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.

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.