분산·고성능 컴퓨팅 성능 최적화와 스케줄링 연구

Performance Optimization and Scheduling for Distributed High-Performance Computing

연구 내용

프로파일링 기반 성능 데이터와 머신러닝을 결합해 수치기상예측 환경의 I/O 및 파라미터를 자동 최적화하고, 엣지 클라우드 스케줄링과 분산 딥러닝 성능을 체계적으로 분석하는 연구

수치기상예측과 같은 과학 응용에서 제한된 자원 환경을 활용하기 위해, 하드웨어·소프트웨어 파라미터가 성능에 미치는 영향을 프로파일링과 벤치마킹으로 수집하고, 이를 학습해 최적 조합을 예측하는 방법을 연구합니다. 또한 엣지 클라우드 오프로딩을 위한 스케줄링 기법을 분류·비교하고 품질요소와 지연 관점을 정리합니다. 분산 딥러닝 관점에서는 모델 병렬·데이터 병렬의 통신 병목을 고려해 하이브리드 파이프라인을 구성하고, OpenRAN 기반 실증연구를 통해 분산 머신러닝 실행 조건을 점검하는 흐름으로 확장합니다.

관련 프로젝트

2건

연구 흐름

초기에는 고성능 컴퓨팅에서 모델 입출력 병목을 파악하기 위한 HW/SW 연계 I/O 기술과 프로파일링 기반 성능 분석 체계를 마련했습니다. 이후 Low GloSea6과 같은 기상예측 환경에서 I/O 동작을 측정·벤치마크하고, 엣지 클라우드 스케줄링 기법을 정리하여 지연과 QoS 관점을 보강했습니다. 이어서 수집된 성능 데이터로 머신러닝 모델을 학습해 실행 시간에 대응하는 최적 파라미터 조합을 예측하는 연구를 수행했습니다. 최근에는 분산 딥러닝의 통신 제약을 고려한 하이이브리드 파이프라인과 OpenRAN 기반 분산 머신러닝 실증으로 확장하는 단계로 이어지고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

수치기상예측 모델 실행 시간 예측
과학 응용 I/O 성능 최적화 자동화
엣지 클라우드 오프로딩 스케줄링 모델
분산 딥러닝 통신 병목 완화 전략
서버 자원 기반 고정밀 성능 튜닝
슈퍼컴퓨팅 연구용 경량 실행 환경 구축
OpenRAN 기반 분산 AI 실증
데이터센터 운영용 성능 모니터링
HPC 워크로드 프로파일 기반 자원관리
예측 서비스 품질과 지연 동시 제어