임베디드 시스템 및 컴퓨터 구조 연구실

전기전자공학부 노원우

임베디드 시스템 및 컴퓨터 구조 연구실은 전기전자공학부에 소속된 연구실로, 주로 PIM 아키텍처, GPU 최적화, 양자 시뮬레이션, AI 스케줄링 알고리즘 등 다양한 분야에서 활발한 연구를 진행하고 있습니다. 최근 3년간 메모리 중심 아키텍처, 고성능 GPU 메모리 시스템 개발, 인공신경망 워크로드 성능 분석 등의 프로젝트를 성공적으로 수행하였으며, 다수의 논문을 국제 학회에 발표하였습니다. 특히, PIM 아키텍처와 관련된 연구는 높은 평가를 받고 있으며, 다양한 데이터 집약적 응용 프로그램을 위한 시스템 개발에 중점을 두고 있습니다. 또한, GPU 최적화와 관련된 연구에서는 GPU 워크로드 동작 분석 및 구조 개선을 통해 성능 향상을 달성하였습니다.

PIM Architecture

GPU Optimization

Quantum Simulation

대표 연구 분야

연구 영역 전체보기

고성능 GPU 워크로드 동작 분석 및 구조 개선

GPU 기반 컴퓨팅의 효율성과 성능을 극대화하기 위해 고성능 GPU 워크로드의 동작을 분석하고 구조적인 개선을 연구합니다. 복잡한 GPU 워크로드에서 발생하는 병목현상과 비효율성을 제거하며, 이를 통해 전체 시스템의 성능을 최적화하는 방안을 모색합니다. 최신 GPU 아키텍처를 기반으로 한 다양한 실험과 데이터 분석을 통해 구조적인 개선점을 도출하고, 이를 시스템에 적용하여 실제 성능 향상을 검증합니다.

재구성 가능한 인공신경망 가속기 구현 및 인스트럭션셋 기술개발

인공신경망의 연산 효율을 극대화하기 위해 재구성 가능한 가속기를 구현하고, 이에 적합한 인스트럭션셋을 개발합니다. 인공신경망의 다양한 모델에 대해 최적의 성능을 발휘할 수 있도록 가속기의 하드웨어와 소프트웨어를 유기적으로 설계하며, 적응형 양자화와 같은 기술을 적용하여 실시간 학습과 추론을 지원합니다. 또한, 가속기의 효율적인 활용을 위해 적절한 프로그래밍 모델과 개발 도구를 함께 연구합니다.

주요 논문

발행물 전체보기

A convertible neural processor supporting adaptive quantization for real-time neural networks

Journal of Systems Architecture, 2023

R2D2: Removing ReDunDancy Utilizing Linearity of Address Generation in GPUs

Proceedings - International Symposium on Computer Architecture, 2023

SnakeByte: A TLB Design with Adaptive and Recursive Page Merging in GPUs

IEEE High-Performance Computer Architecture Symposium Proceedings, 2023

완료된 프로젝트

프로젝트 전체보기

DEVELOPMENT OF HIGH PERFORMANCE MULTI-GPU MEMORY SYSTEM

한국연구재단

2021년 03월 ~ 2024년 02월

SPACE: Locality-Aware Processing in Heterogeneous Memory for Personalized Recommendations

ISCA'21

Two-Stage In-Storage Processing and Scheduling for Pattern Matching Applications

IEEE Access 2021