IP-CAL 연구실은 컴퓨터공학과를 기반으로 임베디드 시스템, 컴퓨터 및 GPU 아키텍처, 병렬 컴퓨팅, 인공지능 가속기 등 첨단 컴퓨터 시스템 분야의 연구를 선도하고 있습니다. 본 연구실은 Jetson Nano와 같은 최신 임베디드 플랫폼을 활용하여 임베디드 시스템의 기본 원리부터 고급 병렬 프로그래밍(CUDA, C 언어 등)까지 폭넓게 다루며, 실제 하드웨어와 소프트웨어를 접목한 실용적인 연구를 진행하고 있습니다.
특히, GPU 및 CPU 아키텍처의 설계와 최적화, 메모리 계층 구조, 시스템 I/O, 실시간 시스템 등 컴퓨터 시스템의 핵심 요소를 심도 있게 연구합니다. 이를 통해 대규모 병렬 처리 환경에서의 성능 및 에너지 효율을 극대화하는 다양한 하드웨어 및 소프트웨어 솔루션을 개발하고 있습니다. 최근에는 복소수 신경망, 멀티모달 AI, 딥러닝 트레이닝 및 추론을 위한 맞춤형 가속기 구조, 차세대 메모리 소자 적용 등 미래 지향적 연구도 활발히 이루어지고 있습니다.
연구실은 멀티테넌트 환경에서의 공정한 리소스 할당, GPU 내 여러 애플리케이션의 동시 실행 시 성능 및 공정성 분석, 실시간 시스템에서의 신뢰성 및 보안성 강화 등 실질적인 시스템 문제 해결에도 주력하고 있습니다. 또한, 커널 병합 및 퓨전, 프리패칭 및 스케줄링 최적화, 계층형 레지스터 파일, 고성능 메모리 관리 기법 등 다양한 첨단 기술을 연구하여 AI 워크로드의 처리 효율을 높이고 있습니다.
이러한 연구는 국가연구재단, 정보통신기획평가원 등 다양한 정부 및 산업체 지원 프로젝트와 연계되어 진행되고 있으며, 실제 산업 현장에 적용 가능한 기술로 발전하고 있습니다. 연구 성과는 국제 저명 학술지 및 학회에서 다수의 수상과 발표로 이어지고 있으며, 관련 특허 출원 및 기술이전 등 실질적인 사회적, 경제적 가치를 창출하고 있습니다.
IP-CAL 연구실은 앞으로도 에너지 효율적이고 고성능의 컴퓨터 시스템 및 AI 가속기 개발을 통해, 차세대 인공지능 및 컴퓨팅 기술 발전에 기여하는 것을 목표로 하고 있습니다. 학생들은 이론과 실무를 겸비한 연구 경험을 쌓을 수 있으며, 국내외 산학연 협력을 통해 다양한 진로와 연구 기회를 얻을 수 있습니다.
본 연구실은 임베디드 시스템과 GPU(그래픽 처리 장치) 아키텍처의 설계 및 최적화에 중점을 두고 있습니다. 임베디드 시스템은 제한된 자원 환경에서 고성능 연산을 요구하는 다양한 응용 분야에서 필수적인 역할을 하며, 본 연구실은 Jetson Nano와 같은 최신 플랫폼을 활용하여 임베디드 시스템의 기본 원리부터 고급 기술까지 폭넓게 다루고 있습니다. 특히, C 프로그래밍과 CUDA 언어를 활용한 병렬 프로그래밍 기법을 통해 NVIDIA GPU의 연산 성능을 극대화하는 방법을 연구합니다.
GPU 아키텍처 연구에서는 명령어 집합 구조(ISA), CPU 및 GPU 프로세서 설계, 메모리 계층 구조 등 컴퓨터 아키텍처의 핵심 개념을 심도 있게 다룹니다. 이를 위해 다양한 프로그래밍 과제와 실습을 통해 이론과 실무를 접목시키고, 최신 GPU 하드웨어 및 소프트웨어 동향을 반영한 교육과 연구를 진행합니다. 또한, GPU의 대규모 병렬 처리 능력을 활용하여 인공지능, 딥러닝, 그래프 신경망 등 다양한 첨단 응용 분야에 적용할 수 있는 아키텍처 최적화 기법을 개발하고 있습니다.
이러한 연구를 통해 임베디드 시스템과 GPU 아키텍처의 효율성과 성능을 극대화하고, 에너지 효율적인 범용 연산 가속기, 복합 연산 환경에서의 최적화된 하드웨어 및 소프트웨어 솔루션을 제시하는 것을 목표로 하고 있습니다. 연구 결과는 국내외 유수 학술지 및 학회에 다수 발표되고 있으며, 관련 특허와 산학협력을 통해 실질적인 산업적 파급효과도 창출하고 있습니다.
에너지 효율적 병렬 컴퓨팅 및 인공지능 가속기
본 연구실은 에너지 효율적 병렬 컴퓨팅 아키텍처와 인공지능(AI) 가속기 설계에 대한 선도적 연구를 수행하고 있습니다. 대규모 병렬 프로세서와 복합 연산 가속기의 성능 및 에너지 효율을 극대화하기 위한 다양한 하드웨어 및 소프트웨어 기법을 개발하고 있으며, 특히 복소수 신경망, 멀티모달 AI, 딥러닝 트레이닝 및 추론을 위한 맞춤형 가속기 구조에 집중하고 있습니다.
연구실에서는 차세대 메모리 소자와 계층형 레지스터 파일, 고성능 메모리 관리 기법, 프리패칭 및 스케줄링 최적화, 커널 병합 및 퓨전 등 다양한 기술을 활용하여 AI 워크로드의 처리 효율을 높이고 있습니다. 또한, 멀티테넌트 환경에서의 공정한 리소스 할당, GPU 내 여러 애플리케이션의 동시 실행 시 성능 및 공정성 분석, 그리고 실시간 시스템에서의 신뢰성 및 보안성 강화 등 실질적인 시스템 문제 해결에도 주력하고 있습니다.
이러한 연구는 국가연구재단, 정보통신기획평가원 등 다양한 정부 및 산업체 지원 프로젝트와 연계되어 진행되고 있으며, 실제 산업 현장에 적용 가능한 기술로 발전하고 있습니다. 연구 성과는 국제 저명 학술지 및 학회에서 다수의 수상과 발표로 이어지고 있으며, 관련 특허 출원 및 기술이전 등 실질적인 사회적, 경제적 가치를 창출하고 있습니다.
