Computer Architecture and Co-design Research Group (CoCoLab) 에서는 다양한 인공지능 어플리케이션을 대상으로 컴퓨터 아키텍처와 하드웨어-소프트웨어 공동 설계를 연구합니다. 최근 대규모 언어 모델, 개인화 추천 시스템, 자율 주행 등 여러 분야에서 인공지능 알고리즘의 활용이 크게 확대됨에 따라, 높은 성능과 에너지 효율성을 동시에 제공하는 컴퓨터 시스템의 필요성이 갈수록 높아지고 있습니다. 본 연구실에서는 포괄적인 관점으로 엣지-디바이스부터 데이터센터의 모든 범위에서, 인공지능 모델의 특성을 런-타임, 메모리 시스템, 가속기 아키텍처와 같은 컴퓨터 시스템과 유기적으로 연결하는 인공지능 시스템을 연구합니다. 최근 연구 주제는 ‘대규모 언어모델 서빙을 위한 GPU 시스템과 클러스터 스케줄링 기법’, ‘개인정보 보호 인공지능을 위한 인공지능 가속기 아키텍처 설계’, 그리고 ‘메모리 근접 처리 (Processing-in-memory, PIM) 와 스토리지 내부 처리 (In-storage processing, ISP) 를 포함하는 데이터 근접 처리 기술’ 이 있습니다. 본 연구실에서는 실제 워크로드 기반의 프로토타이핑과 성능 평가를 통해, 컴퓨터 아키텍처 아이디어를 인공지능 시스템의 성능 및 확장성 그리고 에너지 효율성 향상으로 연결합니다.
Computer Architecture and Co-design Research Group (CoCoLab) conducts research in computer architecture and hardware-software co-design for a wide range of artificial intelligence (AI) applications. As AI algorithms are widely adopted across domains such as large language models (LLMs), personalized recommendations, and autonomous driving, the need for computing systems that deliver high performance and energy efficiency continues to grow. We study AI systems end-to-end, linking AI algorithms and model characteristics with runtimes, compilers, memory systems, and accelerator architectures from edge devices to data center clusters. Recent research topics include memory-efficient GPU systems and cluster-level scheduling for LLM serving, neural processing unit (NPU) architectures for privacy-preserving AI, and near-data processing, including processing-in-memory (PIM) and in-storage processing (ISP). By prototyping and evaluating complete systems on real AI workloads, we translate architectural ideas into practical improvements of AI systems in terms of performance, scalability, and energy efficiency.