【브레이크뉴스 대구】이성현 기자=DGIST(총장 국양)는 정보통신융합전공 김예성 교수 연구팀이 빅데이터 연산에 있어 기존 연산 방식의 성능과 효율성을 개선시킨 메모리 기반의 연산 구조를 개발했다고 21일 밝혔다.

▲ DGIST 정보통신융합전공 김예성 교수  © DGIST

이번 연구는 기존 컴퓨터 시스템에서 발생하는 계산 병목을 찾아 이를 메모리 기반의 계산방식으로 변경·개선한 것으로, 향후 빅데이터 처리 분야에서 긍정적인 효과를 줄 수 있을 것으로 기대된다.

기존 컴퓨터 시스템은 메모리와 연산 장치(CPU)가 분리돼 있어, 빅데이터를 메모리와 CPU간에 송수신할 때 속도가 느려지는 병목현상이 종종 발생한다. 이러한 기존 송수신 방식을 비지도 군집화 기계 학습(Unsupervised Clustering) 알고리즘이라 하며, 이는 데이터 처리에 있어 연산량 및 데이터 처리량이 기하급수적으로 늘어 연산에 문제점을 갖고 있다. 이와 관련해 김예성 교수 연구팀도 빅데이터 처리과정에서의 메모리 대역폭 부족에 따른 병목현상을 발견했다.

이에 따라 김예성 교수 연구팀은 부족한 메모리 대역폭 문제를 해결하고자 메모리 기반의 연산(In-Memory Computing) 컴퓨터 아키텍쳐를 활용했다. 기존의 아날로그 기반 하드웨어는 낮은 집적도로 인해 칩 공간 효율성이 떨어지는 문제가 있는데, 김예성 교수 연구팀이 개발한 컴퓨팅 시스템에서는 기존 아날로그 방식을 디지털화시켜 계산하는 새로운 메모리 설계방법을 적용했다.

여기에, 김예성 교수 연구팀은 초차원(Hyperdimensional) 컴퓨팅 알고리즘도 함께 적용했다. 초차원 컴퓨팅 알고리즘은 뇌의 계산 방식을 모방한 알고리즘으로, 숫자로 구성된 기존 데이터를 패턴화된 수많은 비트열로 재구성해 병렬 고속 연산이 가능하다. 이로써 김예성 교수 연구팀은 메모리 기반 연산(In-Memory Computing) 아키텍쳐와 초차원(Hyperdimensional) 컴퓨팅 알고리즘을 통해 기존 대비 59배의 속도 향상과 251배의 향상된 에너지 효율성을 달성할 수 있었다.

DGIST 정보통신융합전공 김예성 교수는 “이번 연구를 통해 메모리와 연산장치 간의 병목현상을 제거하고 군집화 알고리즘 처리 성능을 최대 수십 배 가량 향상할 수 있다”며 “향후 빅데이터와 인공지능 분야 등에서의 효율적인 데이터 학습에 혁신을 가져올 수 있는 연구를 지속할 계획이다”고 말했다.

한편 이번 연구는 美 어바인 캘리포니아 대학교(UCI)의 모센 이마니(Mohsen Imani) 교수팀과 美 샌디에이고 캘리포니아 대학교(UCSD) 타야나 로징(Tajana Rosing) 교수팀과의 공동 협력으로 진행됐다. 이번 연구의 논문은 지난 10월 17일부터 21일까지 진행된 국제 최우술 학술대회인 IEEE/ACM MICRO에 발표됐다.

<아래는 구글번역기로 번역한 기사 전문이다.>

 DGIST Professor Ye-Sung Kim's research team develops memory-based computing structure

[Break News Daegu] Reporter Seong-Hyun Lee = DGIST (President Yang Kook) announced on the 21st that the research team of Professor Ye-Sung Kim of the Department of Information and Communication Convergence has developed a memory-based computational structure that improves the performance and efficiency of existing computational methods in big data computation.

This study finds computational bottlenecks that occur in existing computer systems and changes and improves them into memory-based computational methods, and is expected to have a positive effect in the field of big data processing in the future.

In conventional computer systems, the memory and the computing unit (CPU) are separated, so when sending and receiving big data between the memory and the CPU, there is often a bottleneck that slows down the speed. Such an existing transmission/reception method is called an unsupervised clustering algorithm, which has a problem in computation because the amount of computation and data throughput increase exponentially in data processing. In this regard, Professor Ye-Sung Kim's research team also discovered a bottleneck due to insufficient memory bandwidth in the process of processing big data.

Accordingly, Prof. Ye-Sung Kim's research team utilized an In-Memory Computing computer architecture to solve the insufficient memory bandwidth problem. Existing analog-based hardware has a problem that the chip space efficiency is low due to its low degree of integration. In the computing system developed by Professor Ye-Sung Kim's research team, a new memory design method that digitizes and calculates the existing analog method was applied.

In addition, Professor Ye-Sung Kim's research team also applied a hyperdimensional computing algorithm. The hyperdimensional computing algorithm is an algorithm that mimics the computational method of the brain, and it is possible to perform parallel high-speed computation by reconstructing existing data composed of numbers into numerous patterned bit strings. As a result, Prof. Ye-Sung Kim's research team was able to achieve 59 times faster speed improvement and 251 times higher energy efficiency than before through the In-Memory Computing architecture and hyperdimensional computing algorithm.

Professor Kim Ye-seong of DGIST's Department of Information and Communication Convergence said, “Through this research, we can eliminate bottlenecks between memory and computing devices and improve clustering algorithm processing performance by up to several tens of times.” “In the future, efficient data in the fields of big data and artificial intelligence We plan to continue research that can bring innovation to learning.”

Meanwhile, the research was conducted in collaboration with Professor Mohsen Imani's team at the University of California, Irvine (UCI) and Professor Tajana Rosing's team at the University of California, San Diego (UCSD). The paper of this study was presented at the IEEE/ACM MICRO, an international conference held from October 17 to 21.