing 연구와 ML 기법을 이용한 SSD 최적화 연구, 운영체제 최적화 기법도 연구하고 있습니다.
현재 IITP에서 지원하는 Software Star Lab으로 지정되어 8년간 연 3억원의 funding을 지원받아 지능형 IoT 프레워크를 개발하는 과제를 진행 중입니다.
Machine Learning, Computer Architecture, Compiler, Operating System에 관심 있는 대학원과 학부연구생을 상시 모집하고 있으니 관심 있는 학생은 면담 요청해 주시기 바랍니다.
