-
누리호 발사 큐브위성 랑데브(RANDEV) 지상국 교신 성공
우리 대학 항공우주공학과 항공우주시스템 및 제어연구실(방효충 지도교수) 팀에서 개발한 큐브위성이 지난 6월 21일 누리호에서 발사한 성능 검증위성에서 7월 1일 오후 4시 38분에 우주로 성공적으로 전개되어 7월 2일 새벽 3시 42분에 KAIST 지상국과 첫 교신에 성공했다고 밝혔다.
랑데브(RANDEV)로 명명된 큐브위성은 가로 10cm, 세로 10cm, 높이 30cm 크기의 직육면체 형상으로 무게는 3.2kg인 초소형 인공위성으로 연구실의 대학원생들이 주도해 개발했다.
이번 큐브위성의 주요 임무는 소형 지구관측 카메라를 활용해 지상 촬영을 수행하고 촬영된 영상을 지상국으로 전송하는 것이다. 또한 인공위성의 3축 자세제어 기능을 검증하고 지상국과 UHF/VHF(극초단파/초단파) 주파수를 활용한 통신 및 S 밴드의 고속 영상 전송을 포함한 큐브위성 시스템의 임무와 본체의 정상적인 운용을 검증하기 위한 목적이다.
이번 성과는 큐브위성의 임무 설계, 탑재 S/W, 지상국등 주요 임무를 학생 연구진들이 직접 참여함으로써 우주기술 역량을 확보하고 향후 큐브위성을 실용적인 임무 목적으로 활용할 수 있는 계기를 마련할 수 있을 것으로 기대된다.
본 연구팀은 2017년과 2019년 각각 2차례에 걸쳐 큐브위성을 발사하였고 특히 2017년 발사한 LINK 큐브위성은 지상국과의 성공적인 교신과 운용 성과를 통해 큐브위성 경연대회 대상을 수상한 경험이 있다.
KAIST는 대한민국 인공위성 개발 역사의 시작이다. KAIST 인공위성연구소가 대한민국 첫 번째 국적 위성인 우리별 1호를 개발했기 때문이다. 국내 우주 연구를 주도하고 있는 KAIST는 올해 8월 우리별 1호 발사 30주년을 앞두고 있으며 이번 누리호 발사체를 이용한 큐브위성의 성공적인 전개와 교신을 통해 KAIST가 국내 우주 연구와 교육을 선도하고 나아가 글로벌 우주 교육 기관으로서 위상을 확립할 것으로 예상된다.
연구팀은 당분간 큐브위성 시스템의 안정적인 운용을 위성 본체 데이터를 통해 확인하는 절차를 밟을 예정이며 위성체가 안정화된 이후 탑재 카메라를 이용한 영상 촬영 및 지상국 전송 임무를 수행할 예정이다.
이번 누리호를 통해 발사된 성능 검증위성을 통해 4기 큐브위성이 우주로 전개되는데 다수의 큐브위성을 동시에 궤도에 투입하는 기술을 확보하는 새로운 시도로서 국내 우주개발의 중요 성과로 여겨질 수 있다.
2022.07.02
조회수 7183
-
전자기기 도움 없이 실시간 체온 모니터링 가능한 초고감도 센서 개발
우리 대학 신소재공학과 김일두 교수 연구팀이 온도에 감응하는 색 변화 염료를 전기방사 기술을 통해 나노섬유 멤브레인(얇은 막)에 적용해 인간의 체온(31.6~42.7℃)을 색 변화를 통해 육안으로 손쉽게 감지할 수 있는 초고감도 센서 플랫폼을 개발했다.
색 변화식 센서는 오직 육안으로 센서의 물리화학적 변화(온도, pH 등)를 감지할 수 있어 사용이 편리한 장점이 있다. 하지만, 기존의 상용화된 필름(film) 타입의 온도 감응 색 변화 센서는 염료의 색상이 필름 내부에 갇혀 외부로 효과적으로 전달되지 않아 색 변화 감도가 낮다는 단점이 있다.
이러한 한계를 극복하고자 본 연구팀은 넓은 비표면적과 높은 기공도를 나타내는 나노섬유 멤브레인에 온도 감응 색염료를 효과적으로 결착해 기존의 필름 타입의 색 변화 멤브레인 대비 인간의 체온 범위의 온도에서 색 변화 민감도를 최대 5배 이상 높일 수 있는 기술을 개발했다.
이 기술로 개발된 센서는 특히 휴대가 가능한 개인 헬스케어 진단기기로 별도의 전자기기의 도움 없이 실시간 체온 모니터링이 가능한 센서다.
전기방사 기술을 이용해 합성된 다공성 나노섬유 멤브레인은 필름 타입의 센서 대비 매우 높은 기공도(~95%)와 10배 이상 높은 빛 투과율을 나타내기 때문에 나노섬유 멤브레인에 결착된 염료의 색을 효과적으로 외부로 전달할 수 있어, 연구팀은 색 변화 센서 감도를 극대화할 수 있음을 확인했다.
연구팀은 이번 연구에서 기존에 주로 보고됐던 무정렬(random) 나노섬유 멤브레인 뿐만 아니라 전기장을 조절해 정렬(aligned)된 나노섬유 멤브레인 및 개별 섬유 가닥들이 초고밀도로 나선상으로 꿰어진 나노섬유 얀(yarn) 구조의 온도 감응형 색 센서를 제조하는 데 성공했다. 연구팀은 나노섬유의 밀도와 기공 구조를 더욱 세밀하게 조절해 색 변화 강도를 한층 더 높일 수 있다.
연구를 주도한 김일두 교수는 "기존에 활용되는 필름 타입의 멤브레인이 아닌 진보된 전기방사 기법을 도입함으로써, 나노섬유 멤브레인의 밀도와 정렬 방향을 조절해 온도 감응 색 변화 센서의 반응성을 극대화할 수 있었다ˮ며 "정렬된 나노섬유 및 얀 타입의 나노섬유 멤브레인을 활용해 마스크, 팔찌, 또는 몸에 붙이는 패치(patch) 타입의 웨어러블 온도 감응 색 변화 센서로 활용 가능성을 제시했다는 측면에서 매우 의미가 있는 연구 결과ˮ라고 말했다.
그리고 "저비용, 대량생산이 가능한 전기방사 기법을 활용했기 때문에 상용화 가능성이 큰 기술이며, 누구나 손쉽게 스스로 체온을 육안으로 진단할 수 있는 자가 진단 기기의 진보는 개인의 지속적인 건강관리에 큰 도움이 될 것이다ˮ고 밝혔다.
이번 연구는 공동 제1 저자인 우리 대학 신소재공학과 김동하 박사(現 MIT 박사후 연구원)와 배재형 박사(우리 대학 신소재, 現 하버드 대학 박사후 연구원)의 주도하에 진행됐으며, 우리 대학 신소재공학과 김일두 교수가 교신저자로 참여했다.
이번 연구 결과는 나노 분야의 권위적인 학술지 `어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)' 6월호에 앞 표지 논문으로 선정됐다.
2022.06.30
조회수 5424
-
새로운 인공지능 형광 현미경 적용, 뇌 신경세포 등 3차원 고화질 영상기술 개발
우리 대학 김재철 AI 대학원 예종철 교수 연구팀이 서울대학교 장성호 교수팀, 포스텍 김기현 교수팀과 공동연구를 통해 형광 현미경의 오랜 문제인 이방성(Anisotropy)을 해결해, 3차원 영상 화질을 획기적으로 끌어올리는 인공지능 기술을 개발했다고 29일 밝혔다.
이방성 문제란 형광 현미경으로 3차원 영상을 획득하는 데 있어 빛의 성질로 인해 영상 공간 방향 간에 적게는 2~3배, 많게는 10배까지도 화질 차이가 발생하는 문제를 뜻한다. 예를 들면 3차원 영상을 보는 각도마다 화질의 차이가 발생하는 것이다.
연구팀은 수학적 기법인 최적 수송이론 기반을 둔 새로운 인공지능 시스템을 개발해 공초점 현미경과 광 시트 현미경에 적용했다. 기존 인공지능 기법들과는 다르게, 인공지능 학습 데이터가 따로 필요하지 않고, 하나의 3차원 영상만으로도 인공지능 학습에 적용할 수 있다는 점에서 획기적이라 볼 수 있으며, 생물학 연구자들에게 생물 표본의 3차원 고화질 영상 획득에 큰 도움을 줄 것으로 기대된다.
예종철 교수는 "3차원 영상 획득에 있어 극복하기 어려웠던 현미경의 물리적 한계를 인공지능 기술을 통해 뛰어넘었다는 점에서 의미가 있고, 비지도 학습 기반으로 훈련이 진행되기 때문에, 다양한 많은 종류의 3차원 영상 촬영 기법에도 확장 적용 가능하며, 또한 인공지능 연구의 새로운 응용을 개척했다는 데 의미가 있다ˮ 고 말했다.
김재철 AI 대학원의 예종철 교수가 주도하고, 박형준 연구원이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 6월 8일 字 온라인판에 게재됐다.
*논문명 : Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy
논문 링크: https://www.nature.com/articles/s41467-022-30949-6
2022.06.29
조회수 7461
-
팔라듐 나노와이어를 이용한 고민감도 고신뢰성 무선 수소 가스센서 개발
우리 대학 전기및전자공학부 윤준보 교수와 부산대학교 의생명융합공학부 서민호 조교수(KAIST 박사 졸업) 연구팀이 넓은 범위의 수소가스 농도를 무선으로 검출하는 고 민감도 센서 기술을 개발했다고 28일 밝혔다. (제1 저자: KAIST 조민승 박사과정)
연구팀은 팔라듐 금속을 3차원 나노구조로 설계함으로써 나타날 수 있는 `팔라듐 상전이(phase-transition)* 억제 효과'를 통해 0~4% 농도의 수소가스를 높은 선형성으로 감지하는 무선 가스 센서 기술을 개발했다.
*상전이(phase transition): 화학, 열역학 및 기타 관련 분야에서 일반적으로 물질의 기본 상태(결정성, 고체, 액체, 기체) 사이의 변화를 뜻한다.
우리 대학 전기및전자공학부 조민승 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ACS 나노(ACS nano) 온라인판에 지난달 27일 게재됐으며, 그 우수성을 인정받아 추가 표지 논문으로 선정됐다. (논문명: Wireless and Linear Hydrogen Detection up to 4% with High Sensitivity through Phase-Transition-Inhibited Pd Nanowires)
(https://pubs.acs.org/doi/10.1021/acsnano.2c01783)
수소가스는 에너지 효율성이 높고 연소 시 물을 생성하는 친환경적인 이점으로 차세대 에너지원으로 주목받고 있다. 하지만, 무색, 무취의 수소가스는 4% 이상의 농도에서 낮은 발화에너지로 폭발하는 위험성이 크기 때문에 주의 깊은 사용과 관리가 필요하다.
다양한 방식의 수소가스 감지 기술 중, 팔라듐(palladium, Pd) 금속 소재 기반의 기술은 수소가 팔라듐 내부 격자 사이에 해리되어 팔라듐 하이드라이드(PdHx)를 형성하면서 저항이 바뀌는 간단한 원리로 동작할 뿐만 아니라, 상온에서도 수소가스를 선택적으로 감지할 수 있고, 반응 시 부산물이 없어 습도 안정성도 매우 우수하다는 장점이 있다.
하지만, 팔라듐은 상온에서 2% 이상의 수소가스에 노출되게 되면, 상 변이가 일어나면서 1) 센서로서의 농도 범위가 제한*되고, 2) 반응 속도가 지연*되며, 3) 내구성이 저해*되는 등 다양한 문제를 발생시켜, 최소 4%까지의 농도를 감지해야 하는 수소가스의 기초 요구 조건을 만족시키지 못하는 실정이다.
*1) 농도 범위 제한: 상 변이와 함께 팔라듐 내부에 수소가 포화되어 저항 변화가 더 이상 일어나지 않고 이로 인해 수소가스 감지 범위 특성이 저해되는 현상
*2) 반응 속도 지연: 상 변이에 의한 시간 소요로 느린 저항 변화를 보임
*3) 내구성 저해: PdHx는 상 변이하면서 10%가 넘는 부피 팽창이 발생하는데, 이때, 기계적인 스트레스로 인해 Pd의 파단이 일어남
이에, 연구팀은 나노미터 두께로 얇고 납작한 3차원 나노구조를 팔라듐에 도입함으로써 4%까지의 수소가스를 정확하게 측정할 수 있는 무선 팔라듐 수소가스 감지 기술을 세계 최초로 개발했다.
팔라듐이 얇고 납작한 3차원 나노구조로 기판에 형성되게 되면, 팔라듐이 수소가스에 노출돼도 쉽게 부피 팽창을 일으킬 수 없게 되고 내부에 높은 응력이 발생하게 된다. 이러한 응력은 팔라듐의 상전이 활성화 에너지를 높이게 되는데, 연구진은 이 현상을 이용해 4% 이상의 높은 수소가스 농도에도 상전이 없이 안정적으로 수소가스를 감지하는 팔라듐 나노구조를 개발할 수 있었다.
실제 연구진은, 15 나노미터 (nm) 두께와 160 나노미터 (nm) 폭으로 팔라듐 나노구조를 설계·제작했고, 이를 기반으로 제작된 센서 소자는 0.1~4%의 수소가스를 98.9%의 선형성(linearity)으로 감지하는 성능을 성공적으로 보였다. 특히, 연구팀은 개발한 소자에 BLE(Bluetooth low energy) 기술과 3D 프린팅 기술, 안드로이드 앱 개발을 통해 무선으로 수소가스를 감지하는 센서 시스템 기술도 시연했는데, 이 기술은 센서와 20 미터(m) 떨어진 상황에서도 스마트폰이나 PC로 수소가스 누출을 안정적으로 감지할 수 있게 한다.
연구팀 관계자는 "이번 결과는 2% 이상 고농도에서 측정이 어려웠던 기존 팔라듐 기반 수소가스 센서의 문제점을 해결할 수 있는 새로운 기술을 개발했다는 점에서 중요한 의미가 있다ˮ고 말했다. 특히, "이번 센서 기술이 향후 수소가스를 이용한 청정에너지 시대에 안전관리를 위해서 활발히 활용될 수 있을 것ˮ이라고 기대했다.
한편 이번 연구는 2022년도 과학기술정보통신부의 재원으로 한국연구재단의 나노및소재기술개발사업, 선도연구센터지원사업과 기본연구지원사업의 지원을 받아 수행됐다.
2022.06.28
조회수 7332
-
인공지능 이용해 3차원 홀로그래피 현미경의 박테리아 신속 식별 기술 개발
우리 대학 물리학과 박용근 교수 연구팀이 홀로그래피 현미경과 인공지능을 이용한 신속 박테리아 병원균 식별 기술을 개발했다고 27일 밝혔다.
병원균의 조기 식별은 감염질환 치료에 필수적이다. 치명적인 상태로 진행되기 전에 감염균에 맞는 효과적인 항생제의 선택과 투여가 가능해지기 때문이다. 하지만 현재의 일상적 병원균 식별은 통상 수일이 소요된다. 이로 인해 감염 초기 식별 결과 없이 실증적인 처방으로 항생제를 투여하는 사례가 빈번하며, 이로 인해 패혈증의 경우 치명률이 50%에 달하며 항생제 남용으로 인한 슈퍼박테리아 문제도 발생한다.
기존 방법으로 병원균 식별이 오래 걸리는 원인은 긴 박테리아 배양 시간이다. 질량 분석기로 대표되는 식별 기술들은 일정량 이상의 박테리아 표본이 확보되어야 균종과 관련된 분자적 신호를 검출할 수 있다. 이로 인해, 환자에서 추출한 시편을 하루 이상 배양해야만 검출이 될 정도의 박테리아 개수가 확보된다.
광학 분야의 저명 학술지인 `빛: 과학과 응용(Light: Science & Applications), (IF = 17.782)'에 게재된 이번 연구(논문명: Rapid species identification of pathogenic bacteria from a minute quantity exploiting three-dimensional quantitative phase imaging and artificial neural network)에서 박용근 교수 연구팀은 3차원 홀로그래피 현미경과 인공지능 알고리즘을 활용해서 단일 세포 수준의 표본으로도 병원균의 균종을 정확히 알아낼 수 있음을 입증했다.
홀로그래피 현미경으로 측정되는 3차원 굴절률 영상 정보에 내재된 균종과 관련된 특성을 인공지능 알고리즘으로 학습해 종을 구분하는 것이 핵심 아이디어다. 연구팀은 종별로 500개 이상의 박테리아의 3차원 굴절률 영상을 측정했고, 이를 인공지능 신경망을 통해 학습시켰다.
연구팀은 개발한 방법을 이용해 주요한 혈액 감염균을 신속하게 식별함으로써 실제 진단에도 응용될 가능성을 검증했다. 구체적으로 그람 음성 및 양성, 구균 및 간균을 모두 포함한 총 19가지 균종으로 혈액 감염 사례의 90% 이상의 원인이 되는 균들이다. 한 개의 병원균 혹은 병원균 덩어리를 측정한 단일 3차원 굴절률 영상에서는 약 82.5%의 정확도로 균종 판별이 가능했다. 연구팀은 또한 여러 영상을 확보할 수 있을 때 정확도가 증가해, 7개의 박테리아 영상이 확보된다면 99.9%의 정확도를 얻을 수 있었다.
연구진의 책임자이자 논문의 교신저자인 박용근 교수는 "홀로그래피 현미경의 세포 감별 능력을 인공지능으로 극대화해 감염 진단 기술로서의 가능성을 확인한 것이 의미ˮ라고 말했다. 제1 저자인 물리학과 김건 박사과정 학생은 "100,000분의 1 수준의 표본량으로도 질량 분석기의 균종 검출률과 비슷한 정확도를 얻었고 환자 시편에서 다양한 병원균을 식별하는 플랫폼 기술이 될 것으로 기대된다ˮ라고 덧붙였다.
이번 연구는 KAIST-삼성서울병원-토모큐브 팀의 수년간의 공동 연구를 통해 진행됐다. 물리학과 박용근 교수 연구팀의 기술에 다양한 기관의 경험과 비전을 반영함으로써 완성할 수 있었다. 삼성서울병원 진단검사의학과 이남용 교수, 진단검사의학과 허희재 교수, 감염내과 정두련 교수 연구팀, 서울성모병원 진단검사의학과 유인영 교수, 분당 차병원 응급의학과 김규석 교수, 우리 대학 나노과학기술대학원 정현정 교수 등 다양한 분야와 기관이 모여, 실험적 검증을 효과적으로 진행할 수 있었다. 또한 KAIST 교원 창업 기업인 ㈜토모큐브의 3차원 홀로그래피 기술 지원도 필수적인 역할을 했다.
한편 이번 연구는 한국연구재단 창의연구사업, 과학기술일자리진흥원의 지원을 받아 수행됐다.
2022.06.27
조회수 7136
-
양자컴퓨팅 한계를 극복하는 3차원 반도체 제어/해독 소자 집적 기술 개발
우리 대학 전기및전자공학부 김상현 교수 연구팀이 *모놀리식 3차원 집적의 장점을 활용해 기존 양자 컴퓨팅 시스템의 대규모 큐비트 구현의 한계를 극복하는 3차원 집적된 화합물 반도체 해독 소자 집적 기술을 개발했다고 24일 밝혔다. ‘모놀리식 3차원 집적 초고속 소자’ 연구 (2021년 VLSI 발표, 2021년 IEDM 발표, 2022년 ACS Nano 게재)를 활발하게 진행해 온 연구팀은 양자컴퓨터 판독/해독 소자를 3차원으로 집적할 수 있음을 처음으로 보였다.
☞ 모놀리식 3차원 집적: 반도체 하부 소자 공정 후, 상부의 박막층을 형성하고 상부 소자 공정을 순차적으로 진행함으로써 상하부 소자 간의 정렬도를 극대화할 수 있는 기술로 궁극적 3차원 반도체 집적 기술로 불린다.
우리 대학 전기및전자공학부 김상현 교수 연구팀의 정재용 박사과정이 제1 저자로 주도하고 한국나노기술원 김종민 박사, 한국기초과학지원연구원 박승영 박사 연구팀과의 협업으로 진행한 이번 연구는 반도체 올림픽이라 불리는 ‘VLSI 기술 심포지엄(Symposium on VLSI Technology)’에서 발표됐다. (논문명 : 3D stackable cryogenic InGaAs HEMTs for heterogeneous and monolithic 3D integrated highly scalable quantum computing system).
VLSI 기술 심포지엄은 국제전자소자학회(International Electron Device Meetings, IEDM)와 더불어 대학 논문의 채택 비율이 25%가 되지 않는 저명한 반도체 소자 분야 최고 권위 학회다.
양자컴퓨터는 큐비트 하나에 0과 1을 동시에 담아 여러 연산을 한 번에 처리할 수 있는 차세대 컴퓨터로, 최근에 IBM과 구글 등의 글로벌 기업이 양자 컴퓨터 제작에 성공하면서 양자 컴퓨터가 차세대 컴퓨터로 주목받고 있다.
기존 컴퓨터의 정보 단위인 `비트'의 경우 1 비트당 1개의 값만 가지는 것에 반해, 양자 컴퓨터의 정보 단위인 `큐비트'는 1 큐비트가 0과 1의 상태를 동시에 가진다. 따라서 비트에 비해 큐비트는 2배 빠른 계산이 가능하고, 2큐비트, 4큐비트, 8큐비트로 큐비트 수가 선형적으로 커질수록 처리 계산 속도는 4배, 8배, 16배로 지수적으로 증가한다. 따라서 많은 수의 큐비트를 활용한 대규모 양자컴퓨터 개발이 매우 중요하다. IBM에서는 큐비트 수를 127개로 늘린 `이글'을 작년에 발표했고, IBM 로드맵에 따르면 오는 2025년까지 4,000큐비트, 10년 이내에 10,000큐비트 이상을 탑재한 대규모 양자컴퓨터 개발을 목표로 하고 있다.
특히 큐비트의 수가 많은 대규모 양자컴퓨터 개발을 위해서는 큐비트를 제어/해독하는 소자에 대한 개발이 필수적이다. 기존 컴퓨터와 다르게 양자컴퓨터는 통상 –273 oC 내외의 극저온에서 동작하는 큐비트 하나당 최소 하나의 제어와 해독 연결이 필요하다. 현재는 큐비트 수가 많지 않아 극저온에서 동작하는 큐비트와 상온의 측정 장비를 긴 동축케이블로 연결해 제어/해독하는 방식을 사용하고 있다.
하지만 수천 혹은 수만 개 이상의 큐비트를 활용하는 대규모 양자 컴퓨팅에서 이러한 방식을 활용하면 양자 컴퓨터 크기가 매우 커지고 긴 연결 거리로 인해 신호 손실도 커 대규모 양자컴퓨터 구현이 매우 어려워진다. 따라서 큐비트를 제어/해독에 활용할 수 있는 저전력, 저잡음, 초고속 특성의 극저온 소자를 큐비트와 일대일로 연결할 수 있는 시스템 구성이 매우 중요하다.
연구팀은 이러한 문제 해결을 위해 큐비트 회로 위에 저전력, 저잡음 초고속 특성이 매우 뛰어난 *III-V 화합물 반도체 *고전자 이동 트랜지스터(HEMT)를 3차원으로 집적해 수천 혹은 수만 개의 큐비트에 아주 짧은 거리에서 일대일로 연결 가능한 구조를 제시했다.
☞ III-V 화합물 반도체: 주기율표 III족 원소와 V족 원소가 화합물을 이루고 있는 반도체로 전하 수송 특성 및 광 특성이 매우 우수한 소재.
☞ HEMT: High-Electron Mobility Transistor
연구팀은 250oC 이하에서 상부 제어/해독 소자를 집적하는 웨이퍼 본딩 등의 초저온 공정을 활용해 이후 하부 큐비트 회로의 성능 저하 없이 3차원 집적을 할 수 있도록 했다.
연구진은 이러한 3차원 집적 형태의 제어/해독 소자를 최초로 제시 및 구현했을 뿐만 아니라 소자의 성능 면에서도 극저온에서 세계 최고 수준의 차단주파수 특성을 달성했다.
김상현 교수는 "이번 기술은 향후 대규모 양자컴퓨터의 제어/판독 회로에 응용이 가능할 것으로 생각한다ˮ라며 "모놀리식 3차원 초고속 소자의 경우 양자컴퓨터뿐만이 아니라 6G 무선통신 등 다양한 분야에서 응용할 수 있어 그 확장성이 매우 큰 기술이며 앞으로도 다양한 분야에서 활용할 수 있도록 후속 연구에 힘쓰겠다ˮ라고 말했다.
한편 이번 연구는 한국연구재단 지능형반도체기술개발사업, 경기도 시스템반도체 국산화 연구지원 사업, 한국기초과학지원연구원 분석과학연구장비개발사업(BIG사업) 등의 지원을 받아 수행됐다.
2022.06.24
조회수 7533
-
고정확도 실시간 학습 가능한 모바일 인공지능 반도체 칩 세계 최초 개발
우리 대학 전기및전자공학부 유회준 교수 연구팀이 인공지능의 실시간 학습을 모바일 기기에서 구현, 고정확도 인공지능(AI: Artificial Intelligent) 반도체*를 세계 최초로 개발했다고 23일 밝혔다.
* 인공지능 반도체 : 인식·추론·학습·판단 등 인공지능 처리 기능을 탑재하고, 초지능·초저전력·초신뢰 기반의 최적화된 기술로 구현한 반도체
연구팀이 개발한 인공지능 반도체는 저비트 학습과 저지연 학습 방식을 적용해, 모바일 기기에서도 학습할 수 있다. 특히 이번 반도체 칩은 인공지능의 예상치 못한 성능 저하를 막을 수 있는 실시간 학습 기술을 성공적으로 구현했다.
전기및전자공학부 한동현 박사과정이 제1 저자로 참여한 이번 연구는 지난 6월 12일부터 15일까지 인천 연수구 송도 컨벤시아에서 개최된 국제 인공지능 회로 및 시스템 학술대회(AICAS)에서 발표됐으며 응용 예시를 현장에서 시연했고, 최우수 논문상과 최우수 데모상을 모두 석권해 그 우수성을 널리 알렸다. (논문명 : A 0.95 mJ/frame DNN Training Processor for Robust Object Detection with Real-World Environmental Adaptation (저자: 한동현, 임동석, 박광태, 김영우, 송석찬, 이주형, 유회준))
인공지능 (AI) 반도체 기술을 망라하는 국제 학술 대회 ‘AICAS 2022’는 인공지능 반도체 분야 세계 최고 권위를 가진 IEEE(미국 전기 전자 기술자 협회)학회로 평가받으며, 삼성, SK를 필두로, 한국전자통신연구원(ETRI), 엔비디아(NVIDIA), 케이던스(Cadence) 등 국내외 저명한 기업과 기관 등이 참석해 인공지능 반도체 회로와 시스템 전 분야, 인공지능 반도체와 관련된 연구성과를 공유하는 행사다.
기존 인공지능은 사전에 학습된 지능만으로 추론을 진행했기 때문에 학습하지 않은 새로운 환경 혹은 물체에 대해서는 물체 검출이 어려웠다. 하지만 유회준 교수 연구팀이 개발한 실시간 학습은 추론만 수행하던 기존 모바일 인공지능 반도체에 학습 기능을 부여함으로써, 인공지능의 지능 수준을 크게 끌어올렸다.
유 교수팀의 새로운 인공지능 반도체는 사전에 학습한 지식과 애플리케이션 수행 중에 학습한 지식을 함께 활용해 고정확도 물체검출 성능을 보였다. 특히 유회준 교수 연구팀은 렌즈가 깨지거나, 기계 오류로 인한 인공지능의 예상치 못한 정확도 감소도 자동으로 인지하고 이를 실시간 학습을 통해 보정, 기존 인공지능의 문제점을 해결했다.
유 교수팀은 실시간 학습 기능에 더해, 모바일 기기에서 저전력으로 학습이 가능할 수 있도록, 저비트 인공지능 학습 방법, 직접 오류 전사 기반 저지연 학습 방식을 제안, 이를 최적화할 수 있는 반도체(HNPU) 와 응용 시스템을 모두 개발했다.
저전력, 실시간 학습을 수행할 수 있는 모바일 인공지능 전용 반도체, HNPU는 다음과 같이 6가지 핵심 기술이 도입됐다.
○ 확률적 동적 고정 소수점 활용 저비트 학습 방식 (SDFXP: Stochastic Dynamic Fixed-point Representation)
- 동적 고정 소수점에 확률적 표현을 결합하고 확률적 반올림을 도입하여 인공지능 학습에 필요한 비트 정밀도를 최소화 할 수 있는 방법
○ 레이어별 자동 정밀도 검색 알고리즘 및 하드웨어 (LAPS: Layer-wise Adaptive Precision Scaling)
- 학습의 난이도를 자동으로 파악하고 심층신경망의 레이어별로 최적의 비트수를 자동으로 찾아주는 알고리즘 및 이를 가속하는 하드웨어
○ 입력 비트 슬라이스 희소성 활용* (ISS: Input Slice Skipping or Bit-slice Level Sparsity Exploitation)
- 데이터를 이진수로 표현했을 때 중간중간 나타나는 ‘0’ 비트를 활용하여, 데이터 처리량을 높이는 방식
○ 내재적 순수 난수 생성기 (iTRNG: Intrinsic True Random Number Generator)
인공지능 연산을 활용한 순수 난수 생성기를 설계, 데이터의 암호화 및 확률적 반올림을 구현
○ 다중 학습 단계 할당을 통한 고속 학습 알고리즘 및 하드웨어 (MLTA: Multi Learning Task Allocation & Backward Unlocking)
기존 역전파 (Back-propagation) 알고리즘에서 탈피해, 직접 오류 전사를 통한 저지연 학습 구현
○ 실시간 인공지능 학습 기반 자동 오류 검출 기능 저하 보정 시스템 개발 (Real-time DNN Training based Automatic Performance Monitor and Performance Recovery System)
평상시 물체 검출 결과를 주기적으로 모니터링하면서, 갑작스러운 확률 변화를 자동으로 인식, 정확도 저하를 보정하기 위해 실시간 학습을 적용
* 희소성 활용 (Sparsity Exploitation) : 심층 신경망 모델의 연산은 수많은 곱셈누적(MAC: Multiply-And-Accumulate)연산의 연속이다. 연산자에 0이 존재할 시, 굳이 연산을 해보지 않아도 결과는 0임을 알기에 이를 뛰어넘는 방식으로 연산 속도를 높이는 방식.
이러한 기술을 사용해 HNPU는 저전력 물체검출을 구현하여, 다른 모바일 물체검출 시스템과 비교해 75% 높은 속도, 44% 낮은 에너지 소모를 달성하면서도, 실시간 학습으로 고정확도 물체검출을 개발해 주목을 받았다.
연구팀은 HNPU의 활용 예시로 카메라 렌즈가 깨지거나, 기계 오류, 조명, 밝기 변화로 인공지능의 추론 능력이 떨어졌을 때, 실시간 학습을 통해 다시 정확도를 높이는 고정확도 물체검출 시스템을 개발했다. 이는 이후 자율 주행, 로봇 등 다양한 곳에 활용될 것으로 기대된다.
특히 연구팀의 HNPU 연구는 2022 국제인공지능회로및시스템학술대회(AICAS 2022)에서 발표돼, 최우수 논문상과 최우수 데모상을 모두 석권하여 그 우수성을 널리 알렸다.
연구를 주도한 KAIST 전기및전자공학부 유회준 교수는 “현재 인공지능은 사전에 학습한 지식만으로 주어진 문제를 해결하고 있으며, 이는 변화하는 환경과 상황에 맞춰 계속 학습하는 인간의 지능과 뚜렷한 차이를 보인다”라며 “이번 연구는 실시간 학습 인공지능 반도체를 통해 인공지능의 지능 수준을 사람 수준으로 한층 더 끌어올리는 연구”라고 본 연구의 의의를 밝혔다.
2022.06.23
조회수 6653
-
인간 뇌처럼 뉴런-시냅스 동시 구동 모사한 메모리 최초 구현
우리 대학 신소재공학과 이건재 교수팀이 100 nm(나노미터) 두께의 단일 소자에서 뉴런과 시냅스를 동시에 모사하는 뉴로모픽(neuromorphic) 메모리를 개발했다고 23일 밝혔다. 뉴런은 신경계를 이루는 기본적인 단위세포를, 시냅스는 뉴런 간의 접합 부위를 말한다.
이 교수팀은 인간의 뇌처럼 뉴런과 시냅스가 유기적으로 동작하는 방식의 단일 메모리 소자를 최초로 구현했으며, 이를 통해 반도체 소자로 인간 뇌를 완전히 구현한다는 뉴로모픽 컴퓨팅 본연의 목표 달성에 근접할 수 있을 것으로 기대된다.
1,000억 개의 뉴런과 100조 개의 시냅스의 복잡한 네트워크로 구성된 인간 뇌는 그 기능과 구조가 고정된 것이 아니라 외부 환경에 따라서 유연하게 변하는 특징을 가지고 있다. 따라서 뉴로모픽 소자는 뉴런과 시냅스의 특성을 모사해 기존의 컴퓨터로는 구현할 수 없는 인간 뇌의 고도 인지 기능을 실현하는 데에 가장 큰 목적을 두고 있다.
지금까지 뉴로모픽 컴퓨팅 구현을 위해서 CMOS 집적회로와 비휘발성 메모리 등을 이용한 연구들이 진행됐으나, 기존 기술들은 뉴런과 시냅스의 기능을 분리해 모사한다는 한계점을 가지고 있었다.
인간 뇌에서 뉴런과 시냅스는 서로 유기적으로 연결돼 있으며, 서로 간의 상호작용을 통해 인지 기능이 발현된다. 이러한 뉴런과 시냅스의 기능을 인간 뇌처럼 단일 구조체에서 통합해 구현하는 것은 어려운 도전 과제였다.
이 교수 연구팀은 휘발성의 소자(threshold switch)로 뉴런을, 비휘발성의 상변화 메모리 소자로 시냅스를 모사해 단기·장기 기억이 공존하는 단일 뉴로모픽 소자를 개발했으며, 이를 통해 집적도 개선 및 비용 절감 효과도 얻을 수 있을 것으로 기대된다. 특히 기존 CMOS 뉴런 소자에서는 단순 신호 발산 기능만이 구현됐으나, 연구팀의 뉴런-시냅스 통합소자는 신호 발산 유형이 환경에 따라서 유연하게 적응하는 가소성(plasticity)을 구현하는 데 성공했다.
이건재 교수는 이번 연구 성과에 대해 "인간은 뉴런과 시냅스의 상호작용을 통해 기억, 학습, 인지 기능을 발현하므로 둘 모두를 통합 모사하는 것이 인공지능에 있어서 필수적인 요소ˮ라며 "개발한 단일 뉴런-시냅스 소자는 기존의 단순 이미지 학습 효과를 넘어서, 피드백 효과를 기반으로 한 번 배운 내용을 더 빨리 학습하는 재학습(retraining) 효과 구현도 성공해 인공지능뿐만 아니라 뇌를 역설계하는 연구에도 큰 도움이 될 것이다”고 언급했다.
한편 이번 연구는 삼성전자 전략산학과제와 지능형반도체 사업의 지원을 받아 수행됐으며, 국제 학술지 `네이쳐 커뮤니케이션즈(Nature Communications)'에 5월 19일 字 게재됐다.
2022.06.23
조회수 6733
-
20큐비트급 소형 리드버그 양자컴퓨터 개발
우리 대학 물리학과 안재욱, 문은국 교수 연구팀이 20큐비트급 리드버그 양자컴퓨터를 개발해 계산과학의 난제인 최대독립집합 문제를 계산했다고 22일 밝혔다.
양자컴퓨터는 양자역학의 원리를 사용하여, 디지털컴퓨터로는 불가능한 계산을 수행할 것으로 예상되는 대표적 미래기술이다. 20큐비트급 양자컴퓨터는 기존 컴퓨터가 백만회 순차 처리해야 하는 계산량을 한 번에 처리하는 계산성능을 갖는다.
세계 주요국들은 양자컴퓨팅을 전략기술로 분류해, 국가적 연구역량을 집중하고 있으며 글로벌 대기업, 기술벤처, 국가연구소와 주요 대학의 막대한 시설과 인력, 연구비가 동원되고 있다. 우리나라 정부도 양자기술을 10대 전략기술의 하나로 선정해 투자를 확대하고 있다.
소형(20~50큐비트급)의 양자컴퓨터가 속속 개발되고 있는 현시점에서, 가장 중요한 이슈 중 하나는 `디지털컴퓨팅 알고리즘으로는 비효율적인 계산 문제(NP-문제로 분류됨)를 양자컴퓨터가 계산할 수 있는지'이다.
따라서, KAIST가 20큐비트급의 양자컴퓨터를 개발해 NP-완전문제를 계산했다는 것은 한국의 양자컴퓨팅 연구가 세계적 양자컴퓨터 개발경쟁에 진입하였음을 의미한다.
우리 대학 물리학과 안재욱, 문은국 교수 연구팀은 리드버그 원자들을 이용해, 조합 최적화 문제를 계산하는 양자 단열 컴퓨팅 방식의 양자컴퓨터를 개발했다. 연구팀은 초고진공 공간에 배치한 극저온 리드버그 원자를 사용해, 20큐비트급 그래프의 조합 최적화 문제를 실험적으로 계산하는 데 성공했다.
물리학과 김민혁, 김강흔 대학원생 연구원과 황재용 학부생 연구원이 참여한 이번 연구는 국제 학술지 `네이처 피직스(Nature Physics)' 6월 18권 7호에 출판됐다. (논문명 : Rydberg quantum wires for Maximum Independent Set problems).
한편 리드버그 원자란 높은 에너지 상태의 원자로서, 일반 원자보다 만 배 정도 큰 마이크로미터 크기의 지름을 갖고, 리드버그 원자들간의 상호작용은 일반 원자들보다 10^22배 정도로 강하다.
양자 단열형 양자컴퓨팅은 양자 회로형(또는 양자디지털형), 측정기반형과 함께 범용양자컴퓨팅 방식으로 알려져 있다. 대표적인 양자 단열형 양자컴퓨터인 D-wave 社의 양자컴퓨터는 고정 큐비트를 사용한다는 결정적 단점이 있다. 하지만 KAIST의 리드버그 양자 단열형 양자컴퓨터는 재배치 또는 이동이 가능한 큐비트를 사용하기 때문에 주목을 받는다.
KAIST 리드버그 양자컴퓨터는 초고진공 상태에 최대 126개의 리드버그 원자들을 임의로 배치해 양자 단열형 양자컴퓨팅을 수행한다. 이번에 발표한 최근 연구에서는 꼭지점이 최대 20개인 그래프의 최대독립집합을 계산하는데 성공했다. 또한 원거리 꼭지점들을 잇는 리드버그 양자선 개념을 최초로 개발해 모든 꼭지점들을 임의로 연결하는 초기하학적 그래프를 계산할 수 있음을 보였다.
참고로, 디지털 컴퓨팅에서 모든 계산 문제들을 계산복잡도에 따라 P-문제(결정 다항)와 NP-문제(비결정적 다항)로 분류한다. 여행자 문제(Traveling Salesman Problem), 최대독립집합 문제 등으로 대표되는 NP-문제들은 디지털 컴퓨팅의 알고리즘으로는 효율적으로 계산할 수 없음이 잘 알려져 있다. 따라서, 양자컴퓨터가 NP-문제들을 계산할 수 있을지가 큰 관심사다.
최대독립집합 문제는 대표적인 NP-완전문제의 하나이며, 주어진 그래프(꼭지점과 간선의 집합)에서 서로 연결되지 않는 꼭지점들의 최대집합을 알아내는 계산 문제다. 그래프의 크기가 커지면, 디지털컴퓨팅 알고리즘으로는 계산량이 지수적으로 증가해 효과적인 계산을 할 수 없다. 이러한 문제를 효과적으로 계산하게 되면 산업적으로 물류, 생산관리, 작업관리, 네트워크 디자인 등에서 혁명적 경제가치를 창출하게 된다.
<그림 1> 은 리드버그 양자선(각각 빨강, 주황, 노랑 꼭지점들)을 이용하여 간선으로 연결되지 않는 데이터 큐비트(하얀 꼭지점들)를 연결하는 3차원 큐비트 구조체의 모식도이다. 이 구조는 쿠라토프스키 그래프로 잘 알려진 K(3:3) 그래프이다. 참고로 쿠라토프스키 K(3:3)와 K(5) 그래프쌍은 상대적으로 만들기 쉬운 평면그래프와 조합하여 모든 그래프를 만들 수 있다. 우리 대학 연구진은 본 연구에서 K(3:3)와 K(5)를 실험적으로 최초 구현하였다.
연구를 주도한 물리학과 안재욱 교수는 “이번 연구는 리드버그 양자컴퓨터의 활용 가능성을 보였다는 데 의의가 있다”라고 자평하며 “아직은 큐비트 개수가 충분하지 않지만, 차 단계 연구를 통해 실 활용이 가능한 꿈의 양자컴퓨터를 개발할 수 있을 것”이라는 포부를 밝혔다.
한편 이번 연구는 삼성미래기술재단과 한국연구재단의 지원으로 수행됐다.
2022.06.22
조회수 9710
-
음파를 이용한 세포 자극 미세시스템 개발
우리 대학 연구진이 면역세포를 대상으로 기계적 자극을 가할 수 있는 고주파수 음파 기반의 미세유체 시스템 기술을 개발했다.
미국 스크립스 연구소의 아르뎀 파타푸리안 교수는 기계적 자극에 반응하는 세포 압력센서를 발견한 공로로 2021년도 노벨 생리의학상을 공동 수상했다. 또한 최근 다수의 연구를 통해 기계적 자극이 면역세포의 암세포 제거 기능에도 깊게 관여하는 기전이 보고되고 있다.
이에 기계적 자극을 인가할 수 있는 다양한 형태의 체외 동적 세포배양 시스템이 개발돼왔다. 그러나 펌프, 자력 교반기 등의 기존 시스템은 요구되는 시료 양이 비교적 크고, 부품과 세포 간의 접촉이 수반되어 잠재적 시료 오염과 세포 활성 저하의 문제점을 가진다.
문제 해결을 위해 기계공학과 전성윤 교수 연구팀(바이오미세유체 연구실)과 성형진 교수, 전남대학교 박진수 교수 연구팀은 필요한 시료 양이 수십 마이크로리터에 불과한 미세유체 칩에 기계적 자극을 비접촉식으로 만들어내고 그 크기를 정밀하게 제어할 수 있는 표면탄성파 인가 기술을 접목하였다. 해당 시스템의 빗살무늬전극에 고주파수 교류신호를 인가하여 표면탄성파를 형성하고, 표면탄성파는 기판을 따라 진행하여 미세유체 칩 내부의 유체에 흐름유동을 만들어낸다. 이 흐름유동은 유체 내부의 면역세포에 기계적 자극을 가함으로써 면역세포으로의 칼슘 이온 유입을 이끌어낸다.
연구팀은 “이번 연구는 고주파수 음파 기반의 비접촉식 기계적 자극 전달 시스템을 개발한 데 의의가 있으며, 음파를 접목한 미세유체 칩이 ‘차세대 동적 배양 시스템’으로써 적극적으로 활용될 가능성을 제시하였다”고 본 연구의 의의를 설명했다.
김승규 박사가 주저자로 참여한 이번 연구는 국제학술지 ‘Advanced Science' 16호의 앞면 내부 표지논문으로 게재되었다. (논문명: Acoustofluidic Stimulation of Functional Immune Cells in a Microreactor)
이번 연구는 한국연구재단 중견연구자사업과 보건산업진흥원 글로벌바이오메디컬연수자사업 및 BK 21 Plus program의 지원을 받아 수행되었으며, 우리 대학 남현오 박사과정과 전남대학교 차범석 석사과정이 공동연구자로 참여했다.
#논문정보
Kim, S., Nam, H., Cha, B., Park, J., Sung, H. J., & Jeon, J. S. (2022). Acoustofluidic Stimulation of Functional Immune Cells in a Microreactor. Advanced Science, 9(16), 2105809.
https://doi.org/10.1002/advs.202105809
2022.06.22
조회수 5101
-
차세대 에너지 변환기술인 양방향 고체산화물 연료전지용 스마트 전극 개발
우리 대학 기계공학과 이강택 교수 연구팀이 포스텍 한정우 교수, 한국세라믹기술원 신태호 박사팀과의 공동 연구를 통해 양방향 고체산화물 연료전지(SOFC)용 고성능 전극 소재 개발에 성공했다고 21일 밝혔다.
양방향 고체산화물 연료전지는 고온에서 수소와 산소를 자발 반응시켜 고효율로 전력으로 변환(연료전지 모드) 하고, 전기를 가하면 청정 수소(그린 수소)와 같은 친환경 에너지원을 생산(전해전지 모드) 할 수 있는, 탄소중립 사회를 위한 차세대 에너지 변환 기술이다.
이러한 양방향 연료전지의 전기화학적 성능을 높이기 위해서 가역반응에서 전극의 촉매 성능을 획기적으로 높이는 것이 중요하며, 이를 위한 다양한 연구가 진행되고 있다. 그중 다공성 연료극 구조체 표면에 고성능 나노 금속 촉매를 입히는 기존 함침법의 경우 반응점을 늘리기 위해서 반복적인 증착 공정을 수행해야 하고, 고온 장기 구동 시 응집 현상으로 인한 촉매 활성도가 저하되는 한계를 갖고 있다.
연구팀은 이러한 문제점 해결을 위해 연료전지가 작동하는 환경에서, 전극 표면에 금속합금 나노촉매가 자발적으로 형성되는 용출(exsolution) 현상을 활용한 전극을 디자인 했다. 연구팀은 금속합금 나노촉매 형성을 촉진하기 위해 기존 코발타이트계 산화물 구조 내에 팔라듐(Pd)을 미량 첨가해, 양방향 구동 시 가역적으로 고활성을 갖는 전극 개발에 성공했다. 해당 방법으로 설계된 나노 합금 촉매는 페로브스카이트 격자 내부에서부터 전극 표면으로 스스로 용출돼 형성되기 때문에 전극 표면과 응집 현상 없이 강하게 결합하고, 입자의 균일도 또한 우수해 촉매 성능 향상에 큰 이점이 있다.
연구팀은 전해질 지지체 단전지에 개발된 전극을 연료극으로 사용해 성능을 측정한 결과, 연료전지 모드에서 최대출력 2.0W/cm2 (850oC), 전해전지 모드에서 전력밀도 2.23A/cm-2 (1.3V, 850oC)를 구현해, 세계 최고 수준의 양방향 연료전지 성능을 달성했다. 이는 기존 기술 대비 연료전지 모드는 1.6배, 전해전지 모드는 2.4배 향상된 결과다.
기계공학과 김경준 박사, 배경택 박사과정생, 포스텍 임채성 박사과정생이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지인 `어플라이드 카탈리시스 비: 인바이러멘탈, Applied Catalysis B: Environmental' (IF:19.503, JCR분야 0.93%) 5월 14일 字 온라인판에 게재됐다. (논문명: Concurrent promotion of phase transition and bimetallic nanocatalyst exsolution in perovskite oxides driven by Pd doping to achieve highly active bifunctional fuel electrodes for reversible solid oxide electrochemical cells)
이강택 교수는 “이번 연구를 통해서 특정 페로브스카이트 전극 물질 내 높은 환원 특성을 가지는 원소의 도핑이 산화물 전극 표면에 이종 금속 나노촉매를 선택적으로 형성하는 방아쇠 역할을 할 수 있으며, 이는 고성능 고 안정성의 양방향 고체산화물 연료전지 상용화를 선도하는 기술이 될 것”이라고 말했다.
한편 이번 연구는 과학기술정보통신부 수소에너지혁신기술개발사업, 중견연구자지원사업 그리고 나노 및 소재 기술개발사업의 지원으로 수행됐다.
2022.06.21
조회수 6801
-
초대규모 인공지능 모델 처리하기 위한 세계 최고 성능의 기계학습 시스템 기술 개발
우리 연구진이 오늘날 인공지능 딥러닝 모델들을 처리하기 위해 필수적으로 사용되는 기계학습 시스템을 세계 최고 수준의 성능으로 끌어올렸다.
우리 대학 전산학부 김민수 교수 연구팀이 딥러닝 모델을 비롯한 기계학습 모델을 학습하거나 추론하기 위해 필수적으로 사용되는 기계학습 시스템의 성능을 대폭 높일 수 있는 세계 최고 수준의 행렬 연산자 융합 기술(일명 FuseME)을 개발했다고 20일 밝혔다.
오늘날 광범위한 산업 분야들에서 사용되고 있는 딥러닝 모델들은 대부분 구글 텐서플로우(TensorFlow)나 IBM 시스템DS와 같은 기계학습 시스템을 이용해 처리되는데, 딥러닝 모델의 규모가 점점 더 커지고, 그 모델에 사용되는 데이터의 규모가 점점 더 커짐에 따라, 이들을 원활히 처리할 수 있는 고성능 기계학습 시스템에 대한 중요성도 점점 더 커지고 있다.
일반적으로 딥러닝 모델은 행렬 곱셈, 행렬 합, 행렬 집계 등의 많은 행렬 연산자들로 구성된 방향성 비순환 그래프(Directed Acyclic Graph; 이하 DAG) 형태의 질의 계획으로 표현돼 기계학습 시스템에 의해 처리된다. 모델과 데이터의 규모가 클 때는 일반적으로 DAG 질의 계획은 수많은 컴퓨터로 구성된 클러스터에서 처리된다. 클러스터의 사양에 비해 모델과 데이터의 규모가 커지면 처리에 실패하거나 시간이 오래 걸리는 근본적인 문제가 있었다.
지금까지는 더 큰 규모의 모델이나 데이터를 처리하기 위해 단순히 컴퓨터 클러스터의 규모를 증가시키는 방식을 주로 사용했다. 그러나, 김 교수팀은 DAG 질의 계획을 구성하는 각 행렬 연산자로부터 생성되는 일종의 `중간 데이터'를 메모리에 저장하거나 네트워크 통신을 통해 다른 컴퓨터로 전송하는 것이 문제의 원인임에 착안해, 중간 데이터를 저장하지 않거나 다른 컴퓨터로 전송하지 않도록 여러 행렬 연산자들을 하나의 연산자로 융합(fusion)하는 세계 최고 성능의 융합 기술인 FuseME(Fused Matrix Engine)을 개발해 문제를 해결했다.
현재까지의 기계학습 시스템들은 낮은 수준의 연산자 융합 기술만을 사용하고 있었다. 가장 복잡한 행렬 연산자인 행렬 곱을 제외한 나머지 연산자들만 융합해 성능이 별로 개선되지 않거나, 전체 DAG 질의 계획을 단순히 하나의 연산자처럼 실행해 메모리 부족으로 처리에 실패하는 한계를 지니고 있었다.
김 교수팀이 개발한 FuseME 기술은 수십 개 이상의 행렬 연산자들로 구성되는 DAG 질의 계획에서 어떤 연산자들끼리 서로 융합하는 것이 더 우수한 성능을 내는지 비용 기반으로 판별해 그룹으로 묶고, 클러스터의 사양, 네트워크 통신 속도, 입력 데이터 크기 등을 모두 고려해 각 융합 연산자 그룹을 메모리 부족으로 처리에 실패하지 않으면서 이론적으로 최적 성능을 낼 수 있는 CFO(Cuboid-based Fused Operator)라 불리는 연산자로 융합함으로써 한계를 극복했다. 이때, 행렬 곱 연산자까지 포함해 연산자들을 융합하는 것이 핵심이다.
김민수 교수 연구팀은 FuseME 기술을 종래 최고 기술로 알려진 구글의 텐서플로우나 IBM의 시스템DS와 비교 평가한 결과, 딥러닝 모델의 처리 속도를 최대 8.8배 향상하고, 텐서플로우나 시스템DS가 처리할 수 없는 훨씬 더 큰 규모의 모델 및 데이터를 처리하는 데 성공함을 보였다. 또한, FuseME의 CFO 융합 연산자는 종래의 최고 수준 융합 연산자와 비교해 처리 속도를 최대 238배 향상시키고, 네트워크 통신 비용을 최대 64배 감소시키는 사실을 확인했다.
김 교수팀은 이미 지난 2019년에 초대규모 행렬 곱 연산에 대해 종래 세계 최고 기술이었던 IBM 시스템ML과 슈퍼컴퓨팅 분야의 스칼라팩(ScaLAPACK) 대비 성능과 처리 규모를 훨씬 향상시킨 DistME라는 기술을 개발해 데이터베이스 분야 최고 국제학술대회 중 하나인 ACM SIGMOD에서 발표한 바 있다. 이번 FuseME 기술은 연산자 융합이 가능하도록 DistME를 한층 더 발전시킨 것으로, 해당 분야를 세계 최고 수준의 기술력을 바탕으로 지속적으로 선도하는 쾌거를 보여준 것이다.
교신저자로 참여한 김민수 교수는 "연구팀이 개발한 새로운 기술은 딥러닝 등 기계학습 모델의 처리 규모와 성능을 획기적으로 높일 수 있어 산업적 측면에서 파급 효과가 매우 클 것으로 기대한다ˮ 라고 말했다.
이번 연구에는 김 교수의 제자이자 현재 GraphAI(그래파이) 스타트업의 공동 창업자인 한동형 박사가 제1 저자로, 김 교수가 교신저자로 참여했으며 지난 16일 미국 필라델피아에서 열린 데이터베이스 분야 최고 국제학술대회 중 하나인 ACM SIGMOD에서 발표됐다. (논문명 : FuseME: Distributed Matrix Computation Engine based on Cuboid-based Fused Operator and Plan Generation).
한편, 이번 연구는 한국연구재단 선도연구센터 사업 및 중견연구자 지원사업, 과기정통부 IITP SW스타랩 사업의 지원을 받아 수행됐다.
2022.06.20
조회수 5960