임성화 연구실
남서울대학교 멀티미디어학과
임성화 교수
비대칭 멀티코어
실시간 스케줄링
에너지 효율
홈
임성화 연구실
남서울대학교 멀티미디어학과 임성화 교수
임성화 연구실은 모바일 컴퓨팅과 분산 컴퓨팅을 기반으로 실시간 시스템에서의 성능과 전력 효율을 동시에 달성하는 기술을 연구합니다. 비대칭 멀티코어(big.LITTLE) 단말에서 실시간 데드라인을 보장하면서 코어 할당과 동적 전력 관리를 최적화하는 스케줄링 기법을 수행합니다. 또한 클러스터 기반 연합학습과 엣지 컴퓨팅을 연계해 자원 제약 환경에서 학습-통신 효율을 높이는 연구를 수행하며, 다중 홉 무선 메시에서 우선순위 기반 저지연 전달 기법도 병행합니다.
비대칭 멀티코어실시간 스케줄링에너지 효율동적 전력 관리모바일 컴퓨팅
대표 연구 분야
연구 영역 전체보기
비대칭 멀티코어 기반 에너지-실시간 스케줄링
Energy-Efficient Real-Time Scheduling for Asymmetric Multi-Core Mobile Devices
연구 분야 상세보기
비대칭 멀티코어 기반 에너지-실시간 스케줄링
Energy-Efficient Real-Time Scheduling for Asymmetric Multi-Core Mobile Devices
연구 분야 상세보기
자원 효율 분산학습 및 엣지 기반 의미전달
Resource-Efficient Federated Learning and Edge Semantic Communication
연구 분야 상세보기
저지연 무선 메시에 대한 우선순위 기반 데이터 전달
Priority-Based Low-Latency Data Delivery in Multi-Hop Wireless Mesh Networks
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 5
·
2024Federated Learning with Pareto Optimality for Resource Efficiency and Fast Model Convergence in Mobile Environments
June-Pyo Jung, Young‐Bae Ko, Sung‐Hwa Lim
IF 3.5 (2024)
Sensors
0.75에서 제안한 방식은 FedAvg 방법과 비교하여 각각 전송 및 수신 네트워크 트래픽을 75.89%와 78.77%까지 효과적으로 감소시켰다. 또한 FedAvg 및 D2D-FedAvg와 같은 다른 FL 메커니즘에 비해 더 빠른 모델 수렴을 달성한다.
https://doi.org/10.3390/s24082476
Computer science
Cluster analysis
Convergence (economics)
Pareto principle
Scheme (mathematics)
Distributed computing
Transmission (telecommunications)
Resource (disambiguation)
Path (computing)
Computer network
2
Article
|
·
인용수 0
·
2023Semantic Communication with Bayesian Reinforcement Learning in Edge Computing
June-Pyo Jung, Young‐Bae Ko, Sung‐Hwa Lim
6G 시대의 도래와 함께 인공지능과 네트워크 통신을 통합하는 기술이 연결성의 미래를 형성하는 핵심 동력으로 부상하고 있다. 이러한 혁신적 기술 중 의미 통신(semantic communication)은 원시 데이터 시퀀스를 전송하는 대신 의미 표현을 전송하는 데 초점을 맞추어 확장성, 네트워크 효율 및 성능을 향상시킨다. 본 연구에서는 베이지안 강화학습(Bayesian Rein-forcement Learning)을 활용한 새로운 의미 통신 프레임워크를 제안한다. 제안한 프레임워크는 강력한 연산 능력과 방대한 지식 베이스를 갖춘 수신자(즉, 엣지 서버)와 제한된 연산 자원 및 지식 저장소를 갖춘 송신자(즉, 사용자 디바이스) 간의 관계를 고려하여, 연산 부담을 수신자에게 오프로딩(offloading)한다. 이후 수신자는 모델의 불확실성을 고려하면서 학습을 수행한다. 본 프레임워크는 아직 실제 통신 시스템에서 사용되지 않은 의미 통신에 적용하기 위한 것이며, 엣지 컴퓨팅과 IoT와 같은 분야에서 잠재적 응용 가능성을 가진다.
http://dx.doi.org/10.1109/fnwf58287.2023.10520383
Computer science
Scalability
Edge computing
Reinforcement learning
Bayesian network
Server
Artificial intelligence
Communication source
Semantic network
Enhanced Data Rates for GSM Evolution
3
Preprint
|
인용수 0
·
2023Federated Learning with Pareto Optimality for Resource Efficiency and Fast Model Convergence in Mobile Environments
준표 정, Young‐Bae Ko, Sung‐Hwa Lim
SSRN Electronic Journal
http://dx.doi.org/10.2139/ssrn.4626482
Convergence (economics)
Pareto principle
Computer science
Pareto optimal
Resource (disambiguation)
Mathematical optimization
Artificial intelligence
Multi-objective optimization
Machine learning
Economics
최신 정부 과제
10
과제 전체보기
1
주관|
2021년 2월-2024년 2월
|95,400,000원비대칭 멀티코어 구조 스마트 단말을 위한 응용환경 인지기반 에너지 보존적 디펜더블 스케쥴링 기법
가. 1단계 : 실시간 응용환경을 고려한 비대칭 멀티코어 구조 모바일 단말의 미션 기반 에너지 보존적 태스크 스케쥴링 기법 개발
big.LITTLE 멀티 코어 구조와 같은 비대칭 멀티코어 구조는 원래의 취지와 다르게 LITTLE 코어의 활용이 big 코어보다 상대적으로 낮음으로써 에너지 보전성을 높이지 못하는 문제가 있어왔다 [1]. QoS를 보장하면서 LITTE 코어를 최대한 활용하여 에너지 보존성을 높이는 소프트웨어 기법에 대한 연구를 수행한다.
나. 2단계 : 마일리지/스트레스 인지기반 결함 예측을 통한 비대칭 멀티코어의 부하 분배 스케쥴링 기법
비대칭 멀티코어 구조에서는 멀티 코어 중 하나의 코어에 결함이 발생할 경우 시스템 전체의 성능에 큰 영향을 줄 수 있다. 그러므로 결함의 두 종류인 일시적 결함 (transient fault)와 영구적 결함 (permanant fault)에 대비한 결함허용 스케쥴링 기법을 2단계에서 개발한다. 본 연구에서 개발하는 결함허용 스케쥴링 기법은 1단계에서 개발한 에너지 보존적 실시간 스케쥴링 기법을 기반으로 하므로, 에너지 보존성과 결함허용성, 그리고 실시간성을 갖는다.
다. 3단계: 머신 러닝 기반 에너지 보존적 디펜더블 소프트웨어 프레임워크
1단계와 2단계 연구에서 개발한 비대칭 멀티코어 할당 및 운용 알고리즘들을 통합 소프트웨어 프레임워크로 구현하고, 테스트베드를 구축하여 실제 상황에 가ᄁᆞ운 시나리오 환경에서 실험 한다.
스마트 모바일 단말
에너지 보존성
비대칭멀티코어 구조
실시간 시스템
의존성
2
주관|
2021년 2월-2024년 2월
|95,400,000원비대칭 멀티코어 구조 스마트 단말을 위한 응용환경 인지기반 에너지 보존적 디펜더블 스케쥴링 기법
가. 1단계 : 실시간 응용환경을 고려한 비대칭 멀티코어 구조 모바일 단말의 미션 기반 에너지 보존적 태스크 스케쥴링 기법 개발
나. 2단계 : 마일리지/스트레스 인지기반 결함 예측을 통한 비대칭 멀티코어의 부하 분배 스케쥴링 기법
다. 3단계: 머신 러닝 기반 에너지 보존적 디펜더블 소프트웨어 프레임워크
스마트 모바일 단말
에너지 보존성
비대칭멀티코어 구조
실시간 시스템
의존성
3
주관|
2020년 8월-2021년 8월
|30,000,000원비대칭 멀티코어 구조 모바일 단말의 에너지 보존적 디펜더블 스케쥴링 기법
가. 1단계 : 실시간 응용환경을 고려한 에너지 보존적 스케쥴링
- 태스크 의존성 그래프 기반 에너지 보존적 실시간 스케쥴링
- UX를 활용한 에너지 보존적 비대칭 멀티코어 할당 기법
- 애플리케이션/태스크에 따른 에너지 소비량 실측
- 머신 러닝을 활용한 실시간 태스크 실행 시간 예측
에너지 보존성
비대칭 멀티코어
프로세서 스케쥴링
실시간 시스템
의존성
사용자 경험
최신 특허
특허 전체보기
전체 특허
사용자 경험을 기반으로 big.LITTLE 멀티코어 구조의 스마트 모바일 단말의 에너지 소비 최적화 장치 및 그 방법
상태
공개출원연도
2021출원번호
1020210041113센서 데이터의 최적 전송주기 결정 방법 및 그 장치
상태
등록출원연도
2019출원번호
1020190079828비대칭 멀티코어 기반 스마트 모바일 단말의 에너지 소모를 줄이기 위한 실시간 태스크의 코어 할당 방법 및 그 장치
상태
등록출원연도
2019출원번호
1020190026088