%ED%95%9C%EB%8F%99%EC%88%98
-
고비용 인프라 없이 AI 학습 가속화 가능
우리 대학 연구진이 고가의 데이터센터급 GPU나 고속 네트워크 없이도 AI 모델을 효율적으로 학습할 수 있는 기술을 개발했다. 이 기술을 통해 자원이 제한된 기업이나 연구자들이 AI 연구를 보다 효과적으로 수행할 수 있을 것으로 기대된다.
우리 대학 전기및전자공학부 한동수 교수 연구팀이 일반 소비자용 GPU를 활용해, 네트워크 대역폭이 제한된 분산 환경에서도 AI 모델 학습을 수십에서 수백 배 가속할 수 있는 기술을 개발했다고 19일 밝혔다.
기존에는 AI 모델을 학습하기 위해 개당 수천만 원에 달하는 고성능 서버용 GPU(엔비디아 H100) 여러 대와 이들을 연결하기 위한 400Gbps급 고속 네트워크를 가진 고가 인프라가 필요했다. 하지만 소수의 거대 IT 기업을 제외한 대부분의 기업과 연구자들은 비용 문제로 이러한 고가의 인프라를 도입하기 어려웠다.
한동수 교수 연구팀은 이러한 문제를 해결하기 위해 '스텔라트레인(StellaTrain)'이라는 분산 학습 프레임워크를 개발했다. 이 기술은 고성능 H100에 비해 10~20배 저렴한 소비자용 GPU를 활용해, 고속의 전용 네트워크 대신 대역폭이 수백에서 수천 배 낮은 일반 인터넷 환경에서도 효율적인 분산 학습을 가능하게 한다.
기존의 저가 GPU를 사용할 경우, 작은 GPU 메모리와 네트워크 속도 제한으로 인해 대규모 AI 모델 학습 시 속도가 수백 배 느려지는 한계가 있었다. 하지만 연구팀이 개발한 스텔라트레인 기술은 CPU와 GPU를 병렬로 활용해 학습 속도를 높이고, 네트워크 속도에 맞춰 데이터를 효율적으로 압축 및 전송하는 알고리즘을 적용해 고속 네트워크 없이도 여러 대의 저가 GPU를 이용해 빠른 학습을 가능하게 했다.
특히, 학습을 작업 단계별로 CPU와 GPU가 나누어 병렬적으로 처리할 수 있는 새로운 파이프라인 기술을 도입해 연산 자원의 효율을 극대화했다. 또한, 원거리 분산 환경에서도 GPU 연산 효율을 높이기 위해, AI 모델별 GPU 활용률을 실시간으로 모니터링해 모델이 학습하는 샘플의 개수(배치 크기)를 동적으로 결정하고, 변화하는 네트워크 대역폭에 맞추어 GPU 간의 데이터 전송을 효율화하는 기술을 개발했다.
연구 결과, 스텔라트레인 기술을 사용하면 기존의 데이터 병렬 학습에 비해 최대 104배 빠른 성능을 낼 수 있는 것으로 나타났다.
한동수 교수는 "이번 연구가 대규모 AI 모델 학습을 누구나 쉽게 접근할 수 있게 하는 데 큰 기여를 할 것"이라고 밝혔다. “앞으로도 저비용 환경에서도 대규모 AI 모델을 학습할 수 있는 기술 개발을 계속할 계획이다”라고 말했다.
이번 연구는 우리 대학 임휘준 박사, 예준철 박사과정 학생, UC 어바인의 산기타 압두 조시(Sangeetha Abdu Jyothi) 교수와 공동으로 진행됐으며, 연구 성과는 지난 8월 호주 시드니에서 열린 ACM SIGCOMM 2024에서 발표됐다.
한편, 한동수 교수 연구팀은 2024년 7월 GPU 메모리 한계를 극복해 소수의 GPU로 거대 언어 모델을 학습하는 새로운 기술도 발표했다. 해당 연구는 최신 거대 언어 모델의 기반이 되는 전문가 혼합형(Mixture of Expert) 모델을 제한된 메모리 환경에서도 효율적인 학습을 가능하게 한다.
이 결과 기존에 32~64개 GPU가 필요한 150억 파라미터 규모의 언어 모델을 단 4개의 GPU만으로도 학습할 수 있게 됐다. 이를 통해 학습의 필요한 최소 GPU 대수를 8배~16배 낮출 수 있게 됐다. 해당 논문은 KAIST 임휘준 박사와 김예찬 연구원이 참여했으며, 오스트리아 빈에서 열린 AI 분야 최고 권위 학회인 ICML에 발표됐다. 이러한 일련의 연구 결과는 자원이 제한된 환경에서도 대규모 AI 모델 학습이 가능하다는 점에서 중요한 의미를 가진다.
해당 연구는 과학기술정보통신부 한국연구재단이 주관하는 중견연구사업 (RS-2024-00340099), 정보통신기획평가원(IITP)이 주관하는 정보통신·방송 기술개발사업 및 표준개발지원사업 (RS-2024-00418784), 차세대통신클라우드리더십구축사업 (RS-2024-00123456), 삼성전자의 지원을 받아 수행됐다.
2024.09.19 조회수 5508 -
인프라 없어도 치매 환자 신속히 찾을 수 있어요
무선랜이나 블루투스와 같은 무선신호 인프라가 설치되지 않은 건설 현장과 공장 건물에서도 동작하고, 어린이나 치매 노인을 찾아낼 수 있는 실내외 통합 GPS 시스템을 우리 연구진이 개발해 화제다.
우리 대학 전산학부 지능형 서비스통합 연구실 한동수 교수 연구팀이 전 세계 모든 건물에서 위치 서비스를 제공할 수 있는 ‘범용 실내외 통합 GPS 시스템’을 개발했다고 12일 밝혔다.
이번에 개발된 범용 실내외 통합 GPS 시스템인 카이로스(KAILOS, KAIST LOcating System)는 서비스 범위를 소수의 특정된 건물에서 벗어나 전 세계 모든 건물로 확장했다. 위치 인프라 제약에서도 벗어나 앞으로는 무선 신호가 부재한 건물에서도 구동되는, 소위 범용적인 실내외 통합 GPS 위치인식 서비스가 가능해질 전망이다.
연구팀은 실내외 전환 탐지 AI 기법과 건물 출입구를 탐지하는 AI 기법을 통합시킨 센서퓨전 위치인식 기법을 개발했다. 이 기법들은 건물 출입구 탐지, 층 탐지, 계단/엘리베이터와 같은 랜드마크 탐지 기법이 보행자 항법 기법(PDR)과 연계돼 작동한다.
구체적으로 연구팀은 GPS 신호와 관성센서에서 얻어지는 신호를 복합적으로 활용해 사용자가 진입하는 건물을 판별하고 건물에 진입하는 시점과 위치를 실시간에 탐지하는 기법을 개발했다. 건물 내에서는 기압과 관성센서를 활용해 계단/엘리베이터를 이용한 수직 이동을 탐지하고 기압 정보를 활용해 층을 탐지하는 기법도 개발했다.
한편 연구팀은 GPS, 와이파이(WiFi), 블루투스 신호 칩과 관성센서, 기압 센서, 지자기 센서, 조도 센서를 통합시킨 위치 전용 사물인터넷(IoT) 태그도 제작했다. 개발된 태그에 장착된 GPS 센서는 위성에서 직접 수신되는 L1 신호뿐 아니라 건물에 반사되는 L5 신호도 처리해 도심 협곡에서도 높은 정확도를 달성할 수 있다.
이제 위치 태그만 있으면 LTE 신호가 제공되는 전 세계 어느 건물에서도 실내외 구분 없이 위치를 추정하고, 추정된 위치에 기반한 다양한 실내외 통합 위치기반 응용 서비스를 개발할 수 있다. 사물인터넷(IoT) 태그의 배터리 소요에 있어서는 위치 서비스 주기에 따라 달라질 수 있지만 실시간 서비스 조건이 완화된 환경에서는 배터리 충전 없이 수일 동안 서비스를 제공할 수 있음을 확인했다.
연구팀은 스마트폰을 위치 단말로 사용하는 스마트폰에서 구동되는 실내외 통합 GPS 앱도 함께 개발했다. 개발된 앱은 위치기반 안전, 편의, 엔터테인먼트와 같은 응용 분야에서 널리 사용되면 연구팀이 보유하고 있는 ‘크라우드소싱 무선 라디오맵 구축 자동화 기법’과 접목해 도시 혹은 국가 수준의 정밀한 무선 라디오맵 구축도 가능해질 전망이다. 향후 도시 및 국가 수준의 라디오맵이 구축되면 신뢰도 높고 정확한 실내외 통합 GPS 서비스를 할 수 있다.
연구팀을 이끄는 전산학부 한동수 교수는 “이번에 업그레이드된 카이로스(KAILOS) 실내외 통합 GPS 시스템은 위치 인프라가 설치되지 않은 건설 현장과 공장 건물에서 개발된 시스템의 기능과 성능을 평가하는 6차례의 개념 증명(Proof of Concept, PoC) 과정도 수행해 상용화 가능성을 입증했다”며, “또한 어린이나 치매 노인 보호를 위해 실내외 통합 GPS 위치 태그를 신발에 장착하려는 요구가 있다. 건설 현장, 그리고 조선소, 제철소와 같은 공장 작업자의 안전을 위치에 기반해 관리하려는 시도도 있다. 이번에 개발한 시스템은 이런 상황에 적용이 쉬우며, 소방관이나 경찰의 도움이 필요한 구조요청에도 신속하게 대응할 수 있다”고 말했다.
이번에 개발된 실내외 통합 GPS 시스템은 2022년 개발이 시작된 한국형 GPS 시스템(KPS)의 서비스 영역을 실내로 확장하는 데도 활용될 것으로 기대된다.
한편 이번 연구는 방위사업청의 재원을 받아 국방과학연구소의 지원(미래도전 국방기술 연구개발사업)으로 수행됐다.
2024.08.12 조회수 4014 -
위치인식 기술의 혁신, 인공지능 활용한 실내외 통합 GPS 시스템 개발
우리 대학 전산학부 한동수 교수 연구팀(지능형 서비스 통합 연구실)이 실내외 환경 구분 없이 정밀한 위치인식이 가능한 `실내외 통합 GPS 시스템'을 개발했다고 8일 밝혔다.
이번에 개발된 실내외 통합 GPS 시스템은 실외에서는 GPS 신호를 사용해 위치를 추정하고 실내에서는 관성센서, 기압센서, 지자기센서, 조도센서에서 얻어지는 신호를 복합적으로 사용해 위치를 인식한다. 이를 위해 연구팀은 인공지능 기법을 활용한 실내외 탐지, 건물 출입구 탐지, 건물 진입 층 탐지, 계단/엘리베이터 탐지, 층 탐지 기법 등을 개발했다. 아울러 개발된 각종 랜드마크 탐지 기법들을 보행자 항법 기법(PDR)과 연계시킨 소위 센서 퓨전 위치인식 알고리즘도 새롭게 개발했다.
지금까지는 GPS 신호가 도달하지 않는 공간에서는 무선랜 신호나 기지국 신호를 기반으로 위치를 인식하는 것이 보통이었다. 하지만 이번에 개발된 실내외 통합 GPS 시스템은 신호가 존재하지 않고 실내지도가 제공되지 않는 건물에서도 위치인식을 가능하게 하는 최초의 기술이다.
연구팀이 개발한 알고리즘은 구글, 애플의 위치인식 서비스에서는 제공하지 않는 건물 내에서의 정확한 층 정보를 제공할 수 있다. 비전이나 지구 자기장, 무선랜 측위 방식과 달리 사전 준비 작업이 필요치 않은 장점도 있다. 전 세계 어디에서나 사용할 수 있는 범용적인 실내외 통합 GPS 시스템을 구축할 수 있는 기반이 마련됐다.
연구팀은 GPS, 와이파이, 블루투스 신호 수신 칩과 관성센서, 기압센서, 지자기센서, 조도센서 등을 탑재시킨 실내외 통합 GPS 전용 보드도 제작했다. 또한 제작된 하드웨어(HW) 보드에 개발된 센서퓨전 위치인식 알고리즘을 탑재했다. 제작된 실내외 통합 GPS 전용 하드웨어(HW) 보드의 위치인식 정확도를 대전 KAIST 본원 N1 건물에서 측정한 결과, 층 추정에 있어서는 약 95%의 정확도를, 수평 방향으로는 약 3~6미터의 정확도를 달성했다. 실내외 전환에 있어서는 약 0.3초의 전환 속도를 달성했다. 보행자 항법(PDR) 기법을 통합시켰을 때는 1미터 내외의 정확도를 달성하였다.
연구팀은 위치인식 보드가 내장된 태그를 제작하고 박물관, 과학관, 미술관 방문객들을 위한 위치기반 전시 안내 서비스에 적용할 예정이다. 개발된 실내외 통합 GPS 태그는 어린이나 노약자를 보호하는 목적으로도 활용할 수 있으며 소방관 혹은 작업장 작업자의 위치 파악에도 활용할 수 있다. 한편 지하 주차장과 같은 실내로 진입하는 차량의 위치를 추정하는 차량용 센서 퓨전 위치인식 알고리즘과 위치인식 보드도 개발하고 있다.
연구팀은 차량용 실내외 통합 GPS 위치인식 보드가 제작되면 자동차 제조사, 차량 대여 업체들과의 협력을 모색할 예정이며, 스마트폰에 탑재될 센서 퓨전 위치인식 알고리즘도 개발할 예정이다. 개발된 알고리즘이 내장된 실내외 통합 GPS 앱이 개발되면 위치인식 분야에서 다양한 사업화를 모색하는 통신사와의 협력도 가능할 것으로 기대된다.
연구팀을 이끄는 전산학부 한동수 교수는 "무선 신호가 존재하지 않고 실내지도도 주어지지 않는 건물에서 위치인식이 가능한 실내외 통합 GPS 시스템 개발은 이번이 처음이며, 그 응용 분야도 무궁무진하다. 2022년부터 개발이 시작된 한국형 GPS(KPS) 시스템, 한국형 항공위성서비스(Korea Augmentation Satellite System, KASS)와 통합되면 한국이 실내외 통합 GPS 분야에서 선도 국가로 나설 수 있으며 향후 기술 격차를 더 벌릴 수 있도록 실내외 통합 GPS 반도체 칩도 제작할 계획이다ˮ라고 말했다.
또 "개발된 실내외 통합 GPS 태그를 사용한 과학관, 박물관, 미술관 위치기반 안내 서비스는 관람객의 동선 분석에도 유용하게 활용될 수 있다. 전시물 교체를 결정할 때 요구되는 꼭 필요한 유용한 정보다. 국립중앙과학관에 우선 적용될 수 있도록 노력하겠다”라고 말했다.
한편 실내외 통합 GPS 시스템, 그리고 위치기반 관람객 동선 분석 시스템 개발은 과기정통부의 과학문화전시서비스 역량강화지원사업의 지원으로 개발됐다.
2022.07.08 조회수 12062 -
최초 머신러닝 기반 유전체 정렬 소프트웨어 개발
우리 대학 전기및전자공학부 한동수 교수 연구팀이 머신러닝(기계학습)에 기반한 *유전체 정렬 소프트웨어를 개발했다고 12일 밝혔다.
☞ 유전체(genome): 생명체가 가지고 있는 염기서열 정보의 총합이며, 유전자는 생물학적 특징을 발현하는 염기서열들을 지칭한다. 유전체를 한 권의 책이라고 비유하면 유전자는 공백을 제외한 모든 글자라고 비유할 수 있다.
차세대 염기서열 분석은 유전체 정보를 해독하는 방법으로 유전체를 무수히 많은 조각으로 잘라낸 후 각 조각을 참조 유전체(reference genome)에 기반해 조립하는 과정을 거친다. 조립된 유전체 정보는 암을 포함한 여러 질병의 예측과 맞춤형 치료, 백신 개발 등 다양한 분야에서 사용된다.
유전체 정렬 소프트웨어는 차세대 염기서열 분석 방법으로 생성한 유전체 조각 데이터를 온전한 유전체 정보로 조립하기 위해 사용되는 소프트웨어다. 유전체 정렬 작업에는 많은 연산이 들어가며, 속도를 높이고 비용을 낮추는 방법에 관한 관심이 계속해서 증가하고 있다. 머신러닝(기계학습) 기반의 인덱싱(색인) 기법(Learned-index)을 유전체 정렬 소프트웨어에 적용한 사례는 이번이 최초다.
전기및전자공학부 정영목 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `옥스포드 바이오인포메틱스(Oxford Bioinformatics)' 2022년 3월에 공개됐다. (논문명 : BWA-MEME: BWA-MEM emulated with a machine learning approach)
유전체 정렬 작업은 정렬해야 하는 유전체 조각의 양이 많고 참조 유전체의 길이도 길어 많은 연산량이 요구되는 작업이다. 또한, 유전체 정렬 소프트웨어에서 정렬 결과의 정확도에 따라 추후의 유전체 분석의 정확도가 영향을 받는다. 이러한 특성 때문에 유전체 정렬 소프트웨어는 높은 정확성을 유지하며 빠르게 연산하는 것이 중요하다.
일반적으로 유전체 분석에는 하버드 브로드 연구소(Broad Institute)에서 개발한 유전체 분석 도구 키트(Genome Analysis Tool Kit, 이하 GATK)를 이용한 데이터 처리 방법을 표준으로 사용한다. 이들 키트 중 BWA-MEM은 GATK에서 표준으로 채택한 유전체 정렬 소프트웨어이며, 2019년에 하버드 대학과 인텔(Intel)의 공동 연구로 BWA-MEM2가 개발됐다.
연구팀이 개발한 머신러닝 기반의 유전체 정렬 소프트웨어는 연산량을 대폭 줄이면서도 표준 유전체 정렬 소프트웨어 BWA-MEM2과 동일한 결과를 만들어 정확도를 유지했다. 사용한 머신러닝 기반의 인덱싱 기법은 주어진 데이터의 분포를 머신러닝 모델이 학습해, 데이터 분포에 최적화된 인덱싱을 찾는 방법론이다. 데이터에 적합하다고 생각되는 인덱싱 방법을 사람이 정하던 기존의 방법과 대비된다.
BWA-MEM과 BWA-MEM2에서 사용하는 인덱싱 기법(FM-index)은 유전자 조각의 위치를 찾기 위해 유전자 조각 길이만큼의 연산이 필요하지만, 연구팀이 제안한 알고리즘은 머신러닝 기반의 인덱싱 기법(Learned-index)을 활용해, 유전자 조각 길이와 상관없이 적은 연산량으로도 유전자 조각의 위치를 찾을 수 있다. 연구팀이 제안한 인덱싱 기법은 기존 인덱싱 기법과 비교해 3.4배 정도 가속화됐고, 이로 인해 유전체 정렬 소프트웨어는 1.4 배 가속화됐다.
연구팀이 이번 연구에서 개발한 유전체 정렬 소프트웨어는 오픈소스 (https://github.com/kaist-ina/BWA-MEME)로 공개돼 많은 분야에 사용될 것으로 기대되며, 유전체 분석에서 사용되는 다양한 소프트웨어를 머신러닝 기술로 가속화하는 연구들의 초석이 될 것으로 기대된다.
한동수 교수는 "이번 연구를 통해 기계학습 기술을 접목해 전장 유전체 빅데이터 분석을 기존 방식보다 빠르고 적은 비용으로 할 수 있다는 것을 보여줬으며, 앞으로 인공지능 기술을 활용해 전장 유전체 빅데이터 분석을 효율화, 고도화할 수 있을 것이라 기대된다ˮ고 말했다.
한편 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 데이터 스테이션 구축·운영 사업으로서 수행됐다.
2022.04.17 조회수 11579 -
전산학부 한동수 교수팀, (주)오렌지쇼크, (주)브이아이소프트와 MOU 체결
우리 대학 전산학부 한동수 교수 연구팀이 ㈜오렌지쇼크(대표이사 고태윤), ㈜브이아이소프트와 NFT 및 메타버스와 연계된 확장현실(XR) 디지털 IP 플랫폼 구축에 관한 전략적 업무 협약(MOU)을 체결했다.
지난달 28일 서울특별시 용산구 이태원동 소재 몬드리안 호텔에서 진행된 이번 협약식은 KAIST 스마트과학관 전시기술연구단장 한동수 교수, ㈜브이아이소프트의 권혁순 부사장 등 3사의 주요 임직원이 참석한 가운데 진행됐다.
이날 협약으로 ㈜오렌지쇼크의 고태윤 대표이사는 KAIST가 연구개발중인 실내위치기반의 ARㆍVR과 연계된 다양한 전시기술과 ㈜브이아이소프트가 제공하고 있는 ‘짤깍’이라는 AR 기술을 혼합하여 혼합ㆍ확장현실(MRㆍXR) 디지털 IP 플랫폼 구축 사업을 진행한다고 설명했다.
KAIST 스마트과학관 전시기술단장 한동수 교수는 “혼합ㆍ확장 현실(MRㆍXR) 분야는 앞으로 고부가가치 산업으로 급성장할 것으로 전망한다”며 “㈜오렌지쇼크의 디지털 IP 개발 및 플랫폼 구축 역량을 바탕으로 연구센터가 보유한 위치기반의 전시 기술, 그리고 ㈜브이아이소프트의 VRㆍAR 기술력을 접목하여 NFTㆍ메타버스와 연계된 혼합ㆍ확장 현실(MRㆍXR)을 구축할 수 있게 되어 매우 기쁘게 생각한다”라고 전했다.
이번 협약을 통해 ㈜오렌지쇼크는 KAIST, ㈜브이아이소프트와의 메타버스 및 NFT 결합에 대해 연계 사업 및 제휴 지원을 약속하였으며, 3사가 보유한 채널을 통해 B2B 사업을 도모할 예정이다.
2022.03.08 조회수 7360 -
사생활 침해 논란없는 코로나19 감염병 확산방지시스템 개발
세계 각국에서 주목을 받는 K-방역을 떠받쳐 온 코로나19 관련 검사·추적·치료 등 기존 3T 시스템을 한층 업그레이드시킨 새로운 `코로나19 감염병 확산방지시스템(앱&웹)'이 개발됐다.
우리 대학이 개발한 이 시스템은 GPS·무선랜·블루투스·기압계·관성 센서의 신호를 주기적으로 수집, 기록하는 스마트폰 블랙박스를 기반으로 하고 있어 사생활 침해 논란을 최소화하면서 신속한 역학조사와 격리자 관리 등 코로나19 상황에 효율적인 대응이 가능하다. 기존 3T 시스템은 신용카드 이용 내역 등 광범위한 개인정보 접근을 통해 확진자 동선을 공개하는 과정에서 사생활 노출로 인한 인권침해 우려가 꾸준히 제기돼 왔다.
전산학부 지능형서비스통합연구실 한동수 교수 연구팀은 스마트폰의 이동 동선을 기록하는 스마트폰 블랙박스를 기반으로 `코로나19 감염병 확산방지시스템(앱&웹)'을 개발했다고 10일 밝혔다.
한 교수 연구팀이 개발한 스마트폰 블랙박스 시스템은 스마트폰에 내장돼있는 GPS와 와이파이·블루투스·관성 센서 등을 통해서 수집된 신호를 보관했다가 2주가 지나면 자동으로 폐기한다. 또 개인 스마트폰 블랙박스에 저장된 기록은 일체 외부로 유출되지 않으며 특히 확진자의 동선을 공개하는 경우에도 문자로 표현되는 장소 정보가 아닌 신호 정보를 공개하기 때문에 확진자의 사생활 보호가 가능하다.
따라서 코로나19 집단감염대응 차원에서 그동안 꾸준히 지적돼 온 개인의 사생활 침해 문제에 대해 기존과는 다르게 보다 섬세한 방법으로 접근했다는 점이 이 시스템의 가장 큰 특징이다.
한 교수팀의 `코로나19 감염병 확산방지시스템'은 크게 일반인을 위한 `바이러스 노출 자가진단 시스템'과 감염병 관리기관을 위한 `확진자 역학조사 시스템', 그리고 `격리자 관리 시스템' 등 3개 시스템으로 이뤄져 있다.
우선 `바이러스 노출 자가진단 시스템'은 확진자의 동선과 개인의 스마트폰 블랙박스에 기록된 동선의 중첩 여부를 체크해 이뤄진다. 현재 방식은 확진자의 정보가 메시지를 통해 전달되고 개개인이 직접 확진자의 동선을 확인하는 불편함이 따르지만 한 교수팀이 개발한 시스템에서는 사용자가 수시로 해당 앱의 버튼을 눌러 바이러스 노출 여부를 쉽고 빠르게 체크할 수 있다.
`확진자 역학조사 시스템'을 통해 확진자 관련 역학조사를 빠르고 정확하게 수행할 수 있다. 코로나19 감염병 확진을 받은 환자의 스마트폰 블랙박스에 기록된 신호를 지도상에 표시를 해주기 때문에 역학 조사관이 확진자의 이동 동선을 쉽게 파악할 수 있다.
한동수 교수는 이와 함께 이 시스템에 지난 10여년간 개발해 온 실내·외 통합 위치 인식시스템 KAILOS(KAIST Locating System)의 기능도 적용했다. 이에 따라 실내지도와 신호지도가 준비된 건물에서는 건물 내부에서도 확진자의 이동 동선을 확인할 수 있다.
스마트폰 블랙박스는 격리자 관리에도 활용된다. 격리자의 스마트폰 블랙박스가 수집한 신호는 주기적으로 `격리자 관리 시스템'에 전송된다. `격리자 관리 시스템'은 전송받은 신호를 실시간으로 분석해 격리자의 격리공간 이탈 여부를 확인한다. GPS 신호뿐 아니라 무선랜 신호를 사용함으로써 실외뿐 아니라 실내에서의 확진자 격리공간 이탈 여부를 확인할 수 있어 기존 방식보다 더 정확하게 격리자를 관리할 수 있다는 게 강점이다.
한동수 교수는 "현재 약 30여 종의 스마트폰이 사용되고 있는데 스마트폰마다 탑재된 센서의 종류가 매우 다양해서 연구팀이 개발한 시스템을 다양한 스마트폰에 이식하고 테스트하는 작업을 진행하고 있다ˮ면서 "이 작업을 마치는 대로 곧 시스템을 출시할 계획ˮ이라고 소개했다.
KAIST 신성철 총장도 "PreSPI(Prevention System for Pandemic Disease Infection)로 이름 붙인 이 시스템을 활용하면 코로나19 재확산으로 수고하는 의료진 등 방역 분야 종사자들의 수고와 시간을 획기적으로 줄일 수 있고 사생활 침해 논란 없이 신속하고 정확한 역학조사가 가능해져 K-방역의 우수성을 다시 한번 세계 각국에 과시하는 계기가 될 것ˮ이라고 강조했다.
2020.06.11 조회수 24723 -
한동수 교수, ACM CoNEXT 2020 학술대회 프로그램 체어 선임
우리 대학 전기및전자공학부 한동수 교수가 제16회 ACM CoNEXT (International Conference on emerging Networking EXperiments and Technologies) 프로그램 체어 (PC Chair) 로 선임됐다.
ACM CoNEXT 학술대회는 ACM의 컴퓨터 네트워크 전문가 그룹 (SIG)인 ACM SIGCOMM에서 주최하는 대표적 학회 중 하나로 한국정보과학회에서는 최우수 학술대회로 분류되고 있다. 한동수 교수는 아시아 기관 출신으로서는 대회 역사상 처음으로 프로그램 체어로 선임됐다.
한 교수는 Max Planck Institute for Informatics의 Anja Feldmann 교수와 공동 프로그램 위원장 직을 수행하며, 본 학술대회 프로그램 구성을 위하여 우리대학 전기및전자공학부 김성민 교수를 포함한 세계적 연구자 40명을 프로그램 위원으로 선임했다.
본 학술대회의 논문 투고는 6월말에 이루어지며, 학술대회는 12월 1-4일에 개최된다.
ACM CoNEXT 2020 학회 홈페이지 : https://conferences2.sigcomm.org/co-next/2020/#!/home
2020.05.28 조회수 18453 -
스마트과학관 전시연구단 성과 발표
우리 대학은 스마트과학관 전시연구단(단장 전산학부 한동수) 사업의 일환으로 동영상이 연계된 AR 사진 제작 기법·과학 청진기·로봇 안내 시스템 등의 기술을 11월 7일과 8일 대전 국립중앙과학관(관장 정병선)에서 전시했다.
KAIST 지능형서비스 연구실(전산학부 한동수 교수), 원더랩(산업디자인학과 이우훈 교수), HCI 연구실(전산학부 이기혁 교수), 컴퓨터 그래픽스 및 가시화 연구실(전산학부 박진아 교수) 등이 참여하는 이번 행사에는 전시콘텐츠·전시운영기술·전시기반기술 분야에서 15개의 연구팀이 성과물을 선보였다.
`VR/AR/홀로그램 과학문화 콘텐츠', `O2O 기반 실감형 버츄얼 과학관', `동영상이 연계된 AR 사진 제작 기법', `과학문화전시 큐레이션 기술과 오감자극 전시 디자인 기술' 등이 출품되어 8일에 각 연구팀의 발표가 진행됐다.
한국연구재단에서 지원하는 과학문화전시서비스 역량강화지원사업은 전국 과학관·박물관·미술관 등에 실내 위치 인식 기술·증강현실(AR)·가상현실(VR)·사물인터넷(IoT)·인공지능(AI) 등의 최신 IT 기술을 접목한 서비스를 도입해 관람객을 위한 새로운 전시 체계를 개발하는 연구를 수행하고 있다.
참여 연구팀은 각 지역의 과학관과의 협업을 바탕으로 일상생활이 곧 실험실이 되는 `리빙랩(Living Lab, 생활실험실)을 운영하며 연구와 개발을 진행 중이다.
한동수 스마트과학관 전시연구단장은 "국제과학심포지움과 함께 진행되는이번 전시는 체험하는 과학·실감하는 과학·상상을 현실로 만드는 과학을 목표로 진행하고 있다ˮ고 강조했다.
이어, 한 단장은 "실내 위치인식·로봇·인간/컴퓨터 상호작용(Human-computer interaction)·AR/VR과 같은 최신 IT 기술을 접목시킨 연구팀의 땀과 노력이 관람객들의 공감을 얻을 수 있기를 기대한다.”고 밝혔다.
2019.11.08 조회수 14321 -
한동수 교수, 크라우드소싱 기반의 실내 위치인식 기술 개발
〈 한동수 교수 〉
우리 대학 전산학부 한동수 교수 연구팀(지능형서비스통합 연구실)이 크라우드소싱 기반의 실내 위치 인식 기술을 개발했다.
이번 기술은 스마트폰에 탑재된 다양한 센서를 통해 수집된 신호를 기반으로 무선랜 신호(일명 핑거프린트)의 수집 위치를 자동으로 라벨링하는 인공지능 기법이다.
무선랜 신호가 존재하고 스마트폰이 사용되는 건물이면 어디든 적용할 수 있고 정확도가 높아 도심의 실내 위치 인식 시스템 구축비용을 획기적으로 줄일 수 있을 것으로 기대된다.
세계적인 주요 IT 기업들은 실내 환경에서 정확도 높은 위치정보를 제공하기 위해 다양한 노력을 해 왔지만, 정확도 높은 라디오맵(특정 지역이나 건물의 신호 특성) 구축에 많은 어려움을 겪고 있다. 주로 활용되는 와이파이 포지셔닝 시스템(WPS)는 건물의 층을 구분하지 못한다는 한계가 있다.
연구팀은 문제 해결을 위해 우선 불특정 다수의 스마트폰을 통해 수집된 무선신호를 클러스터링을 통해 건물별로 분류한 뒤 기압 정보를 통해 다시 층별로 분류했다. 연구팀은 날씨 변화로 인한 기압 정보 측정에 어려움을 겪던 기존 기술의 한계를 극복하고 수집된 무선신호를 층별로 구분하는 기법을 새롭게 개발했다.
연구팀은 새로 개발한 반자율학습 위치 라벨링 AI 기법을 통해 무선신호의 수집 위치를 라벨링했다. 관성 센서 기반의 관성항법(Pedestrian Dead Reckoning) 기법을 접목해 초기 라디오맵을 구축했고, 관성 센서로부터 얻어지는 신호 정보 없이 수집된 무선신호는 지역 탐색과 전역 탐색을 반복적으로 수행하는 최적화 기계학습 알고리즘을 통해 수집 위치를 최적화했다.
연구팀은 지하 2층, 지상 6층의 12만 평 규모의 실내 쇼핑몰을 대상으로 정확도를 측정한 결과 3~6미터 수준의 정확도를 보임을 확인했다. 층 구분 정확도도 95% 이상 가능해 수작업을 통한 정확도를 넘어서는 결과를 보였고, 도시 전체 건물에 적용했을 때도 유사한 결과를 얻을 수 있을 것으로 예상했다.
이번에 개발한 기술을 주요 IT 기업, 통신사, 온라인 쇼핑사의 앱을 통해서 수집된 신호에 적용하면 도시 및 국가 규모의 실내 위치 인프라를 손쉽게 구축할 수 있을 것으로 예상된다.
한동수 교수는 “대규모 무선신호를 수집할 수 있는 기업이 해당 기술을 도입하면 가까운 미래에 대부분의 실내 공간에서도 5~10미터 수준의 정확도 높은 위치 인식 서비스가 제공될 수 있을 것이다”라며 “실내외 통합 내비게이션, 응급 호출 서비스 등 스마트시티를 구현하는 데 유용하게 활용될 수 있을 것이다”라고 말했다.
□ 그림 설명
그림1.KAILOS 개념도
2019.06.10 조회수 9431 -
한동수, 신진우 교수, 느린 인터넷 환경에서도 고화질 영상 감상 기술 개발
〈 (왼쪽부터) 김재홍, 정영목 석사과정, 여현호 박사과정, 한동수, 신진우 교수 〉
우리 대학 전기및전자공학부 신진우, 한동수 교수 연구팀이 딥러닝 기술을 이용한 인터넷 비디오 전송 기술을 개발했다.
여현호, 정영목, 김재홍 학생이 주도한 이번 연구 결과는 격년으로 개최되는 컴퓨터 시스템 분야의 유명 학술회의인 ‘유즈닉스 OSDI(USENIX OSDI)’에서 10월 10일 발표됐고 현재 국제 특허 출원을 완료했다.
이 기술은 유튜브, 넷플릭스 등에서 비디오를 사용자에게 전송할 때 사용하는 적응형 스트리밍(HTTP adaptive streaming) 비디오 전송기술과 딥러닝 기술인 심층 콘볼루션 신경망(CNN) 기반의 초해상화를 접목한 새로운 방식이다.
이는 열악한 인터넷 환경에서도 고품질, 고화질(HD)의 비디오 시청이 가능할 뿐 아니라 4K, AV/VR 등을 시청할 수 있는 새로운 기반 기술이 될 것으로 기대된다.
기존의 적응형 스트리밍은 시시각각 변화하는 인터넷 대역폭에 맞춰 스트리밍 중인 비디오 화질을 실시간으로 조절한다. 이를 위해 다양한 알고리즘이 연구되고 있으나 네트워크 환경이 좋지 않을 때는 어느 알고리즘이라도 고화질의 비디오를 감상할 수 없다는 한계가 있다.
연구팀은 적응형 스트리밍에 초해상화를 접목해 인터넷 대역폭에 의존하는 기존 적응형 스트리밍의 한계를 극복했다. 기존 기술은 비디오를 시청 시 긴 영상을 짧은 시간의 여러 비디오 조각으로 나눠 다운받는다. 이를 위해 비디오를 제공하는 서버에서는 비디오를 미리 일정 시간 길이로 나눠 준비해놓는 방식이다.
연구팀이 새롭게 개발한 시스템은 추가로 신경망 조각을 비디오 조각과 같이 다운받게 했다. 이를 위해 비디오 서버에서는 각 비디오에 대해 학습이 된 신경망을 제공하며 또 사용자 컴퓨터의 사양을 고려해 다양한 크기의 신경망을 제공한다.
제일 큰 신경망의 크기는 총 2메가바이트(MB)이며 비디오에 비해 상당히 작은 크기이다. 신경망을 사용자 비디오 플레이어에서 다운받을 때는 여러 개의 조각으로 나눠 다운받으며 신경망의 일부만 다운받아도 조금 떨어지는 성능의 초해상화 기술을 이용할 수 있도록 설계했다.
사용자의 컴퓨터에서는 동영상 시청과 함께 병렬적으로 심층 콘볼루션 신경망(CNN) 기반의 초해상화 기술을 사용해 비디오 플레이어 버퍼에 저장된 저화질 비디오를 고화질로 바꾸게 된다. 모든 과정은 실시간으로 이뤄지며 이를 통해 사용자들이 고화질의 비디오를 시청할 수 있다.
연구팀이 개발한 시스템을 이용하면 최대 26.9%의 적은 인터넷 대역폭으로도 최신 적응형 스트리밍과 같은 체감 품질(QoE, Quality of Experience)을 제공할 수 있다. 또한 같은 인터넷 대역폭이 주어진 경우에는 최신 적응형 스트리밍보다 평균 40% 높은 체감 품질을 제공할 수 있다.
이 시스템은 딥러닝 방식을 이용해 기존의 비디오 압축 방식보다 더 많은 압축을 이뤄낸 것으로 볼 수 있다. 연구팀의 기술은 콘볼루션 신경망 기반의 초해상화를 인터넷 비디오에 적용한 차세대 인터넷 비디오 시스템으로 권위 잇는 학회로부터 효용성을 인정받았다.
한 교수는 “지금은 데스크톱에서만 구현했지만 향후 모바일 기기에서도 작동하도록 발전시킬 예정이다”며 “이 기술은 현재 유튜브, 넷플릭스 등 스트리밍 기업에서 사용하는 비디오 전송 시스템에 적용한 것으로 실용성에 큰 의의가 있다”고 말했다.
이번 연구는 과학기술정보통신부 정보통신기술진흥센터(IITP) 방송통신연구개발 사업의 지원을 받아 수행됐다.
비디오 자료 링크 주소 1.
https://www.dropbox.com/sh/z2hvw1iv1459698/AADk3NB5EBgDhv3J4aiZo9nta?dl=0&lst =
□ 그림 설명
그림1. 기술이 적용되기 전 화질(좌)과 적용된 후 화질 비교(우)
그림2. 기술 개념도
그림3. 비디오 서버로부터 비디오가 전송된 후 저화질의 비디오가 고화질의 비디오로 변환되는 과정
2018.10.30 조회수 13915 -
한동수 교수, 크라우드소싱 기반 실내 위치인식 시스템 개발
〈 한 동 수 교수 〉
우리 대학 전산학부 한동수 교수 연구팀(지능형 서비스통합 연구실)이 실내 공간에서 획득한 와이파이 신호의 수집 위치정보를 자동으로 파악할 수 있는 기술을 개발했다.
이 기술은 글로벌 실내 위치인식 시스템 구축에 필요한 핵심 기술로 다수의 스마트폰에서 수집된 무선랜 핑거프린트의 수집 위치를 자동으로 라벨링하는 인공지능 기법이다. 비용을 절감하면서 높은 정확도를 가질 수 있고 무선랜 핑거프린트 수집이 가능한 건물이라면 어느 곳에도 적용 가능하다.
여러 글로벌 기업들이 실내 GPS를 실현하기 위해 전 세계 주요도시에서 수만 건의 실내 지도를 수집했다. 실내 지도와 함께 신호 지도 수집도 시도했지만 높은 정확도를 갖지 못했고 그 결과 실내에서의 위치 인식 서비스 질이 떨어진다.
연구팀은 문제 해결을 위해 실내를 이동 공간과 체류 공간으로 구분하고 각각의 공간에 최적화된 수집 위치 라벨링을 자동화하는 기술을 개발했다.
연구팀이 개발한 기술은 복도, 로비, 계단과 같은 이동 공간에서도 수집된 신호의 위치정보를 별도의 외부 정도 없이도 자동으로 라벨링하는 새로운 자율학습(Unsupervised Learning) 인공지능 기술이다.
이 기술을 토대로 기초실험연구동(N5)과 김병호-김삼열IT융합빌딩(N1)에서 실험을 실시했고, 충분한 양의 학습 데이터가 주어진다는 가정 하에 오차범위 3~4미터 수준의 정확도를 보였다.
이는 수작업을 통해 수집 위치를 라벨링한 결과와 비슷한 정확도로 연구팀이 함께 개발한 지자기 신호, 3축 가속기, 자이로스코프 기반의 딥러닝을 활용한 새로운 센서 퓨전 기법을 통하면 정확도가 더욱 상승하는 결과를 보였다.
그 동안 스마트폰을 통해 수집된 핑거프린트는 활용되지 못하고 버려졌지만 개발된 기술을 통해 무선랜 핑거프린트 빅데이터 영역이 새롭게 열릴 것으로 기대된다.
개발된 GPS 구축 기술은 글로벌 기업이나 국내 위치정보 서비스 기업 등이 전국 범위에서 위치정보 서비스를 제공할 때 도입해 효과적으로 사용할 수 있을 것으로 예상된다.
GPS 신호가 도달하지 않는 실내 환경에서 위치인식 정확도가 높아짐에 따라 포켓몬고 등의 O2O(online to offline) 위치기반 게임도 실내에서 실행 가능할 것으로 기대된다.
또한 다양한 위치기반 SNS, 사물인터넷 등 서비스가 활성화되고 위급한 상황에서 112나 119에 구조요청을 할 시 정확한 위치 파악이 가능할 것으로 보인다.
한 교수는 “개발된 글로벌 실내 위치인식 시스템 구축 기술을 KAIST 실내 위치인식 시스템인 카이로스(KAILOS)에 탑재해 서비스 할 예정이다”며 “전 세계 어느 건물에서든 정확도 높은 실내 위치인식 시스템을 손쉽게 구축할 수 있고 장래에 대부분 실내 공간에서도 위치인식 서비스가 제공 가능할 것이다”고 말했다.
카이로스는 2014년 KAIST에서 출시한 개방형 실내 위치인식 서비스 플랫폼이다. 자신이 원하는 건물의 실내지도를 카이로스에 등록하고 해당 건물의 핑거프린트를 수집해 실내 위치인식 시스템을 구축하도록 지원 중이다.
□ 그림 설명
그림1. 핑거프린트를 수집하여 신호지도를 구축한 뒤, 구축된 신호지도를 기반으로 위치를 추정하는 과정
그림2. KAILOS가 여러 가지 신호와 센서를 복합적으로 사용하였을 때 예상되는 정확도
2017.04.12 조회수 18312 -
산학협력단, 융합캡스톤디자인 성과 발표회
KAIST 학부생들이 중소기업의 애로기술 해결사로 나섰다.
우리 대학은 11일(금) 오전 교내 창의학습관 로비에서 학부생, 교원, 기업 관계자 등 50여명이 참여한 가운데 ‘융합캡스톤디자인 성과 발표회’를 열었다.
KAIST가 지난 봄학기 부터 시작한 ‘융합캡스톤디자인’과목은 학생들이 전공과목에서 배운 공학이론을 바탕으로 기업이 풀기 어려운 애로기술을 정규수업에서 집중적으로 연구해 그 해결책을 찾는 수업이다.
수업은 서로 다른 전공을 가진 5명 내외의 학생들이 팀을 이뤄 △ 대상기업 제품의 문제점이 무엇인지 △ 그 원인은 무엇인지 △ 문제해결을 위한 시스템을 어떻게 설계할 것인지 등의 논의를 거쳐 결론을 내고 시제품까지 제작해 보는 순서로 진행된다.
이번 발표회에는 가을학기 수업에서 프로젝트를 진행 중인 6개 팀의 학생대표들이 연구주제에 대해 발표하고 이어 부스별로 시제품 시연행사도 진행한다.
첫 발표자로 나선 기계공학과 조성현 학생은 ‘라디오맵 자동 수집을 위한 로봇 시스템 설계’를 주제로 발표하고 이어 기계공학과 도종용 학생이 ‘수면패턴 측정패드’를 주제로 발표한다.
이밖에 △ 기계공학과 김완수 학생의 ‘소음 측정기’ △ 기계공학과 김영웅 학생의 ‘햅틱 핸들’ △ 화학과 김다미 학생의 ‘마이크로 니들 주름 개선’ △ 기계공학과 이준영 학생의‘지문촬영 툴 개발’등의 발표도 진행된다.
학생들이 개발한 기술은 이미 특허출원을 모두 마쳤으며, 해당기업은 시장성을 평가해 그 기술을 상용화 할 예정이다.
최근 공학교육이 논문중심의 평가로 인해 학생들이 논문쓰기에만 관심을 갖는다는 지적이 있으나, 이번 프로젝트 도입으로 국내 공학교육의 틀이 현장중심으로 새롭게 바뀔 것으로 기대된다고 KAIST는 밝혔다.
이번 프로젝트에 참여한 김완수 KAIST 기계공학과 학생 은“이번 프로젝트는 공학이론이 현장에 어떻게 적용되는지를 시험해 볼 수 있는 기회이자 다른 전공자들의 아이디어를 얻을 수 있는 소중한 자리였다”라고 소감을 밝혔다.
한편, 이번 프로젝트 지도교수로는 기계공학과 박수경 교수와 이익진 교수, 산업디자인학과 배석형 교수, 생명공학과 김유천 교수, 전산학부 한동수 교수, 전기 및 전자공학부 윤준보 교수가 참여했다. 끝.
2015.12.11 조회수 16515