효율적인 AI 기술

IoT/빅데이터/엣지 컴퓨팅을 위한 탁월한 컴퓨팅 효율을 달성하기 위해 AI 및 학습 기술을 재설계하는 방법에 중점을 두고 있습니다. 기존 프로세서를 뛰어넘는 컴퓨팅을 위한 근접 데이터 컴퓨팅과 궁극의 효율 프로세서인 인간의 뇌를 면밀히 모델링하는 뇌 기반 초차원 컴퓨팅을 포함하여 미래 학습 기술을 위한 대안적인 컴퓨팅 솔루션을 모색합니다.

온디바이스 생성 AI

LLM(Local Learning, 선형 모델) 및 확산(Diffusion)을 포함한 정교한 모델을 개발하고 시스템 최적화 및 성능 평가와 같은 신흥 분야에 적용하여 최첨단 생성 AI를 발전시킵니다. 본 연구는 모델 최적화 및 지식 압축 기술 개발을 중점적으로 다루며, 다양한 응용 분야에서 효율적인 배포를 촉진하고 최신 시스템 설계의 혁신을 촉진합니다.

뇌 기반 초차원 컴퓨팅

초차원(HD) 컴퓨팅은 이론적 신경과학에 기반하여 인지 작업을 가볍고 오류가 적은 방식으로 처리하는 대안적인 컴퓨팅 방식입니다. HD 컴퓨팅을 기반으로 지도 학습, 비지도 학습, 강화 학습 등 다양한 학습 작업을 지원하는 신경 기호 AI를 개발하고 있습니다.

대안 컴퓨팅을 활용한 학습

다양한 대안 컴퓨팅 분야에서 머신 러닝의 역할을 재고합니다. 니어 데이터 컴퓨팅, 인메모리 컴퓨팅, CXL(Compute Express Link)과 같은 차세대 컴퓨터 아키텍처에서 AI 애플리케이션을 원활하게 가속화하기 위한 다양한 시스템 수준 솔루션을 모색합니다. 또한 기존 컴퓨터의 성능을 향상시키는 ML 기반 시스템 소프트웨어를 개발합니다.