-
- [학생실적] 성균관대, THE 세계대학평가 사립대 1위
- 서울대 54위 카이스트 99위, 세종대 첫 300위권 진입…세계대학평가 영국의 세계 대학 평가기관인 THE(Times Higher Education)가 99개국 1662개 대학의 순위를 매겼다. 매일경제는 현재 THE의 다양한 대학 평가 순위를 국내 독점 보도하고 있다. 서울대가 세계 대학 순위에서 지난해보다 6단계 오른 54위를 기록했다. 국내 대학에서는 서울대의 뒤를 이어 KAIST가 99위, 성균관대는 122위를 차지했다. 영국 글로벌 대학 평가기관인 THE(Times Higher Education)는 31일 'THE 세계 대학 순위 2022'를 통해 이 같은 결과를 공개했다. 평가지표는 ①교육 여건(30%) ②연구 실적(30%) ③논문 피인용도(30%) ④국제화(7.5%) ⑤산학협력 수익(2.5%) 등 5개로 구성됐다. KAIST는 작년에 이어 올해에도 산학협력 부문에서 만점을 받으며 종합랭킹 99위를 기록했다. 성균관대는 산학협력(99.4점)과 국제화(56.3점) 측면에서 높은 점수를 받아 종합 순위 국내 3위, 세계 122위를 기록했다. https://www.mk.co.kr/news/society/view/2021/09/842574/ [김제림 기자 / 문광민 기자]
-
- 작성일 2021-09-02
- 조회수 2076
-
- [연구] 허재필 교수 연구실, ICCV 2021 국제학술대회 논문 2편 게재 승인 (노해찬 박사과정, 김태호 석박통합과정, 주원영 석사과정)
- 비주얼컴퓨팅연구실(지도교수: 허재필)의 논문 2편이 컴퓨터 비전 및 인공지능 분야의 Top-tier 학술대회인 IEEE/CVF International Conference on Computer Vision (ICCV) 2021 에 게재 승인되었습니다: 논문 #1: “Product Quantizer Aware Inverted Index for Scalable Nearest Neighbor Search” (인공지능학과 박사과정 노해찬 학우, 인공지능학과 석박통합과정 김태호 학우) 논문 #2: “Collaborative Learning with Disentangled Features for Zero-shot Domain Adaptation” (인공지능학과 석사과정 주원영 학우) “Product Quantizer Aware Inverted Index for Scalable Nearest Neighbor Search” 에서는 대용량 데이터 베이스에 대한 최근접 이웃 근사(Nearest Neighbor Approximation) 기술에 사용되는 역색인 (Inverted Indexing) 구조의 새로운 학습 방법을 제시하였습니다. 기존의 기술들은 탐색 속도의 복잡도를 줄이기 위한 역색인 구조와 속도 및 메모리 사용량을 줄이기 위한 손실 압축 기법을 동시에 사용하지만 각각의 기법은 독립적으로 학습되었습니다. 본 연구에서는 이 두 가지 기법을 공동 최적화 (Joint Optimization)를 통해 압축 기법의 왜곡 (Distortion) 을 줄이는 학습 방법을 제안하여 대용량 데이터 베이스에 대한 최근접 이웃 근사 기술 분야에서 가장 높은 성능을 달성하였습니다. “Collaborative Learning with Disentangled Features for Zero-shot Domain Adaptation” 연구에서는 전이학습의 한 분야인 Zero-shot Domain Adaptation (ZSDA) 을 위한 새로운 프레임워크를 제시하였습니다. ZSDA는 타겟 도메인의 특정 클래스에 대한 데이터가 존재하지 않을 때, 다른 클래스들의 도메인 변화 (Domain Shift) 를 포착하여 도메인 적응을 시도하는 기술입니다. 제안하는 모델에서는 이미지에서 도메인 특징점과 의미론적 (Semantic) 특징점을 추출한 뒤, 두 특징점간의 협력적 학습과정 (Collaborative Learning) 을 통해 클래스를 예측하도록 설계하였습니다. 제안된 모델은 현재 ZSDA 분야에서 가장 높은 성능을 달성하였으며, 추후 Zero-shot Learning 및 도메인 적응 연구에 큰 도움이 될 것입니다. [논문 #1 정보] Product Quantizer Aware Inverted Index for Scalable Nearest Neighbor Search Haechan Noh, Taeho Kim, and Jae-Pil Heo IEEE/CVF International Conference on Computer Vision (ICCV), 2021 Abstract: The inverted index is one of the most commonly used structures for non-exhaustive nearest neighbor search on large-scale datasets. It allows a significant factor of acceleration by a reduced number of distance computations with only a small fraction of the database. In particular, the inverted index enables the product quantization (PQ) to learn their codewords in the residual vector space. The quantization error of the PQ can be substantially improved in such combination since the residual vector space is much more quantization-friendly thanks to their compact distribution compared to the original data. In this paper, we first raise an unremarked but crucial question; why the inverted index and the product quantizer are optimized separately even though they are closely related? For instance, changes on the inverted index distort the whole residual vector space. To address the raised question, we suggest a joint optimization of the coarse and fine quantizers by substituting the original objective of the coarse quantizer to end-to-end quantization distortion. Moreover, our method is generic and applicable to different combinations of coarse and fine quantizers such as inverted multi-index and optimized PQ. [논문 #2 정보] Collaborative Learning with Disentangled Features for Zero-shot Domain Adaptation Won Young Jhoo, and Jae-Pil Heo IEEE/CVF International Conference on Computer Vision (ICCV), 2021 Abstract: Typical domain adaptation techniques aim to transfer the knowledge learned from a label-rich source domain to a label-scarce target domain in the same label space. However, it is often hard to get even the unlabeled target domain data of a task of interest. In such a case, we can capture the domain shift between the source domain and target domain from an unseen task and transfer it to the task of interest, which is known as zero-shot domain adaptation (ZSDA). Most of existing state-of-the-art methods for ZSDA attempted to generate target domain data. However, training such generative models causes significant computational overhead and is hardly optimized. In this paper, we propose a novel ZSDA method that learns a task-agnostic domain shift by collaborative training of domain-invariant semantic features and task-invariant domain features via adversarial learning. Meanwhile, the spatial attention map is learned from disentangled feature representations to selectively emphasize the domain-specific salient parts of the domain-invariant features. Experimental results show that our ZSDA method achieves state-of-the-art performance on several benchmarks.
-
- 작성일 2021-08-30
- 조회수 1357
-
- [학생실적] 본교, 맞춤형 SW·AI 인재양성 위한 산학협력 하계집중 인턴십 최종성과 발표회 개최
- 본교, 맞춤형 SW·AI 인재양성 위한 산학협력 하계집중 인턴십 최종성과 발표회 개최 - 학생 인턴십을 통한 산학협력기업과의 전략적 파트너십 강화 - SW·AI 맞춤형 인재양성을 통한 기업혁신 파이프라인 구축 [그림1] SW융합대학장 이은석학장(SW중심대학단장 겸임) 우리 대학은 소프트웨어융합대학(학장 이은석)이 6월 22일부터 8월 17일까지 40일간 SW중심대학사업단과 LINC+사업단이 공동지원하는 산학협력 하계집중근무 프로그램을 운영했다고 밝혔다. 이는 성균관대가 학생성공을 목표로 학생들에게 다양한 학습과 체험 활동의 기회를 제공하고자 2020년 도입한 도전학기제의 일환이다. 본 프로젝트는 소프트웨어학과, 컴퓨터공학과, 데이터사이언스융합 전공 등 총 110명의 학생과 지도교수진, 20개 기업이 참여했으며, △SW·AI 분야의 핵심 역량 강화, △산학협력 기업과의 전략적인 파트너십 강화, △ 맞춤형 인재양성을 통한 기업혁신 파이프라인 구축을 목표로 추진되었다. 코로나19 확산 방지를 위해 지난 13일 ‘하계집중근무 최종성과 발표회’가 온라인으로 개최되었으며, 도전학기 40일 동안의 산학협력 사업의 우수성과를 공유하기 위해 총 21개 팀이 화상회의 플랫폼으로 접속해 참가했다. 이에 따른 수상팀은 20일 교수진 평가와 학생투표에 따라 최종 결정됐다. 환영사에서 이은석 학장은(SW중심대학 단장 겸임) “도전학기 동안 성균관대를 대표하는 학생들과 교수님들, 기업들의 노고에 힘입어 하계집중 인턴십 최종 발표회 마무리가 잘 되었다. 산학협력프로젝트를 통해 학생들의 기업에 대한 두려움이 없어지고 성장하는 밑거름이 되었다고 생각한다”며, “SW·AI역량을 갖춘 다양한 분야의 전공자 배출과 산학협력을 통한 실무형 인재를 육성하기 위해 동계 및 하계 인턴십 프로그램을 지속적으로 진행하고, 인턴십에 참가하는 학생들이 실무 경험과 직무에 대한 이해를 바탕으로 글로벌 인재로 성장할 수 있도록 최선을 다하겠다”라고 밝혔다. 소프트웨어학과 3학년에 재학중인 이준영 학생은 ‘Example based FAQ 시스템’을 주제로 발표하면서 “특정 서버와 계정 등에 관련 없는 일반적인 질문에 대한 대부분의 답변에 질문할 수 있는 기능을 제공하고, 향후 날짜와 시각 정보를 구체화하여 보다 더 좋은 성과를 얻을 수 있을 것으로 예상한다”고 강조했다. [그림2] 하계집중 인턴십 온라인 Webex 발표회 클라우드 매니지먼트 전문기업 디딤365(대표 장민호)의 이정호 이사는 ‘고객의 입장에서 고객을 돕는 회사’, ‘산학간 유기적 협력관계의 중요성’을 바탕으로 “대학의 연구인력을 위한 장단기 인턴십 등을 포함한 현장체험 프로그램을 운영하고 취업 및 학술교류 사업을 진행하겠다”고 말했다. 끝으로 이주식 교수는 “산학협력 프로젝트를 5년간 진행하면서 학생 및 기업의 참여가 올해 가장 적극적이었다. 산학협력 하계집중 인턴십 프로그램은 학생과 기업이 함께 참여하는 산학협력의 상생 발전하는 모델을 실현하는 의미 있는 프로젝트다. 본인이 진행하는 프로젝트 외에도 다른 기업의 주제에도 관심을 가지면 미래 성장을 위한 혁신 과제를 발굴하고 추진하는 통합적인 시각을 갖출 수 있다”고 강조했다. ▲ 참여기업 - 바텍, 뷰메진, 소이넷, 커브서프, 에스케어, 스트라티오코리아, 메카솔루션, 리보, 디딤365, 바이브컴퍼니, 웅진씽크빅, 에듀템, 브이티브이, 오토시맨틱스, 신한은행, 제이드애플스튜디오, 메디아이플러스, 아르스프락시아, 코스모스메딕, 아이텍솔루션 ▲ 지도교수진 - 김유성교수, 김재광교수, 박진영교수, 박희선교수, 엄영익교수, 오하영교수, 우홍욱교수, 이주식교수, 이지형교수, 이호준교수, 전윤호교수, 정윤경교수, 정재훈교수, 최준희교수, 황영숙교수 (오름차순) ▲ 수상자 < 혁신상 – 챌린지 어워드> - 오토시맨틱스 (대표: 강나루) 팀 - 프로젝트 주제명: 건물 에너지 사용량 최적화를 위한 재실 인원 계수 영상 시스템 개발 - 팀장 : 박세환 / 팀원 : 김태영, 신영환, 권준, 이재원 - 지도교수 : 김유성 교수, 황영숙 교수 < 아이디어 주제상 > - 웅진씽크빅 (대표: 이재진) 팀 - 프로젝트 주제명: AI 기반 비대면 화상수업 몰입도 측정 솔루션 개발 - 팀장 : 박성완 / 팀원: 이진영, 최시열, 성효제, 이관우 - 지도교수 : 박희선 교수 [온라인 기사링크 바로가기] ☞ 교수신문 ☞ 에듀동아 ☞ 매일경제TV ☞ 에너지경제 ☞ 전자신문 ☞ 한국강사신문 ☞ SEN 서울경제TV ☞ 베리타스알파 ☞ 유교신문
-
- 작성일 2021-08-24
- 조회수 930
-
- [연구] 우사이먼성일 교수 연구실(DASH Lab)의 전소원 석사과정 연구원, 김형식교수 연구실의 이길희 석사과정 연구원 2021 KDD Workshop on Programming Language Processing (PLP 2021) Best Paper 수상
- DASH 연구실의 소프트웨어학과 전소원 학생(소프트웨어학과 석사과정: 제1저자), 이길희 학생 (전기전자컴퓨터공학과 석사과정: 제 2 저자), 김형식 교수 (소프트웨어학과), 우사이먼성일 교수(교신저자)의 “SmartConDetect: Highly Accurate Smart Contract Code Vulnerability Detection Mechanism using BERT” 논문이 2021 KDD Workshop on Programming Language Processing (PLP 2021) (http://plpworkshop.com/)에서 Best Paper Award로 선정되었습니다. 본 연구에서는 이더리움에서 가장 많이 사용되는 언어인 솔리디티로 작성된 스마트 컨트랙트의 보안 취약점을 탐지하는 SmartConDetect를 제안합니다. 이더리움을 포함한 다수의 블록체인 플랫폼에서는 거래를 트랜잭션으로 정의하고, 실행하고 저장하는 프로그램인 스마트 컨트랙트를 지원합니다. 그러나, 안전한 스마트 컨트랙트를 개발하는 것은 쉽지 않으며, 스마트 컨트랙트의 보안 취약점은 서비스 제공자 혹은 사용자에게 금전적 피해를 야기할 수 있습니다. SmartConDetect는 스마트 컨트랙트 취약점 정적 분석 툴로, 스마트 컨트랙트의 코드를 함수 단위로 나누어 추출하고, 사전 학습된 BERT 모델을 통해 코드 패턴을 학습시킵니다. 본 모델의 성능을 평가하기 위하여 10,000개의 실제 스마트 컨트랙트 코드를 수집하였습니다. 이를 최신 모델과 비교한 결과, 본 모델은 90.9%의 F1-score를 달성하며 높은 정확도를 달성하였습니다. 논문명: “SmartConDetect: Highly Accurate Smart Contract Code Vulnerability Detection Mechanism using BERT”, 2021 KDD Workshop on Programming Language Processing (PLP 2021) 초록: Many popular blockchain platforms support smart contracts, which are the programs executed, and stored as transactions on their blockchain protocols and execution environments. However, it is not easy to develop secure smart contracts since smart contracts are programs that can often have security vulnerabilities, which may lead to severe financial loss to service providers or users. Therefore, it is critical to detect security vulnerabilities in smart contracts. In this paper, we propose SmartConDetect to detect security vulnerabilities in smart contracts written in Solidity. SmartConDetect is designed as a static analysis tool to extract code fragments from smart contracts in Solidity and further detect vulnerable code patterns using a pre-trained BERT model. To show the feasibility of SmartConDetect, we evaluate the performance of our approach with 10,000 real-world smart contracts collected from the Ethereum blockchain platform. Our experimental results demonstrate that SmartConDetect outperforms all state-of-the-art methods.
-
- 작성일 2021-08-23
- 조회수 1130
-
- [연구] 고영중 교수 자연어처리연구실, CIKM 2021 국제 학술대회 논문 4편 게재 승인
- 고영중 교수 자연어처리연구실, CIKM 2021 국제 학술대회 논문 4편 게재 승인 지도교수: 고영중 교수 자연어처리연구실 김보성 연구원, 최혜원 석사과정, 손동철 석사과정, 유하은 석사과정(이상 소프트웨어학과), 김명준 석사과정(인공지능학과)의 논문 4편이 인공지능 및 정보검색 분야의 top-tier 국제 학술대회인 CIKM (Conference on Information and Knowledge Management) 2021에 최종 논문 게재가 승인되어 11월에 발표될 예정입니다. 1. Bosung Kim, Hyewon Choi, Haeun Yu and Youngjoong Ko, "Query Reformulation for Descriptive Queries of Jargon Words Using a Knowledge Graph based on a Dictionary.", Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM 2021), November 2021. 본 연구에서는 전문 용어 검색을 위해 사전을 활용한 그래프 기반 질의 변형 시스템을 제안합니다. 서술형 질의가 주어졌을 때, 제안 시스템은 표제어와 사전 설명의 쌍으로 구성된 그래프를 통해 이에 해당하는 전문 용어를 예측합니다. 이 과정에서 그래프 신경망과 고속 그래프 검색 모델을 활용하여 검색의 정확성과 효율성을 개선했습니다. 두 개의 데이터셋을 이용한 실험 결과, 제안 방법이 서술형 질의를 전문 용어로 효과적으로 재구성할 수 있을 뿐만 아니라 여러 프레임워크에서 검색 성능을 향상시킬 수 있음을 보였습니다. 2. Meoungjun Kim and Youngjoong Ko, "Self-supervised Fine-tuning for Efficient Passage Re-ranking.", Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM 2021), November 2021. 본 연구에서는 마스킹 언어 모델(MLM) 학습을 이용한 새로운 미세 조정 기법으로 문서 랭킹 성능을 개선했습니다. 제안 모델은 랭킹 성능을 올리는 동시에 적은 데이터를 효율적으로 활용하는 데이터 증강 효과를 보였습니다. 이러한 접근 방식은 고비용의 레이블 데이터에 의존하지 않는 자기주도 학습을 정보검색에 적용했다는 의의가 있습니다. 또한, BM25 알고리즘을 활용하여 문서를 구성하는 단어의 중요도를 계산, 학습에 반영했습니다. MS MARCO Re-ranking 리더보드 데이터셋으로 실험한 결과, 우리 모델은 단일 모델로서는 가장 높은 MRR@10 성능을 얻었습니다. 3. Dongcheol Son and Youngjoong Ko, "Self-Supervised Learning based on Sentiment Analysis with Word Weight Calculation.", Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM 2021), November 2021. 감정 분석 성능을 개선하기 위해서는 도메인 정보를 학습하는 것이 중요합니다. 하지만 이를 위해서는 고비용인 대규모 학습 데이터를 확보해야 합니다. 본 연구에서는 적은 양의 데이터를 이용해 도메인 정보를 효율적으로 학습하고 감정 분석 성능을 개선할 수 있는 새로운 학습 기법을 제안합니다. 우리는 감정 분석 과제에서 단어의 중요도를 계산하고 미세 조정 성능을 개선하기 위해 마스킹 언어 모델(MLM) 학습을 사용했습니다. 감정 분석 분야의 데이터셋 네 종류를 이용한 실험 결과, 제안 모델은 이전 결과를 모두 앞서는 성능을 보였습니다. 4. Hyewon Choi and Youngjoong Ko, "Using Topic Modeling and Adversarial Neural Networks for Fake News Video Detection.", Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM 2021), November 2021. 본 연구에서는 적대적 학습과 토픽 모델을 활용하여 유튜브의 가짜 뉴스 영상을 구별할 수 있는 탐지 시스템을 제안합니다. 제안 모델에서는 영상의 제목, 설명, 댓글을 이용하여 토픽 분포를 추론하고, 제목/설명과 댓글 간 분포가 어떻게 차이 나는지를 식별합니다. 또한, 영상의 주제를 판단하는데 도움이 되는 자질을 추출하기 위해 적대적 신경망을 학습시킵니다. 우리 모델은 자세 분석에서 주제의 변화를 효율적으로 탐지할 수 있으며, 다양한 주제에서 적용이 가능합니다. 연구 결과, 가짜 뉴스 영상 탐지 분야의 기존 연구보다 더 높은 F1 스코어 성능을 얻었습니다. 고영중 교수: yjko@skku.edu, 자연어처리연구실: nlp.skku.edu; nlplab.skku.edu
-
- 작성일 2021-08-18
- 조회수 1414
-
- [연구] 우사이먼성일 교수 연구실(DASH Lab), Tariq Shahroz 박사과정 연구원,김민하 석사과정 연구원 ACMMM 2021 논문 게재 승인
- DASH 연구실 소프트웨어학과 김민하(석사과정연구원)와 Tariq Shahroz(박사과정연구원), 우사이먼성일(교신저자)의 “CoReD: Generalizing Fake Media Detection with Continual Representation using Distillation” 논문이 멀티미디어 분야에서 세계 최고 수준의 학술대회인 ACMMM (ACM Multimedia, BK IF=4) 2021년에 최종 논문 개재가 승인되었고 2021년 10월 중국 청두에서 발표될 예정입니다. 본 연구에서는 최근 사회적으로 큰 이슈로 대두되고 있는 딥페이크 동영상을 탐지하는 방법을 제안하며, 이는 이전 딥페이크 생성기법 뿐만 아니라 새로운 생성기법에서도 효율적으로 탐지 가능한 딥러닝 기반 알고리즘(Continual Learning, Knowledge Distillation, Representation Learning)을 기반으로 구성되었습니다. 최근에 딥페이크나 합성 얼굴 이미지 같은 가짜 미디어를 높은 정확도로 감지할 수 있는 방법들이 등장하고 있는 반면에, 새로운 딥페이크 생성기법들 또한 다양해지고 있습니다. 이에 따라 다양한 딥페이크 생성기법들을 탐지 가능한 대응책이 필요한 상황입니다. 하지만 기존의 딥페이크 탐지 기법들은 각 생성기법마다 대량의 학습 데이터셋이 요구되며, 이는 현실적으로 제약이 많으며 학습시간도 매우 오래 소요됩니다. 이러한 문제를 해결하기 위해서 각 생성 방법에 대한 일반적인 탐지를 위해 전이학습을 진행하며, 전이학습 방법은 모델의 지식 망각(Knowledge Forgetting)을 방지하기 위해서 이전 학습에 사용된 데이터셋의 일부가 필요합니다. 하지만 이전 학습 데이터셋을 소지하고 있는 것은 보안 측면에서 문제가 되고 영구적으로 보존하는 것은 현실적으로 어려움이 존재합니다. 따라서, 본 연구에선 소스 생성기법 없이도 기존 딥페이크 생성기법의 탐지 성능은 유지함과 동시에 새로운 딥페이크 생성기법의 탐지 성능을 향상시키기 위해서, 지식증류기법과 표현학습기법 기반의 연속학습(Continual Learning) 알고리즘 CoReD(Continual Representation using Distillation)를 개발하였습니다. 본 논문에선 세 번의 연속학습 결과를 각 태스크 별로 나누어 소스 생성기법과 타겟 생성기법에 대한 탐지 성능을 비교하였습니다. 그 결과, CoReD 알고리즘을 적용했을 때 비교 모델들과 비교하여 소스 생성기법에서 탐지 성능을 최대한 유지하면서, 타겟 생성기법에 대해서는 효과적인 성능 향상을 보여주었습니다.
-
- 작성일 2021-07-16
- 조회수 1365
-
- [연구] 성균관대학교 박은일‧한진영 교수팀, AI기반 가짜뉴스 탐지 세계 경진대회 2위
- 성균관대학교(총장 신동렬)는 인공지능융합학과 박은일‧한진영 교수 연구팀(정다혜 석박통합과정)과 이 연구실에서 창업한 스타트업 라온데이터(김지나, 윤지우 AI Scientist, 대표: 최성)로 이루어진 공동 연구진이 세계적 자연어처리 학회인 NAACL과 SocialNLP가 지난 5월 1일부터 6월 10일까지 개최한 Fake-EmoReact 2021(가짜뉴스 전파 탐지)에 참가해 2위를 차지했다고 15일 밝혔다. 올해로 2회째를 맞이한 본 대회는 소셜미디어 가짜 뉴스 탐지 모델 개발을 목표로 F1-score로 성능을 평가하는 것으로, 올해는 총 24개 팀이 참가해 그중 5개 팀이 순위에 이름을 올렸다. 연구진은 93.90%의 F1-Score를 보인 Team Yao에 이어 84.59%의 F1-Score를 달성했다. 연구진은 “다른 팀들과 달리 경량화된 기계학습 기법만을 활용하여 우수한 수준의 가짜뉴스 전파 탐지율을 보일 수 있었다”면서 “조기에 정보 전파 차단이 필요한 가짜뉴스 대응에 실제적인 도움이 될 것”이라고 밝혔다. 박은일 교수는 “가짜 뉴스에 대한 대응은 빠른 시간 아래 해당 정보를 확인하고 조기에 전파를 차단하는 것이 핵심이다. 이에 따라 복잡한 심층신경망을 활용하는 것보다 경량화된 기계학습 기법을 통해 선제적 대처까지 소요되는 시간을 단축시키는 것이 주요 쟁점으로 부각되고 있다”고 대회 참가 의의를 밝혔다. 본교-라온데이터 팀은 과학기술정보통신부와 정보통신기획평가원에서 지원하는 ICT혁신인재4.0양성사업을 바탕으로 본 대회에 처음 참가해 2위의 성적을 거두는 쾌거를 달성했으며, 향후 대회에서 활용한 경량화 기계학습 기술을 사업화하기 위한 노력을 진행할 계획이다. 출처 : 한국강사신문(http://www.lecturernews.com) 기사 본문: https://www.lecturernews.com/news/articleView.html?idxno=69584
-
- 작성일 2021-07-06
- 조회수 1157
-
- [학생실적] 2021 한경 이공계 대학평가 종합순위 성균관대 3위
- 한국경제신문이 조사 전문업체 글로벌리서치와 공동으로 시행한 ‘2021 한경 이공계 대학평가’에서 KAIST가 4년 연속 ‘국내 최고 이공계 대학’ 자리를 차지했다. 서울대가 종합 2위에 올랐고, 성균관대 한양대 포스텍 등이 뒤를 이었다. 각 대학의 연구역량, 산학협력 및 기술실용화 수준이 순위를 갈랐다. 올해 조사에서 KAIST는 종합점수 320점을 받아 4년째 1위 자리를 지켰다. 지난해 6위였던 서울대는 4계단 상승해 2015년 조사 이후 가장 높은 종합 2위에 올랐다. 작년 2위였던 성균관대는 3위로 한 계단 하락했고, 한양대는 작년과 같은 4위였다. 포스텍 고려대 연세대 UNIST(울산과학기술원) 경희대 아주대 등이 10위권에 이름을 올렸다. 이번 평가는 전국 50개 대학을 대상으로 했다. 교육의 질, 연구의 질, 산학협력 및 기술실용화, 창업 및 취업 지원 등 4개 부문 20개 항목의 정량평가(400점)와 평판 설문조사인 정성평가(100점)를 합쳐 종합점수(500점)로 순위를 매겼다. 성균관대와 한양대는 높은 취업률을 바탕으로 상위권에 올랐다. 서울대와 연세대, 고려대는 1000여 명의 기업 인사담당자를 대상으로 한 평판조사(정성평가)에서 각각 1~3위를 차지했다. 이공계 대학평가는 국내 이공계 대학의 교육 및 연구의 질을 제고하고, 산학협력을 활성화하기 위해 한경이 2015년부터 시행하고 있다. 서울대·한양대 산학협력 1위…포스텍은 교육의 질 '최우수' 50개 대학 종합순위 분석…창업·산학협력이 등락 주도 올해 한경 이공계 대학평가에서 상위권 대학의 순위 변화에 결정적 영향을 미친 것은 정량평가 지표인 ‘창업 및 취업지원’과 ‘산학협력 및 기술상용화’였다. 주요 대학의 이 부문 점수가 두드러진 변화를 보여 순위 등락을 주도했다. KAIST는 4개 지표 중 창업 및 취업지원과 ‘연구의 질’ 부문에서 가장 높은 점수를 얻어 종합 1위 자리를 지켰다. 서울대는 산학협력 및 기술상용화 부문에서 1위에 올라 4계단 뛰어오른 종합 2위를 차지했다. 한양대와 성균관대도 산학협력 및 기술상용화에서 고려대 연세대 포스텍 등 경쟁 대학보다 높은 점수를 받아 우위를 차지했다. 올해 이공계 대학 평가는 국내 국공립대 및 주요 지역 거점대학, 수도권 사립대, 이공계 특성화대 등 50곳을 대상으로 정량·정성평가를 해 종합순위를 매겼다. 정량평가는 △교육의 질(100점) △연구의 질(110점) △산학협력 및 기술상용화(105점) △창업 및 취업지원(85점) 등 4개 부문 20개 지표로 분석했다. 그동안 변별력이 낮다고 지적된 일부 세부 항목(창업강좌 이수학생 비율 등)을 제외하고 이공계 특허 출원 및 등록 실적, 기술 이전 수입액 등의 점수를 작년보다 상향 조정했다. 이공계 대학 정성평가(100점)는 공공기관, 대기업, 중소기업, 대학교수 등 1009명을 대상으로 조직 친화력, 창의적인 문제해결 방식, 전공이론 이해 수준, 채용 의향 등의 설문조사를 통해 점수를 산출했다. https://www.hankyung.com/society/article/2021070581021
-
- 작성일 2021-07-06
- 조회수 2544
-
- [학생실적] 성균관대, 3년연속 국내 사립대 1위…인텔코리아와 AI인재 양성
- 성균관대학교(총장 신동렬)는 'THE 아시아 대학 순위 2021(THE Asia University Rankings 2021)'에서 올해 아시아 14위를 기록했다. 올해 총점 66점을 받은 성균관대는 3년 연속으로 국내 사립대 1위 자리를 지켰다. 성균관대는 매년 아시아 대학 순위에서 상위권을 지키고 있다. 올해는 5개 평가 항목 중 5개 부문 모두에서 국내 '톱5'에 이름을 올리며 두각을 보였다. 평가 항목별로 성균관대는 산학협력 수익 98.1점, 논문 피인용도 67.8점, 연구 실적 65.8점, 교육 여건 57.8점, 국제화 55점 등을 받았다. 성균관대는 산학협력 수익 분야에서 특히 강점을 보이고 있다. 성균관대는 지난해 인텔코리아와 인공지능(AI) 인재를 양성하고 연구 인프라스트럭처를 구축하는 양해각서(MOU)를 체결했다. 또 유한양행·아임뉴런바이오사이언스와 뇌질환 관련 공동 연구와 신약 개발에 협력하는 사업화연계기술개발(R&BD) MOU를 맺었다. 성균관대는 연구 중심 대학으로서 입지를 굳히고 있다. 성균관대는 4단계 두뇌한국21(BK21) 사업에서 29개 교육연구단과 3개 교육연구팀 총 32개 교육연구단(팀)이 선정돼, 사립대 1위를 차지했다. 4단계 BK21 사업은 학문 후속 세대가 학업과 연구에 매진할 수 있도록 대학원생 연구장학금, 신진 연구인력 인건비 등을 지원하는 사업으로, 2020년 9월부터 7년간 국내 대학들에 총 2조9000억여 원의 예산이 투입된다. 글로벌 순위에서 성균관대가 매년 상위권에 오르는 배경엔 교육 환경을 개선하려는 꾸준한 노력이 있다. 성균관대는 대학 교육의 키워드로 '학생 성공(Student Success)'을 제시한다. 2019년 1월엔 국내 대학 최초로 학생성공센터를 설립했다. 학생성공센터는 학교와 학생 간 소통을 강화하고, 교과, 비교과, 교외활동 등 여러 측면에서 학생을 체계적으로 지원하고 성과를 통합 관리하고 있다. 또 학교의 각 기관과 학생을 이어주는 허브 역할을 담당하고, 학생 상담·강연회·세미나를 개최하고 있다. https://www.mk.co.kr/news/special-edition/view/2021/06/604305/
-
- 작성일 2021-07-06
- 조회수 860
-
- [연구] 컴퓨터시스템 분야 최상위 학회인 OSDI’21에 Embedded Software 연구실 한규화 박사졸업생 (지도교수 신동군)의 “ZNS+: Advanced Zoned Namespace Interface for Supporting In-Storage Zone” 논문 등재
- 컴퓨터시스템 분야 최상위 학회인 OSDI’21에 Embedded Software 연구실 한규화 박사졸업생 (지도교수 신동군)의 “ZNS+: Advanced Zoned Namespace Interface for Supporting In-Storage Zone” 논문 등재 USENIX Symposium on Operating Systems Design and Implementation (OSDI) 2021에 임베디드 소프트웨어 연구실의 한규화 박사졸업생(지도교수 신동군)의 논문이 채택되었다. “ZNS+: Advanced Zoned Namespace Interface for Supporting In-Storage Zone” (저자: 한규화, 곽현호, 신동군, 황주영) 라는 제목으로 한규화 박사가 성균관대 재학시절 연구한 결과를 발표한 논문이다. 본 연구는 최근 new storage interface로 각광받고 있는 NVMe ZNS를 개선한 ZNS+ 구조를 제안한 논문이다. USENIX OSDI는 컴퓨터시스템 분야 최상위 flagship 학회로 매회 약 30편의 논문이 채택되며 이번 OSDI 2021은 총 165편의 논문 중 31편(채택율 18.8%)의 논문이 채택되었다. OSDI는 MapReduce (2004, 12,000 citations), Tensorflow (2016, 13,000 citations) 등의 논문과 같이 혁신적인 기술이 발표된 conference이다. OSDI학회가 열린 이후 국내 대학 주저자 논문은 2020년까지 5편밖에 없었으며, 성균관대학교 소속 저자의 논문이 채택된 것은 이번이 최초이다. [논문 정보] ZNS+: Advanced Zoned Namespace Interface for Supporting In-Storage Zone Kyuhwa Han , Hyunho Gwak, Dongkun Shin, and Joo-Young Hwang USENIX Symposium on Operating System Design and Implementation, 2021 Abstract: The NVMe zoned namespace (ZNS) is emerging as a new storage interface, where the logical address space is divided into fixed-sized zones, and each zone must be written sequentially for flash-memory-friendly access. Owing to the sequential write-only zone scheme of the ZNS, the log-structured file system (LFS) is required to access ZNS solid-state drives (SSDs). Although SSDs can be simplified under the current ZNS interface, its counterpart LFS must bear segment compaction overhead. To resolve the problem, we propose a new LFS-aware ZNS interface, called ZNS+, where the host can offload block copy operations to the SSD to accelerate segment compaction. The ZNS+ also allows each zone to be overwritten with sparse sequential write requests, which enables the LFS to use threaded logging-based block reclamation instead of segment compaction. We also propose two file system techniques for ZNS+-aware LFS. The copyback-aware block allocation considers different copy costs at different copy paths within the SSD. The hybrid segment recycling selects a proper block reclaiming method between segment compaction and threaded logging based on their costs. The proposed ZNS+ and ZNS+-aware LFS reduce the segment recycling overhead of LFS without harming the benefit of ZNS. We evaluated the effectiveness of the proposed techniques using an SSD emulator and a real prototype SSD. The file system performance of the proposed ZNS+ storage system was 1.33–2.91 times better than that of the normal ZNS-based storage system.
-
- 작성일 2021-05-18
- 조회수 1722