주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

AI를 위한 클라우드 시스템SW 연구

고성능/고효율 AI 학습 및 추론을 위한 프레임워크 연구

고성능/지능형 스토리지 시스템 연구

□최근 3년간 실적

스토리지 시스템 기술 해외기술이전 1건

Q1급 SCI 저널 발표 4건

우수국제학술대회 논문 발표 2건

현재 진행 중인 연구과제

학습특성-인지 분산학습-친화적 클라우드 오케스트레이션 연구 / 한국연구재단

매니코어 기반 초고성능 스케일러블 OS 기초 연구 / 정보통신기획평가원

차세대 컴퓨팅환경을 위한 스토리지시스템 및 응용프레임워크 최적화 기술 연구 / 한국연구재단

차세대 컴퓨팅환경을 위한 스토리지시스템 및 응용프레임워크 최적화 기술 연구 / 삼성전자

ICT 명품인재양성사업 / 정보통신기획평가원

향후 전망 및 진출 가능한 진로

□향후 전망

산업 트렌드의 지속적인 변화에도 SW 스택의 근간이 되는 시스템SW의 중요성과 수요는 늘 컸으며, 과거와 현재 모두 SW 엔지니어 중 최고 수준의 연봉과 대우를 받음

AI 서비스의 엔진으로서 클라우드 시장이 폭발적으로 증가하고 있어, AI 중심의 클라우드 기술을 연구하는 본 연구실의 기술 스택은 향후 높은 수요가 있을 것으로 예상

□진출 가능한 진로

삼성전자, SK Hynix, 카카오, TmaxSoft, JP Morgan 등 기업

한국전자통신연구원 등 정부출연연구소'

필요 이수 과목 및 지식

<필수 이수 과목>

System Programming, Computer Architecture, Operating systems

<기타>

Machine Learning : 개론 수준의 이해

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

1. On-device Machine Learning

연산량이 많고 자원소모가 큰 deep neural network (DNN) model을 IoT장치나 Mobile Phone과 같은 edge device에서 실행하는 On-device ML 기술

- DNN Compression (pruning, quantization) 기법 및 이를 위한 DNN training 기법

- Resource-constrained Neural Architecture Search (NAS) 기법

- Sparse DNN을 위한 architecture/compiler 기법

- MCU를 위한 TinyML 기술

2. 인공지능 반도체

* NPU (Neural Processing Unit) 구조 및 compiler 기법 연구

* PIM (Processing-in-Memory) 구조 및 compiler 기법 연구

3. 지능형 Storage Systems

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 기법 연구

지도교수는 삼성전자에서 SSD 개발업무를 진행. 삼성전자 메모리사의 자문교수를 역임.

□최근 3년간 실적

SCIE 논문 6편, 국제 Conference 14편

Top-Tier Conference인 USENIX ATC, FAST, DATE, OSDI(컴퓨터시스템분야 최정상 flagship 학회)에 논문 발표

현재 진행 중인 연구과제

High-Performance Exabyte Storage Systems (HiPER) 클러스터 산학과제 (삼성전자 메모리사, 2022.3~2024.2)

향후 Exabyte 스토리지 장치로 부가되는 ZNS SSD 및 관련 OS 최적화

C-ITS용 영상 기반 다중 객체 검출을 위한 NPU SoC 및 S/W 개발 (인공지능반도체응용기술개발, 2022.4~2024.12)

NPU에서 CNN 고속 처리를 위한 Compiler 기법 연구

ZNS++: Zoned Namespace SSD를 위한 확장 인터페이스 및 Zone 관리 기법 연구 (중견연구, 2021.9.~2025.2)

차세대 ZNS 아키텍쳐 연구

“지능형 IoT 장치용 소프트웨어 프레임워크” (IITP, SW스타랩, 2017.4.~2024.12) 3억X 8년간 funding 지원

지능형 IoT 장치에서 DNN 실행을 위한 소프트웨어 프레임워크 개발

향후 전망 및 진출 가능한 진로

□향후 전망

머신러닝 최적화 분야: AI 분야를 선도하는 대표적인 글로벌 기업인 Google은 자신들의 Tensorflow와 TPU(Tensor Processor Unit)를 통해 AI 응용을 위한 SW와 HW 환경을 모두 갖추고 있다. Tensorflow/TPU를 “사용”하는 기업과 “개발”하는 기업은 기술력에 큰 차이가 있다. 본 연구실은 Tensorflow/TPU와 같이 AI 응용을 위한 최적화된 시스템 환경을 제공하는 기술을 연구하는 곳이다. 머신러닝을 실행하기 위한 컴퓨터 시스템 개발은 하드웨어, 컴파일러, 운영체제, 머신러닝 등 다양한 전공지식이 필요한 고부가가치의 연구분야이다. 해당 분야를 전공한 학생은 삼성전자 LSI/종기원/무선사과 같은 제조업체에서 edge/mobile 장치용 NPU와 ML용 시스템 개발 작업을 할 수 있으며, 네이버, 카카오, SKT 등 AI 응용 개발 업체에서도 효율적인 ML 시스템 개발 업무 및 DNN 모델 최적화 작업 등을 할 수 있다.

지능형 스토리지 분야: 삼성전자, 하이닉스 등 SSD 개발업체나 스마트폰 개발 업체로 진출이 가능하며, 국내의 SSD 기술이 세계 최정상이기 때문에 향후 미국의 스토리지 업체로 이직할 수 있는 기회도 많음. 또한, 단순 SSD 제조사뿐만 아니라 Amazon, Google, MS 등 클라우드 업체에서 스토리지 시스템 개발 업무도 가능함. 현재 본 연구실 졸업생 중에 삼성전자 메모리사에 16명, 하이닉스에 4명, 인텔에 1명 근무 중.

□진출 가능한 진로

None

필요 이수 과목 및 지식

- Machine Learning

- Computer Architecture

- Operating System

학부연구생이 하는 일과 선배의 팁/후기

- CNN Model 최적화

- Transformer/BERT 최적화

- PIM용 DNN 응용 개발

- SmartSSD 응용 개발

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

1. 운영체제

오픈 소스 운영체제인 리눅스 환경에서 자원 관리, 스케줄링, 동기화 등과 같은 운영체제에 대한 전반적인 연구와 더불어 NUMA 등의 최신 컴퓨터 아키텍처에 최적화된 다양한 운영체제 기술을 연구함.

2. 파일 시스템 및 스토리지 시스템

차세대 메모리 및 스토리지 장치 (예, Persistent Memory, ZNS SSD, Optane SSD)의 특성을 고려하여 스토리지 시스템의 I/O 처리 성능 개선 기법 및 고효율의 데이터 일관성 유지 기법을 연구함. 더 나아가 미래 컴퓨팅 환경을 고려한 하이브리드 스토리지/메모리 구조에 대해 연구함.

최근 다양한 기업(예, Intel, 삼성전자, SK하이닉스, LG전자)에서 초고성능 저장장치를 개발하고 있으며, 이러한 하드웨어 기술의 발전으로 인해 시스템 최적화 기술의 필요성이 증가하고 있으며, 이와 관련한 연구를 진행하고 있음.

3. 가상화 기술

클라우드 환경에서의 컴퓨팅 자원 공유, 동적 자원 관리, 고속 장치 가상화 기술 등 가상화 핵심 기술에 대한 연구 및 대규모 클라우드 컴퓨팅 환경에 적용 가능한 다양한 가상화 기술 연구를 수행함.

Amazon, Microsoft, Google, VMware 등 미국 유수의 기업들이 가상화 기술 기반의 클라우드 서비스를 제공하고 있으며, 네이버, 카카오 등의 국내 IT 기업에서 또한 클라우드 서비스 개발 및 사업을 활발히 진행하고 있어 관련 기술의 중요도가 높아지는 추세임.

4. UI/UX 플랫폼

중대형 디스플레이 기반의 다중 사용자 지원을 위한 개방형 UI/UX 소프트웨어 플랫폼 기술을 연구함. 특히, UX 엔진 기술을 중심으로 다중 입출력 지원 및 다중 사용자 관리 및 응답성 향상을 위한 플랫폼 최적화 기술을 연구함.

Apple, 삼성전자, MS, Google 등과 같이 일반 사용자를 위한 모바일/데스크탑 등을 생산하는 기업에서는 한정적인 시스템 자원을 효율적으로 사용하여 UI/UX를 향상시키기 위한 운영체제 및 플랫폼 기술을 필요로 함. 최근, 폴더블 디바이스 등 다양한 폼팩터의 컴퓨팅 기기가 등장함으로써 이러한 요구가 더욱 증가하고 있는 추세임.

□최근 3년간 실적

[최근 3년간 실적]

1. 논문

- SCI(E) 학술지: 11편, 국제 학술대회: 21편

- 국내 학술지: 15편, 국내 학술대회: 60편

2. 특허

- 해외특허등록: 6건, 해외특허출원: 2건

- 국내특허등록: 14건, 국내특허출원: 11건

3. 수상이력

- 국내·외 우수 논문상 및 우수 논문 발표상 등 총 11건

[최근 3년간 분야 별 대표 실적]

1. 운영체제

- "Towards Application-level I/O Proportionality with a Weight-aware Page Cache Management,"IEEE International Conference on Massive Storage Systems and Technology, 2020-10-30.

- "Thread Evolution Kit for Optimizing Thread Operations on CE/IoT Devices,"IEEE Transactions on Consumer Electronics, 2020-10-23.

2. 파일 시스템 및 스토리지 시스템

- "FragPicker: A New Defragmentation Tool for Modern Storage Devices,"ACM Symposium on Operating Systems Principles, 2021-10-26.

- "Making Application-level Crash Consistency Practical on Flash Storage,"IEEE Transactions on Parallel and Distributed Systems, 2020-05-01.

3. 가상화 기술

- "Designing Transactional Hypervisor for Improving the Performance of Qcow2-based Virtual Disks,"IEEE ACCESS, 2020-10-22.

- "VM-aware Flush Mechanism for Mitigating Inter-VM I/O Interference,"Design, Automation and Test in Europe, 2019-03-28.

4. UI/UX 플랫폼

- “METHOD FOR USER BASED APPLICATION GROUPING UNDER MULTI-USER ENVIRONMENT AND TABLE TOP DISPLAY APPARATUS FOR PERFORMING THE SAME”,[등록일]: 2021-06-29, [출원번호] : 16/188,844, [등록번호] : 11,048,529 [국제특허]

- "URS: User-Based Resource Scheduling for Multi-User Surface Computing Systems,"IEEE Transactions on Consumer Electronics, Vol. 65, No. 3, pp. 426-433, 2019-06-24.

현재 진행 중인 연구과제

1. 차세대 하드웨어 장치 기반의 빅데이터 응용 지원을 위한 지능형 미들웨어 개발, 2022-06-01 ~ 2024-02-29, 과학기술정보통신부

- 차세대 메모리와 스토리지 자원을 사용자 및 응용이 쉽고 편하게 사용할 수 있도록 하기 위한 지능형 미들웨어를 개발하고자 함. 이를 위해 범용 응용들의 컴퓨팅 자원 요구 특성을 실시간으로 분석하고 이를 시각화하는 도구를 개발하며, 이를 기반으로 유저-커널 계층 사이에서 이종 메모리 및 스토리지 계층의 장치 특성을 효과적으로 활용할 수 있도록 지원하는 새로운 지능형 미들웨어를 개발하고자 함.

2. (SW스타랩) 중대형 디스플레이 기반 동시 다중 사용자 지원 UX 플랫폼 SW 개발, 2015.03~2022.12, 과학기술정보통신부

- 다중 사용자가 하나의 컴퓨팅 디바이스를 활용하여 개별적인 앱을 동시에 구동하는 다중 사용자 환경을 지원하기 위한 개방형 UI/UX 소프트웨어 플랫폼 기술을 연구하며 더불어 다중 사용자 환경에서 향상된 UI/UX를 제공하기 위한 시스템 계층에서의 최적화 기술을 개발하고자 함.

3. 차세대 지능형 고신뢰 시스템∙소프트웨어, 2021.09~2022.08, 과학기술정보통신부

- 차세대 하드웨어 중 NUMA구조 기반의 x86 매니코어 하드웨어와 대용량 Persistent Memory를 활용한 새로운 확장형 시스템 소프트웨어에 대한 연구를 수행하고자 함. 특히, NUMA 노드 간 메모리 접근 오버헤드를 완화하여 매니코어 환경에서의 데이터 처리 성능을 향상시키고 이를 기반으로 하이브리드 메모리 시스템 환경에서의 고성능 컴퓨팅을 지원하기 위한 데이터 배치 기술 및 최적화 연구를 수행하고자 함.

향후 전망 및 진출 가능한 진로

□향후 전망

1. 가상화 기술: 가상화 기술을 기반으로 한 클라우드 컴퓨팅 환경의 도래로 Amazon, Microsoft(MS), Google, VMware 등 미국 유수의 기업들이 이를 활용한 클라우드 서비스를 제공하고 있으며, 국내에서는 최근 네이버, 카카오 등의 IT 기업에서 클라우드 서비스 개발 및 사업을 활발히 진행하고 있음.

2. 스토리지 시스템: Intel의 Optane SSD를 시작으로 삼성전자의 Z-SSD까지 최근 다양한 기업에서 초고성능 저장장치를 개발하고 있으며, 이러한 하드웨어 기술의 발전으로 인해 관련 시스템 최적화 기술들을 필요로 할 전망임.

3. 운영체제 및 UI/UX플랫폼: Apple, 삼성전자, MS, Google 등과 같이 일반 사용자를 위한 모바일/데스크탑 등을 생산하는 기업에서는 한정적인 시스템 자원을 효과적으로 활용하여 사용자 UI/UX를 향상시키기 위한 운영체제 및 UI/UX 플랫폼 기술을 필요로 하며 최근 폴더블 디바이스 등의 다양한 폼팩터의 컴퓨팅 기기가 등장함으로써 이러한 요구는 증가하고 있음.

□진출 가능한 진로

1. 차세대 메모리 및 고성능 저장장치를 생산하고 관련 최적화 기술을 필요로 하는 기업(삼성전자, SK하이닉스, LG전자 등)

2. 클라우드 기반 서비스(예: DBaaS, PaaS 등)를 제공하는 기업(네이버, 카카오, Google, Amazon, MS, VMware 등)

3. 모바일/데스크톱을 개발하며 성능 및 UI/UX 향상을 위해 운영체제 최적화를 필요로 하는 기업(삼성전자, LG전자, Apple, Google, MS 등)

필요 이수 과목 및 지식

1. 선수 과목

- 시스템프로그램

- 컴퓨터구조개론

- 운영체제

2. 연구 진행에 도움이 되는 과목

- 데이터베이스개론

- 자료구조개론

- 알고리즘개론

3. 필요 지식

- C 언어

- 운영체제, 컴퓨터 구조 등 과 같은 컴퓨터 시스템에 대한 전반적인 이해

학부연구생이 하는 일과 선배의 팁/후기

Linux Kernel Development, Understanding Linux Kernel 등의 서적을 통해 학부 운영체제 수업에서 한 발 더 심화된 내용을 먼저 공부합니다. 매주 진행하는 연구실 정기 세미나에서 공부한 내용을 정리해 발표하면서 자신이 정확히 이해하였는지, 혹은 놓친 부분은 없는지 점검할 수 있습니다. 시스템프로그램, 컴퓨터구조개론 등의 수업을 수강하였다면 이 같은 공부에 도움이 될 수 있으며 다소 부족한 부분이 있더라도 연구실 선배들로부터 충분한 자료와 지도를 받을 수 있습니다.

리눅스 커널에 대해 어느 정도 공부한 후에는 국내/국제 학술대회에 참가할 수 있는 기회가 주어집니다. 이전에 연구실에서 발표한 논문과 다양한 최신 국제 논문을 읽고, 이번엔 자신의 논문을 작성하기 위한 준비를 하게 됩니다. 이때 선배들이 기존에 수행한 연구 및 발표 논문과 연관 있는 주제를 다루기로 결정했다면 많은 도움을 받을 수 있을 것입니다. 본인의 관심사에 가까운 주제를 잘 선택하여 좋은 결과를 얻었다면, 논문의 제1저자로서 학술대회에 참가하여 연구 내용을 발표하거나 저널 논문을 게재하는 등 값진 경험을 얻을 수 있습니다.

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

None

□최근 3년간 실적

1. Changue Jung, Suhwan Kim, Ikjun Yeom and honguk Woo, Younghoon Kim, GPU-Ether: GPU-native packet I/O for GPU applications on commodity Ethernet, INFOCOM 2021, May 2021. (제27회 삼성전자 휴먼테크 논문대상 동상 수상, Feb 2021).

2. Lee, Sugi, Ikjun Yeom, and Dohyung Kim. 'T-caching: enhancing feasibility of in-network caching in icn.' IEEE Transactions on Parallel and Distributed Systems(TPDS) 31.7 (2020): 1486-1498.

3. Cheong, Mukoe, et al. 'SCARL: Attentive reinforcement learning-based scheduling in a multi-resource heterogeneous cluster.' IEEE Access 7 (2019): 153432-153444.

현재 진행 중인 연구과제

1. “PF급 이종 초고성능 컴퓨터 개발” 과제

2. “GPU 분할을 위한 네트워크 기술” 과제

3. “차세대 컴퓨팅환경을 위한 스토리지시스템 및 응용프레임워크 최적화 기술 연구” 과제

의 과제들을 진행 중이며, 좀 더 세부적으로는 “GPU-direct networking”, “RDMA 네트워크에서의 multi-path”, “NVME-over-fabric 최적화” 관련 연구들을 수행중임.

향후 전망 및 진출 가능한 진로

□향후 전망

분산 인공지능 시스템, 실시간 VR 스트리밍 등의 서비스가 요구하는 대규모의 네트워크 수요를 기존의 소프트웨어, 하드웨어가 충족하지 못하게 되면서 운영체제, 네트워크 장비, 인터넷 아키텍처 등 전방위적 영역에서 새로운 해결책이 요구되고 있어 본 연구실은 이러한 “네트워크 시스템” 관련 최적화 연구들을 다방면으로 수행중임.

□진출 가능한 진로

대규모 데이터 센터 및 클라우드 운영 및 관련 기업 (삼성전자, 네이버, 카카오, 구글 등) 개인 연구분야에 따라 네트워크 장비업체(Mellanox – Nvidia, Intel, Microsoft Research 등) 혹은 망사업자 (SKT, CloudFlare, Akamai 등) 이 될 수 있음.

필요 이수 과목 및 지식

네트워크 관련 과목 / 데이터통신 / 운영체제 / 시스템 프로그래밍 외

코딩대회 우수 경험 및 자료구조 / 알고리즘 능통자 환영

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

1. 딥 페이크 탐지 & 이상치 탐지 & AI 보안 (Deepfake detection & Anomaly detection & AI Security)

2. 컴퓨터 비전(Computer Vision)

3. 시계열 데이터 분석 (Time series data analysis)

4. 모델 경량화(Model Compression & Knowledge distillation)

□최근 3년간 실적

Competition

- 2020 인공지능 그랜드 챌린지 4차대회 1단계 1st (정부 과제 지원금 2억 상당)

- 2020 인공지능 그랜드 챌린지 4차대회 2단계 3rd (정부 과제 지원금 5억 상당)

Conference

- ICML, WWW, CIKM, KDD 등 탑티어 학회 논문 실적

현재 진행 중인 연구과제

1. 머신러닝을 활용한 이상 징후 탐지 연구, 국가보안기술연구소

2. 모델 경량화 및 객체 탐지(computer vision), IITP

3. 딥 페이크 탐지 및 생성, 한국연구재단, 신진연구

4. 인공지능 보안 및 프라이버시 연구

5. Video Anomaly Detection, IITP

6. AI + HCI 및 Data science

7. 인공지능 기반 위성 시스템 연구, 항공우주연구원

향후 전망 및 진출 가능한 진로

□향후 전망

삼성 리서치, CJ, 쏘카, 항공우주연구원, 경찰청, ETRI, 한국연구재단, IITP, 현대NGV, 국가보안기술연구소, NVIDIA, University of Southern California(USC), 연세대학교 병원, KAIST 등 다양한 산업체 및 연구소와의 공동연구 제공

□진출 가능한 진로

본인 역량에 따라 국내 IT 대기업 & 연구소 취업 가능 (카카오, 배달의 민족, 현대, 한화, 서울대학교 병원, 롯데, NC Soft 등 졸업자 배출)

필요 이수 과목 및 지식

1. 선형대수 & Cs231n or 인공지능 관련 수업 수강

2. 파이썬 & 딥러닝 프레임워크(pytorch or tensorflow) 사용 경험

3. 인공지능 관련 프로젝트 경험(competition 경험 or 인공지능 프로젝트)

- 본 연구실에서는 자유롭고 열정적인 연구 분위기와 쾌적한 연구 환경을 제공하고 있습니다.

- 멘토링 시스템을 통한 연구지원

- 충분한 GPU (A100 x 4ea, RTX 3090 x 17ea, Titan RTX x 20ea, V100 X 2ea), 개인 데스크탑 등 연구환경 제공

- 학부연구생은 국내 논문지 or 해외 conference workshop 논문을 최소 한편 쓰도록 지원

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

Intelligent Application, Reinforcement Learning, Federated Learning, System Optimization

□최근 3년간 실적

Publication: SCI급 논문 9편, 국제특허 1건, 국내특허 3건 등

- Panda: Reinforcement Learning-Based Priority Assignment for Multi-Processor Real-Time Scheduling (2020)

- Continual prediction of bug-fix time using deep learning-based activity stream embedding (2020)

- rocorl: Transferable Reinforcement Learning-based Robust Control for Cyber-Physical Systems with Limited Data Updates (2020)

- SCARL: Attentive reinforcement learning-based scheduling in a multi-resource heterogeneous cluster (2019)

현재 진행 중인 연구과제

- DNA+ 드론: 드론 자율주행용 경량 엣지AI 모델 개발 (ETRI)

- 딥러닝 기반 3D 스윙 분석 골프 모니터 개발 (인반트)

- 데이터센터-엣지 NPU간 연합 추론/학습 기반 대규모 인공지능 응용/개발 플랫폼 (IITP)

- 동적인 디바이스 환경에서 적응적 연합학습 기술 개발 (IITP)

- NVMe-oF 스토리지 위한 딥러닝 기반 지능형 Self-Management 시스템 (삼성전자)

향후 전망 및 진출 가능한 진로

□향후 전망

None

□진출 가능한 진로

시스템과 기계학습 결합 분야 SW개발자 및 연구원

필요 이수 과목 및 지식

시스템 기초 과목(System Program, Operating System, Network) 수강과

기계학습(Machine Learning)과 딥러닝(Deep Neural Network) 애플리케이션 개발 경험

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

AI와 사용자 경험 연구, 인터넷 플랫폼과 사용자 경험 연구, IT 기업 전략 분석

□최근 3년간 실적

SSCI 논문 19편, SCI 논문 3편 등

현재 진행 중인 연구과제

With 연구재단: 딥러닝(deep learning), 감정분석(Sentiment analysis)을 통한 청자 감정의 시각화

With 연구재단: 교육용 인공지능 대화 에이전트

향후 전망 및 진출 가능한 진로

□향후 전망

- 향후 전망: AI와 인터넷 플랫폼 관련 연구를 지속할 것이며, 구글, 네이버, 카카오 등 인터넷 플랫폼 기업들과의 협력관계 강화 전망

- 진로: 국내 대기업, 벤처기업, 컨설팅 기업, 정부 관련 기관 등

□진출 가능한 진로

국내 대기업, 벤처기업, 컨설팅 기업, 정부 관련 기관 등

필요 이수 과목 및 지식

- 디지털정보학이론

- IT기업데이터분석

- 연구방법과통계기초 혹은 실험설계및통계

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

- Real-time GPU rendering and ray tracing

- View warping and synthesis,

- Virtual reality (VR) and metaverse,

- Deep learning for rendering,

- Rendering for deep-learning data generation,

- Optics simulation and defocus blur.

□최근 3년간 실적

- Real-Time Dynamic Bokeh Rendering with Efficient Look-Up Table Sampling. Yuna Jeong, Seung Youp Baek, Yechan Seok, Gi Beom Lee, and Sungkil Lee. (In press) IEEE Trans. Vis. and Computer Graphics, 28(2), 1373–1384, 2022.

- Hierarchical Raster Occlusion Culling. Gi Beom Lee, Moonsoo Jeong, Yechan Seok, and Sungkil Lee. Computer Graphics Forum (Proc. Eurographics'21), 40(2), 1–7, 2021. To be presented at Eurographics 2021, Vienna, Austria (Virtual Conference).

- Deep Defocus Map Estimation using Domain Adaptation. Junyong Lee, Sungkil Lee, Sunghyun Cho, and Seungyong Lee. IEEE Conf. Computer Vision and Patt. Recog. (CVPR), 12222–12230, 2019.

- MegaViews: Scalable Many-View Rendering with Concurrent Scene-View Hierarchy Traversal. Timothy R. Kol, Pablo Bauszat, Sungkil Lee, and Elmar Eisemann. Computer Graphics Forum, 38(1), 235–247, 2019. Presented at Eurographics 2019, Genova, Italy.

- Iterative Depth Warping. Sungkil Lee, Younguk Kim, and Elmar Eisemann. ACM Trans. Graphics, 37(5), 177:1–13, 2018. Presented at ACM SIGGRAPH 2019

현재 진행 중인 연구과제

VR 렌더링 지연 감소를 위한 딥 헤드 모션 예측 기법

한국연구재단, 2022

향후 전망 및 진출 가능한 진로

□향후 전망

None

□진출 가능한 진로

진출 가능 진로: 사기업, 연구소, 교수, 스타트업

- GPU Rendering/Imaging: Smartphone 관련 대기업, 게임, GPU 관련 Software 개발 외

- VR/AR: 5G 연계 통신사 및 VR 컨텐츠 연관 기업 외

- Rendering and Deep Learning: CNN/이미지 관련 기업

필요 이수 과목 및 지식

C++ 프로그래밍

- Native C++(C++11/14/17/20 포함)과 STL(Standard Template Library).

선수 과목

- Data Structure 및 Algorithms, Linear Algebra, Digital Image Processing, Physics, Optics 외

- CNN 기반 Deep learning 경험

학부 연구생이 하는 일과 선배의 팁/후기

Rendering과 Deep Learning 연구를 위한 스터디 그룹 및 세미나

- CNN 기반 Deep learning 기초

- Deep Learning을 사용한 rendering 논문 스터디

- Neural Radiance Fields의 순차적 구현

- 렌더링을 이용한 가상데이터 생성 기법 조사 및 공부

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

데이터 지능 및 학습 연구실은 (1) 추천 시스템, (2) 정보 검색, (3) 데이터마이닝, (4) 자연어 처리, (5) 기계 학습 등의 분야를 연구하고 있습니다. 구체적으로, 사용자의 개인화에 도움이 되는 검색 엔진 및 추천 시스템과 같은 응용 애플리케이션을 개발 및 개선하거나, 편향 및 오류가 포함되어 있는 학습 데이터에 효과적으로 동작할 수 있는 기계 학습 및 심층신경망 모델을 개발하는데 관심을 가지고 있습니다. 연구 성과로는 최근 3년간 데이터 마이닝, 자연어 처리 및 기계 학습 분야의 저명한 국제 학술대회(예: WWW, ICDM, CIKM, WSDM, NAACL, CVPR, PKDD, SAC)에 10편의 논문을 게재하는 등 관련 연구를 활발히 진행하고 있습니다.

□최근 3년간 실적

None

현재 진행 중인 연구과제

- 심층신경망 기반 주제 단위 질의-문서 매칭 모델 개발(네이버, 2020.05 ~ 2021.04, 연구책임자)

- TriRec: 정확성, 설명가능성 및 시의성을 고려한 추천 시스템 개발(글로벌인재양성사업, 2019.07 ~ 2021.06, 연구책임자)

- 암흑데이터 극한활용 연구센터(선도연구센터지원사업, 2019.03 ~ 2022.02, 공동연구원)

- ICT명품인재양성사업(2020.07 ~ 2025.12, 공동연구원)

- 인공지능 대학원(2019.04 ~ 2024.02, 공동연구원)

- 영상 크라우드소싱 기반 지능형 시스템 개발(원천기술개발사업 - 폴리스랩, 2018.08 ~ 2021.04, 공동연구원)

향후 전망 및 진출 가능한 진로

□향후 전망

검색 엔진 및 추천 시스템은 대량의 데이터에서 사용자에게 도움이 되는 소량의 정보를 효과적으로 제공하는 목적으로 하며, 개인화를 위한 대표적인 소프트웨어 기술입니다. 본 연구실은 개인화 기술을 연구하는 국내의 핵심 연구실로 성장 및 발전하고 있으며, 검색 및 추천 기술은 향후 인공지능 분야 및 데이터 마이닝 분야에서 주요 기술로 좀 더 많은 각광을 받을 것으로 기대하고 있습니다. 이에 따라 관련 분야에 대한 전문가의 수요 또한 나날이 커지고 있습니다. 본 연구실의 졸업 학생들은 현재 관련 IT 기업(예: 네이버, 카카오)에 취직하고 있으며, 관련 기술을 활용한 기술 창업도 가능하다고 판단됩니다.

□진출 가능한 진로

None

필요 이수 과목 및 지식

관련 연구를 진행하기 위한 필수 과목은 아래와 같습니다.

[선형대수학, 확률 및 통계, 자료구조개론, 알고리즘개론, 데이터베이스, 인공지능, 기계학습원론]

다음의 과목을 수강 시 관련 연구를 수행하는데 도움이 될 것으로 판단됩니다.

[자연어처리, 강화학습, 심층신경망]

나아가, 자발적으로 기계학습, 심층신경망, 정보검색, 추천 시스템 및 자연어 처리에 대한 최근 논문에 대해서 읽어본 경험이 있다면 관련 연구를 수행하는데 도움이 될 것으로 생각됩니다.

주요 연구 분야 및 최근 3년간 실적

□주요 연구 분야

컴퓨터 비전(Computer Vision)

- Self/Semi/Weakly Supervised Learning

- Object Detection, Image Segmentation

- Domain Adaptation/Generalization

- Out-of-Distribution, Adversarial attack

- Multi-modal Learning

자연어 처리(Natural Language Processing)

- Code Summrarization/Attack

- Text Summarization/Generation/Data Augmentation

- Text Style Transfer/Sacrasm Detection

- Sentiment Analysis

연합 학습(Federated Learning)

- Decentralized Learning

- Robust Modeling on Imbalanced Data

그래프 신경망(Graph Neural Network)

- Session based Recommendations

- Representation Learning, Graph Data Augmentation

□최근 3년간 실적

- 인공지능 분야 Top-conference 인 CVPR, ACL 등 포함 기계학습 관련 국내외 학술대회 논문 44편 및 우수 논문 수상 7편

- 기계학습 분야 SCI 급 국제 학술지 논문 7편

현재 진행 중인 연구과제

- 의료 데이터 프라이버시 보존을 위한 분산 환경에서의 연합 AI 컴퓨팅 모델 개발 (과학기술정보통신부, 2020~2024)

- 5G-IoT 환경에서 이기종·비정형·대용량 데이터의 고신뢰·저지연 처리를 위한 플랫폼 개발 및 실증 (과학기술정보통신부, 2020~2023)

- 오픈도메인 멀티모달 자기주도 인공지능 기술 개발 (과학기술정보통신부, 2022~2026)

- OCT 이미지를 이용한 맥락막 분석 인공지능 개발 (서울삼성병원, 2021 ~ 2022)

- 인공지능 대학원 (과학기술정보통신부, 2019 ~ 2024)

- ICT명품인재양성사업 (과학기술정보통신부, 2020~ 2029)

- 인공지능 혁신 허브 연구 개발 (과학기술정보통신부, 2021~2025)

- 기계학습을 활용한 차체부품 불량 판별 시스템 (현대기아자동차, 2022~2023)

향후 전망 및 진출 가능한 진로

□향후 전망

None

□진출 가능한 진로

None

필요 이수 과목 및 지식

- Python을 비롯한 프로그래밍 언어 활용 능력 및 경험

- Keras/Pytorch/Tensorflow를 비롯한 Deep Learning 툴 활용 능력 및 경험

- 확률 및 통계, 선형대수, 알고리즘, 자료구조 등 인공지능 연구를 위해 충분한 배경지식

- 새로운 분야에 대한 도전적이고 열정적이며 끈기있는 태도

- 최신 논문을 읽고 공유하고 연구하기에 충분한 영어실력

학부 연구생이 하는 일과 선배의 팁/후기

- ML/딥러닝 스터디 2달간 진행

- 스터디 후 연구실에서 진행하는 논문 세미나/연구 미팅 참여 및 국내 학술대회에 논문을 제출하는 것을 목표로 함