이 연구 주제는 초대규모 그래프 데이터를 단일 서버 또는 제한된 분산 환경에서 빠르게 저장·질의·분석하기 위한 고성능 데이터베이스 엔진 개발에 초점을 둔다. 연구실은 수천억~1조 간선 수준의 그래프를 다룰 수 있는 시스템 소프트웨어를 목표로 하며, 특히 그래프 질의 처리와 그래프 분석을 범용 CPU만이 아니라 GPU 자원까지 적극 활용하는 방향으로 연구를 전개하고 있다. 이는 전통적인 관계형 데이터베이스가 대규모 연결 구조 데이터를 처리할 때 겪는 병목을 줄이고, 실제 서비스 환경에서 요구되는 응답성과 처리량을 확보하기 위한 핵심 기반 기술이다. 세부적으로는 GPU 메모리 제약을 고려한 메모리 효율적 그래프 질의 처리, 복잡한 패턴을 포함하는 서브그래프 질의 가속, 아웃오브메모리 환경에서의 멀티홉 질의 처리, 대규모 그래프 생성 및 업스케일링 기법 등이 포함된다. 관련 특허와 프로젝트에서 확인되듯이, 연구실은 그래프 생성 방법, 시뮬레이션 기반 그래프 처리, GPU 기반 엔진 설계 등 시스템 전반을 아우르는 원천기술을 축적해 왔다. 이러한 접근은 단순한 알고리즘 개발을 넘어 실제 DBMS 엔진 수준에서의 실행 계획, 메모리 배치, 병렬성 활용, 입출력 최적화를 함께 다룬다는 점에서 강점이 있다. 이 연구의 파급효과는 매우 크다. 소셜 네트워크, 생명정보학, 금융 이상탐지, 지식그래프, 추천 시스템, 대규모 인프라 관리처럼 그래프 구조가 핵심인 다양한 분야에 직접 적용될 수 있기 때문이다. 특히 최근에는 그래프 데이터베이스와 GNN 학습 환경이 긴밀히 연결되고 있어, 저장·검색·추론을 통합 지원하는 차세대 데이터 인프라로 확장될 가능성이 높다. 연구실의 성과는 고성능 그래프 DBMS를 국내에서 독자적으로 확보하고, AI 시대의 데이터 처리 기반을 강화하는 데 중요한 의미를 가진다.

이 연구 주제는 데이터베이스 시스템의 근간이 되는 질의 처리, 조인 연산, 색인 구조, 실행 계획 최적화 기술을 고도화하는 데 중점을 둔다. 연구실의 기본 연구 키워드가 데이터베이스 시스템과 정보검색용 색인 구조에 놓여 있는 만큼, 데이터 저장 방식과 질의 수행 방식을 함께 최적화하여 더 빠르고 정확한 데이터 접근을 실현하는 것이 핵심이다. 특히 단순 SQL 처리에 머무르지 않고 그래프, 관계형, 키-값, 비정형 데이터까지 포괄하는 멀티타입 데이터베이스 엔진으로 확장하고 있다는 점이 특징이다. 구체적으로는 다항 조인 연산자 기반 질의 처리, 복잡한 OLAP 질의의 실행 계획 생성, 인코딩 및 파티셔닝된 데이터에 대한 조인 최적화, GPU 및 CPU 메모리 구조를 반영한 비용 모델 설계 등이 포함된다. 관련 논문과 특허에서는 서브그래프 질의를 위한 worst-case optimal join 처리, 복잡한 질의 패턴에 대한 GPU 기반 조인 기법, 대규모 행렬 연산 엔진 등 고급 데이터 처리 기술이 지속적으로 나타난다. 이는 전통적인 DBMS 연구와 최신 병렬컴퓨팅 기술이 결합된 형태로, 실제 대규모 데이터 서비스에서 요구되는 성능과 확장성을 동시에 겨냥하고 있다. 이 연구는 향후 HTAP와 AI 통합 데이터 시스템의 핵심으로 이어질 수 있다. 운영 데이터에 대한 즉각적인 분석과 AI 추론 수요가 커지는 상황에서, 데이터 이동 비용을 줄이고 동일 플랫폼에서 트랜잭션과 분석을 함께 처리하는 기술은 산업적 가치가 매우 높다. 따라서 이 연구실의 질의 최적화 및 멀티타입 데이터 처리 연구는 단순히 데이터베이스 내부 알고리즘 개선을 넘어, 차세대 지능형 데이터 플랫폼의 실행 기반을 제공하는 연구라고 볼 수 있다.

이 연구 주제는 엣지 클라우드 및 실시간 데이터 환경에서 고신뢰·고사용성 빅데이터 플랫폼을 구축하고, 이를 AI 분석과 결합하는 시스템 연구를 포함한다. 센서, IoT, 스트림 데이터, 운영 로그처럼 지속적으로 생성되는 데이터를 지연 없이 처리하고 의미 있는 분석 결과를 제공하려면, 중앙 집중형 처리만으로는 한계가 있다. 이에 따라 연구실은 지역성, 이동성, 실시간성을 고려한 엣지 중심 데이터 처리 구조와 분석 서비스 기술을 연구하고 있다. 관련 연구에서는 Age of Information 관점의 무선 모니터링 네트워크, 실시간 빅데이터 처리, 이종 분산 지식그래프, 의도 기반 프로그래밍, 운영데이터 즉시 AI 분석 지원 시스템 등이 확인된다. 최근 프로젝트에서는 HTAP 기반으로 트랜잭션 처리와 분석 처리, 더 나아가 AI 분석을 통합하는 구조를 지향하고 있으며, 그래프 신경망과 대규모 언어모델, RAG, 연합학습 기반 시공간 그래프 신경망 등 AI 기술과 데이터 시스템을 밀접하게 연결하고 있다. 이는 단순한 모델 개발이 아니라 데이터 수집, 저장, 처리, 분석, 설명 가능성까지 아우르는 종합 플랫폼 연구에 가깝다. 이 연구 방향은 스마트시티, 제조, 헬스케어, 통신, 공공 인프라 등 실시간 판단이 중요한 분야에서 높은 활용성을 가진다. 엣지에서 데이터를 빠르게 가공하고, 필요한 경우 중앙 클라우드와 협력해 지능형 예측과 의사결정을 지원할 수 있기 때문이다. 궁극적으로 연구실은 고성능 데이터 시스템 위에 AI를 자연스럽게 얹어, 실제 환경에서 즉시 동작하는 지능형 데이터 인프라를 구현하는 것을 목표로 하고 있다고 해석할 수 있다.