DGIST 김예성 교수 연구팀, 인간 뇌 계산방식 도입 빅데이터 처리 기술개발

[헤럴드경제(대구)=김병진 기자]DGIST는 정보통신융합전공 김예성 교수 연구팀이 빅데이터 연산에 있어 기존 연산 방식의 성능과 효율성을 개선시킨 메모리 기반의 연산구조를 개발했다고 21일 밝혔다.

이번 연구는 기존 컴퓨터 시스템에서 발생하는 계산 병목을 찾아 이를 메모리 기반의 계산방식으로 변경·개선한 것이다.

기존 컴퓨터 시스템은 메모리와 연산장치(CPU)가 분리돼 있어 빅데이터를 메모리와 CPU간에 송수신할 때 속도가 느려지는 병목현상이 종종 발생한다.

이러한 기존 송수신 방식을 ‘비지도 군집화 기계학습(Unsupervised Clustering)’알고리즘이라 하며 이는 데이터 처리에 있어 연산량 및 데이터 처리량이 기하급수적으로 늘어 연산에 문제점을 갖고 있다.

이와 관련해 김 교수 연구팀도 빅데이터 처리과정에서의 메모리 대역폭 부족에 따른 병목현상을 발견했다.

김 교수 연구팀은 부족한 메모리 대역폭 문제를 해결하기 위해 메모리 기반의 연산(In-Memory Computing) 컴퓨터 아키텍처를 활용했다.

기존의 아날로그 기반 하드웨어는 낮은 집적도로 인해 칩 공간 효율성이 떨어지는 문제가 있는데 김 교수 연구팀이 개발한 컴퓨팅 시스템에서는 기존 아날로그 방식을 디지털화시켜 계산하는 새로운 메모리 설계방법을 적용했다.

김 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.

김 교수 연구팀은 메모리 기반 연산 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 배 가량 향상할 수 있다”고 말했다.

한편 이번 연구는 미국 어바인 캘리포니아대의 모센 이마니 교수팀과 미국 샌디에이고 캘리포니아대 타야나 로징 교수팀과의 공동 협력으로 진행됐으며 연구 논문은 지난 10월17일부터 21일까지 진행된 국제 최우술 학술대회인 IEEE/ACM MICRO에 발표됐다.