OMNIA

대용량 데이터처리 시스템 연구실

관련기사 바로가기
대용량 데이터처리 시스템 연구실

저희 연구실 OMNIA는 향상된 성능의 머신러닝 학습 및 추론을 위한 프레임워크를 설계하고 실제로 구현을 하는 연구를 진행하고 있습니다. 머신러닝 기술은 접목한 새로운 시스템 소프트웨어를 만드는 연구 또한 진행하고 있습니다. 저희 연구 목표는 최근 대규모 컴퓨팅 플랫폼을 더 효율적이며, 응답성이 좋고, 지능적이며, 프로그래머블하게 만들어 최첨단 기술을 선도하는 것입니다. 현재 UNIST에서 연구하고 있는 주제는 다음과 같습니다.
1. 시스템 + AI: 머신러닝 기술을 이용한 새로운 지능형 시스템 소프트웨어 개발과 머신러닝 프레임워크 및 예상 제공 시스템 개선을 위한 시스템 지원을 연구하고 있습니다.
2. 빅 데이터 분석: 관리자가 시스템 문제를 즉시 해결할 수 있도록, 클라우드/IoT 규모에서 실시간 빅데이터 분석을 위한 서비스의 성능과 신뢰성을 올릴 수 있는 데이터 프로세싱 파이프라인을 연구하고 있습니다.
3. 새로운 하드웨어를 위한 시스템: 효율성, 집적도, 성능의 예측 가능성을 증가시키기 위한 맞춤화된 가속기 혹은 프로세서/메모리와 같은 다양한 하드웨어가 급증하였기에, 새로운 하드웨어에 최적화된 시스템 소프트웨어를 연구하고 있습니다.
OMNIA is doing cutting-edge research on large-scale systems. Our research interests span distributed systems, data analytics engines, computer architecture, and applied machine learning. Our research goal is to advance the state of the art in emerging large-scale computing platforms by making them more efficient, responsive, intelligent and programmable. Our current research topics at UNIST are on the following areas.
1. Systems + AI: We build systems support for improving machine learning frameworks and prediction-serving systems, as well as leverage machine learning in producing intelligent system software.
2. Big data analytics: We build data processing pipelines for real-time big data analytics at cloud/IoT scale that enable system operators to promptly troubleshoot system anomalies, improving performance and reliability of their services.
3. Systems for new HW: We produce substantially better system software in the face of the recent explosion of hardware features and heterogeneity, such as accelerators and processor/memory tailored to improve efficiency, density, performance predictability.

Major research field

빅데이터 시스템, 인공지능 시스템, 분산시스템

Desired field of research

빅데이터 시스템, 인공지능 시스템, 분산시스템 / systems, parallel and distributed computing, applied machine learning

Research Keywords and Topics

빅데이터 시스템, 인공지능 시스템, 분산시스템
- GPU 관리 시스템
- 인공지능 하드웨어 설계
- 온디바이스 인공지능 시스템 설계
- 실시간 빅데이터 처리 시스템 설계
- 라지스케일 모니터링 엔진 설계
systems, parallel and distributed computing, applied machine learning
- GPU resource management
- AI hardware design
- On-device AI systems
- Real-time big data processing systems
- Large-scale monitoring systems

Research Publications

USENIX ATC, Analysis of Large-Scale Multi-Tenant GPU Clusters for DNN Training Workloads, Myeongjae Jeon, Shivaram Venkataraman, Amar Phanishayee, Junjie Qian, Wencong Xiao, Fan Yang, 2019
ASPLOS, StreamBox-HBM: Stream Analytics on High Bandwidth Hybrid Memory, Hongyu Miao, Myeongjae Jeon, Gennady Pekhimenko, Kathryn S. McKinley, Felix Xiaozhu Lin, 2019
NSDI, Tiresias: A GPU Cluster Manager for Distributed Deep Learning, Juncheng Gu, Mosharaf Chowdhury, Kang G. Shin, Yibo Zhu, Myeongjae Jeon, Junjie Qian, Hongqiang Liu, Chuanxiong Guo, 2019

국가과학기술표준분류

  • ED. 전기/전자
  • ED04. 반도체소자·시스템
  • ED0499. 달리 분류되지 않는 반도체소자/시스템

국가기술지도분류

  • 정보-지식-지능화 사회 구현
  • 011400. 소프트웨어 표준화 및 설계와 재이용 기술

녹색기술분류

  • 녹색기술관련 과제 아님
  • 녹색기술관련 과제 아님
  • 999. 녹색기술 관련과제 아님

6T분류

  • IT 분야
  • 정보처리 시스템 및 S/W
  • 010316. 기타 정보처리시스템 및 S/W 기술