대학원생/학부연구생 모집

Intelligent Embedded Systems 연구실은 On-device Machine Learning지능형 Storage/Memory 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 NPU (Neural Processor Unit) 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 구조 및 NPU Compiler를 연구하고 있습니다.

또한, 대량의 데이터를 처리해야 하는 최근 응용에서 문제가 되고 있는 CPU와 Memory사이, 또는 Host와 Storage사이의 data transfer를 줄이기 위해서 Memory에 연산 장치를 탑재한 PIM (Processing-in-Memory)과 SSD storage 장치내부에서 연산을 수행하는 ISC (In-Storage Computing) 연구 및 ML 기법을 이용한 SSD 최적화 연구, 운영체제 최적화 기법도 연구하고 있습니다.

관련제품: 삼성전자 HBM-PIM, 하이닉스 AiM, 삼성전자 SmartSSD

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.

정보과학회 KCC2014 우수 논문 수상 (한규화, 홍경환, 곽현호)

아래 3편이 KCC2014 우수논문상으로 선정되었음.

한규화, 신동군
데이터베이스의 원자성 쓰기 보장을 위한 파일시스템 및 SSD 개발

홍경환, 신동군
임베디드 Node.js의 반응 시간 향상을 위한 이벤트 콜백 병렬화

곽현호, 신동군
부분 가비지 컬렉션을 이용한 로그 구조 파일시스템의 쓰기 성능 개선 (최우수 논문)