ㅇ 최종목표- 우수 클라우드 기업들과 공동 운영하는 클라우드 교육과정과 기업체 멘토와 산업 현장 문제를 함께 해결하는 PBL 연구 교육과정을 통한 클라우드+X 융합 인재 양성ㅇ 연구 개발 과제 정량적 주요 목표- PBL 연구교육과정 운영에 총 15개 이상 기업 참여 (클라우드 대기업 포함)- KOCW 등 PBL 연구교육과정 온라인 공개 총 8건 이상- 국내...

o Energy-drivn 컴퓨팅 시스템 개발 - Energy-driven 컴퓨팅 지원 초소형 운영체제 개발 . Energy-driven 시스템 상태전환 및 스케줄링 기술 . Energy-driven 구조의 데이터 보호 기술 . 메모리 혼합 구조에서의 데이터 일관성 보장 기술 . Energy-driven 시스템에서의 멀티 태스크 쓰레드 관리 기술 - 비휘발성 인터미턴트 컴퓨팅 지원 컴파일러 개발 . 비휘발성 데이터 관리를 위한 Idempotent 최적화 기술 . 전력 최적화 및 데이터 일관성 보장을 위한 라이브러리 기술 - 비휘발성 인터미턴트 컴퓨팅 아키텍처 개발 . 차세대 비휘발성 메모리 기반 HW구성 - Energy-driven 시스템을 위한 기계학습 프레임워크 . Energy-driven컴퓨팅 환경에서도 최적의 정확도를 얻을 수 있는 동적 경로 추론 기술 o 전원 불안정 상황인지 전력 관리 및 제어 시스템 개발 - 전원 불안정 상황인지 전력관리/제어 모듈 . 에너지 하베스팅 기반 전력 관리 및 제어 HW 요소기술 . 에너지 상태 실시간 모니터링 기술 - 시스템 모듈간 전력 간섭제거 및 안정화 모듈 . 전력 간섭 제거 및 안정화 기술 o 전원 불안정 상황인지 시스템 도구 - 비휘발성 메모리 기반 시스템 시뮬레이터 . Energy-driven 컴퓨팅 시스템 시뮬레이션 기술 - 시뮬레이션 기반 시스템 전력 프로파일링 . Energy-driven 컴퓨팅 시스템의 에너지 상태 모니터링 및 분석 기술 - 전원 불안정 상황에서의 실행검증 디버거 . Energy-driven 컴퓨팅 시스템의 오류 검출을 위한 디버깅 기술 o Energy-driven 컴퓨팅 시스템 검증용 테스트베드 - 초경량 하드웨어기반 Energy-driven 기계학습 모델 . 전원 불안정 상태에서 진행 보장 신경망 학습 기능 - 초소형 큐브위성 시뮬레이터 . 초소형 큐브 위성용 에너지 모사 실시간 시뮬레이션 기술 - 웨어러블 IoT 모듈 . 불안정 전력 상황인지 웨어러블 IoT 센싱 모듈 실증 o Energy-driven 컴퓨팅 시스템SW 오픈소스 현황 분석 및 오픈소스 전략 수립

1차년도 연구에서는 엣지 디바이스에 탑재된 하드웨어 가속기의 실행 재구성을 지원하기 위한 mechanism을 설계하고 구현함을 목표로 한다. 타겟 시스템은 컴퓨팅 파워가 낮고 IoT 디바이스로 널리 사용될 수 있는 임베디드 시스템이며 배터리나 태양광 등 안정적이지 않은 전력 공급원을 가지고 있는 환경에서 동작한다. 근사 컴퓨팅을 위해 하드웨어 가속기의 자원 사용량을 동적으로 변동시키기 위해서는 최초에 응용이 사용하기 시작한 하드웨어 명세의 내용이 실행 중에 재구성될 수 있어야 한다. 이를 위해 응용은 허용되는 최저 성능을 명세할 수 있어야 하며, 운영체제는 최저 성능을 만족시키면서 전력소모를 최소화하기 위해 하드웨어 자원을 관리해야 한다. 근사컴퓨팅 구현을 위해서, 하드웨어 가속기 관리자는 각 하드웨어 자원의 전력 소모 특성 및 정확도를 높이기 위한 노력(effort) 대비 자원의 필요량을 예측해야 하는데, 이 부분은 비선형적 관계를 가지기 때문에 간단히 구현되기 어렵다. 따라서 뉴로모픽 프로세서를 가속기로 사용할 경우, 정확도가 높아질수록 소모되는 에너지가 기하급수적으로 증가할 것으로 예상할 수 있다. 하드웨어 가속기 관리 자는 하드웨어 가속기 마다 다른 정확성과 에너지 소모 특성을 반영할 수 있도록 설계될 것이다. 2차년도에는 하드웨어 가속기를 이용하여 소모 전력 당 정확도 향상을 목표로 하는 스케줄러를 개발하고, 응용 프로그램에서 사용하는 하드웨어 가속기의 수나 종류를 변경할 수 있도록 지원하는 것을 목표로 한다. 응용프로그램의 하드웨어 가속기 사용 요청은 이를 처리하는 가속기 manager에전달되고, 가속기 manager는 요구 하드웨어와 메모리에 대한 정보를 이용하여 사용자가 요구하는 정확도를 달성하기 위한 전력 소모를 결정한다. 이 때 현재 사용 가능한 전력량을 고려하여 소모 전력 당 성능이 최대화되도록 실행 정책을 결정해야 하고, 사용자가 요구하는 정확도를 달성할 수 있는 지 사용자에게 피드백한다. 소모 전력은 사용하는 하드웨어 자원을 조정하여 수행 결과의 정확도와 trade-off 될 수 있다. 하드웨어 가속기를 이용하여 hidden layer의 뉴런 수를 증가시키면 AI 응요의 정확도를 증가시킬 수 있다. 반대로 전력이 부족한 경우 뉴런의 수를 줄여 사값(approximate value)을 구하고, 이로부터 절약된 하드웨어 자원의 전력 사용량을 감소시킬 수 있다. 3차년도에는 2차년도까지 완성된 하드웨어 가속기 지원 프레임워크에 할 실시간 제약조건을 만족시킬 수 있는 스케줄러 지원을 목표로 한다. 하드웨어 가속기의 경우 태스크의 요청이 발생하면 그 요청을 처리하기 위해 할당된 하드웨어 자원이 독점적으로 사용된다. 이러한 상황에 대한 기본적인 접근법은 하드웨어 가속기를 사용하는 태스크들을 자원을 공유하는 태스크들로 간주하여 스케줄링 하 는 것이다. HW 가속기를 완전한 비선점형 스케줄링 기법으로 스케줄하는 경우 우선순위 역전으로 인한blocking time이 너무 크기 때문에, 본 연구에서는 하드웨어 가속기를 사용하는 태스크의 수행을 partitioning 하여 부분적 비선점형 스케줄링 기법을 적용할 수 있도록 연구를 진행할 계획이다. 본 연구에서는 전력 소모를 함께 고려하기 때문에 기존 스케줄링 기법의 적용은 어려우며, 따라서 하드웨어 가속기 스케줄링에 적용할 새로운 스케줄러를 개발하여 운영체제에서 지원토록 한다.

본 프로젝트는 태양광 에너지를 쓰는 IoT/임베디드 시스템의 전력 문제를 해결해 지속성, 생존성, 성능을 높이는 에너지 관리 프레임워크 개발임. 연구 목표는 QoS를 조절해 최소 QoS 보장과 평균 QoS 최대화를 달성하고, 태양전지-배터리의 시간 제약을 완화하는 것임. 핵심 연구 내용은 EDF 기반 실시간 스케줄을 offline 생성해 런타임 오버헤드를 줄이면서 (m,k)·skip 모델 등 유연한 수행 포기 개념을 적용하는 실시간 스케줄링임. 또한 하이브리드 전력 저장장치로 초고용량 커패시터와 배터리를 결합하고, 커패시터의 누전량을 QoS 제어기에 반영하는 제어 프레임워크를 제시함. 기대 효과는 에너지 변동이 있는 실시간 시스템에 확장 적용 가능하며, 태양광 드론의 체공시간 증대와 웨어러블 응용 가능성 증대임.