SWAN
Conference
인용 2부분 검증
본 논문은 여러 원거리 데이터센터의 데이터 스트림에서 통찰력을 추출하는 광역 스트림 분석에서 WAN 대역폭의 부족과 시공간적 변동성으로 인한 적시 처리의 어려움을 다룹니다. 쿼리 실행 계획의 연산자 작업 배치 시 경로 다양성과 대역폭을 고려하고, 네트워크 대역폭 변화 등 동적 자원 조건에 빠르게 적응하여 쿼리 실행 안정성을 유지해야 합니다.
AI 생성원문 보기
연구실 정보를 불러오고 있습니다
머신러닝 시스템 최적화 중심으로 연구비 65.7% 증가하며 성장하는 연구실입니다.
2019 · funding_fluctuation · 보통 영향
2015년 대비 2019년에 연구비가 65.7% 증가했습니다 (2,678,460,000원 → 4,438,316,000원). 이는 연구실의 연구 규모 확대를 의미하며, 5년간 약 1,760,000,000원의 추가 연구비 확보로 연구 역량 강화가 이루어졌습니다.
머신러닝 시스템 최적화 중심으로 연구비 65.7% 증가하며 성장하는 연구실입니다.
서울대학교 컴퓨터공학부 전병곤 교수 연구실은 최근 5년간 머신러닝 시스템 최적화와 분산 컴퓨팅을 중심축으로 연구 영역을 확장해왔습니다. 연구비는 2015년 약 26억 8천만 원에서 2019년 약 44억 4천만 원으로 65.7% 증가하였으며, 이는 연구 규모의 실질적 확대를 뒷받침합니다. 최근 5년간 15편의 논문이 발표되었고, 2026년 4월까지도 연구 성과가 지속적으로 산출되고 있습니다. 키워드 분포를 살펴보면, GPU 스케줄링·분산 머신러닝 시스템·딥러닝 프레임워크 최적화 등 시스템 소프트웨어 중심의 연구가 주를 이루는 가운데, 대규모 언어모델 프롬프팅·혼합현실·IoT 데이터 처리·블록체인 합의 검증 등 응용 영역으로도 연구 범위가 확산되는 흐름이 나타납니다. 이처럼 연구실은 핵심 시스템 최적화 역량을 유지하면서도 신흥 컴퓨팅 환경에 대응하는 방향으로 연구 포트폴리오를 다변화하고 있습니다.