RnDCircle Logo
arrow left icon

ComSys

고려대학교 반도체공학과

오윤호 교수

Processor Architectures

AI Acceleration Systems

Memory Systems

ComSys

반도체공학과 오윤호

ComSys 연구실은 차세대 컴퓨팅 시스템의 아키텍처와 시스템 소프트웨어 설계 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 CPU, GPU, AI 가속기 등 다양한 프로세서 구조의 혁신을 통해 고성능, 고효율 컴퓨팅 환경을 구현하는 데 집중하고 있습니다. 특히, 병렬 컴퓨팅과 고성능 컴퓨팅(HPC)에서 요구되는 높은 처리량과 에너지 효율을 동시에 달성하기 위한 하드웨어 및 소프트웨어 기술 개발에 주력하고 있습니다. 연구실은 AI 및 딥러닝 워크로드를 위한 특화된 하드웨어 아키텍처와 시스템 소프트웨어를 설계합니다. GPU 및 AI 가속기의 구조적 개선, DNN 가속기 설계, 멀티테넌트 환경에서의 효율적인 자원 관리와 스케줄링, 스레드 레벨 병렬성 조정 등 다양한 혁신적 기법을 연구하고 있습니다. 이러한 연구는 실제 데이터센터와 클라우드 인프라에서의 효율적인 자원 활용과 서비스 품질 보장에 크게 기여합니다. 또한, ComSys 연구실은 첨단 메모리 시스템과 이기종 메모리 구조, CXL 및 PIM 기반 아키텍처 등 차세대 메모리 기술을 개발하고 있습니다. 대규모 데이터와 AI 워크로드의 효율적인 처리를 위해 계층형 메모리 시스템, 메모리 오버서브스크립션 인지형 스케줄링, 공격적 프리페칭 등 다양한 소프트웨어 및 하드웨어 솔루션을 제안합니다. 이러한 연구는 데이터센터의 에너지 효율과 성능을 극대화하는 데 중요한 역할을 합니다. 연구실의 주요 성과는 국제 저명 학술대회와 저널에 다수 발표되고 있으며, 산업계와의 협력 및 특허 출원 등 실질적인 기술 이전도 활발히 이루어지고 있습니다. 또한, 다양한 정부 및 산업체 연구과제를 수행하며, 차세대 반도체 및 인공지능 인력 양성에도 기여하고 있습니다. ComSys 연구실은 앞으로도 컴퓨터 아키텍처, 시스템 소프트웨어, 메모리 시스템, AI 가속기 등 다양한 분야에서 혁신적인 연구를 지속할 계획입니다. 이를 통해 미래의 고성능 컴퓨팅, 인공지능, 데이터센터, 클라우드 등 다양한 산업 분야의 발전을 선도하고, 실질적인 사회적 가치를 창출하는 연구실로 성장하고자 합니다.

Processor Architectures
AI Acceleration Systems
Memory Systems
차세대 프로세서 아키텍처 및 병렬 컴퓨팅
ComSys 연구실은 차세대 프로세서 아키텍처와 병렬 컴퓨팅 기술의 혁신을 목표로 하고 있습니다. 현대 컴퓨팅 환경에서는 대규모 데이터 처리와 인공지능 연산, 복잡한 시뮬레이션 등 고성능 연산이 필수적입니다. 이에 따라 CPU, GPU, AI 가속기 등 다양한 프로세서 구조의 효율성과 성능을 극대화하기 위한 연구가 활발히 진행되고 있습니다. 연구실은 특히 고성능 컴퓨팅(HPC)과 병렬 처리에 최적화된 프로세서 설계, 컴파일러 기술, 계층적 레지스터 파일 관리 등 핵심 기술 개발에 집중하고 있습니다. 이러한 연구는 기존의 병목 현상과 자원 충돌 문제를 해결하기 위해 새로운 하드웨어 및 소프트웨어 기법을 도입합니다. 예를 들어, 계층적 레지스터 파일 구조와 충돌 인지형 컴파일러 기술을 통해 데이터 접근 효율을 높이고, 에너지 소비를 줄이는 동시에 연산 속도를 향상시키는 방법을 제안합니다. 또한, GPU와 CPU가 다양한 워크로드를 효과적으로 처리할 수 있도록 아키텍처를 개선하고, 딥러닝 및 복잡한 시뮬레이션과 같은 현대적 응용 분야의 요구를 충족시키고자 합니다. 이 연구의 성과는 미래의 고성능 컴퓨팅 시스템, 데이터센터, 인공지능 플랫폼 등 다양한 분야에 적용될 수 있습니다. 더불어, 병렬 컴퓨팅의 효율성을 극대화함으로써 대규모 데이터 분석, 과학적 계산, 실시간 서비스 등에서 혁신적인 성능 향상을 기대할 수 있습니다. ComSys 연구실의 이러한 노력이 차세대 컴퓨팅 기술의 발전을 선도하고 있습니다.
AI 가속기 및 에너지 효율적 데이터센터 시스템
ComSys 연구실은 인공지능(AI) 가속기와 에너지 효율적인 데이터센터 시스템 설계에 중점을 두고 있습니다. 최근 AI 기술의 급속한 발전과 함께, 대규모 딥러닝 모델의 학습 및 추론을 위한 하드웨어 가속기의 중요성이 커지고 있습니다. 연구실은 GPU, NPU, AI 전용 가속기 등 다양한 하드웨어 플랫폼에서 AI 워크로드의 성능을 극대화하고, 에너지 소비를 최소화하는 아키텍처 및 시스템 소프트웨어를 개발하고 있습니다. 특히, AI 워크로드의 특성을 반영한 새로운 GPU 아키텍처, DNN(딥러닝 신경망) 가속기 구조, 병렬 처리 최적화 기법 등이 주요 연구 주제입니다. 또한, 멀티테넌트 환경에서 여러 AI 모델이 동시에 실행될 때의 자원 할당, 스케줄링, 스레드 레벨 병렬성 조정 등 소프트웨어적 혁신도 함께 이루어지고 있습니다. 이러한 연구는 실제 데이터센터에서의 효율적인 자원 활용과 서비스 품질(QoS) 보장에 크게 기여합니다. 더불어, 연구실은 CXL(Compute Express Link) 기반의 차세대 메모리 시스템, PIM(Processing-In-Memory) 아키텍처 등 첨단 메모리 기술을 데이터센터에 적용하여, 대규모 AI 및 빅데이터 워크로드의 성능과 에너지 효율을 동시에 향상시키고 있습니다. 이러한 통합적 접근은 미래 데이터센터와 클라우드 인프라의 핵심 경쟁력을 제공하며, 다양한 산업 분야에서 AI 혁신을 가속화할 것입니다.
혁신적 메모리 시스템 및 시스템 소프트웨어
ComSys 연구실은 현대 컴퓨팅 인프라의 핵심인 메모리 시스템과 시스템 소프트웨어의 혁신에도 집중하고 있습니다. 데이터센터와 고성능 컴퓨팅 환경에서는 메모리 대역폭, 용량, 접근 지연 등이 전체 시스템 성능과 에너지 효율에 큰 영향을 미칩니다. 이에 따라 연구실은 계층형 메모리 시스템, 이기종 메모리 구조, CXL 메모리, PIM 등 첨단 메모리 아키텍처를 개발하고, 이를 효과적으로 관리할 수 있는 시스템 소프트웨어 기술을 연구합니다. 특히, 딥러닝 학습과 추론, 대규모 데이터 분석 등 메모리 집약적 워크로드에서의 효율적인 데이터 이동 및 저장, 메모리 오버서브스크립션 상황에서의 스케줄링, 프리페칭 최적화 등 다양한 문제를 해결하고 있습니다. 예를 들어, GPU의 통합 스토리지에서 텐서 이동을 위한 메모리 오버서브스크립션 인지형 스케줄링, 대규모 트랜스포머 모델의 효율적 실행을 위한 공격적 프리페칭 기법 등이 대표적입니다. 이와 함께, 하드웨어의 세부 구조와 특성을 최대한 활용할 수 있도록 아키텍처 인지형 소프트웨어(AAS) 개발에도 힘쓰고 있습니다. 임베디드 GPU, SSD 등 다양한 하드웨어 환경에서 시스템 성능과 에너지 효율을 극대화하는 소프트웨어 기술은 실제 산업 현장과 차세대 컴퓨팅 시스템에서 큰 파급 효과를 가져올 것입니다.
1
MOST: Memory Oversubscription-aware Scheduling for Tensor Migration on GPU Unified Storage
IEEE CAL, 1970
2
Hierarchical Traversal Stack Design Using Shared Memory for GPU Ray Tracing
ISPASS 2025, 1970
3
SSFFT: Energy-Efficient Selective Scaling for Fast Fourier Transform in Embedded GPUs
LCTES 2025, 1970
1
효율적인 차세대 심층 신경망 실행을 위한 다중 테넌트 GPU 가속 시스템 구조 연구
한국연구재단
2024년 03월 ~ 2025년 02월
2
시스템반도체설계 실무인력양성사업
한국산업기술진흥원
2024년 ~ 2024년 12월
3
[RCMS]산학밀착형 차세대 반도체 융합인력양성(P0022179)
교육부·산업통상자원부 한국산업기술진흥원
2022년 07월 ~ 2023년 02월