2021 Korea Supercomputing Conference

Tutorial Outline

 Lab 1: Introduction to OpenACC (Lab 1)

• What is OpenACC and Why Should You Care?
• Profile-driven Development
• First Steps with OpenACC
• Introduction to Parallel directive
• How to compile a serial application with PGI compiler

 Lab 2: OpenACC Data Management (Lab 2)

• OpenACC Data Management
• OpenACC Data Directive/Clauses
• OpenACC Update Directive

 Lab 3: Loop Optimizations with OpenACC (Lab 3)

• Collapse Clause
• Tile Clause
• Gang Worker Vector

Educational History

• 2008-2015: 연세대학교 수학과 박사과정 수료
• 2006-2008: 연세대학교 수학과 석사 졸업

Employment History

• 2019.11~ 현재 NVAITC(NVIDIA AI Tech. Center) Korea center lead
• 2009.1 ~ 2019.11 NVIDIA, Sr. Solution Architect

Abstract
 The exchange-correlation functional is the pivotal element of the density functional theory, whose approximate form determines the accuracy of the electronic structure calculation based on that.

 We present our recent development of the exchange-correlation potential models using the neural network (NN). The extreme flexibility of the NN as a vector-to-vector mapping allows us to treat various model forms. We present our nonlocal and semilocal models; how to train them, and how accurately they perform.

 Ref.:
R. Nagai, R. Akashi, S. Sasaki, and S. Tsuneyuki, J. Phys. Chem. 148, 241737 (2018); R. Nagai, R. Akashi, and O. Sugino, npj Comput. Mater. 6, 43 (2020)

Educational History

• Ph.D in engineering from The University of Tokyo (2014)

Employment History

• Postdoc at RIKEN (2014/04-08)
• Assistant Professor at The University of Tokyo (2014/09-)

Abstract
 Using both evolutionary learning methods and artificial neural networks, we have explored various super functional semiconductors, superconductors, and topological superconductors. In addition, for devices, we have designed the frequency-selection meta-surfaces that can improve the quality of 5G communications.

 For each study, we first define a figure-of-merit and then search the corresponding conformation space. We thoroughly utilized the three key elements of representation, optimization, and evaluation as found in common machine learning. Although not all designed cases have been experimentally implemented, we present that in some cases they can be implemented experimentally.

Educational History

• 1990, B.S., Department of Physics, Pusan National Univ.
• 1992, M.S., Department of Physics, KAIST
• 1992, M.S., Department of Physics, KAIST

Employment History

• 1996-1997, Post Doc., Univ. of Illinois at Urbana Champaign
• 1998-2001, Research Fellow, KIAS

Abstract
 As one of the most popular compounds, oxide ceramics are critical components in most engineering applications. The rich library of oxides is a result of two facts: first, oxygen is the most earth-abundant element. Second, with a large electronegativity, oxygen forms stable compounds with most metals. Thus, elemental occurrences within ternary compounds peak at oxygen with 22,476 counts in the ICSD, which is more than three times that of the next most frequent elements (Fe, Si, and S). Among various high-order compounds, ternary oxides (MM'O) have been synthesized thoroughly and about 80% of M and M' combinations are enlisted in ICSD.

 Here we ask whether the remaining ~20% combinations are not synthesizable (because they are thermodynamically unstable) or they have not been synthesized (for various reasons) although stable phases exist? To answer to this fundamental question, it is critical to identify the most stable phase computationally. Recently, we developed a machine-learning based structure prediction program, called SPINNER, which can navigate the configurational space much faster than DFT and successfully identifies the equilibrium structure for ~80% of ternary compounds. Using SPINNER, we survey unexplored ternary oxides and find that quite a few compounds are stable and should be synthesizable experimentally. 

Educational History

• Seoul National University, Korea, B.S. Physics, Spring 1993
• Seoul National University, Korea, M.S. Physics, Spring 1995
• Seoul National University, Korea, Ph.D. Physics, Summer 2000

Employment History

• Postdoctor, Princeton Materials Institute, Princeton University, 2001-2003
• Full-time lecturer, Assistant Professor, Associate Professor, Dept. of Physics, Ewha Womans University, 2003-2009
• Associate Professor, Professor, Dept. of Materials Science and Engineering, Seoul National University, 2009-

Abstract
 Since the introduction of Allen-Heine-Cardona theory in the 70’s [1,2], the theory has played an important role in the study of temperature-dependent electronic structure of materials. However, the theory was limited to the band-index-diagonal self energies. Here, we extend this theory to off-diagonal self energies, which allows the computation of wavefunction renormalization due to phonons [3].

 Reference

 [1] P. B. Allen and V. Heine, J. Phys. C 9, 2305 (1976).
 [2] P. B. Allen and M. Cardona, Theory of the temperature dependence of the direct gap of germanium, Phys. Rev. B 23, 1495 (1981).
 [3] J.-M. Lihm and C.-H. Park, Phys. Rev. B 101, 121102 (2020).

Educational History

• 2003.8-2009.12: PhD in Physics (UC Berkeley)
• 1996.3-2000.2: BA in Physics (Seoul National University)

Employment History

• 2012.9–present: Faculty, Seoul National University
• 2010.8-2012.8: Postdoc researcher (MIT)
• 2009.12-2010.8: Postdoc researcher (UC Berkeley)

Abstract
 Despite the great success of Kohn-Sham DFT in electronic structure calculations, it has severe limitations as well. In particular, the electronic structure of metal complexes including spin states is the key ingredient to understand their catalytic reactivity and selectivity, but most computational studies have been limited to obtaining molecular geometries and energies.

 That is because their reliability is doubtful for exploring the electronic structure of metal complexes due to the strong electron correlations around localized d orbitals. For example, DFT often fails even qualitatively in the description of (i) spin states (e.g., low vs. high spin ground state), (ii) UV-vis spectra, and (iii) orbital energy orderings. Specifically, Pd d orbital energy diagrams calculated with various functionals cannot reproduce the spectroscopic assignment. Solvation effects should be also considered for quantitative comparison with experimental results.

 Here, we propose three different approaches within DFT to alleviate the aforementioned problems: embedding theory based on OEP, modified optimal tuning TDDFT, and LOSC. All of them can be eventually integrated into a single method which will offer a practical solution for accurate excited-state calculations of metal complexes.

Educational History

• 2004: BS, Chemistry, POSTECH
• 2009: PhD, Chemistry, POSTECH

Employment History

• 2009-2010: Post-Doc MPI for Microstructure Physics
• 2011-present: Asst. Assoc. Full Prof., Chemistry, KAIST

Abstract
 For massive database-driven materials research, there are increasing demands for both fast and accurate quantum mechanical computational tools. Contemporary atomistic first-principles methods can be fast, sacrificing their accuracy, or be precise, consuming a significant amount of resources. To over such a problem, I will present our newly developed efficient first-principles computational method [1,2] that can compute electronic, magnetic and phononic properties of solids in the comparable accuracy of the GW approximation at a standard ab initio computational cost.

 The new method self-consistently evaluates local and nonlocal Coulomb interactions simultaneously with newly constructed pseudohybrid type functionals for on- [3] and inter-site Hubbard interactions [2]. A few notable examples computed by the new method will be demonstrated.

 [1] S. Lee and Y.-W. Son, Phys. Rev. Research 2, 043410 (2020).
 [2] W. Yang, S.-H. Jhi, S. Lee and Y.-W. Son, arXiv:2106.07201 (2021).
 [3] L. A. Agapito et al., Phys. Rev. X 5, 011006 (2015).

Educational History

• 2004. Ph. D. Physics, Seoul National University

Employment History

• 2004-2006, Postdoctor, UC Berkeley, Berkeley, CA, USA
• 2006-2007, Professor, Konkuk University, Seoul, Korea
• 2007-Present, Professor, Korea Institute for Advanced Study, Seoul, Korea

Abstract
 AMD는 오크리지 국립 연구소의 첫 번째 Exascale 시스템에 핵심적인 컴퓨팅 성능을 제공합니다.

 고성능 컴퓨팅에 있어 x86 CPU와 GPU 컴퓨팅 가속기 모두를 선도하고 있는 AMD는 범용성 및 통합 컴퓨팅과 같은 혁신적인 기술을 근간으로 컴퓨팅 플랫폼의 한계를 뛰어넘고 있습니다.

 새로운 Exascale 컴퓨팅 시대에 발맞춰 차세대 HPC을 위해 AMD가 추구하고 있는 혁신에 대해 자세히 알아보십시오.

Educational History

• 건국대학교 응용통계학과 학사

Employment History

• IBM 시스템 엔지니어, EMC 가상화 컨설턴트, NVIDIA Senior Solutions Architect를 거쳐 현재 AMD Senior Field Applications Engineer 로서 DataCenter CPU 및 GPU 솔루션 기술 지원을 담당하고 있습니다.

Abstract
 * AI기술의 도전과제
 * 왜 IPU인가?
 * AI기술의 미래

 변화와 요구의 격동성은 마치 고양이와 같습니다. 절대 미리 예고하지 않고, 언제나 예측을 벗어납니다. 어느날 정신을 차려보니 우리의 생활에 AI는 이미 깊이 들어와 있음을 깨닫습니다. 과연 가속기라는 고양이는 길들여 질수 있을까요?

 기존 프로세서는 기존의 계산업무에 적합하게 설계가 되었습니다. CPU는 범용성에 맞춰서 정확도와 다양성을 갖춰 거의 모든 영역에 쓰였지만, 낮은 정확도와 수많은 독립계산을 요구하는 특수한 영역에서는 그 한계를 보였습니다. 바로 ML분야입니다.

 그래서, 우리가 찾아낸 대안이 바로 GPU였죠. 원래의 쓰임과는 다르지만, ML분야에 적용해보니 제법 쓰임에 맞출 수 있었고, 더 다양한 적용 방법들을 찾아냈습니다. ML에 GPU를 적용한 것은 분명 컬럼부스적 아이디어였지만, 지금도 최선일까요?

 지금 우리는 원시적 ML을 넘어서 DL.. 심지어는 인간의 두뇌영역까지를 바라보고자 합니다. 좀더 Neural Network에 근접한 방식의 접근이 필요합니다. SIMD의 한계를 벗어난 MIMD로의 현실적 도전… 그래프코아가 그 장을 열었습니다. 현실적인 혁신의 기술로 AI의 미래를 함께 살펴보고자 합니다.

Educational History

• 건국대학교 물리학과

Employment History

• 국내 가상화의 초기 엔지니어링 멤버로 2003년 부터 국내외 다양한 기업의 Server Consolication을 수행/컨설팅 하였다.
• 2017년 역가상화 영역에도 진출하여, 슈퍼컴퓨팅 / 대형 가상화를 전파하였다.

Abstract
 미국 아르곤 국립 연구소에서 도입하기로 예정되어있는 첫 엑사급 슈퍼컴퓨터인 오로라 시스템의 기본이 될 차세대 인텔 사파이어 래피즈 프로세서와 컴퓨팅 가속 GPU인 폰테베키오에 대해서 소개를 합니다.

 사파이어 래피즈는 차세대 마이크로 아키텍처와 DDR5 및 PCIe Gen5를 지원하여 획기적인 성능을 제공하여 데이터 센터용 플랫폼의 표준을 새롭게 정립할 것입니다.

 폰테베키오는 새로운 Xe 아키텍처를 기본으로 AI및 HPC의 성능을 가속시킬 인텔의 첫 컴퓨팅 가속 GPU입니다.

Educational History

Employment History

• 현) 데이터센터 사업부 한국 영업 총괄텔 아시아태평양 및 일본 지역 HPC 제품 마케팅텔 아시아태평양 및 일본 지역 데이터센터그룹 서버 아키텍처 매니저

Abstract
 NVIDIA Ampere 아키텍처는 AI 및 HPC분야에서 타의 추종을 불허하는 기능과 성능 및 사용성을 제공함으로써 무한한 가능성을 만들어 내고 있습니다. 3세대 Tensor core기반의 압도적인 딥 러닝과 HPC 연산의 가속화, MIG를 통한 효율적인 GPU 사용 기능 제공, Ray tracing 기능을 통한 고성능 그래픽 처리 및 연산 기능 제공, Sparsity 기능을 통한 AI inference 기능 고도화 등 고성능 컴퓨팅 분야의 혁신의 선두 주자로 자리매김하고 있습니다.

 이제 NVIDIA는 가속기 레벨에서의 혁신을 뛰어 넘어 데이터센터 컴퓨팅 혁신을 위한 회사로 거듭나고 있습니다. 본 세션에서는 NVIDIA Ampere 아키텍쳐에 대해서 자세히 설명하며, 미래 데이터센터 컴퓨팅을 위한 NVIDIA 기술이 어떻게 진화하고 있는지, 이를 통해 NVIDIA가 AI와 HPC 영역에서 어떤 가능성을 만들어 내고 있는지 소개하고자 합니다.

Educational History

• 서울대학교 계산통계학과 전산과학 전공 학사 (1998)
• 서울대학교 대학원 전산과학과 인공지능 전공 석사 (2000)

Employment History

• 현: NVIDIA Solutions Architect, Manager
• 전: HPE Pursuit Engineering Team, Global Server BU
• 전: Naver Platform/Infrastructure 엔지니어

Abstract
 HPC는 AI, 빅데이터 등 4차 산업혁명의 주요 핵심 인프라로, 이를 활용한 HPC의 산업적 활용 요구는 지속적으로 증가하고 있습니다. 그러나 국내 기업이 제조한 HPC 제품의 성능 및 안정성에 대한 불신으로 국내 HPC 산업 기반은 매우 취약합니다.

 이에 한국정보통신기술협회는 과학기술정보통신부 지원을 받아 국내 중소기업이 제조한 HPC 제품으로 “HPC 이노베이션 허브”를 구축·운영하여 국내 중소기업 제품의 객관적인 레퍼런스를 마련하고, 산업에 활용할 수 있도록 지원하고 있습니다.

 또한 국내 중소기업이 제조한 HPC 제품 검증 및 국제공인인증 획득 지원을 통해 중소기업 제품의 신뢰성 확보 및 공급 기반 마련을 위해 노력하고 있습니다.

 본 발표에서 국내 HPC 산업 활성화를 추진하고 있는 서비스를 소개합니다.

1. 국내 중소기업 제품으로 구축·운영중인 HPC 활용 환경 제공 및 운용실적 증명 서비스
2. HPC 제품(HW, SW) 성능·기능 등 검증 서비스
3. TPC-AI, SPEC 등 국제공인인증 획득 지원 서비스
4. 추진 성과

Educational History

• 충남대학교 박사

Employment History

• (현) 한국정보통신기술협회 수석연구원
• 한국과학기술정보연구원, 한국전자통신연구원 등 국가 R&D 경력 20년 이상

Abstract
 □ 인공지능산업융합사업단(AICA) 소개

- AICA는 사업 추진조직으로 데이터 중심의 국가 AI데이터센터 서비스 및 실증센터 구축, AI 창업 및 기업 지원, AI 인재 양성 등 AI 산업융합 생태계 조성에 필요한 집적단지 조성사업 추진 소개드리고자 하며,

- AI기업 및 이용자관점의 국가 AI데이터센터 서비스 혁신전략 (연산성능 88.5PF, 저장공간 107PB) 및 컴퓨팅자원에 대한 활용신청 방법의 공유를 통해 국가 AI 산업융합 촉진 및 AI 생태계 활성화를 함께 하고자 합니다.

Educational History

• 학사

Employment History

• 국제 프로젝트관리 및 클라우드 가상화솔루션 교육활동
• 다수 대형 SI프로젝트 사업총괄(공공‧민간)
• 철도‧안전시설물등 통합정보시스템 고도화 총괄
• 인공지능산업융합사업 데이터센터 총괄

Abstract
 최근 HPC 자원을 활용하는 계산과학분야 연구자들은 딥러닝 및 머신러닝 기법을 활용하여 연구에 적용하기 시작하면서 AI 고성능 인프라에 대한 수요와 AI 서비스 플랫폼에 대한 수요가 날로 늘어나고 있다.

 KISTI 국가슈퍼컴퓨팅 인프라센터에서는 이런 수요를 만족하기 위해 고성능 GPU기반의 시스템인 뉴론 (Neuron)을 구축하여 고성능 AI 인프라 환경을 서비스로 제공해주고 있다. 하지만 고성능 AI 인프라 기반 전통 HPC 서비스 플랫폼으로는 사용자들이 인터렉티브하게 데이터를 분석하고 시각화 하는데는 한계가 존재한다.

 이런 한계를 극복하기 위해 가장 많이 사용되는 개발 툴인 Jupyter를 중심으로 웹 기반 AI 플랫폼을 개발하여 인터렉티브 HPC 서비스를 제공하고자 한다. 멀티 사용자 실행환경과 기존의 배치스케줄러와의 연동, 그리고 보안 인증을 강화하기 위한 다양한 기능과 연동이 쉬운 JupyterHub를 사용하여 LDAP, OTP, 및 Slurm과의 연동을 구현하였다. 사용자는 웹에서 프로파일로 분류된 자원 유형을 선택하여 Jupyter Notebook/JupyterLab을 슈퍼컴퓨팅자원에서 실행할 수 있다. 사용자들이 인터렉티브 작업을 제출하였을 경우 발생하는 고가의 과금을 부담해야 되는 문제를 해결하기 위해 우리는 무료의 전용 Jupyter큐를 프로파일로 만들어 사용자들이 보다 효율적으로 자원을 저렴하게 사용할 수 있게 하였다.

Educational History

• 2013.03~2018.02 건국대학교 신기술융합학과 융합 IT 전공 박사
• 2011.09~2013.08 건국대학교 신기술융합학과 융합 IT 전공 석사

Employment History

• 2018.11~현재 KISTI 슈퍼컴퓨팅인프라센터 박사후 연구원
• 2018.08~2018.12 건국대학교 신산업융합학과 강사
• 2018.03~2018.06 세종대학교 컴퓨터공학과 강사

Abstract
 4차산업혁명 시대에 바이오헬스 분야의 데이터의 가치는 매우 높아지고 있고 이에 대한 활용 요구도 증가하고 있다. 그러나 바이오헬스 데이터에는 민감한 개인정보가 포함되어 있기 때문에, 정부와 데이터 보유 기관의 정책에 의해 바이오헬스 데이터 활용에 제약이 걸리는 경우가 많다.

 이에 각종 프라이버시 보존 컴퓨팅 기술들이 이러한 제약을 해결할 수 있는 방안으로 제시되고 있다. 본 발표에서는 프라이버시 보존 컴퓨팅 기술의 개요와, 이를 바이오헬스 데이터 분야 (데이터 교류, 머신러닝, 인공지능 개발 등) 에 적용할 수 있는 가능성과 현황에 대해 소개하고자 한다.

Abstract
 중환자실 입원환자는 사망전 쇼크상태에 이르게 되는데 이 상황이 되면 처치 타이밍이 늦은 경우가 많습니다.

 오직 생체신호를 이용하여 환자의 쇼크 발병을 예측 솔루션 Shock 예측 솔루션을 소개하고 이를 기반으로하는 다양한 Scale out에 대한 사례를 소개합니다.

Educational History

• 가톨릭대학교 의료인공지능학과 박사과정
• 한양대학교 공과대학원 자원공학과 물리탐사 전공 석사

Employment History

• 현) 주식회사 슈파스 미래사업전략실 실장 (이사)
• 전) 필라넷, 씨퀄로, 아이티브라운 데이터베이스 컨설턴트

Abstract
 인텔은 헬스케어의 다양한 분야에서 표준화 및 솔루션 개발을 위해 협력하고 있으며, 솔루션 개발을 빠르게 진행 할수 있도록 검증된 플렛폼을 제공하기 위해 많은 협력사들과 협업을 하고 있습니다.

세션에서는 인텔의 헬스케어 솔루션을 소개하고, GATK(Ganome Analysis Tool Kit) 을 활용한 Genome 분석을 할수 있는 Cloud 및 on-premise 플렛폼을 소개 합니다.

Abstract
 국내 바이오헬스 분야의 AI 적용 분야에 대한 전반적인 소개를 통해 이들이 활용하는 AI 알고리즘 및 하드웨어의 특성을 소개하고 이와 더불어 바이오헬스 분야에 새로운 접근에 대한 고찰 및 사례를 통해 하드웨어 사용의 새로운 사용예를 발국하는 내용

Abstract
 3D 센서(RGB-D 카메라)를 통해 입력받은 데이터를 활용하여 임상 현장에서 필요로 한 분석 결과를 제공하는 헬스케어 솔루션들에 대한 설명과 적용 기술에 대해 소개합니다.

Educational History

• 인하대학교 정보통신공학과 학사 졸업
• 인하대학교 정보통신공학과 석사 졸업(Computer Vision 및 AI 전공)

Employment History

• 前) VUNO Inc. 연구원
• 現) 한국의료기기산업협회(KMDIA) 혁신산업위원회 전문위원

Abstract
 코로나로 인하여 GDP 중심의 생산 경제에서 웰빙 경제로 큰 변화의 물결에 인간을 위협하는 불완전한 현실 세계와 비대면 안전 메타버스 세계를 그린 로봇으로 융합하여 새로운 O2O 디지털 웰빙 서비스가 있습니다.

 지금 저희가 마시고 있는 이 공기중엔 눈에 보이진 않지만 발암물질인 포름알데이드에 유해가스인 일산화질소 게다가 흡연보다 13배나 높은 폐암 발생원인인 미세먼지나 초미세먼지도 들어있습니다.

 이 공기질을 해결하기 위해! 다중이용시설에 공간지능을 통해서 공간별 유해물질을 수집, 분석으로 그치지 않고 공기 청정과 바이러스 등을 건식이나 습식으로 살균하는 디지털 웰빙 기능을 보유하고 있는 자율주행 그린 로봇을 통해 O2O 서비스를 소개하고자 합니다.

Educational History

• 제타뱅크 대표이사(인공지능 연구소)
• 게임파크 이사(휴대용 게임기 회사)
• 스튜디오 지나인 대표이사(게임개발 회사)
• E-삼성 플랫폼 팀장(E-삼성 포탈 싸이트)
• 에이앤비소프트 대표이사(게임개발 회사)
• 연세대 경영대학원 MBA 졸업

Employment History

• 2010 S/W, 콘텐츠를 통한 모바일 게임을 국내 TOP으로 성장시킨 경험
• 2003 휴대용 게임기에 S/W, H/W, 콘텐츠를 융합해본 경험
• 2000 e삼성을 통한 S/W 산업인 e-커머스 글로벌 진출 경험

Abstract
 인텔의 파트너 고객사에서 진행하고 있는 프로젝트 중 팬더믹 상황을 극복하는데 기여할 수있는 프로젝트에 대한 지원 프로그램을 소개합니다.

Abstract
 인공지능 기반 망막 내 아밀로이드 플라크 영상 분석 기법을 통한 비침습 치매 조기 발견 서비스에 대한 기술 설명과 서비스를 소개

Abstract
 본 발표는 인공지능 기반 실시간 음원 위치 추적 기술로서, 들리는 소리로 음원의 위치와 크기를 정확하게 탐지하고 시각화할 수 있는 기술이다.

 특히, 구조를 요청하는 요구조자 소리의 위치를 빠르고 정확하게 파악하는 데에 활용될 수 있어, 구조 골든타임을 단축하는 데에 도움을 줄 수 있다.

 아울러, 누전·누수·가스 누출의 위치를 탐지하거나 층간 소음의 위치를 정확하게 찾는 등 국민의 안전 및 편의와 관련된 분야에도 적극 활용이 가능할 것으로 전망된다. 나아가, 본 기술을 국방 분야에 적용한다면 적군의 화기 위치를 파악하는 데에도 활용될 수 있다. 학습기반 음원 위치 추적 기술을 원리를 설명하고 소리를 시각화하는 다양한 응용 사례들을 소개한다.

Educational History

• 2010: 박사, 미시간대학교 기계공학과
• 2008: 석사, 미시간대학교 기계공학과
• 2001: 학사, 서울대학교 기계항공공학부

Employment History

• 2018 ~ 현재: 부교수, 포항공과대학교
• 2013 ~ 2017: 조교수, 울산과학기술원
• 2010 ~ 2013: 박사후연구원, 미시간대학교

Abstract
 디지털 트윈은 스마트 공장 구축을 가능하게 하는 미래 핵심 기술 중 하나이다. 디지털 트윈 기반 스마트 공장은 (1) 실제 공장과 동일한 디지털 공장을 모델링하고, (2) 물리적 공장과 디지털 공장을 연결하며, (3) 시뮬레이션, 인공지능과 같은 분석 기술들로 예측하고, (4) VR/AR을 통해 직접 체험하며 빠른 의사결정을 통해 물리적 공장을 제어하는 절차로 구축된다.

 디지털 트윈은 전문가 의존도가 매우 높은 기술이며, 구축에 많은 시간과 비용이 소요된다. OnTwins는 국내 기술로 개발된 디지털 트윈 솔루션으로, 파워포인트, 엑셀만 사용할 수 있으면 누구나 쉽고 빠르게 디지털 트윈을 구축할 수 있다. OnTwins는 웹, 모바일, VR/AR 등 이기종 환경을 지원하고, 클라우드 서비스를 지원한다.

 본 발표에서는 OnTwins의 기능과 적용 사례들을 설명하고, OnTwins가 메타버스로 확장 적용된 사례에 대해서도 소개한다.

Educational History

• 경인여자대학교

Employment History

• ㈜아이지아이 코리아 디자인 실장
• 세일투나잇 디자인 팀장
• 랭크웨이브 디자인팀 / 퓨즈 디자인팀 / KIDP 북유럽 디자인 연수

Abstract
 현대그룹과 한화가 UAM을 개발하고 상용화 연구를 수행하면서 국내에도 UAM 개발과 운영에 관한 관심이 증가하고 있다.

 특히, 도심상공에서 UAM 이 운영되는 상황에서 안전(safety)과 소음(Noise)은 대중수용성의 측면에서 더욱 중요해지고 있다.

 본 논문에서는 4개의 로터가 날개에 2개의 로터가 꼬리날개에 장착된 5인승 개념설계된 UAM에 대해서 소음 해석 process를 구축하고 소음원을 분석하는 연구를 수행하였다. 개념설계된 UAM 형상에 대한 비정상 유동해석과 공력소음해석을 수행하였다. 동일 로터의 경우에도 날개와의 설치조건에 따라 소음원 위치가 달라지는 것을 확인하였다.

Educational History

• 1999 한국과학기술원 박사 후 과정
• ~1999 한국과학기술원 항공우주 박사학위 취득
• ~1994 한국과학기술원 항공우주 석사학위 취득

Employment History

• 2020~ 한국엠에스씨소프트웨어
• 2004~2020 쎄딕 주식회사
• 2000~2004 LG전자 DA연구소

Abstract
 디지털 트윈(Digital Twin)은 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터 시뮬레이션을 통해 결과를 미리 예측하는 기술로 제조업뿐 아니라 다양한 산업·사회 문제를 해결할 수 있는 기술로 주목 받고 있습니다. 이러한 디지털 트윈에 대하여 알아보고, Ansys가 이야기하는 해석 기반 디지털 트윈의 특징을 사례를 통해 알아보는 시간을 갖고자 합니다.

 1. Digital Twin 소개 : 일반적인 디지털 트윈에 대하여 알아보고, 해석 기반 디지털 트윈과 데이터 통계 기반의 디지털 트윈의 차이와 각각의 특징을 설명

 2. Digital Twin 구현 : 데이터 기반과 해석 기반 디지털 트윈의 구현 방법을 소개하고 Ansys를 이용한 해석 기반 디지털 트윈의 구현 방법을 설명

 3. Ansys를 사용한 Simulation Based Digital Twins 사례 : 해석 기반 디지털 트윈 구축 사례를 통해 해석 기반 디지털 트윈의 장점과 예측적인 유지보수를 통한 비용 절감 효과에 대하여 설명

 4. Ansys ROM Technology : Ansys의 해석 기반 디지털 트윈 구현의 핵심 기술 중 하나인 차수축소모델(Reduced Order Models)에 대하여 설명

Educational History

• 서울과학기술대학교 기계공학과 학사
• 서울과학기술대학교 에너지시스템공학과 석사

Employment History

• 2009~2010 ATES 화공플랜트 사업부
• 2010~2019 태성에스엔이 기술본부 FBU
• 2020~ 태성에스엔이 기술본부 SBU

Abstract
 수많은 대한민국 기업이 각사의 입장과 관점으로 Digital Transformation(DT)을 다양한 전략으로 실현 중에 있습니다.

 CDO ( Chief Digital Officer ) 조직을 통해 마케팅, 연구소, 공정, 생산등에 DT 대상을 선정하고 목적을 이루기 위해 달려갑니다.

 여러회사들의 Digital Transformation Journey 사례 특히 연구소 / 생산기술 부서의 관점에서 조금 더 자세히 설명 드리도록 하겠습니다.

Educational History

• 동서대학교 전자공학 전공

Employment History

• Ansys (2021.04 ~ ) / Sr. Business Development Manager
• 지멘스 ( 2012.06 ~ 2021.03 ) / Industry Leader
• 다쏘시스템 ( 2005.11 ~ 2012.06 ) / Presales

Abstract
 데크 플레이트는 건축물 바닥판 공사시 콘크리트 타설을 위한 거푸집 구조체로 사용되는 제품이다. 과거에는 주로 합판 거푸집으로 공사를 하였으나, 최근에는 공사기간 단축 및 공사비 절감을 위해 일체형 데크 플레이트 공법으로 바뀌고 있다.

 다만, 이러한 데크 플레이트는 간단한 수식 또는 경험에 의존해 일률적으로 설계를 하거나 선진제품을 벤치마킹하여 설계를 따라하는 것이 대부분으로, 기업에서 직접 설계안 최적화에 대한 검토를 수행하기 어려운 것이 현실이다.

 이에 제품의 구조강성 및 서포트 간격과 관련된 다양한 변수를 고려하여 변수화 해석을 진행하고 ROM을 개발하였으며, 기업현장에서 현장 조건에 따라 직접 활용할 수 있는 간편한 설계도구를 개발하였다.

Educational History

• 2008: 박사, 부산대학교 정밀기계공학과
• 1999: 석사, 부산대학교 정밀기계공학과
• 1997: 학사, 부산대학교 기계설계공학과

Employment History

• 2008 ~ : 한국과학기술정보연구원
• 2005 ~ 2007 : ERC-NSDM(정밀정형및금형가공연구센터)
• 2001 ~ 2003 : 한국차폐기술㈜

Abstract
 신약 개발은 매우 복잡하고 어려운 과정의 연속으로 그 과정에서 막대한 비용과 긴 시간이 소요된다. 따라서 이전부터 신약 개발의 여러 과정에 인공지능을 도입하여 각 과정의 효율을 높이고자 하는 시도들이 있었으며 현재 약물의 발굴에서부터 약물의 생산 그리고 상용화된 약물의 시장 예측 및 분석에까지 인공지능 기술은 광범위하게 활용되고 있다. 특히 약물의 디스커버리 단계에서는 인공지능을 이용한 특정 타겟 단백질에 최적화된 약물의 구조를 설계하고 약물과 단백질의 상호작용을 예측하여 최적의 효능을 보일 수 있는 약물을 개발하는 기술이 활용되고 있으며 이는 이미 여러 익숙한 회사들을 통해 잘 알려진 바가 있다. 

 한편, 신약 개발 과정에서 임상시험을 통해 인체에서 특정 질병에 대한 약물의 약효와 안전성을 검증하는 과정은 막대한 경제적 비용과 6-7년 이상의 시간을 필요로 한다. 특히 임상시험에 진입한 전체 10여개의 약물 중 단 하나만이 성공을 거둔다는 사실은 임상시험이 신약개발 과정 중 가장 어려운 과정이며 AI를 활용하여 이를 개선시킬 여지가 큰 과정임을 보여준다. 임상시험 실패의 대표적인 원인 중 하나는 약물의 치료 효과를 보일 수 있는 적절한 질환이나 환자군을 예측하여 임상시험에 등록하기가 어렵기 때문이다. 따라서, 신약 개발 단계에서 이러한 실패의 위험을 줄이기 위한 몇 몇 접근법들이 활용되고 있으며, 특히 전사체 데이터를 활용하여 질병 특이 유전자 발현 패턴을 확인함으로써 특정 질병과 약물의 효능과의 연관성을 예측하는 기법들이 활용되고 있다.

 특히, 온코크로스의 경우 전사체 데이터 기반의 약물과 질병의 상호작용을 예측하는 플랫폼인 RAPTOR AI를 통해 특정 약물이 효능을 보일 것으로 예측되는 질병을 탐색하거나, 반대로 특정 질병에 효능을 가질 것으로 예측되는 약물 혹은 약물 복합제를 탐색하여 임상시험 진행 과정의 실패를 최소화하기 위한 노력들을 진행 중이다. 이 플랫폼 기술을 활용한 대표적 사례로 근감소증 치료제인  OC-501/OC-504를 들 수 있다. 근감소증에서의 유전자 발현 패턴을 확인하여 근육을 양적으로 증가시킬 수 있는 후보물질들을 RAPTOR AI를 통해 스크리닝 하였으며 이전부터 치료제로 안전하게 사용되고 장기간 투여가 가능한 물질로 여겨지는 OC-501/OC-504을 근감소증의 최적 후보 물질로 도출하게 되었다. 이후 여러 세포실험과 다양한 질병 모델의 동물 실험을 통해 치료효과에 대한 일관성 있는 결과를 확인하여 현재 해외임상시험을 앞두고 있다. 회사는 이 외에도 RAPTOR AI를 활용하여 다양한 파이프라인들을 개발하고 있으며 이중 일부는 임상시험 진입을 위한 준비를 진행 중이다. 하지만, 이러한 플랫폼 기술의 정확도가 더욱 향상되기 위해서는 이전보다 양질의 데이터를 확보하여 AI를 학습시키는 것이 필요하고, 이러한 데이터를 확보하기 위하여 여러 기관과 연구소 및 병원 등의 다양한 주체가 협력하여 데이터를 체계적으로 구축하는 전략이 필요하다.

Educational History

• 충남대학교 의과대학 학사 2002-2008
• 울산대학교 의과대학 석사 2011-2013
• 울산대학교 의과대학 박사 2017-2020

Employment History

• 서울아산병원 인턴 2008-2009
• 서울아산병원 내과 전공의 2009-2013
• 내과 군의관 2013-2016
• 서울아산병원 종양내과 전임의 2016-2018
• 강북삼성병원 혈액종양내과 임상조교수 2018-2021
• (현) 온코크로스 부사장 2021-

Abstract
 It is important to accurately predict the antigens that can bind to major histocompatibility complex type II molecules (MHC-II) for inducing immune responses. Predicting neoantigens which can identifycancer cells is a critical steps for the implementation of personalized immunotherapy as well as vaccine/therapeutic protein development.

 In order to overcome the limited prediction performance of the existing models, we developed a new convolutional neural network (CNN)-based prediction model for peptide-MHC-II class interaction by introducing new features including protein sequence vectors (Prot2Vec) and chemical and structural characteristics of an epitope and MHC molecule.

 Our model showed better performance than the existing conventional methodsfor MHC-II class epitope prediction with the benchmark dataset from Immune Epitope Database(IEDB) in five-fold cross validation experiment.

Educational History

• 2013 Ph.D. Dept. of Bio and Brain Engineering, KAIST
• 2006 M.S. Dept. of Biosystems, KAIST
• 2004 B.S. Dept. of Computer Science, Soongsil University

Employment History

• 2013.3 ~ 2015.4 Post-doctoral Researcher at Samsung Biomedical Research Institute

Abstract
 Illumina has pioneered major advances for next-generation sequencing (NGS) platform simplicity, flexibility, and performance. Till date, more than 150 petabytes of data were generated by Illumina systems. To keep up with the vast amount of data, Illumina recognizes that users require robust yet easy-to-use analysis solutions that can efficiently translate genomic data into meaningful results. We introduce Illumina DRAGEN (Dynamic Read Analysis for GENomics) Bio-IT Platform which utilizes Field-Programmable Gate Array (FPGA) hardware in combination with efficiently written software to enable easily scalable genomic needs between analyzing small and very large genomic data sets across diverse applications.

 Learn how DRAGEN platform provides highly accurate analysis of NGS data in a fraction of the time required using the FPGA technology. Leverage DRAGEN lossless genomic compression technology to conserve operational storage requirements and energy consumption while preserving data integrity.

 Discover the ease of access to DRAGEN Platform through on-premise and multi-cloud offerings. The reprogrammable nature of the DRAGEN Platform enables Illumina to develop custom algorithms and allows for improvements to accommodate future genomic applications.

Educational History

• Sangmyung University, Master of Science in Animal Taxonomy

Employment History

• Life Code, Researcher
• Theragen Etex Bio Institue, Lab manager
• Illumina Korea, Supervisor of FAS

Abstract
 Suicide is a significant public health epidemic throughout the world. The suicide rate in the USA has increased in recent years from 10.9 per 100,000 in 2006 to 13.3 per 100,000 in 2015, and nearly 45,000 Americans killed themselves in 2016.

 To address this medical issue, I would present the patterns of behaviors taking place antecedent to suicide attempt to determine if they could be used to assess potential lethality of the attempt.  We used data from the Korea National Suicide Survey covering 1112 individuals who attempted suicide and completed a psychiatric evaluation. The 15 items Beck’s Suicide Intent Scale (SIS) was used to evaluate suicide associated behaviors and the medical outcomes of the suicide attempts. The outcomes of suicide were scored by assessing lethality. The vectorized relationship values between the elements of antecedent behaviors in our deep learning model(E-GONet) increased the precision in identifying lethal attempts. Thus, the relationships between behaviors antecedent to suicide attempts can be used to understand the suicidal intent of individuals and help identify the lethality of a potential suicide attempt. 

 Based on our achievement in medical data field, I would show a structural summary of digital health care data including electronic medical records (EMRs) for machine learning based approaches.

 * Reference: B Kim, Y Kim, CHK Park, SJ Rhee, YS Kim, BL Leventhal, YM Ahn, and H Paik. Identifying the medical lethality of suicide attempts using network analysis and deep learning: nationwide study. (2020) JMIR medical informatics 8 (7), e14500

Educational History

• 2011 Ph.D. Dept. of Bio and Brain Engineering, KAIST

Employment History

• 2011-2013 Dept. of Medical Informatics, Ajou University, School of medicine
• 2013-2014 Dept. of Medical Informatics, NIH of Korea
• 2014-2015 Stanford University, School of medicine
• 2015-2017 Univ. of California, San Francisco.
• 2017- KISTI Division of Supercomputing

Abstract
 ExtrachromosomalDNA amplifications is a phenomenon first described in the 1960’s butsurprisingly little is known. Recent studies from our lab and collaborators,such as Turner et al, Nature 2017, DeCarvalho/Kim et al, Nat Genetics 2018,suggested that oncogene carrying extrachromosomal DNA elements (‘ecDNA’) can bedetected in cancer models using whole-genome sequencing, and have tumor-drivingroles. Recently we also built upon those works to analyze more than 1 petabyteof sequencing and imaging data (including nearly 5,000 tumor-normal whole-genomesequencing pairs) across diverse cancer types.

 Our analysis demonstrated thatecDNAs were found in 25 of 29 cancer types analyzed, including at highfrequency in aggressive histological cancers such as glioblastoma, sarcoma andesophageal carcinoma, but not non-neoplastic samples, result in higher levelsof transcription compared to copy number matched linear amplifications, andassociate with poor cancer outcomes.

 We anticipate that the observation thatover a quarter of the tumors analyzed contains one or more extrachromosomal DNAelements will have profound impact on the way we interpret tumor evolutionstudies, but will also prove important for drug response, as ecDNA has beenselected as one of the important topics in cancer research by 2021 cancer grandchallenges.

Educational History

• 2011 Columbia University, Electrical Engineering, Systems Biology
• 2005 University of Michigan, Ann arbor, Electrical Engineering, Medical Imaging
• 2000 고려대학교 생명과학부 유전공학

Employment History

• 2021~현재 성균관대학교 부교수
• 2021~현재 The Jackson Laboratory for Genomic Medicine Affiliate Scientist
• 2017~2020 The Jackson Laboratory for Genomic Medicine Senior Research Scientist
• 2016 MD Anderson Cancer Center Research Faculty
• 2011~2015 MD Anderson Cancer Center Postdoc

Abstract
 고유의 익명화 기술을 통해 데이터 속의 개인정보는 제거하면서도 인공지능 학습을 위한 데이터 활용도는 유지합니다.

 인공지능의 진정한 잠재력을 발휘할 수 있도록 하기 위해 프라이버시를 지키며 세상 모든 데이터를 안전하게 사용하는 미래를 위해 익명화가 필요합니다. 아주 많은 양의 데이터는 인공지능 기술의 발전을 위해 가장 필요한 것입니다.

 개인정보가 포함된 데이터를 활용할 때, 법적 규제와 막대한 비용이라는 두 가지 커다란 어려움을 직면하게 됩니다. 그러나 인공지능의 발전을 위해 데이터를 확보하는 것이 중요한 만큼, 프라이버시의 보호 또한 동등하게 고려되어야 하는 중요성을 지닙니다. 이러한 문제를 해결하고자하는 익명화 기술을 이야기 하고자 합니다.

Abstract
 자율주행 자동차 소프트웨어를 연구 개발하기 위해서 실제 자동차를 가지고 도로 주행 시험을 하기에는 너무나 많은 비용과 위험이 따릅니다. 그래서 소프트웨어 시뮬레이터를 사용하는 방법들이 많이 이용되고 있습니다.

 자율 주행을 위한 환경 시뮬레이터에서는 좋은 맵을 필요로 합니다. 하지만 테스트를 위해 공개된 맵들이 많지 않을 뿐 아니라 국내 실제 도로를 기반으로 한 맵 데이터는 더욱 부족한 상황입니다.

 본 발표에서는 현재 국내에서 공공 데이터 구축 지원 사업의 하나로 구축하고 있는 “한국도시3차원영상데이터”를 이용하여 자율주행 시뮬레이션에 활용할 수 있는 맵을 만들어보고 자율 주행 시뮬레이션을 수행해 본 결과를 공유합니다.

Educational History

• 석사(1993, 연세대학교 대학원, 물리학 전공)
• Master(1993, Yonsei University, Major in Physics)

Employment History

• 2004 ~ 현재 : 주식회사 스타셀 CEO (Starcell Inc. CEO)
• 1998 ~ 2004 : 주식회사 아이티엠 부설 연구소장(Director of ITM Inc. Affiliated Research Center)
• 1995 ~ 1998 :펜타시스템 주식회사(Penta System Inc.)
• 1993 ~ 1995 : 연세대학교 자연과학 연구소(Yonsei University Institute of Natural Sciences)

Abstract
 국내외 시장의 Data-centric MLOps의 Trend 소개 및 사례를 통한 Data플랫폼의 활용 및 성과.
- Data-centric AI의 키워드가 부각되고 있습니다.

 그 이유는 산업에서 발생되는 여러종류의 문제를 Model 중심으로 접근하기에는 경제성이 나오지 않기 때문입니다. 이 때문에 데이터 중심의 접근법, 즉 Data-centric MLOps를 도입해야 합니다. POC단계부터 데이터 관리, 배포, AI제품(시스템)과 제품에서 발생되는 데이터를 실시간으로 모니터링 하고 유지보수 해야합니다.

 Superb AI에는 현재 진행하고 있는 현황 및 실 사례를 중심으로 필요성을 공유 드릴 예정입니다.

Abstract
 ''16년 재정된 ‘수화언어법’을 통해 한국수어는 ‘대한민국 공식 언어’로 지정되었으나, 현재까지도 수어 통역사의 도움이나, 한국어를 활용한 필담에 의존하는 상황입니다.

 간단한 서비스 이용 시 통역사의 상황에 따라 대기 시간이 존재하거나, 필담 시 사용하는 한국어의 문해력 차이로 활용성이 낮아지는 문제점을 가지고 있습니다. 이를 개선하기 위해서는 AI 기반 한국어-수어 번역 솔루션의 개발이 필수적입니다.

 AI 기반 한국어-수어 번역 솔루션의 국내외 현황 및 개발 중인 AI 기반 한국어-수어 번역 모델에 대해서 공유드릴 예정입니다.

Abstract
 제조와 시설물에서에서 모터의 예지보전은 고장을 진단하고, 설비의 수명을 예측함에 있어 중요하다.

 이에 따라 PHM(Prognosis Health Management)에서 데이터 기반의 AI 예측이 화두가 되고 있다.

 PHM에 있어 IIoT 센서데이터를 활용한 예지보전의 개요와 AIoT 구축의 프로세스를 발표하고자 합니다.

Abstract
 중환자실 환자의 쇼크를 예측하는 Deep learning 기반 ShockRanger® AI 모델 소개와 이를 응용한 비즈니스 Scale out의 일환인 Patient Monitor 및 Edge모델을 소개합니다.

Abstract
 데이터 시각화의 필요성, 과정 (전처리, 분석)과 적절한 tool의 사용에 대해서 진행하였던 프로젝트를 기반으로 설명한다.

 또한 이를 활용하는 방안에 대해서도 소개한다.

Educational History

• 고려대학교 산업경영공학부 재학 중

Abstract
 현 AI관련 먀켓에서 중점적으로 고려하고 있는 기술들은 Cloud 서버를 중심으로 빅데이터를 사용하여 딥러닝 모델을 만들고 디바이스에 적용하는 방법들이지만 새로운 마켓의 요구사항들은 엣지 디바이스의 성능의 향상과 더불어 특정 데이터를 사용하는 특정 경우의 AI 기능을 엣지 단에서 처리하고 관리하는 것들입니다.

 이러한 이머징 마켓의 흐름에 따라 Intel에서는 다양한 AI기술들을 소개하고 딜러닝뿐만이 아니라 엣지 디바이스의 AI기능을 쉽게 활용할 수 있는 기술적 제안을 하고자 합니다.

Abstract
 최근 양자암호통신에 대한 관심이 높아짐에 따라 ETSI, ITU-T, TTA 등 국내외 표준화 기구에서 양자암호통신 표준화가 빠르게 진행되고 있다. QKD 장치뿐만 아니라 프로토콜, 네트워킹 기술 등 다양한 분야에 대한 표준화가 추진되고 있으며 국내외 연구진들의 활약도 두드러진다.

 본 고에서는 국내외 양자암호통신 표준화 이슈와 최근 표준화 현황을 소개하고, 실제 국내 뉴딜 양자암호통신 인프라 구축 경험과 사례를 통한 향후 표준화 추진 방향에 대해 논의한다.

 특히, 통신사업자 입장에서 KT가 진행하고 있는 양자암호통신 연구사례를 소개하여 향후 국내 양자암호통신 산업 생태계 활성화 방향에 대한 참여자들과의 토론을 진행하고자 한다.

Educational History

• 2013년, 충남대학교 컴퓨터공학 박사 졸업
• 2008년, 충남대학교 컴퓨터 공학 석사 졸업
• 2001년, 부산대학교 컴퓨터공학 학사 졸업

Employment History

• 2002년~현재, KT Infra연구소 (양자암호통신, T-SDN, AI 보안 연구)

Abstract
 양자암호통신 기술에 대한 간략 설명과 적용 사례에 대해서 소개하고, 관련 표준화 기술 개발 현황에 대해서 설명한다.

Educational History

• 2000년 서울대학교 전기컴퓨터공학 학사 졸업
• 2002년 서울대학교 전기컴퓨터공학 석사 졸업
• 2020년 연세대학교 IT경영대학원 석사 졸업

Employment History

• 2002~2012년 ETRI 광통신연구부 선임연구원
• 2012년~ SK텔레콤 ICT기술원 입사, 현재 SK텔레콤 5GX Infra기술그룹 유선개발팀 팀장으로 5G 유선망 R&D 담당

Abstract
 양자컴퓨터의 개발이 진행되면서 기존 암호체계의 안전성에 대한 이슈가 대두되고 있다.

 또한 기존 광통신에서 물리계층의 보안이 고려되지 않는 것이 보안상의 문제가 될 수 있다는 보고들이 나오고 있다.

 본 발표에서는 KISTI 과학기술연구망센터에서 운영하고 있는 국가 과학기술연구망의 보안성을 제고하기 위한 양자키분배(Quantum Key Distribution) 및 양자키관리시스템을 활용한 차세대 국가 과학기술연구망 설계 연구에 대하여 소개한다.

Educational History

• 2011.9 ~ 2018.8 : 고려대학교 전기전자전파공학부 박사
• 2006.3 ~ 20011.8 : 고려대학교 전기전자전파공학부 학사

Employment History

• 2019.1 ~ 현재 : 한국과학기술정보연구원(KISTI) 선임연구원
• 2018.8 ~ 2018.12: 고려대학교 스마트양자통신센터 박사후연구원

Abstract
 본 발표에서는 첫째, 일반적인 QKD 네트워크 환경에서의 양자 키관리 시스템 초기 설계안을 소개하며, 둘째, 설계안을 바탕으로 구현한 양자 키관리 시스템의 구조 및 특징을 소개한다.

 셋째, 시스템 구현을 통해 추가적으로 논의가 필요하다고 판단되는 구조 및 기능 사항을 소개한다.

 마지막으로, 양자 키관리 시스템의 서비스화를 위한 기술 및 고려 사항을 제시하고자 한다.

Educational History

• 홍익대 전자계산학 석사
• 홍익대 컴퓨터공학 학사

Employment History

• (주)텔레필드 특수사업본부 이사

Abstract
 정보통신기술의 발달과 건강에 대한 관심 증대로 건강상태 자가진단 애플리케이션(앱)이 널리 활용되고 있다. 건강상태 자가진단을 위해 사용자들은 앱에 성별, 나이를 포함 각종 건강관련 정보를 설문으로 입력하고 질병위험 등의 결과를 서버로부터 전달 받는다. 건강상태 자가진단을 위해 송수신 하는 정보는 의료 민감정보로 판단할 수 있다. 예를 들어 정신건강상태나 치매와 같은 질병위험평가를 위한 설문 응답과 평가 결과는 매우 민감한 정보로 볼 수 있다. 통신구간에서 암호화된 상태로 정보를 전달하지만 위험도 평가연산이 수행되는 서버 측에서는 평문으로 복호화한 후 위험평가 계산을 수행하므로 서버측에서 발생할 수 있는 프라이버시 유출 위험을 원천 차단하지는 못한다.

 이 연구에서는 4세대 암호기술로 알려진 동형암호기술을 응용하여 프라이버시 보존 건강상태 자가진단 애플리케이션을 구현하고자 한다. 동형암호 기술을 이용하면 데이터가 암호화된 상태로 연산이 가능해져 프라이버시 유출 위험을 원천적으로 막을 수 있다. 사용자의 설문결과는 암호화하여 서버측에 제출하고, 서버측에서는 설문결과를 복호화 하지 않은 상태로 동형암호 연산을 수행한 결과를 사용자에게 반환한다. 사용자는 전달받은 암호문을 복호화하여 위험도 연산결과를 얻는다. 이 방법을 통하여 사용자는 본인이 제출한 설문 내용을 외부에 유출하지 않고도 질병 발생위험 예측결과를 받아볼 수 있다. 이 방법을 심장마비 위험도 자가 진단 애플리케이션 구현에 적용하여 실용적으로 사용가능한 연산 정확도와 응답시간을 얻을 수 있는지 확인하고자 한다.

Educational History

• 1996 공학사 인하대학교 생물공학
• 1998 공학석사 한양대학교 화학공학
• 2014 공학박사 과학기술연합대학원대학교 응용정보과학

Employment History

• 1998~2001 한양대학교 산업과학연구소 전문연구요원
• 2001~2005 비트컴퓨터 기술연구소 대리
• 2005~2016 ㈜엔코아 컨설팅사업본부 수석컨설턴트
• 2016~현재 분당서울대병원 빅데이터센터 연구협력교수

Abstract
 기밀성과 인증 등의 문제를 해결하기 위하여 보안 프로토콜로 TLS 프로토콜이 가장 널리 사용되고 있다. TLS 프로토콜은 현재 V1.3까지 표준화되어 있으며, RSA, ECC 등의 공개키 암호 시스템을 사용하도록 정의되어 있다.

 양자컴퓨팅 기술의 발전에 따라 TLS 프로토콜에 정의된 RSA와 ECC 공개키 암호 시스템의 보안성 문제가 대두되고 있다.

 최근 ETSI 표준화 등이 진행된 QKD와 NIST에서 표준화가 진행되고 있는 PQC 알고리즘의 경우 양자컴퓨팅 환경에서도 안전한 보안성(양자내성)을 제공한다.

 양자내성을 가지는 QKD와 TLS 프로토콜을 결합한 보안 운용, 양자내성암호화와 TLS 프로토콜을 결합한 보안 운용에 대하여 응용사례를 소개한다.

Educational History

• 2001년 광운대학교 대학원 이학석사 암호
• 1998년 광운대학교 수학과 졸업

Employment History

• 2021년 드림시큐리티 암호기술연구센터 수석부장, 연구1팀장
• 2018년 SKT 양자암호통신용 KMS 시스템 개발
• 2017년 대검찰청 모바일 센터 보안 구축
• 2013년 모바일 전자정부 공통기반 보안 구축
• 2009년 한국인터넷진흥원 최상위인증기관시스템 업그레이드 사업

Abstract
 양자컴퓨터 등장에 따라 현 암호체계는 심각한 위험 노출되어 있음을 모두 인식하고 있다. 이에 대응한 양자암호 기술로 관심을 받고 있는 양자내성암호(Post-Quantum Cryptography)를 광전송장비 적용하면서 어떠한 이슈가 있었는지 공유하고, 양자내성암호를 TLS에 적용하여 응용서비스를 발굴한 사례를 통해 양자내성암호의 효율성 및 확장성을 설명하고자 한다.

 IPv6 사례에서 보았듯이 기술이 개발된 후에도 IPv4망을 변경하기 위해 오랜 시간이 소요되었다. 보안기술은 사전에 준비되어야 하는 기술임으로 IPv6의 사례와 유사하지는 않지만 인프라의 변화 차원에서 성능, 기능 등 인프라 자원을 확인해야하고, 요구사항을 반영해야할 경우를 고려하면, 전체 통신 인프라 변경에는 긴 시간이 소요될 것으로 예상이 된다.

 향후 초연결 환경에서는 더욱 보안에 대한 위협에 노출되어 암호기술이 더욱 중요해질 것으로 예상됨으로, 암호기술을 적용하기 위해 현재의 인프라에 무엇이 필요하고, 어떠한 변화가 요구되는지 상세한 검토가 필요하다. 양자내성암호 전환을 위한 최적화된 알고리즘을 확보하고, 보안위협에 사전 대응하는 전략적인 방안에 대해 발표한다.

Educational History

• 전남대학교 전기공학 학사
• 세종대학교 정보통신공학 석사

Employment History

• ‘17 ~ 유선망개발 팀장(양자암호기술, 유선망 개발)
• ‘07 ~‘17 SDN/NFV, DPI/캐싱, 유선망 개발
• ‘01 ~‘06 국가망(ATM/FR), 인터넷망 개발/계획
• ‘97 ~‘00 WLL/IMT-2000 개발

Abstract
 2012년 힉스 입자의 발견을 통해 입자물리학의 표준모형 (The Standard Model)은 완성되었다. 그러나 표준모형과 일반상대성이론을 고려하였을 때 초기 우주의 급팽창, 우주의 후기 급팽창, 거대구조와 은하 형성 등 관측적 사실과 부합하지 못하며 암흑 성분을 추가로 필요하다는 것이 밝혀졌다.

 이에 21세기 입자물리학은 천체물리학, 우주론 연구와 협력을 필요로 하며, 우주의 암흑 성분을 이해해야하는 당면 과제를 맞이하게 되었다. 본 발표에서는 관련 분야에서 현재 연구되고 있는 연구 현황을 물리학과 천체물리학 관점에서 소개하고, 미래의 발전을 위해 기대하는 컴퓨팅 파워와 전산 기법의 활용에 대해 논의한다.

Educational History

• 서울대학교 학사(96), 석사(98), 박사(02)

Employment History

• 연세대학교 교수
• 일본 동경대 IPMU 특임연구원
• 미국 코넬대 연구원
• 고등과학원 연구원

Abstract
 The sensitivity to dark matter signals at neutrino experiments is fundamentally challenged by the neutrino rates, as they leave similar signatures in their detectors. As a way to improve the signal sensitivity, we investigate a dark matter search strategy which utilizes the timing and energy spectra to discriminate dark matter from neutrino signals at low-energy, pulsed-beam neutrino experiments such as CCM, COHERENT, JSNS2.

 The dark matter candidate of interest comes from the relatively prompt decay of a dark sector gauge boson which may replace a Standard-Model photon, so the delayed neutrino events can be suppressed by keeping prompt events only.

 Furthermore, prompt neutrino events can be rejected by a cut in recoil energy spectra, as their incoming energy is relatively small and bounded from above while dark matter may deposit a sizable energy beyond it. We apply the search strategy of imposing a combination of energy and timing cuts to the existing CsI and LAr data of the COHERENT experiment as concrete examples, and report a mild excess beyond known backgrounds. We then investigate the expected sensitivity reaches to dark matter signals in our benchmark experiments.

Educational History

• 1999 - 2002: 서울대학교 물리학과 - 학사
• 2002 - 2008: 서울대학교 물리학과 – 박사 (입자 물리 이론)

Employment History

• 2009 - 2013: 고등과학원 (KIAS) - 연구원
• 2013 - 2014: 성균관대학교 - 연구원
• 2014: University of Kansas (미국) - 연구원
• 2015.01 - 08: 성균관대학교 – 연구 교수
• 2015.9 – 현재: 충남대학교 물리학과 – 조교수/부교수

Abstract
 In this talk, I discuss multi-component SIMP scenarios in three different setups: dark QCD, effective field theory approach and a dark gauge model with U(1) that is spontaneously broken into Z2 X Z3.

 For the first two cases, one has to maintain some degree of mass degeneracy, whereas in the third model two components of DM can have very different mass scales.

Educational History

• 서울대 물리학과 학사 (1983), 석사 (1985)
• PhD. Univ. of Chicago (1991)

Employment History

• Univ of Minnesoata 박사후 연구원 (1991-1994)
• 홍익대 조교수(1994-1997)
• KAIST 물리학과 부교수, 교수 (1997-2005)
• KIAS 교수 (2005-현재)

Abstract
 This is a brief review on the recent progress of fuzzy dark matter also known as BEC dark matter, wave dark matter, or ultra-light axion.

 We discuss cosmological constraints on this model and show how this model can explain mysteries of galaxies using numerical results.

Educational History

• 1989. 서울대학교 천문학과 학사졸업
• 1997. KAIST 물리학과 박사 졸업 (우주론 전공)

Employment History

• 2009- (현) 중원대 전기전자공학과 부교수
• 2007-2008 고등과학원 계산과학부 조교수
• 2003-2004 프랑스 폴사바티에 대학 박사후 연구원
• 1999-2000 표준연구원 박사후 연구원

Abstract
 양자어닐링 머신을 활용한 LHC 데이터 분석, 특히 입자들의 붕괴방식을 찾아내는 양자 알고리즘에 대한 최근 연구결과에 대해 발표한다.

 이외 입자물리학에서 양자컴퓨터에 대한 활용 가능성에 대해 논의한다.

Educational History

• 2006-2011: The University of Florida 박사
• 2000 – 2002: 서울대학교, 물리학 석사
• 1995 – 2000: 한국과학기술원, 물리/수학 전공

Employment History

• 2017, 8월 – 현재: 서울과학기술대학교 조교수
• 2015.10 – 2017. 8: IBS-CTPU 연구위원 (Faculty)
• 2014.10 – 2015. 9: 아시아태평양 이론물리센터 JRG 리더
• 2013.10 – 2014. 9: Kavli IPMU, The University of Tokyo 연구원
• 2011.10 – 2013. 9: CERN 한-CERN 이론펠로우

Abstract
 There have been lots of developments in the data analysis at the Large Hadron Collider (LHC). The High-Luminosity LHC (HL-LHC) will be a challenging and interesting environment for the application of the Deep Learning. The size of the data will be increased by huge factors with very large number of particle multiplicities due to the multiple proton-proton interactions.

 Therefore, Very efficient Deep Learning architecture and computing environment will be one of the crucial element for the Deep Learning for the HL-LHC era. We use the Convolutional Neural Network (CNN) and Graph Neural Network (GNN) architecture to develop algorithms to discriminate SUSY events from the QCD backgrounds at CMS experiment in the HL-LHC scenario. The same algorithms are applied to search for the rare top quark production process with minimal changes. Training and evaluation of the Deep Learning model can be accelerated with the distributed training and evaluation at the high performance computing such as 5th gen. supercomputer at KISTI.

Educational History

• 2014년 성균관대학교 (물리학 박사)
• 2007년 성균관대학교 (물리학 석사)
• 2005년 연세대학교 (천문우주학, 물리학 학사)

Employment History

• 2018년-현재 경희대학교 조교수
• 2017년-2018년 한양대학교 연구조교수
• 2014년-2017년 성균관대학교 박사후 연구원

Abstract
 Collecting the high quality datasets efficiently at High Luminosity LHC (HL-LHC) will be a challenge in the high pileup environment of 200 proton-proton collisions per beam crossing. To deal with the large size of the dataset from the HL-LHC, the Phase-2 Upgrade of the Level-1 (L1) trigger system at the CMS experiment is essential.

 We will present results on the missing transverse energy (MET) regression with machine learning technique for CMS Phase-2 L1 trigger. The MET is calculated based on the PF and PUPPI algorithms for the L1 correlator trigger.

 In this talk, the performance of the L1 MET trigger using real-time machine learning techniques will be presented.

Educational History

• M.S. in Experimental High Energy Physics (2006) Seoul National University
• Ph.D. in Experimental High Energy Physics (2011) Seoul National University

Employment History

• 2017–present Assistant Professor, Kyungpook National University (KNU), Daegu, Korea
• 2014–2017 FAPESP Postdoctoral Fellow, Sao Paulo State University and Instituto de Física Teórica (IFT), Sao Paulo, Brazil
• 2012–2014 Marie Curie Fellow, Astroparticle and Cosmology Laboratory (APC), Université Paris Diderot-Paris 7 / CNRS, Paris, France
• 2012–2014 Associate Physicist, INFN-Pisa, Pisa, Italy

Abstract
 The SND@LHC (Scattering and Neutrino Detector at the LHC) is a newly approved experiment whose goal is to directly detect collider neutrinos at TeV energies for the first time and search for feebly interacting particles (FIPs) in an unexplored domain. Unlike the four big LHC experiments, the SND@LHC sits in a tangent line from the interaction point (IP) and therefore it can detect "forward moving particles" which will cover the high pseudo-rapidity region (7.2 < η < 8.7).

 The SND@LHC detector will be installed in TI18 tunnel, 480m away from ATLAS IP and positioned slightly off the beam axis on the opposite side of FASER. In order to identify neutrino interactions of the three flavours and search for FIPs via their scatterings on the target, the ECC (Emulsion Cloud Chamber) will be used together with electronic detectors. The ECC which is composed of nuclear emulsion films interleaved with tungsten plates can play the roles of both target and precision tracker. It displays the tracks of the particles produced from the neutrinos and FIPs scatterings, while the electronic tracking devices provide time stamps for these tracks. The tracking devices also measure the energy of the particles together with the downstream muon detector. It is expected to begin taking data when the LHC Run 3 starts up in 2022.

 In this talk, we will introduce the current status of the experiment and also the possible future plan of FPF (Forward Physics Facility) at LHC.

Educational History

• 고려대학교 이과대학 물리학과 졸업 (이학사)
• 고려대학교 대학원 물리학과 졸업 (이학석사)
• 경상국립대학교 대학원 물리학과 졸업 (이학박사)

Employment History

• OPERA, SHiP, NEWSdm, SND@LHC 실험 한국그룹 대표

Abstract
 Belle and Belle II are e+e- collision experiments using the KEKB and Super-KEKB asymmetric energy e+e- colliders at KEK, Japan. In the Belle/Belle II experiments, center of momentum energy is tuned to the mass of Upsilon(4S) resonance, which decays into a pair B mesons. The main goals of the two experiments are searching for new physics beyond the standard model by analyzing the rare and exotic decays of B and charm mesons as well as tau leptons. In addition, they also probe the dark sector both in the ISR-type processes and the B meson’s rare decay modes.

 In the analyses of Belle/Belle II data, various machine learning tools are used for various purposes such as B-meson full reconstruction, flavor tagging, continuum suppression and for other specific functions. In this presentation, we explain the machine learning tools used in Belle and Belle II analysis. Models, training and testing, and some examples of applying Machine Learning tools will be presented.

Educational History

• 연세대학교 물리학 학사
• 연세대학교 입자물리학 석/박사 과정 수료중

Abstract
 Recent trends toward the end of Dennard scaling and Moore’s law makes the current and upcoming computing systems more specialized and complex, consisting of more complex and heterogeneous architectures in terms of processors, memory hierarchies, on-chip-interconnection networks, storage, etc. This trend materialized in the mobile and embedded market, and it is also entering the high performance computing (HPC) markets, as manifested in the recent TOP500 list, where heterogeneous accelerators are used in many of TOP500 systems and the majority of the TOP10 systems. In such heterogeneous HPC systems, two critical challenges are programmability and portability, and their software ecosystems play a critical role in addressing these problems.

 This talk will give an overview of the recent trend in the HPC software ecosystems by comparing several current and upcoming HPC systems such as Fugaku, Summit, Frontier, and Aurora.

Educational History

• [2011] Ph.D. in Electrical and Computer Engineering, Purdue University, USA
• [2004] M.S. in Electrical and Computer Engineering, Purdue University, USA
• [1999] B.S. in Electrical Engineering, Seoul National University, South Korea

Employment History

• [2011-present] Senior Computer Scientist, Programming Systems Group, Oak Ridge National Laboratory, USA
• [2009] Software Engineer (Intern), NEEScomm, Purdue University, USA
• [1999-2002] Engineer, R&D Center, Xeline Co., Ltd., South Korea

Abstract
 포스트 판데믹 사회는 디지털 인공지능의 시대이다. 슈퍼컴퓨터는 전통적인 HPC 어플리케이션 뿐만 아니라 대표적 데이터 산업인 인공지능 기술, 특히 일반 인공지능을 실현하기 위한 컴퓨터로 필연적으로 발전할 것이다.

 본 발표에서는 트랜스포머와 GPT로 시작된 초거대 인공지능 모델의 등장에 의해 촉발된 HPC/AI 패러다임의 전환과 이러한 기술 전환을 뒷받침할 슈퍼컴퓨터 CPU 기술, 특히, ETRI가 연구 개발 중인 K-칩당 페타플롭스급 NPU, 64비트를 포함한 XF 다중해상도 부동소수점 연산기, 학습 프레임워크와 OpenCL 연동, 메모리 통합 PIM NPU 아키텍처, Chiplet 기술 기반의 NPU 반도체 기술을 소개한다.

 Post-pandemic world would be AI-governing era. Supercomputer would evolve into the computer to achieve artificial general intelligence superseding the conventional HPC applications. In this talk, the paradigm shift of HPC and AI invoked by GPT and huge neural networks would be presented. The ETRI’s supercomputer CPU, Artificial Brain’s roadmap includes DPF-integrated-XF, OpenCL and frameworks, high-bandwidth memory-integrated PIM NPU, and future chiplet architecture.

Educational History

• 1999.3-2004.8 KAIST 전기및전자 박사
• 1997.3-1999.2 KAIST 전기및전자 석사
• 1993.3-1997.2 KAIST 전기및전자 학사

Employment History

• 2005.10-現 한국전자통신연구원 지능형반도체연구본부 본부장 (책임연구원, 프로세서연구실 실장(~‘17))
• 2004.9-2005.9 MIT (Massachusetts Inst. of Tech.) Postdoctoral Associate

Abstract
 HPL(High Performance Linpack)은 TOP500에서 사용하는 double-precision 계산 성능 벤치마크 프로그램으로 BLAS level 2 또는 level 3를 기반으로 행렬 및 벡터 연산을 수행하여 밀집 선형 시스템(dense linear system)을 계산한다.

 본 발표에서는 HPL에 대한 기본적인 내용과 이기종 아키텍처 환경에서 HPL관련 개발 연구 동향에 대해 간략하게 소개하고 HPL 성능 모델링 연구에 대해 발표하고자 한다.

 먼저, CPU 중심의 HPL(Netlib HPL 2.3)과 GPU 중심의 HPL(Nvidia binary HPL)을 대상으로 HPL 성능 모델링 방법을 살펴보고 단일노드 및 단일 GPU 환경에서 개발한 HPL 성능 모델(performance model)을 설명한다.

 또한 성능 모델을 검증하기 위한 실험들을 통해 개발한 성능 모델의 정확성을 분석하고, 더 나아가 새로 개발하는 프로세서를 장착한 시스템에서 HPL 성능 모델을 적용할 방안에 대해 다룬다.

Educational History

• 2010.03~2014.02. 숙명여자대학교 학사 (컴퓨터과학부)
• 2014.09~2016.08. 숙명여자대학교 석사 (컴퓨터과학전공)

Employment History

• 2017.04~현재 한국과학기술정보연구원 슈퍼컴퓨팅기술개발센터 재직

Abstract
 슈퍼컴퓨터는 반도체의 고집적, 고성능화를 통해 급격하게 성능이 향상되었다. 향후 지속적으로 반도체의 성능과 수명을 개선하기 위해서는 고성능/저전력 냉각시스템이 필요하며 이를 위해 세계 각국은 다양한 연구개발을 진행하고 있다.

 이 발표에서는 현재 주요 제조사의 기술과 Top 500에 랭크된 시스템 분석하였으며 이를 통해 국산 슈퍼컴퓨터 냉각기술의 개발방향을 제시하고자 한다.

Educational History

• 2020~현재: 충남대학교 기계공학과 박사과정(재학중)
• 2016~2017: 한국해양대학교 기관시스템공학과 공학석사
• 2007~2011: 한국해양대학교 기관시스템공학부 공학사

Employment History

• 2018~현재: ㈜스탠더드시험연구소 열에너지시스템팀 팀장
• 2016~2017: 한국해양대학교 외연기관실험실 연구원
• 2012~2016: ㈜해영선박 2등기관사

Abstract
 슈퍼컴퓨터는 여러개의 CPU 프로세서를 사용하여 병렬 프로그램으로 성능을 향상하고자 한다. 프로세서에서 처리 연산속도와 프로세서와 주고받는 메모리 데이터 읽기/쓰기 속도에 따라 응용프로그램 수행시간이 결정된다.

 프로세서 연산속도가 메모리 속도보다 많이 필요한 프로그램과 메모리 속도가 프로세서 연산속도보다 많이 필요한 프로그램으로 구별되며 프로그램에서 요구하는 프로세서와 메모리 속도 비에 따른 시스템 성능을 도시한 Roofline 모델에서 시스템의 성능을 비교적 쉽게 예측할 수 있다.

 슈퍼컴퓨터의 대표적인 HPC Benchmark 프로그램으로 HPL과 HPCG의 SpMV가 있으며 시스템의 실제 메모리 대역폭을 구하는 STREAM Benchmark가 있다. ARM 계열 서버와 X86 계열 서버를 사용하여 이들 Benchmark 프로그램을 수행하고 그 결과를 Roofline에 표시하여 시스템 성능을 분석하고자 한다.

Educational History

• 부산대학교 전자공학과 학사
• 한국과학기술원 전기 및 전자공학과 석사
• 한국과학기술원 전기 및 전자공학과 박사

Employment History

• 1987-현재 한국전자통신연구원 책임연구원
• VLSI design / Cellular mobile modem design / WiFi modem design / Digital RF design

Abstract
 The ONF project, SD-RAN, is building open source components for the mobile Radio Access Network (RAN) space, complementing Open RAN's focus on architecture and interfaces by building and traling O-RAN compliant open source components. This will foster the creation of true multi-vendor RAN solutions and help invigorate innovation across the RAN ecosystem.

 SD-RAN is developing a near-real-time Radio Intelligence Controller (nRT-RIC) and a set of examplar xApps for controlling the RAN. This RIC is cloud-native and builds on several ONF's well established platforms including ONOS Software-Defined Networking (SDN) controller. The architecture for the SD-RAN nRT-RIC will leverage the O-RAN architecture and vision.

 This talk will introduce the ONF's SD-RAN project. It will cover the goal of the SD-RAN project, overall architecture, the interaction/role within 5G system, and the current development.

Educational History

• Ph.D (2012.01 - 2019.02): Department of Computer Science and Enginering, POSTECH
• B.S. (2006.03 - 2012.02): Department of Computer Engineering, Hongik University

Employment History

• Member of Technical Staff (2019.06 present): Open Networking Foundation
• Contractor (2019.01 2019.05): Open Networking Foundation
• Post Doc (2019.02-2019.04): POSTECH
• Research Scholar (2017.08-2018.03): Open Networking Foundation

Abstract
 각 국가 별로 MEC 서비스가 본격화됨에 따라 MEC 서비스의 확대를 위해서 MEC 에코 시스템의 확장 또한 중요한 요소가 되었다.

 MEC 에코 시스템의 확장의 하나의 방법으로 MEC 플랫폼 간의 연동 즉 MEC Federation 기술에 대한 논의가 Bridge Alliance 및 GSMA를 중심으로 논의가 되고 있으며, 본 발표에서는 작년에 Bridge Alliance에서 SKTelecom과 공동으로 진행한 PoC 중심으로 그 현황 및 전망에 대해 발표하고자 한다.

Educational History

• 2008 Columbia University, Computer Science 박사
• 2002 Columbia University, Computer Science 석사
• 1992 고려대학교 전산학과 학사

Employment History

• 2015 ~ 현재 SKTelecom 매니저
• 2014 ~ 2015 ONF Visiting Scholar
• 2008 ~ 2014 삼성전자 소프트웨어센터 수석연구원

Abstract
 In this talk, I present some research trends to apply Programmable Data Plane and P4 language in various fields such as HPC networking, Storage networking, etc.

Educational History

• https://www.linkedin.com/in/junhosuh/

Employment History

• https://www.linkedin.com/in/junhosuh/

Abstract
 The goal of our RARE project is to create a modern open router platform that can quickly be adapted to meet the numerous challenging use cases from our R&E community. The presentation outlines some of the latest challenges facing the R&E network community today, and describes the corresponding solution utilizing the RARE platform. The following questions that we asked to ourselves when we initiated the project 2 years ago:

• What are the R&E use cases that could benefit from RARE?
• What are the problems we would like to address and how can RARE help to overcome these challenges?

 The audience will be presented RARE vision and a high-level understanding of the RARE architecture and how this modular architecture lends itself to the rapid development and automated testing of new protocols and features. While the RARE team is working on several use cases, this paper will focus on the use of RARE as a fully featured router platform for P4 hardware devices such as Tofino.

Educational History

• Frederic LOUI holds a MS in Electrical & Engineering from Paris Polytech Sorbonne – University.

Employment History

• Frederic's started his career in 1998 as a software/network engineer he joined RENATER in 2007 as network architect. Since 2013, he is leading Innovation initiatives and is actively taking part of GÉANT projects and started technical coordination of projects such as RARE (https://wiki.geant.org/display/RARE) and NMaaS https://wiki.geant.org/display/NMaaS.

Abstract
 NVMe 기반 스토리지 간의 고전송률/저지연 통신을 지원하기 위한 TCP인 NVMe/TCP (NVMe over TCP)의 핵심 기술인 혼잡 제어 기법에 대한 소개 및 Small-scale Testbed에서의 성능 평가를 진행함.

 최근 PCI express의 대역폭 증가에 따라, 스토리지 장비에 의한 서버 내의 I/O Bus에서 발생하는 데이터 병목현상이 상당부분 해소되고 있음. 제안하는 혼잡 제어 기법은 Infiniband 등의 데이터센터에 특화된 architecture를 사용하는 것이 아닌 기존 ethernet card와 programmable switch인 Intel Tofino, user-level TCP의 조합과 함께 운용할 수 있도록 디자인된 혼잡 제어 기법으로, 데이터센터용 혼잡 제어 기법인 HPCC (High Precision Congestion Control)를 기반으로 디자인되었음.

 제안하는 HPCC 기반의 고전송률/저지연 혼잡 제어 기법의 활용을 통해, cost efficiency와 easy deployment를 동시에 달성할 수 있는 새로운 NVMe/TCP architecture의 가능성에 대해 살펴봄.

Educational History

• 2009 – 2016 울산과학기술원 (UNIST) 전기전자공학부 학사
• 2016 – 2019 울산과학기술원 (UNIST) 전기전자공학부 석사
• 2020 – Present 서울대학교 전기정보공학부 박사 과정 재학중

Employment History

• 2021. 06 – Present Intel Korea 인턴

Abstract
 본 발표에서는 MEC의 기술 개요와 상세 기술에 대한 소개와 더불어, ETSI, 3GPP 등 표준 단체 동향, 오픈소스 업체 동향, 사업자 및 Cloud Service Provider 동향에 대해 소개 드리고자 합니다.

Educational History

• POSTECH 전자전기 공학과 학사 (2003.3 ~ 2007.2)
• POSTECH 전자전기 공학과 석사 (2007.3 ~ 2009.2)

Employment History

• SKTelecom (2009.3 ~ 2021.9)

Abstract
 인공지능 기반 네트워크 관리 기술은 현재 급증하는 네트워크의 관리 복잡도 문제를 해결하고, 새롭게 등장하는 IoT 및 5G/6G 등의 네트워크에 가상화 기능들을 구현하는데 있어 적용할 수 있는 핵심 기술입니다.

 본 발표에서는 인공지능 기반 네트워크 관리 기술에 대하여 알아보고, 이를 위한 SDN 광역망 기반의 가상망 환경 구축 내용와 이의 응용 연구 사례에 대하여 소개드리고자 합니다.

Educational History

• 2010.8 ~ 2015.8 : 한국기술교육대학교 컴퓨터공학과 박사
• 2008.8 ~ 2010.8 : 한국기술교육대학교 정보미디어공학과 석사
• 2005.2 ~ 2008.8 : 한국기술교육대학교 인터넷소프트웨어공학과 학사

Employment History

• 2016.2 ~ 현재 : 한국과학기술정보연구원(KISTI) 선임연구원
• 2014.3 ~ 2014.8: 뉴욕주립대(SUNY) Visiting Scholar

Abstract
 Molecular dynamics (MD) simulation describes atomic motions by solving Newton’s equation of motion. The biggest challenge in MD simulation is to reduce computational cost in order to tackle wide range of scientific problems. Recent advances in hardwares and software techniques enabled us to reach unprecedented temporal and spatial scales. In this study,

 we evaluated the performance of various MD simulation packages on GPU environment. Also the comparisons between CPU and GPU were conducted to investigate the effect of accelerator. We expect that performance comparison between running environment will give us fruitful information of optimized condition for fast computations.

Educational History

• Ph.D. in Department of Nano Science and Technology, Sungkyunkwan University, Aug, 2015
• M.S.E. in Department of Nano Science and Technology, Sungkyunkwan University, Feb 2012
• B.S.E. in Mechanical Engineering, Sungkyunkwan University, Feb 2010

Employment History

• 2019–Present Researcher at Korean Institute of Science and Technology Information
• 2016–2019 Postdoc Researcher at Department of Materials Chemistry, Nagoya University
• 2015–2016 Postdoc Researcher at Institute of Advanced Machinery and Technology, Sungkyunkwan University

Abstract
 본 세션에서는, 제일원리 양자컴퓨팅을 통한 화학반응계산에 가장 범용적으로 사용되는 소프트웨어인 VASP 패키지의 성능 가속화를 위해 금속 산화촉매를 대상으로 GPU 와 CPU 별 계 에너지 최적화에 소요되는 계산시간을 비교해보았다. 일반적으로 화학반응 탐구에 있어 사용되는 열역학적 물성 계산은 흡착에너지 계산이 주를 이루며 가장 computing cost 가 비싼 계산은 반응 활성화에너지 계산으로, 일반적으로 흡착에너지 계산보다 약 5배 ~ 10배 가량의 계산량이 요구된다. 따라서, 이 두가지 계산에 대한 GPU 가속을 비교하기위해 각각 뉴론 및 누리온 머신에서 VASP 6.1.0 버전을 대상으로 소요시간을 비교하였다.

 금속 산화물은 반응물에 대한 산화 및 환원능력이 모두 뛰어난 세리아 표면을 선택하였으며, 흡착물 모델로써 화학흡착력이 뛰어나 촉매 내 전구체의 분산도 측정에 주로 활용되는 일산화탄소 기체를 선택해 계산하였다. 흡착계산 결과 구조 최적화에 걸리는 시간은 CPU 대비 GPU에서 최대 약 3.5 배 가량 단축되는 것으로 확인되었다. 또한 최적화 목적이 아닌, 동일 반복계산 횟수별 소요되는 시간은 약 4.5 배 가량 단축되었으며 계산된 에너지를 서로 비교하였을 때 0.1 % 미만의 낮은 오차율을 나타냈다. 그리고 GPU core 개수를 늘리며 계산하였을 때 적은 계산횟수에도 불구하고 구조 최적화 에너지에 더 가까운 결과를 얻는경우가 있었으나, 적은 개수나 많은 개수에서는 오히려 정확도가 떨어짐을 확인하였다.

Educational History

• 고려대학교 화공생명공학과, 학사, 2010.03 ~ 2014.02
• 고려대학교 화공생명공학과, 박사, 2014.03 ~ 2020.08
• 한국과학기술정보연구원, 박사 후 연구원, 2020.09 ~ 현재

Employment History

• 한국과학기술정보연구원 슈퍼컴퓨팅응용센터, 2020.09 ~ 현재

Abstract
 페로브스카이트소재는 용액공정을 통해 적은 비용으로도 빠르게 합성할 수 있는 이온결정 소재로, 태양전지, 발광다이오드, 촉매 등 다양한 분야로 활발히 응용되고 있다.

 특히, 다양한 원소와 결정구조의 도입을 통해 친환경적인 비납계 페로브스카이트의 개발이 활발히 진행되고 있는데, 이때 밀도범함수이론 (density functional theory, DFT) 기반의 전자구조계산은 이러한 소재의 설계와 발굴 효율을 획기적으로 높일 수 있다. 이러한 상황에서 GPU 컴퓨팅을 적절히 활용하고 계산을 더욱 가속화시키는 것은 DFT 기반 페로브스카이트 소재 연구의 효율을 더욱 증가시키는 중요한 방법이 될 것이다.

 본 발표에서는 페로브스카이트 소재 연구와 관련하여, DFT 코드인 VASP (Vienna Ab initio Simulation Package) 에 대한 간단한 GPU 테스트들에 대한 짧은 결과들을 소개하고자 한다.

Educational History

• 2011-2013 [석사] 한국과학기술원 (KAIST) EEWS대학원
• 2013-2017 [박사] 한국과학기술원 (KAIST) EEWS대학원

Employment History

• 2021.03~현재 | 과학기술연합대학원대학교 (UST) 겸임부교수
• 2017.10~현재 | 한국과학기술정보연구원 (KISTI) 선임연구원

Abstract
 대표적인 DFT 소프트웨어인 Quantum Espresso(QE)의 성능을 KISTI 슈퍼컴퓨터 누리온/뉴론 시스템 등 다양한 CPU와 GPU 환경에서 비교하고 최적화 실행 방법을 소개한다.

 또한 실제 연구에 흔히 사용되는 물질(Au surface, Si Crystal)의 여러 케이스를 비교하고 결과에 대한 정합성을 분석해 본다.

Educational History

• 중앙대학교 물리학 박사

Employment History

• 현 모아시스(주) 기술개발팀 부장 (KISTI 슈퍼컴퓨터 사용자 지원 업무)

Abstract
 A comparison of Nek5000 and NekRS in terms of performance and scalability is presented in this study.

 The Nurion system is used to perform the simulations of Nek5000 while the Neuron system is used to perform the simulations of NekRS.

 The results show a promising performance that can be obtained from NekRS as GPU-based spectral element CFD code which opens the doors to perform GPU-based CFD simulations with strong- scaling.

Educational History

• Master degree – Energy systems (University Of Baghdad-Iraq)

Abstract
 Special functions are required in many fields of science. Besides standard ones, which are implemented in many software libraries, there are many more domain-specific functions. In quantum chemistry, incomplete Gamma function and its high-order derivatives (also known as “Boys functions”) are of an extreme importance. The Boys functions are used extensively in modeling of interelectronic interactions in molecules. Efficient calculation of them is crucial in many important classes of quantum chemistry problems.

 In this work, the Boys function implementation from GAMESS quantum chemistry code was ported to Nvidia GPUs. Originally written in Fortran 77 the library was completely rewritten in CUDA C.

 A set of benchmark calculations were run to compare the performance of the Boys functions calculation on CPU (2x Intel Xeon Platinum 8366 node) and GPU (single Nvidia GA100 PCIe 40 GB). In all tests single GPU was faster than dual socket Xeon node. The observed performance difference was from 1.2x to >8x depending on the benchmark type. These tests reveal the performance bottlenecks for GPU which will be addressed in the future.

Educational History

• 2009 – MS in Chemistry, Lomonosov Moscow State University
• 2013 – PhD in Physics and Mathematics, Lomonosov Moscow State University

Employment History

• 2009-2015 – Junior researcher at the Lomonosov Moscow State University, Chemistry department
• 2015-now – Senior researcher at the Lomonosov Moscow State University, Chemistry department
• 2014-2019 – Principal Investigator of the Intel Parallel Computing Center in MSU
• 2019 – Visiting researcher in University of Jyväskylä
• 2021-now – Research Professor in Kyungpook National University

Abstract
 다중 GPU 기반 프로그램은 전산유체역학(CFD) 분야에서 CPU의 구조적 한계성을 해결하고, 단일 GPU의 그래픽 메모리 용량 한계를 보완할 수 있는 대체 방법으로 주목받고 있다.

 본 연구에서는 유체 역학에서 기본이 되는 유동 형태 중 하나인 채널에서의 난류 흐름을 해석하는 MPI 기반 해석자를 기반으로 하여 OpenACC와 CUDA Fortran을 활용한 다중 GPU 기반 해석자를 제작하였다.

 따라서 본 발표에서는 기존의 해석자에 OpenACC 및 CUDA Fortran을 적용하기까지의 방법론적 과정에 대하여 접근하며, 일반 CPU 사용 대비 성능의 향상 정도를 평가하고자 한다.

 또한 다중 GPU가 사용되었을 경우의 확장성(Scalability)에 대하여 분석하고, 본 해석자를 이용하여 계산한 난류에서의 통계량을 이용하여 해석자의 유효성을 검증하고자 한다.

 이후 본 해석자에서 나타난 다중 GPU 기반 프로그램에서의 한계점 및 보완 사항, 그리고 본 해석자의 추후 활용 가능성을 제언하고자 한다.

Educational History

• 2018.2 연세대학교 대기과학 학사
• 2021.2 연세대학교 일반대학원 수학계산학부(계산과학공학) 통합과정 수료

Employment History

• 2018.3~ 연세대학교 일반대학원 수학계산학부(계산과학공학) 연구원
• 2021.3~ 연세대학교 일반대학원 전문연구요원
• 2021.8 KISTI-NVIDIA GPU Hackathon 2021 참가

Abstract
 벽 근처 난류유동으로 발생하는 마찰항력을 감소시키기 위해, 벽에서의 분사/흡입을 이용한 능동제어기법들이 개발되어 왔다. 본 연구에서는, 인공지능기법 중 하나인 멀티 에이전트 강화학습 (multi-agent reinforcement learning)을 이용해, 난류 벽면에 분사/흡입되는 유동량을 최적화하는 유동제어기법을 개발하였다.

 난류 벽면에 분사/흡입되는 유동량을 최적화하므로써 벽 근처 난류유동으로 발생하는 마찰항력을 감소시키는 것을 목적으로, 난류 벽면의 각 격자점에서 그 주변 유동 상황에 맞는 분사/흡입 유동량을 갖게 하기 위해 각 격자점에 각기 다른 에이전트를 배치할 수 있는 멀티 에이전트 강화학습을 적용하였다.

 모델의 학습을 위해 난류 채널 유동의 CFD 계산을 통해 얻은 실시간 유동 변수들로 강화학습에 필요한 상태(state)와 보상(reward)를 생성하고, 학습된 모델을 통해 얻은 행동(action)을 적용하여 난류 벽면에 분사/흡입되는 유동량을 최적화한다.

 학습을 통해 실시간으로 행동 모델이 변화하게되는데, 강화학습 모델의 학습을 위해선 변화한 모델에 의해 제어되는 채널 유동을 실시간으로 계산하여 변화한 모델에 대한 피드백을 제공해야 하므로 Fortran, CPU기반 채널 유동 코드와 Python, GPU기반 멀티 에이전트 강화학습 코드간 유기적인 연결을 통해 이를 구현하였다.

 최종적으로 학습이 완료된 모델의 제어 전 후 마찰항력 비교를 통해 기존의 능동제어기법과의 성능 비교를 진행하였다.

Educational History

• 2017-KAIST 기계공학과 학사

Employment History

• 2018~현재 서울대학교 기계공학과 석박통합과정

Abstract
 As deep neural networks (DNNs) become deeper, the training time increases. In this perspective, multi-GPU parallel computing has become a key tool in accelerating the training of DNNs. In this paper, we introduce a novel methodology to construct a parallel neural network that can utilize multiple GPUs simultaneously from a given DNN. We observe that layers of the DNN can be interpreted as time steps of a time-dependent problem and can be parallelized by emulating a parallel-in-time algorithm called parareal.

 The parareal algorithm consists of fine structures which can be implemented in parallel and a coarse structure which gives suitable approximations to the fine structures. By emulating it, the layers of the DNN are torn to form a parallel structure, which is connected using a suitable coarse network. We report accelerated and accuracy-preserved results of the proposed methodology applied to ResNet-1001 on various datasets.

Educational History

• 경희대학과 수학과 학사
• KAIST수리과학과 박사과정 재학

Employment History

• KAIST 수리과학과 박사과정생

Abstract
 A convolutional neural network (CNN) is a deep learning algorithm efficient especially for image analysis. It has been used for time-series data analysis and proven to be useful for time-series classification as well. The one-dimensional convolution is applied to time-series data and optimal filters are determined through learning. In this talk, we explain that the topological embedding can enhance the efficacy of CNNs for time-series data analysis. Specifically we use topological data analysis (TDA) based on persistent homology. The homological features by embedding of the given time-series data are obtained through TDA and participate in the procedure of CNN. We show that such approach is particularly useful when the noise is dominant with low SNR.

 As an example, the gravitational wave detection problem is considered. The problem is challenging because the noise is typically overwhelming. CNNs have been successfully applied for the considered problem, but require a large training set and the accuracy suffers significantly in the case of low SNR. Our method employs a feature extraction step using persistent homology. The resulting method is more resilient to noise, more capable of detecting signals with varied signatures and requires less training. This is a powerful improvement as the detection problem can be computationally intense and is concerned with a relatively large class of wave signatures.​

Abstract
 본 강연에서는 딥러닝을 이용한 제어 최적화 및 시계열 비정상 탐지 최신 기술들을 살펴보고, 실제 문제로의 적용 사례들을 소개합니다.

 먼저 기존의 메타휴리스틱스 기반의 제어 최적화를 어떻게 딥러닝으로 자동화하는지를 설명합니다. 그리고 비정상탐지를 위한 최신 연구들을 소개합니다.​

 구체적으로 비정상탐지를 위한 비지도학습, PU 학습, OOD탐지, 그리고 시계열 데이터 분석 및 비정상 탐지를 위한 weakly supervised learning 기술을 발표합니다.

Abstract
 10년만 해도 scientific computing은 주로 중앙 집중 컴퓨팅 시설에서 시뮬레이션과 기본 시각화를 처리하는 방식으로 구성되었습니다. 오늘날 연구원들은 이전에 했던 시뮬레이션을 딥러닝, 빅데이터 분석 및 스트리밍 에지 컴퓨팅을 융합하여 처리하고 있습니다. 이러한 높은 fidelity 의 센서와 대규모 시뮬레이션 실행을 위해서는 에지 스트리밍 문제 및 데이터 분석을 위하여 scientific computing이 뛰어나야 합니다. 이를 처리하기 위해서는 end to end workload 를 가속화하는 end to end platform이 필요합니다. NVIDIA에서는 AI 슈퍼컴퓨팅의 모든 영역을 가속화하는 데 주력해 왔습니다.

 첫 번째 – 여러분이 NAMD, 분자 시뮬레이션용 Gromacs, 물리용 Chroma등 상위 top 10 application을 가속화 한다면 Nvidia는 GPU구조, software libraries 및 algorithms의 발전을 통하여 지난 5년동안 11배 이상의 성능을 향상 시켰습니다. 두 번째, 딥러닝 – 업계에서 가장 중요하고 표준화된 benchmark tool인 MLPerf 벤치마크에 대해 training and inference 에서 가장 좋은 성능을 나타내고 있습니다. 세 번째 데이터 분석 – 오픈 소스 RAPIDs 플랫폼을 통해 DASK와 Spark 3.0을 가속화할 수 있습니다. 작년에 10TB 데이터 set에서 CPU 대비 19배 높은 TCO를 제공했습니다.​

이러한 사능을 Nvidia 는 매우 높은 에너지 효율과 함께 제공합니다. 이를 위하여 HPC/AI 개발, 운영자들이 준비해야 할 권면사항을 다루고자 합니다.

Abstract
 The optical and photophysical properties of chromophores and fluorophores are important for industrial and academic applications in a variety of research fields such as, organic solar cells, organic light-emitting diodes (OLEDs), bioimaging, organic sensors, and organic dyes. Substantial efforts have been made to design and synthesize new colorful materials based on various chromophores and fluorophores for various purposes. To develop new molecules with desired properties, knowledge of the chemical and physical properties of previously studied molecules is required. In particular, the optical properties of molecules, such as absorption and emission peak positions and bandwidths, extinction coefficients, photoluminescence quantum yield (PLQY), and emission lifetime, are important for the development of chromophores and fluorophores. Recently, we have developed deep learning optical spectroscopy (DLOS) using a DL model and experimental database to predict seven optical and photophysical properties of organic compounds. First, we built our experimental database by collecting seven optical and photophysical properties of organic compounds from the literature. Our experimental database includes 11 392 unique organic chromophores in 369 solvents or solid states, yielding 30 094 chromophore/solvent combinations. We developed our DL model based on the graph convolution network (GCN) and deep neural network (DNN). Our DL model includes the chromophore–solvent interaction to account for the effect of local environments on the optical and photophysical properties of organic compounds. Our DLOS was found to reliably and quickly predict the aforementioned properties of organic compounds in solution, gas phase, film, and powder. We believe that our DLOS can be efficiently used for developing chromophores and fluorophores in various research areas.

Abstract
 The Large Hadron Collider (LHC) reveals the physics of fundamental particles using high energy proton-proton collisions. Many important discoveries have been made using the data produced at the LHC through the Run-1 and Run-2 operations at 7, 8 and 13TeV, including the discovery of the Higgs boson in 2012. The supersymmetry (SUSY) is one of the promising theoretical models which is not confirmed by experimental data. One of the difficulties to search for the SUSY is their small cross-section compared to the very high rate of backgrounds. Deep Learning is known to give a very good signal to background discrimination power for the data produced at LHC. For the training of Deep Learning models over the big data at the LHC in a reasonable computing time, we used KISTI's Nurion supercomputer at a large scale and compared it with the single-GPU results.