클라우드 컴퓨팅은 현대 IT 인프라의 핵심으로 자리 잡고 있으며, 대규모 데이터 처리와 서비스 제공의 효율성을 극대화하는 기술입니다. 본 연구실은 클라우드 환경에서의 자원 관리, 가상화, 오토스케일링, 그리고 분산 시스템의 신뢰성과 확장성 확보를 위한 다양한 알고리즘 및 시스템 구조를 연구하고 있습니다. 특히, 컨테이너 기반 서버리스 환경에서의 실시간 QoS 보장, GPU 자원 최적화, 하이브리드 클라우드 환경에서의 결함 포용 메커니즘 등 첨단 기술을 적극적으로 도입하고 있습니다. 분산 시스템 분야에서는 데스크톱 그리드, 모바일 그리드, P2P 기반 컴퓨팅 등 다양한 분산 환경에서의 자원 스케줄링, 신뢰성 보장, 결함 복구, 결과 검증 기법을 개발해왔습니다. 실제로, 자원의 이질성과 휘발성을 고려한 동적 스케줄링, 퍼지 추론 기반의 자원 평가, 마코프 모델을 활용한 신뢰도 기반 스케줄링 등 다양한 연구 성과를 축적하였습니다. 또한, 소프트웨어 정의 네트워크(SDN)와 네트워크 가상화 기술을 접목하여, 분산 클라우드 환경에서의 네트워크 효율성 및 보안성 향상에도 기여하고 있습니다. 이러한 연구는 대규모 데이터 센터, IoT, 스마트 시티, 에너지 관리 등 다양한 응용 분야에 적용되고 있으며, 실제 산업 현장과의 협력을 통해 실질적인 성과를 창출하고 있습니다. 앞으로도 클라우드 및 분산 시스템의 신뢰성, 확장성, 자원 효율성 향상을 위한 혁신적인 연구를 지속적으로 수행할 계획입니다.

빅데이터 컴퓨팅은 방대한 데이터의 저장, 처리, 분석을 효율적으로 수행하는 기술로, 본 연구실은 클라우드 및 분산 환경에서의 빅데이터 처리 플랫폼, 데이터 집약적 작업의 실시간 QoS 지원, GPU 가속 기반의 대규모 데이터 분석 등 다양한 연구를 진행하고 있습니다. 특히, 컨테이너 환경에서의 대규모 AI 작업 동시 실행, GPU 메모리 관리, 오토스케일링 등 최신 기술을 활용하여 빅데이터와 인공지능의 융합을 선도하고 있습니다. 인공지능 분야에서는 딥러닝, 머신러닝, 자연어 처리, 영상 인식 등 다양한 AI 기술을 클라우드 및 분산 환경에 적용하는 연구를 수행하고 있습니다. 예를 들어, 논문 분류 시스템, 에너지 수요 예측, 의료 영상 분석, 객체 인식 등 실제 문제 해결에 AI를 적극적으로 활용하고 있습니다. 또한, GPU 및 클라우드 자원을 효율적으로 활용하여 AI 모델의 학습 및 추론 성능을 극대화하는 방법론을 개발하고 있습니다. 이러한 연구는 학술적 성과뿐만 아니라, 산업계와의 협력을 통해 실질적인 사회적 가치를 창출하고 있습니다. 앞으로도 빅데이터와 인공지능의 융합을 통해 새로운 지능형 서비스와 시스템을 개발하고, 데이터 기반의 혁신을 이끌어 나갈 계획입니다.