김영진 연구실
인하대학교 전기전자공학부
김영진 교수
DNN model partitioning
MEC
Lyapunov optimization
홈
김영진 연구실
인하대학교 전기전자공학부 김영진 교수
김영진 연구실은 모바일 단말과 MEC 서버, 클라우드, 네트워크 계층을 포함하는 분산 시스템에서 AI 서비스 성능을 제어하는 연구를 수행합니다. 특히 Lyapunov optimization 및 확률적 최적화 기반으로 DNN model partitioning, GPU clock scaling, 전송률, 입력 해상도, 처리 프레임 수를 동적으로 결정하여 end-to-end 지연과 처리량, 정확도의 균형을 확보합니다. 또한 SDN/NFV 기반 cloud-edge-radio 환경에서 네트워크와 컴퓨팅 자원을 함께 오케스트레이션하여 service chaining과 라우팅의 안정성을 개선합니다. 더불어 클라우드 객체 스토리지의 동적 인코딩 위치 최적화와 수익 중심 time-dependent pricing 및 스케줄링을 다루고, MEC 콘텐츠 캐싱에서는 시공간 예산 공유와 딥러닝 예측을 결합해 장기 전달 지연을 최소화합니다. 한편 지속학습 플랫폼에서는 기억 회상 기반 신경망 구조를 통해 평생학습을 지원하는 연구도 병행합니다.
DNN model partitioningMECLyapunov optimizationNetwork-compute orchestrationContent caching
대표 연구 분야
연구 영역 전체보기
모바일·엣지 기반 DNN 추론 제어(분할, 해상도, 지속학습)
Mobile-Edge DNN Inference Control (Partitioning, Resolution, Continual Learning)
연구 분야 상세보기
클라우드-엣지-라디오 네트워크컴퓨트 오케스트레이션(서비스 체이닝 및 라우팅)
Cloud-Edge-Radio Network-Compute Orchestration (Service Chaining and Routing)
연구 분야 상세보기
클라우드 스토리지·MEC 콘텐츠 캐싱의 동적 자원·가격·부호화 최적화
Dynamic Optimization of Cloud Storage and MEC Content Caching (Resources, Pricing, Coding)
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 0
·
2025Service Route Optimization for Autonomous Vehicles in Edge-Assisted Cellular Infrastructure
Sangwoo Cho, Yeongjin Kim
본 논문에서는 엣지 보조 셀룰러 인프라에서 운용되는 자율주행차의 서비스 경로를 최적화하는 문제를 다룬다. 자원 제약이 크고 동적인 환경의 복잡성을 해결하기 위해, 업링크 기지국, 엣지 서버, 다운링크 기지국에 걸친 3단계 서비스 라우팅 모델을 제안한다. 먼저 실시간 자원 가용성에 기반하여 실현 불가능한 링크를 제거하고, 이후 경로 최적화를 간소화하기 위해 네트워크를 논리적으로 다층 구조로 확장한다. 이를 바탕으로 자원 효율적인 서비스 경로를 할당하되 계산 및 네트워크 병목을 방지하는 SErvice Route Optimization (SERO) 알고리즘을 제안한다. 실제 도시 지도와 2,502대의 차량 주행 궤적(vehicular traces)을 기반으로 한 대규모 시뮬레이션 결과, SERO는 기존 방식에 비해 서비스 실패율을 최대 68.27%까지 유의하게 감소시키는 것으로 나타났다. 본 연구 결과는 미래 B5G/6G 네트워크에서 규모 확장성과 신뢰성을 갖춘 자율주행차 서비스를 위해 통신 및 연산 자원을 함께 최적화하는 것의 중요성을 강조한다.
https://doi.org/10.1109/mass66014.2025.00044
Scalability
Service (business)
Enhanced Data Rates for GSM Evolution
Cellular network
Resource allocation
Base station
Resource (disambiguation)
Routing (electronic design automation)
2
Article
|
·
인용수 14
·
2024Cutting-Edge Inference: Dynamic DNN Model Partitioning and Resource Scaling for Mobile AI
Jeong-A Lim, Joohyun Lee, Jeongho Kwak, Yeongjin Kim
IF 5.8 (2024)
IEEE Transactions on Services Computing
최근 증강현실(augmented reality)과 같은 모바일 장치에서 인공지능(AI) 기법을 활용하는 응용이 광범위하게 확산되고 있다. 이러한 응용의 품질경험(QoE)은 모바일 장치의 하드웨어 사양, 동적 서비스 요구, 확률적 네트워크 상태, 그리고 DNN(Deep Neural Network) 모델의 특성에 의해 영향을 받는다. 본 논문에서는 모바일 장치와 모바일 엣지 컴퓨팅(MEC) 서버 사이의 DNN 모델 분할과, 모바일 장치에서 내부/외부 시스템 동역학에 대해 처리 및 네트워킹 자원을 공동 최적화하기 위해 가상 대기열 기반 Lyapunov 최적화 프레임워크를 활용하는 CutEdge를 제안한다. 구체적으로, CutEdge는 (i) 모바일 장치와 MEC 서버 간 DNN 모델의 분할 지점, (ii) GPU 클록 주파수, 그리고 (iii) 모바일 장치에서의 전송률을 동시에 결정한다. 이어서, QoE 지표가 이전 연구에서 공동으로 다루어지지 않았던 CutEdge가 제공하는 에너지 소비, 처리량(throughput), 종단 간(end-to-end) 지연(latency) 간의 최적 트레이드오프 곡선을 이론적으로 제시한다. 또한 실제 트레이스 기반 시뮬레이션을 통해 세 가지 제어 파라미터의 공동 최적화가 성능에 미치는 영향을 보인다. 마지막으로, 임베디드 AI 장치와 MEC 서버를 활용하여 구현한 테스트베드에서의 실험을 통해 기존 알고리즘에 비해 CutEdge의 우수성을 보인다.
https://doi.org/10.1109/tsc.2024.3466848
Computer science
Inference
Scaling
Enhanced Data Rates for GSM Evolution
Resource (disambiguation)
Artificial intelligence
Machine learning
Distributed computing
Computer network
Mathematics
3
Article
|
·
인용수 1
·
2024Online Pricing and Resource Scheduling for Profit Maximization of Cloud Storage Providers
Kyungtae Lee, Yeongjin Kim
IF 5 (2024)
IEEE Transactions on Cloud Computing
클라우드 객체 스토리지 서비스(COSS) 제공자들 사이에는 COSS에 대한 수요가 증가함에 따라 경쟁이 점차 심화되고 있다. 그러나 상용 COSS 제공자들이 제공하는 기존 가격 책정 모델은 변화하는 클라이언트 수요와 자원 공급에 효과적으로 적응하지 못한다. 그 결과, 많은 COSS 제공자들은 가격 정책, 로드 밸런싱, 서버 스케줄링, 에너지 관리와 같은 이익 극대화를 위한 운영상의 과제에 여전히 어려움을 겪고 있다. 본 논문에서는 라이apunov-drift-minus-profit 기법에 기반한 시간 의존적 가격 책정 및 스케줄링(time-dependent pricing and scheduling)이라는 새로운 접근법 TD-PnS를 제안한다. COSS 제공자의 이익을 극대화하기 위해 TD-PnS는 지금까지는 각각 별도로 다루어 왔던 여러 핵심 요인에 대해 공동의 동적 의사결정을 가능하게 한다: (i) 서비스 가격 책정, (ii) CPU 클록 스케일링 및 인코딩 스케줄링, (iii) 네트워크 스케줄링, 그리고 (iv) 에너지 저장 관리이다. 또한 시스템 안정화와 같은 다른 측면을 더 개선하기 위해, TD-PnS의 향상된 버전인 TD-PnS-Adv를 제안한다. 마지막으로 실제 데이터셋을 이용한 트레이스 기반 시뮬레이션을 통해, 제안된 알고리즘이 이익 극대화 측면에서 기존 알고리즘 및 가격 책정 모델보다 우수한 성능을 보임을 입증한다.
https://doi.org/10.1109/tcc.2024.3450876
Cloud computing
Profit maximization
Computer science
Scheduling (production processes)
Profit (economics)
Cloud storage
Operations research
Microeconomics
Operations management
Operating system
최신 정부 과제
10
과제 전체보기
1
2025년 6월-2028년 5월
|1,000,000,000원지능형 로봇을 위한 AI-RAN 연구실
본 과제는 로봇의 제약적 하드웨어 및 연산이 주어진 상황에서 LLM 기반 로봇 시스템 설계를 위해, AI-RAN (AI Radio Access Network)을 연동한 Neural Robotic RAN (NeuRoRAN)을 제안함. AI-RAN은 기존 통신 시스템과 대형 AI 모델 연산이 가능한 고성능 엣지 서버가 융합된 구조로 무선 연결을 통해 고성능 A...
인공지능 기반 무선 접속 네트워크
지능형 로봇 서비스
Seamless 상황인지
협력 추론
AI-RAN 및 로봇 테스트베드
2
2024년 4월-2028년 12월
|7,269,600,000원(총괄9-세부1) AI-Native 응용서비스 지원 AI 오케스트레이터 개발
본 과제에서는 6G 핵심 서비스로 분류되는 AI-Native 응용 서비스를 대규모로 운영하기 위해, 근사 컴퓨팅 기반 네트워킹/컴퓨팅 융합 6G 이동통신시스템 아키텍처를 개발하고, 이를 자원 효율적으로 운영하기 위한 AI-Native 서비스의 자원할당 및 오케스트레이터 시스템을 설계하고 개발하고자 하고, 이를 확장성 있는 상태에서 구동 가능하게 하고자 함....
AI-네이티브
6G 시스템
동적 스케줄링
실시간
확장성
3
주관|
2023년 7월-2026년 12월
|5,934,250,000원인공지능융합혁신인재양성(부산대학교)
1. AI+제조·물류 연구
1) 동남권 소재 제조 기업의 애로 및 수요 기술 개발을 위한 데이터 수집/저장/분석 및 불량 예측 및 이상 감지, 상황인지/분석 등 융합 AI 요소 기술 개발 및 기업 수요 기반 AI 응용 기술 개발
- [AI+제조·물류 제1프로젝트] : ㈜현대중공업빅데이터 분석 기반 선박 엔진 이상 진단 모델 개발
- [AI+제조·물류 제2프로젝트] : ㈜삼성중공업시나리오별 블록 도장면 인식을 위한 딥러닝 모델 개발
- [AI+제조·물류 제3프로젝트] : ㈜해성디에스영상 기반 회로 불량 검출을 위한 AI 판별 모델 개발
- [AI+제조·물류 제4프로젝트] : ㈜코렌스XAI 기반 EGR 쿨러 생산 공정 불량 원인 분석 시스템 개발
- [AI+제조·물류 제5프로젝트] : ㈜슈어소프트테크
차량 시뮬레이터 기반 모빌리티 AI 기술 개발을 위한 데이터 수집 소프트웨어 제작
- [AI+제조·물류 제6프로젝트] : ㈜파나시아공장 내 차량 및 작업자 위험 상황 감별 시스템 개발
- [AI+제조·물류 제7프로젝트] : ㈜토탈소프트뱅크영상 기반의 항만 내 객체 인식, 추적 및 관리 솔루션 개발
- [AI+제조·물류 제8프로젝트] : ㈜그리드위즈신재생에너지 발전량, 전력 소비량 예측 프로그램 개발
- [AI+제조·물류 제9프로젝트] : ㈜동연에스엔티냉연강판 결함 데이터 증강 기술 및 결함 분류 모델 개발
- [AI+제조·물류 제10프로젝트] : ㈜워드포인츠
최적의 네트워크 성능 도출을 위한 Network Traffic Optimization모델 개발
- [AI+제조·물류 제11프로젝트] : ㈜평행공간3D 공간모델 및 LiDAR 센서 기반 자세 추정 기술 개발
- [AI+제조·물류 제12프로젝트] : ㈜토리아띠반려동물 대상 상태별 모션 추출 및 분류
- [AI+제조·물류 제13프로젝트] : ㈜나라인포테크
지식 그래프 임베딩 모형의 철자오류 교정 시스템 개발
2. AI+헬스케어 연구
- 부산대병원 및 의료기관의 애로 및 수요 기술 개발을 위한 의료데이터 수집/저장/분석 및 예측, 신약개발 등 융합 AI 요소 기술 개발 및 기업 수요 기반 AI 응용 기술 개발
- [AI+헬스케어 제1프로젝트] : 양산부산대학교병원
골수부종, 골다공증 환자 임상 영상 화질 개선 기법 개발
- [AI+헬스케어 제2프로젝트] : 씨젠의료재단나노센서 레이블 노이즈 극복을 위한 정형 데이터용 예측 모델 개발
- [AI+헬스케어 제3프로젝트] : 씨젠의료재단CT 패치 이미지 기반 담도암 진단 모델 개발
- [AI+헬스케어 제4프로젝트] : 씨젠의료재단병리 영상 압축기법 개발
- [AI+헬스케어 제5프로젝트] : ㈜휴이노
IoT 기술을 통한 심전도 데이터 전송/저장 및 알람 서비스 기술 개발
- [AI+헬스케어 제6프로젝트] : ㈜드래곤플라이소아ADHD 인지행동치료 메커니즘 기반 맞춤형 난이도 조절 기술 개발
- [AI+헬스케어 제7프로젝트] : ㈜호쿠쇼코리아의약품 물류 공정 최적화 컨베이어 기계작동 프로그램 개발
- [AI+헬스케어 제8프로젝트] : ㈜뉴클릭스바이오분자 구조 정보를 활용한 표적 단백질과 화합물 결합 예측 인공지능 모델 개발
인공지능
인력양성
제조 AI
헬스케어 AI
융합
최신 특허
특허 전체보기
전체 특허
모바일 기기의 향후 파일 접근을 고려한 파일 관리 시스템 및 방법
상태
공개출원연도
2023출원번호
1020230091056단말의 자원과 학습 모델을 동시에 최적화하는 방법 및 장치
상태
공개출원연도
2023출원번호
1020230044201계층적 5G 네트워크 구조에서 서비스 체이닝을 위한 동적 자원 할당 방법 및 장치
상태
등록출원연도
2020출원번호
1020200170471