DGIST, 인간 뇌 계산방식 도입 새로운 빅데이터 처리 기술 개발

DGIST(총장 국양) 정보통신융합전공 김예성 교수 연구팀은 빅데이터 연산에 있어 기존 연산 방식의 성능과 효율성을 개선시킨 메모리 기반의 연산 구조를 개발했다.

이번 연구는 기존 컴퓨터 시스템에서 발생하는 계산 병목을 찾아 이를 메모리 기반의 계산방식으로 변경·개선한 것으로, 향후 빅데이터 처리 분야에서 긍정적인 효과를 줄 수 있을 것으로 전망된다.

기존 컴퓨터 시스템은 메모리와 연산 장치(CPU)가 분리돼 있어 빅데이터를 메모리와 CPU간에 송수신할 때 속도가 느려지는 병목현상이 종종 발생한다. 이러한 기존 송수신 방식을 비지도 군집화 기계 학습(Unsupervised Clustering) 알고리즘이라 하며, 이는 데이터 처리에 있어 연산량 및 데이터 처리량이 기하급수적으로 늘어 연산에 문제점을 지니고 있다.

이에 김예성 교수 연구팀도 빅데이터 처리과정에서의 메모리 대역폭 부족에 따른 병목현상을 발견했다.

김예성 교수 연구팀은 부족한 메모리 대역폭 문제를 해결하고자 메모리 기반의 연산(In-Memory Computing) 컴퓨터 아키텍처를 활용했다. 김예성 교수 연구팀이 개발한 컴퓨팅 시스템에서는 기존 아날로그 방식을 디지털화시켜 계산하는 새로운 메모리 설계방법을 적용했다.

김예성 교수 연구팀은 초차원(Hyperdimensional) 컴퓨팅 알고리즘도 함께 적용했다. 초차원 컴퓨팅 알고리즘은 뇌의 계산 방식을 모방한 알고리즘으로, 숫자로 구성된 기존 데이터를 패턴화된 수많은 비트열로 재구성해 병렬 고속 연산이 가능하다.

이로써 김예성 교수 연구팀은 메모리 기반 연산(In-Memory Computing) 아키텍처와 초차원(Hyperdimensional) 컴퓨팅 알고리즘을 통해 기존 대비 59배의 속도 향상과 251배의 향상된 에너지 효율성을 달성할 수 있었다.

김예성 교수는 “이번 연구를 통해 메모리와 연산장치 간의 병목현상을 제거하고 군집화 알고리즘 처리 성능을 최대 수십 배가량 향상할 수 있다”며 “향후 빅데이터와 인공지능 분야 등에서의 효율적인 데이터 학습에 혁신을 가져올 수 있는 연구를 지속할 계획이다”고 전했다.

한편 이번 연구는 美 어바인 캘리포니아 대학교(UCI)의 모센 이마니(Mohsen Imani) 교수팀과 美 샌디에이고 캘리포니아 대학교(UCSD) 타야나 로징(Tajana Rosing) 교수팀과의 공동 협력으로 진행됐다. 이번 연구의 논문은 지난 10월 17일부터 21일까지 진행된 국제 최우술 학술대회인 IEEE/ACM MICRO에 발표됐다.