2022 Korea Supercomputing Conference

Abstract
 Deep learning, regarded as one of the breakthrough technologies in recent years, has attracted tremendous research attention in both academic and industrial communities. As a result, mechanical engineers also start applying deep learning technologies to their research fields. In this talk, I will first demonstrate successful case studies of a physics-informed AI that can emulate the wave propagation and scattering phenomena precisely and efficiently.

 In particular, we present methods of incorporating physics-based knowledge into the deep learning framework to give the learning process strong inductive biases regarding wave and scattering behaviors. Then, this talk contributes to demonstrating a data-driven inverse design. We describe two inverse design examples of acoustic scatterer and metaporous layers for sound absorption. Ultimately, I hope this talk can stimulate more research interests towards deep learning within our engineering disciplines.

Educational History

• 미시간대학교 기계공학 박사 (2010)
• 서울대 기계항공공학부 학사 (2001)

Employment History

• 포항공과대학교 (2018 ~ 현재)
• 울산과학기술원 (2013 ~ 2017)
• 미시간대학교 박사후연구원 (2010 ~ 2013)

Abstract
 머신러닝 기술의 적극적 활용 및 메타버스 시대의 도래와 맞물려 디지털 트윈 (Digital Twin) (또는 Digital transformation, DX)에 대한 관심이 공학 전 분야에 걸쳐서 크게 증대되고 있다. 디지털 트윈은 분야별 특성, 활용목적 등에 따라서 다양하게 정의되고 있으나, 실제 모델을 디지털 환경에서 근사한다는 점에서는 동일하다고 볼 수 있다.

 특히 전통적인 CAE 분야에서의 디지털 트윈은 실제 또는 시뮬레이션을 통해 얻은 거대 데이터를 활용해 물리현상을 정밀하게 구현할 수 있는 메타모델(Meta model)을 구현하는 것에 초점이 맞춰져 있으며, 이를 위해 전통적인 reduced-order modeling (ROM), regression 기법, 또는 머신러닝 기술 등이 폭넓게 개발되고 있다.

 다만 대부분의 연구들은 현재 단일 디지털 트윈에 대한 연구에 초점이 맞춰져 있으며, 데이터 기반의 supervised learning의 한계로 인해 미래에 발생 가능한 응답을 예측하는데 어려움이 있다. 따라서 이를 극복하고 스스로 노화/진화가 가능하며, 다중 디지털 트윈 간 연계가 가능하도록 하는 Level5 디지털 트윈 개발을 위한 다양한 연구가 진행 중이다.

 본 발표에서는 디지털 트윈의 현재까지의 연구 및 Level5 디지털 트윈을 위한 연구 개발 노력을 같이 살펴보고자 한다.

Educational History

• 박사, 카이스트 기계항공시스템공학부
• 석사, 고려대학교 사회환경시스템공학부
• 학사, 고려대학교 사회환경시스템공학부

Employment History

• 경희대학교 기계공학과 (2018 ~ 현재)
• TU Delft (Netherland) 방문연구원 (2017)
• 한국기계연구원 선임연구원 (2014 ~ 2017)

Abstract
 제4차 산업혁명의 핵심 개념인 디지털 트윈은 현실의 설비를 가상 공간에 그대로 옮겨 가상 운전 시나리오 구현 및 최적화 운전을 실시간으로 파악할 수 있도록 한다.

 다양한 제조공정 설비들은 다중 물리 시스템의 원리에 의해 지배되고 있으며 일반적 통계 기반의 인공지능 기술로는 쉽게 해결할 수 없는 난제이다. 따라서 시뮬레이션 기반의 디지털 트윈 구축 기술이 기존의 통계 기반 구축 기술을 보완 해야 하며 궁극적으로 물리·화학적 원리와 지능정보기술을 체계적으로 융합하는 접근법이 요구된다.

 페이스 에서는 시뮬레이션과 데이터를 융합하는 디지털 트윈을 구축 할 수 있는 PACE on Cloud라는 서비스를 개발중이다. 해당 서비스는 오픈 소스인 3D 열유체 해석용 OpenFOAM과 0D 기반의 시스템 해석용 Modelica를 활용하여 자체 개발한 알고리듬에 의해 3D 및 0D 해석 결과에 대한 차수감축모델(ROM)과 이를 활용한 Digital Twin 구축을 지원할 계획이다.

Educational History

• 포항공과대학교 학사 (2009 ~ 2013)
• 포항공과대학교 박사 (2013 ~ 2020)

Employment History

• ㈜페이스 R&D 리드 (2020 ~ )

Abstract
 한국과학기술정보연구원 지능형시뮬레이션 센터에서는 2020년부터 열유체 공학 분야의 시뮬레이션 기술의 보급 활성화를 위해 공개 CFD 라이브러리를 활용한 HEMOS-Fluid SW를 개발해 오고 있다.

 HEMOS-Fluid는 대표적인 전산유체 분야 오픈소스인 OpenFOAM을 기반으로 하고 있으며 비압축성 정상, 비정상 유체유동 문제를 사용자가 OpenFOAM으로 쉽게 수행할 수 있도록 사용자작업환경을 제공한다.

 공학 분야에서의 디지털트윈 기술 구현을 위해 필요한 ROM(차수 축소 모델)을 생성하기 위해 HEMOS-Fluid에서 생성된 유동해석 데이터를 기반으로 ROM을 생성할 수 있는 ROM Builder를 현재 개발하고 있다.

 본 발표는 먼저 유체 유동 해석 데이터 생성기로서의 역할을 수행하는 HEMOS-Fluid의 개발 현황과 사례에 대해 간략하게 소개한다. HEMOS-Fluid를 통해 얻어진 유동 해석 결과 데이터를 사용하여 ROM을 생성할 수 있는 기초 이론과 본 ROMBuilder 개발에 있어서 핵심 구성 요소인 iTHACA-FV에 대해 소개한다.

Educational History

• POSTECH 기계공학과 학사 (2002)
• POSTECH 기계공학과 석사 (2004)
• 펜실베니아주립대학교 항공우주공학과 박사 (2011)

Employment History

• 현대자동차 파워트레인연구소 연구원 (2004 ~ 2006)
• 펜실베니아주립대학교 항공우주공학과 박사후연구원 (2011 ~ 2012)
• 한국과학기술정보연구원 책임연구원 (2012 ~ 현재)

Abstract
 딥핑소스는 데이터에서 개인을 알아볼 수 있는 정보를 모두 제거하면서도 AI가 데이터를 활용할 수 있도록 하는 특별한 익명화 기술을 개발했다. 이를테면 카메라에 딥핑소스의 익명화 기술을 적용하면 영상 안에 누가 있는지, 심지어 사람이 있는지조차 알기 어렵다. 그러나 AI는 사람의 동작이나 위치, 감정 등을 인식할 수 있다.

 이전 익명화 기술들은 정보를 블러 처리하거나 검게 지우는 방식으로 AI도 인식을 못 할 때가 많았습니다. 딥핑소스는 민감한 정보를 육안으론 식별할 수 없지만, AI는 명확히 인식할 수 있는 기술을 개발했습으며 비식별화 기술을 바탕으로 딥핑소스는 저작권 관련 기술 두 가지를 보유하고 있다.

Educational History

• KAIST 박사, 석사, 학사

Employment History

• 컴퓨터 비전 및 머신 러닝 업계에서 18년 이상
• Intel의 수석 엔지니어 및 CV/ML 설계자
• Olaworks, Inc.의 CTO 및 공동 설립자(2012년 Intel에 인수됨)

Abstract
 국제해사기구(IMO)는 자율운항선박을 다양한 자동화를 통해 자율적으로 운항할 수 있는 선박으로 정의하고, 총 4단계로 기술 발전을 정의하였다.

 국제해사기구의 정의에 따른 해운 선박 기술의 패러다임 전환은 현재 진행 중이고, 연평균 12.8% 이상 성장할 것으로 예측되는 자율운항선박 시장을 선점하기 위해 세계 각국에서 기술 개발이 한창이다.

 본 발표에서는 기업 주도의 자율운항기술 개발 동향을 살펴보고, 스타트업으로 시장을 개척 및 주도하기 위한 영상 기반 인식 모델 개발 현황 및 전략을 소개하고자 한다.

Employment History

• 한국과학기술원 공학박사 (2016)
• 삼성S1 책임연구원 (2015 ~ 2017)
• 씨드로닉스 기술이사 (2017 ~ 현재)

Abstract
 모든 사업분야에서 디지털 전환 가속화되고 있으며 데이터의 중요성이 점차 높아지고 있습니다.

 데이터 분석과 인공지능(AI) 활용이 의료 연구 분야에서 활발하게 활용되고 있으며 누구나 코딩 없이도 쉽게 인공지능 프로그램을 개발할 수 있는 '노코드'(No-code) 플랫폼인 DEEP:PHI를 소개합니다.

 노코드를 통해 SW개발자가 아니더라도 누구나 자신에게 필요한 인공지능 모델을 직접 제작하여 학습, 테스트, 배포까지 할 수 있습니다.

Employment History

• 딥노이드 공동창업자로 2008년도 부터 딥노이드에서 기술 책임자 역할을 담당하고 있습니다. 인공지능 및 데이터 분석 소프트웨어 솔루션 상품화를 위해 기획 및 개발 총괄 업무를 20년간 담당해 왔습니다.
• 특히 인공지능 분야에서는 딥러닝 머신비전 및 의료 영상 질환 검출을 위해 핵심 기술 연구 및 제품 기획을 수행하였고 사내 연구팀과 기획팀을 이끌며 빠르게 변화하는 시장의 트렌드와 요구사항을 만족하는 서비스를 제공하기 위한 업무를 수행하고 있습니다.

Abstract
 인텔의 인공지 딥러닝 인퍼런스 툴인 인텔의 OpenVINO의 장점및 성능 최적화을 위한 내용과, Tensorflow Pytorch 에서 딥러닝 모델 학습을 가속하기 위한 내용들을 소개 하고, 최근 대두되고 있는 데이터 보호와 보안 강화를 위한 Federate Learning 을 소개하고, 그리고 개발자를 위해 하나의 툴로 다양한 디바스를 지원하면서 병렬 프로그래밍을 쉽게 할수 있는 oneAPI에 대한 내용을 소개 합니다.

Abstract
 자율운항 데이터셋 학습 및 실시간 추론 방안

- 자율운항 주요 데이터셋

- 핵심 AI 모델 구성

- GPU, VPU, NPU를 통한 학습 전략

- 실시간성을 위한 추론 전략

- 구현 사례

Employment History

• AI 솔루션 개발 경력 20년
• 컴퓨터 공학박사 (패턴인식 전공)
• 자율운항 개발 총괄
• 드론 객체인식 대회 1위
• Intel oneAPI Instructor

Abstract
 Vision AI 시장동향과 기존 산업과 AI의 융합의 중요성, 투입될 인력에 대한 공급과 수요의 불균형

 빠르고 효율적인 인공지능을 위한 Edge Vision AI Training Solution 기술 및 교육 소개

 Edge 인공지능의 상용화를 위한 OpenVINO에서의 학습과 추론의 장점

Employment History

• ㈜ 삼보 정보 통신 : Banking Server 개발
• ㈜ 웹콜 월드 : VOIP, SIP 개발
• ㈜ 비트 교육 센터 : 리눅스 임베디드 강의
• ㈜ 아임구루 : LG전자 / 삼성전자 리눅스, 네트워크 인공지능 강의, 특허청 상표 등록 판별 시스템 개발 (Yolo3를 이용한 딥러닝 개발), 아파트 출입 인증 시스템 개발 (RetinaNet을 이용한 인증 시스템 개발)
• ㈜ ITIS : 연구 개발 이사

Abstract
 AWS AI서비스 및 사례

- AWS key services for HPC workloads

- HPC cluster management service – ParallelCluster

- Hybrid HPC: NICE EngineFrame with AWS HPC Connector

Abstract
1) 최적의 연구환경을 위한 유연한 HPC 운영 전략

2) HPC on AWS - MSP 소개

3) HPC on AWS 고객 사례 공유

Employment History

• IBM 에 근무 (2007 ~ )
• ISBC 를 설립하여, 고성능 스토리지, HPC , VDI 등 다양한 산업에 컨설팅 (2011 ~ )
• AWS Cloud 부문으로까지 확대하여, 다양한 고객사의 RnD 부문에 대한 서비스를 지원 하고 있습니다. (2021 ~ )

Abstract
 Dr. Hadley will share his experience in developing artificial intelligence (AI) for clinical applications. Although commonplace today, electronic health records (EHRs) from hospitals are not readily machine readable. Moreover, privacy regulations (HIPAA) make it difficult to aggregate large-scale datasets required to achieve clinical-grade performance from state-of-the-art deep learning image classification algorithms. Dr. Hadley pioneered curation methods to automate assembly of routine clinical data into machine readable labeled imagesets to be used to predict patient outcomes on radiology. In collaboration with community clinical partners, his laboratory develops an academic research data platform that allows patients to directly share their clinical EHR and imaging to be used to train, test, and validate clinical grade AI.

 In this short talk, he will discuss his community-driven approach to engage patients to share their data to predict clinical outcomes of breast cancer from mammography and COVID-19 outcomes from radiographic imaging.

Educational History

• M.D., University of PENN, Philadelphia, PA
• M.S.E., Systems Engineering, University of PENN, Philadelphia, PA
• PhD., Genomics & Comp. Biology, University of PENN, Philadelphia, PA
• Postdoc, Molecular Ophthalmology, University of PENN, Philadelphia, PA

Bio :
Dexter Hadley, MD/PhD has expertise is in translating big data into precision medicine and digital health. His research generates, annotates, and ultimately reasons over large multi-modal data stores to develop clinical intelligence, identify novel biomarkers and potential therapeutics for disease.

He earned his PhD in genomics and computational biology while at medical school at PENN, and he trained in clinical pathology while at residency at Stanford. He first became faculty at University of California San Francisco where he was won various grant funding for developing deep learning methods in medicine including over $5M from NIH and the prestigious inaugural Marcus Award in Precision Medicine. His contributions have yielded well over 60 peer reviewed publications.

Dr. Hadley is the Founding Chief of AI at the University of Central Florida College of Medicine, and Supercomputing is critical to his vision for Community Driven AI. He will share how his team is building a community of patients, clinicians, and data scientists that are also needed to make this concept a reality.

Abstract
 The challenges in drug discovery, including high attrition rates in late development stage, are well documented. This has led to an increased interest and need for applying machine learning and artificial intelligence across the drug discovery pipeline from target identification to chemical lead selection and optimisation. It has also been demonstrated that drugs with human genetic validation data are more likely to succeed in the clinic. To address this, it is essential to unravel genetic networks to identify new or better targets for which the underlying mechanism is clear. Despite the significant advances in next generation sequencing technologies and evolving databases of patient cohorts, the sheer complexity of these datasets makes their integration and interrogation a daunting task. Through the development and application of cutting-edge computational approaches, such as artificial intelligence, machine learning and mathematical modelling, to pharmacogenomics and drug discovery, we identify novel therapeutic targets, biomarkers and drug repositioning opportunities.

 In this talk I will focus on (1) systematic integration and harmonisation of biomedical big data (2) multi-omics disease association study and (3) network theory-based analysis of targetable pathway which have significant potential to provide unprecedented insights into vital biological processes and the control hubs that underpin disease. As an example of our research projects, I will present our data-driven computational analysis and simulation approaches that allowed us to identify drug repurposing opportunities for COVID-19. It is a timely research of general interest, which uses Computational Biology, Network-based algorithms and Artificial Neural Network to predict the repositioning of 200 already approved drugs against SARS-CoV-2. We are confident our approach has identified potential targets, since 20% of these drugs are currently in COVID-19 clinical trials. We present the mechanism of action of the 200 drugs and demonstrate the efficacy of two of these (Proguanil and Sulfasalazine) in cellular assays. This huge dataset of SARS-CoV-2 induced pathways, already approved drugs to target them, along with their mechanism of action, defines a resource for repurposing of drugs against COVID-19, either in monotherapies or in combination therapy.

Educational History

• Associate Faculty : Cambridge Centre for AI in Medicine, Department of Applied Mathematics and Theoretical Physics, University of Cambridge
• Co-founder : KURE.ai and CardiaTec Biosciences

Bio :
 I am a computational drug discovery scientist, coming from a background in machine learning, computational biology, cancer genomics and cancer epigenomics. I am Head of Computational Research & AI at Milner Therapeutics Institute in University of Cambridge and also Associate Faculty at Cambridge Centre for AI in Medicine in the same University. My lab develop and apply dedicated and bespoke Artificial Intelligence technologies that deal with the uncertainty and complexity of biological datasets to reveal novel disease pathways and mechanisms. I also have an Adjunct Professor position at Yonsei University College of Medicine. In addition to my academic research, I have a passion for working at the interface between academia and industry to apply my research to real-world problems. In my case this is in therapeutics and patient care where AI promises to revolutionize the ability to identify disease mechanisms and potential drug targets, informing patient care from disease diagnosis through to treatment. Towards this aim, I facilitate access of the Milner Therapeutics Consortium partner organizations to cutting-edge AI technology and to develop new computational methods fulfilling the global mission of identifying new or better therapies from the analysis of biological data. Furthermore, I contributed to the establishment of Storm Therapeutics. I co-founded two start-ups: (1) KURE.ai to develop immune-oncology NK cell therapy and (2) CardiaTec to develop innovative drugs for cardiovascular diseases.

Abstract
 There are growing observations of comorbidity between heart diseases including cardiac dysfunction (CD) and cognitive impairment, such as dementia or Alzheimer’s disease (DAD). This might be due to a pleiotropy effect of the shared genetic variants between CD and DAD.

 In this study, we validated comorbidity of CD and DAD based on diagnosis records from millions of patients in Korea and the University of California, San Francisco medical center (Relative Risk 3.25, Odds Ratio 11.5 [8.5- 15.5, CI=0.95]). By integrating a comprehensive human disease-SNP association database (VARIMED), and whole-exome sequencing of 50 brains from Alzheimer and non-Alzheimer individuals, we identified three missense variants in coding region including APOB, a known risk factor for CD and DAD, which might have pleiotropic role in both diseases. Out of identified variants, site directed mutation of ADIPOQ(268G>A;Gly90Ser) in the neuron showed abnormal aggregation of Tau proteins (p-value 0.02) indicating a functional impact for DAD. The association of CD and ADIPOQ was confirmed based on the domain deletion in the cardiac cells. Using the UKBiobank covering over 500,000 participants, we validated pleiotropic effect of the ADIPOQ variant by comparing CD and DAD associated phenotypic evidence including cardiac hypertrophy, and cognitive degeneration.

 Convergence of healthcare records and genetic evidence may help to dissect the molecular underpinnings of heart disease and associated cognition impairment, which can potentially serve a prognostic function clinically. Validating disease-disease associations through healthcare records and genomic evidence can unravel whether these diseases share risk factors based on pleiotropy.

 One Sentence Summary By aligning timeline-based analysis of health-care records of millions of patients, functional evidences from in-vitro cell line experiment, and scrutinization of the UKBiobank dataset, we found a novel shared genetic architecture, ADIPOQ (268G>A;Gly90Ser), between heart disease and cognition impairment.

Employment History

• Division of Supercomputing, Korea Institute of Science and Technology Information
• Bakar Computational Health Sciences Institute and 3Department of Pediatrics, School of Medicine, University of California San Francisco
• Division of Bio-Medical Informatics, Center for Genome Science, National Institute of Health, OHTAC
• Biomedical Science and Engineering Interdisciplinary Program and 6Graduate School of Medical Science and Engineering, Korea Advanced Institute of Science and Technology (KAIST)

Abstract
 Superconducting qubit system is one of the leading platforms for quantum computing. In this system, the quantum computing is performed by the sequential quantum gate-level operations on the single or two qubits. Such quantum gate operations comes down to the control of RF pulse sequences.

 I will give a brief introduction to the superconducting qubit system first, and present how quantum gate operations are conducted in the lab in terms of control hardware and software level.

Educational History

• B.S., Physics, 포항공대 (1996 ~ 2002)
• Ph.D., Physics, University of Illinois at Urbana-Champaign (2004 ~ 2016)
• Postdoc, Dep. of Physics, Syracuse University, USA (2016 ~ 2022)

Employment History

• 한국표준과학연구원 (2022.2 ~ present)

Abstract
 본 발표에서는 초전도 양자컴퓨터와 고전 초고성능컴퓨터에서 실행되는 양자회로 에뮬레이터 실행 환경 제공을 위한 클라우드 서비스 개발 계획을 소개하고자 합니다.

 보다 자세하게는, IBM, MS, AWS등 주요 양자컴퓨터 클라우드 서비스 기술 동향과 KISTI에서 수행중인 “확장가능한 양자회로 에뮬레이터 개발 및 클라우드 서비스 기반 구축”사업에서 개발중인 양자컴퓨터 클라우드 서비스에 대해 소개하고자 합니다.

Educational History

• EE, Kwangwoon University (BS)
• EE, Kwangwoon University (MS)
• EE, Kwangwoon University (PhD)

Employment History

• Division of National Supercomputing, Korea Institute of Science and Technology Information (KISTI).

Abstract
 Computing a matrix permanent is known to be a classically intractable problem. In my talk, I will present the first efficient quantum algorithm for computing matrix permanents. The well-known Ryser's formula is transformed into a single quantum overlap integral and a polynomial sum of quantum overlap integrals to estimate a matrix permanent with the multiplicative error and additive error protocols, respectively. The multiplicative error estimation of a matrix permanent would be possible for a special set of matrices. Such a quantum algorithm would imply that quantum computers can be more powerful than it was expected. Depending on the size of a matrix norm and the ratio between 2-norm and 1-norm, we can obtain an exponentially small additive error estimation and better estimation against Gurvits' classical sampling algorithm with our quantum protocol. Our quantum algorithm attains the milestone of opening a new direction in quantum computing and computational complexity theory. It might resolve crucial computational complexity issues like locating the bounded error quantum polynomial time (BQP) relative to the polynomial hierarchy, which has been a big complexity question.

Educational History

• B.Sc. (Chemistry), POSTECH (2003)
• M.Sc. (Computational Science and Engineering), TUM (2006)
• Ph.D. (Physics), Goethe University Frankfurt (2011)

Employment History

• Postdoc, Harvard University (2011 ~ 2015)
• Mueunjae postdoc/Research professor, POSTECH (2015 ~ 2017)
• Assistant/Associate professor, SKKU (2017 ~ present)

Abstract
 Quantum computing has the potential to outperform any foreseeable classical computers for solving certain computational problems. With the growing demand for advanced computing power and methods in big data and artificial intelligence, quantum machine learning (QML) has emerged as one of the most exciting applications of quantum computing. In its early developments, QML gathered much attention mainly due to the quantum algorithm that solves the system of linear equations exponentially faster than its classical counterpart. However, this algorithm requires a fault-tolerant quantum computer and a quantum random access memory, which remains a long-term prospect. Thus an important and challenging question is how noisy intermediate-scale quantum (NISQ) computers that are within reach can be utilized for QML.

 In this talk, I will first briefly introduce quantum machine learning. Then I will present several QML approaches that aim to utilize NISQ to the full extent and attain quantum advantages in the near future.

Educational History

• B.Sc. in Mathematical Physics, University of Waterloo (2010)
• Ph.D in Physics (Quantum Information), University of Waterloo (2015)

Employment History

• 연세대학교 응용통계학과 및 통계데이터사이언스학과 조교수 (2022.03 ~ 현재)
• 성균관대학교 나노과학기술원 연구교수 (2021.02 ~ 2022.02)
• 카이스트 전기및전자공학부 연구조교수 (2018.09 ~ 2021.01)
• 카이스트 물리학과 박사후연구원 (2015.12 ~ 2018.08)

Abstract
 Quantum approximate optimization algorithms are hybrid quantum-classical variational algorithms designed to tackle combinatorial optimization problems. Despite its promise for near-term quantum applications, it has been known that quantum approximate optimization algorithms have limitations for certain instances to solve MAX-CUT problem, at any constant level p. Recently, the recursive quantum approximate optimization algorithm, which is a non-local version of quantum approximate optimization algorithm, has been proposed to overcome these limitations. However, it has been known only as numerical evidences that the recursive quantum approximate optimization algorithm outperforms the original quantum approximate optimization algorithm for specific instances.

 In this talk, we give an analytical proof showing that the recursive quantum approximate optimization algorithm is more competitive than the original one to solve MAX-CUT problem for complete graphs.

Educational History

• 서울대학교 수리과학부 박사 (2002) (박사학위 논문제목: On quantum computational algorithms)

Employment History

• 서울대학교 복잡계통계연구센터 박사후연구원 (2002.03 ~ 2002.09)
• 고등과학원 계산과학부 연구원 (2002.10 ~ 2004.08)
• 경희대학교 조교수/부교수/교수 (2004.09 ~ 현재)

Abstract
 양자암호통신을 구성하는 다양한 프로토콜은 각각의 장단점을 보유하고 있는데 본 발표는 양자암호통신 프로토콜 중에 하나인 Differential Phase Shift 양자키분배 프로토콜의 장단점에 대해 설명하고 실험실 레벨에서 해당 프로토콜을 구현한 사례에 대하여 공유한다.

 특히 대표적인 양자키분배 프로토콜인 양방향 BB84 방식의 구현 사례와 비교하여 장단점을 분석 발표한다.

Educational History

• 서울대학교 전자공학과 학사
• 서울대학교 전자공학과 석사
• University of Southern California EE 박사

Employment History

• 고려대학교 산학협력단장/기술지주회사 대표이사 역임
• (현재) 고려대학교 초신뢰양자인터넷연구센터장
• (현재) 고려대학교 전기전자공학부 교수

Abstract
 빛의 연속변수 기반 양자키분배는 기존의 단일광자를 이용한 양자키분배와 달리 빛(전자기파)의 연속적인 물리량인 쿼드러처를 이용해 정보를 암복호화한다. 상용 광통신 소자들만으로 시스템을 구성할 수 있기 때문에 구축 비용이 절감되고 기존의 광통신 인프라와 호환이 잘 된다는 장점 때문에 많은 연구자들의 주목을 받고 있다.

 이번 발표에서는 연속변수 QKD 시스템을 구현하는 방법에 대해 알아보고자 한다.

Educational History

• 한양대학교 물리학과 (학사) (2006.03 ~ 2010.02)
• 한국과학기술원 물리학과 (석박통합) (2010.02 ~ 2018.02)

Employment History

• 한국표준과학연구원 박사후연구원 (2018.04 ~ 2020.06)
• 한국과학기술정보연구원 박사후연구원 (2020.07 ~ 2021.11)
• 한국과학기술정보연구원 선임기술원 (2021.12 ~ 현재)

Abstract
 본 발표에서는 광통신 다중화 기술과 양자암호통신 융합 및 적용방안 기술에 대해서 발표한다.

 광통신 기술은 하나의 광섬유에 전송할 수 있는 최대 광전송 용량을 증가시키기 위해 1550 nm 파장 대역에서 파장 다중화 기술을 사용하고 있다. 또한 최근에는 코히어런트 광송수신 기술을 이용하여 하나의 파장 광신호에서 1 Tbps급 이상의 고속 광전송 기술이 연구되고 있다.

 본 발표에서는 광통신 다중화 기술과 고속 광통신 기술 현황에 대해서 발표한다. 한편 양자암호통신 기술은 보통 다른 광채널에 의한 영향을 줄이고 장거리 전송을 위해 별도의 dark fiber를 이용하여 양자암호키를 생성한다. 그러나 비용 효율적인 측면에서 dark fiber를 사용하지 않고 양자암호키 채널과 고속 광통신 채널을 하나의 광섬유로 융합하여 전송할 필요가 있다. 이러한 경우 발생할 수 있는 문제점, 가능성 및 기술 현황에 대해서 발표한다.

Educational History

• 한국과학기술원 전기및전자공학과 박사 (2003.02)

Employment History

• ETRI 책임연구원 (2005.06 ~ 현재)
• 미국 Bell Lab. 파견연구원 (2012.04 ~ 2012.09)
• 삼성종합기술원 책임(전문)연구원 (2003.05 ~ 2005.05)

Abstract
 광섬유를 통신채널로 사용하는 광통신의 발명 이후 여러 개의 시그널을 동시에 주고 받도록 하여 통신용량을 늘려주는 다중화(multiplexing) 기술은 기술개발 역사에서 눈에 띄는 발전을 해 왔다.

 파장분할다중화(WDM) 기술의 대성공 이후에도 계속해서 늘어나는 통신용량 증가에 대비하고자 새로운 다중화기술로 연구, 발전된 것이 공간모드다중화(Space Division Multiplexing, SDM) 기술이다.

 본 발표는 SDM 기술의 등장까지의 간략한 배경 설명과 함께 SDM 기술의 개요를 공유한다. 나아가 이러한 SDM 통신을 가능하게 하는 공간모드다중화 소자/장비의 원리와 함께 그 제작 방법에 대해 소개한다. 특히, 한 광섬유 안에 있는 빛(시그널)이 위상정합조건하에 다른 광섬유로 결합되는 원리를 이용한 전광섬유 공간모드다중화 소자 제작 방법에 대해 설명하고 그 응용가능성에 대해 설명한다.

Educational History

• KAIST 물리학 박사학위 취득 (광섬유광학 전공) (2017)

Employment History

• 케이에스포토닉스 근무 (2016 ~ 현재)

Abstract
 최근 양자암호통신에 대한 관심이 높아짐에 따라 ETSI, ITU-T, TTA 등 국내외 표준화 기구에서 양자키 분배 네트워크와 관련하여 양자암호통신망 구조 및 절차, 이기종 QKD 연동, QKD 네트워크 상호 연동, 보안 요구사항 등 다양한 분야에 대한 표준화를 추진하고 있다. 또한 현실적인 양자암호통신망 구축 및 운영을 위하여 소프트웨어 정의 네트워킹, 자원 할당, 키 전달 및 라우팅, 서비스 연속성, 비용 최적화 등 다양한 주제에 대한 연구가 추진되고 있다.

 본 발표에서는 국내외 양자키 분배 네트워크 표준화 현황과 연구 동향을 소개하고, 이와 관련하여 KISTI KREONET이 추진하고 있는 양자키 분배 네트워크 연구 사례를 소개하고자 한다.

Educational History

• 한국기술교육대학교 컴퓨터공학과 박사 (2010.08 ~ 2015.08)
• 한국기술교육대학교 정보미디어공학과 석사 (2008.08 ~ 2010.08)
• 한국기술교육대학교 인터넷소프트웨어공학과 학사 (2005.02 ~ 2008.08)

Employment History

• 한국과학기술정보연구원(KISTI) 선임연구원 (2016.02 ~ 현재)
• 한국과학기술정보연구원(KISTI) 선임연구원 (2014.03 ~ 2014.08)

Abstract
 본 발표에서는

 첫째, QKD 네트워크 환경에서의 양자 키관리 시스템 설계안을 소개하며,

 둘째, 설계안을 바탕으로 구현한 양자 키관리 시스템의 구조 및 특징을 소개한다.

 마지막으로, 실질적인 양자암호통신 서비스 구성을 위한 멀티 도메인간 양자키 전달 및 제어를 위한 시스템 구조 및 기능을 소개한다.

Educational History

• 홍익대 전자계산학 석사
• 홍익대 컴퓨터공학 학사

Employment History

• ㈜텔레필드 특수사업본부 이사

Abstract
 양자암호통신망의 양자키관리시스템(QKMS)과 응용서비스의 연동을 돕기 위하여 ETSI GS QKD 014 표준이 정의되어 있다. ETSI 표준은 연동과정에 프로토콜 전문의 보안을 제공하기 위하여 TLS를 사용하도록 정의한다.

 TLS 프로토콜의 CipherSuites는 양자컴퓨팅 환경에서 안전한 보안성(양자내성)을 가지지 않는다. 이는 QKMS가 다양한 응용서비스와 연동을 위하여 해결해야 할 부분이다.

 최근 활발히 연구가 진행되고 있는 양자내성암호(PQC) 알고리즘은 양자컴퓨팅 환경에서 양자내성을 가지는 알고리즘으로 TLS 프로토콜에 적용하여 양자내성을 확보할 수 있다. 양자내성암호는 키 설정을 위한 KEM 알고리즘과 전자서명을 생성하기 위한 전자서명 알고리즘이 있다.

 현대암호화 알고리즘과 양자내성암호 알고리즘이 결합된 하이브리드 형태의 TLS 프로토콜 연구 사례를 소개한다.

Educational History

• 광운대학교 대학원 이학석사 암호 (2001)
• 광운대학교 수학과 졸업 (1998)

Employment History

• 드림시큐리티 암호기술연구센터장 (2022 ~ 현재)
• SKT 양자암호통신용 KMS 시스템 개발 PM (2018)
• 대검찰청 모바일 센터 구축 보안 PM (2017)
• 한국암호포럼 산업표준화분과 위원 (2010 ~ 현재)

Abstract
 슈퍼컴퓨터 5호기 보조 시스템인 뉴론(Neuron)은 GPU 기반 시스템으로 메인시스템(누리온)과 차별화된 다양한 인프라를 제공하기 위한 목적으로 서비스되고 있다. 뉴론은 GPU를 통한 성능 가속이 뛰어난 분자동역학이나 전자구조계산 분야의 연구와 기계학습(Machine Learning/Deep Learning) 및 빅데이터 분야의 연구∙개발을 지원하고 있다. 뉴론은 작업스케줄러(SLURM)를 이용해 사용자들이 제출한 작업을 스케줄링하는 방식으로 계산자원을 제공하고 있다.

 본 발표를 통해 이기종 컴퓨팅 환경에서 계산자원 활용률 극대화 및 공정한 기회 보장을 위한 작업배치스케줄러 설정 고도화 기법에 대한 소개를 진행하고자 한다.

Educational History

• 광운대학교 학사 졸 (2006.02)
• 광운대학교 석사 졸 (2008.08)
• 광운대학교 박사 졸 (2016.02)

Employment History

• ㈜제너시스템즈 근무 (2008.08 ~ 2011.12)

Abstract
 최근 많이 사용되는 인공지능 분야의 ML/DL 모델은 크고 복잡해지고 있다. 따라서 많은 계산량을 처리하기 위한 병렬 계산이 필요하고, 멀티노드를 사용해야하는 수요가 증가하고 있다.

 슈퍼컴퓨터 및 클러스터 시스템에서 사용할 수 있는 HOROVOD, GLOO, Ray, NCCL, Tensorflow Distribute, PytorchDDP 등을 이용한 멀티노드 병렬화 방법을 소개하고 동작 원리에 대해 설명한다.

Educational History

• 중앙대학교 물리학 박사

Employment History

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

Abstract
 CLI 터미널 기반의 기존 슈퍼컴퓨터 서비스 환경은 GUI에 익숙한 신규 사용자의 진입 장벽으로 작용하고 있으며, 슈퍼컴퓨터 사용자에 대한 자체 설문조사에 따르면 웹 기반 GUI 작업 실행 환경에 대한 사용자 요구가 높게 나타나고 있다.

 본 발표에서는 위와 같은 사용자 요구를 반영하여 배치작업관리, 웹터미널, 데이터관리, 원격테스크톱, Jupyter Notebook, Rstudio, Paraview 등의 서비스를 위한 웹 기반의 슈퍼컴퓨터 활용 환경과 다양한 국가센터 서비스 액세스를 위한 통합인증(SSO)을 구현하는 슈퍼컴퓨터 사용자 포털의 개발 현황과 향후 서비스 계획을 설명한다.

Educational History

• 충남대학교 컴퓨터공학 박사 (2018)
• 한남대학교 컴퓨터공학 석사 (2000)

Employment History

• 한국과학기술정보연구원 팀장(책임연구원) (2000 ~ 현재)

Abstract
 슈퍼컴퓨터 5호기 누리온은 고성능의 I/O 처리를 위한 병렬파일시스템과 버스트버퍼(BurstBuffer)를 제공한다. 해당 파일시스템은 계산노드, 로그인노드 및 주요 인프라 노드에 마운트 되어 IO 서비스를 제공한다. 버스트버퍼(IME)는 NVMe 기반의 스토리지로 계산노드와 누리온 /scratch의 사이의 I/O 가속을 위한 캐시 레이어 역할을 수행을 위해 5호기 누리온에 도입되었다.

 HPC 환경에 AI의 DL/ML 솔루션이 등장하면서 스토리지와 파일시스템에 AI 워크로드 요구사항을 충족시키기 위한 새로운 기술들이 제시되고 발전시켜 나가고 있다.

 본 세션에서는 AI 분야의 워크로드를 지원하기 위한 다양한 기법들을 설명하고자 한다. 향후 이런 기술들은 구축 준비 중인 슈퍼컴퓨터 6호기에 접목되어 사용될 수 있다.

Educational History

• Dr. Junweon Yoon is a principal researcher in the Department of Supercomputing Infrastructure Center at KISTI. Also, he received M.S. and Ph.D. degrees in Dept. of Computer Science and Engineering from Korea University.

Employment History

• High Performance Computing (HPC), a supercomputer, is composed of complex and diverse systems and software. He has been managing the hardware and system software in this field for several years. Now, he is responsible for the supercomputer administration and infra operations. His research interest fields are distributed computing, supercomputing, parallel filesystem, scheduling, etc.

Abstract
 High performance computing (HPC) application are categorized as compute or data intensive. HPC application execute in terms of days to weeks and generate huge volumes of data (in terms of Petabytes to Terabytes). Further, HPC applications rely on checkpointing for failure recovery and results in generating high amount of redundant data. However, the fast intermediate storage tier in HPC facilities has limited capacity and require efficient utilization. Storage optimization technique, such as data deduplication, plays an important role in efficient fast storage tier utilization by removing the redundant data either during periodic checkpointing or writing the intermediate results of HPC applications.

 In this talk, we will discussing the potentials of adopting data deduplication in HPC environment by analyzing the HPC data-sets.

Educational History

• 1 - 2013 - 2016: Bachelors of Computer Systems Engineering, Mehran University of Engineering and Technology, PakistanÒ - 2018 - Present: Integrated MS-PhD, Department of Computer Science and Engineering, Sogang University

Abstract
 고성능 컴퓨팅 (HPC) 시스템은 수천 대의 컴퓨트 노드와 스토리지 시스템, 그리고 고성능 네트워크로 연결되어 있어 그 복잡도가 크다. 사용자 입장에서 HPC 시스템이 제공하는 I/O 성능의 이점을 모두 얻기 위해 응용을 수행할 때 사용할 수 있는 컴퓨트 노드의 종류, 수, 멀티 스레드의 병렬화 정도, 또는 스토리지 노드의 stripe count, size 등 다양한 시스템 구성 설정을 변경할 수 있다. 하지만 시스템의 복잡도가 크기 때문에 각 응용에 적합한 최적의 설정값을 찾는 것은 어려움이 크다.

 본 발표에서는 KISTI에서 운용중인 누리온(Nurion) 슈퍼컴퓨터에서 실제 수행된 응용들의 로그 데이터를 사용하여 응용의 I/O 성능에 영향을 끼치는 I/O 관련 특성들을 분석한 결과를 소개한다. 다양한 머신러닝 기법을 사용하여 비슷한 I/O 특성을 갖는 응용들을 클러스터링한 후 I/O 성능을 최대화할 수 있는 최적의 설정을 찾는 방법을 제안한다.

Educational History

• Jiwoo Bang is an integrated Ph.D. Candidate in Department of Computer Science and Engineering at Seoul National University. She received her B.S. degree in Department of Computer Science and Engineering from Seoul National University in 2017. Her research interests include distributed file systems, parallel computing and high-performance computing.

Abstract
 본 세션에서는 글루시스가 제안하는 차세대 HPC 및 AI 스토리지인 AnyStor-Exa 아키텍처가 어떻게 하드웨어 의존성을 탈피하여 비용 효율적인 고성능 고가용성을 제공하는지 소개드립니다.

 - AnyStor-Exa 아키텍처 개요

 - 고성능 및 고가용을 제공하는 NVMe 스토리지

 - External Storage for GPUDirect Storage

Educational History

• 고려대학교 전산학과 박사 (1990.03 ~ 1994.02)
• 서울대학교 계산통계학과 석사 (1984.03 ~ 1987.02)
• 홍익대학교 전자계산학과 학사 (1980.03 ~ 1984.02)

Employment History

• (주)글루시스 대표이사 (2000.04 ~ 현재)
• 안양대학교 컴퓨터공학과 교수 (1994.03 ~ 현재)
• IIIA-CSIC, Spain Catalunia - Visiting Researcher (2004.12 ~ 2005.02)
• Monash University, Australia - Visiting Researcher (2000.01 ~ 2000.02)
• IBM T.J. Watson Research Center, USA - Visiting Researcher (1999.06 ~ 1999.08)
• Northwestern University, USA - Post.Doc (1996.12 ~ 1998.02)

Abstract
 데이터 활용에 대한 기술이 급속도로 발전함에 따라, 고성능 컴퓨팅(HPC) 기술은 인공지능(AI), 애널리틱스 및 제조업 분야로 기술 혁신 및 활용이 점차 확대 되고 있습니다. 또한 보유한 데이터를 활용하여 대규모 시뮬레이션이나 AI 분석 등을 위한 스토리지 인프라는 높은 안전성을 보장하는 고성능 IO 뿐만 아니라 손쉬운 확장성, 효율성 및 다양한 엔터프라이즈 기능을 요구 하고 있습니다.

 이 세션에서는 대규모 HPC/AI 인프라 구성 시, 데이터를 효과적으로 처리하고 활용할 수 있는 Lustre 기반 스토리지 파일시스템인 DDN EXAScaler 아키텍처와 최신 기술개발 사항(HotNodes, HotPools, Snapshot)에 대하여 소개 합니다.

Educational History

• 숭실대학교 석사

Employment History

• 한국과학기술정보연구원 연구원 (2009 ~ 2013)
• DDN Storage, Senior System Engineer, Manager T3S (2013 ~ 현재)

Abstract
 현재 HPC & AI 영역에서의 스토리지는 모델링, 학습, 시뮬레이션 및 AI 워크로드등으로 폭발적인 데이터 증가가 발생하고 있고, 이를 위해 스토리지 대용량의 미디어 기술, 효율적인 비용 그리고 그에 따른 성능 향상을 요구하고 있습니다. 그런 이유로 용량 한계 없는 Scale-Out 형태와 사용자의 정책, 사용 목적에 맞게 데이터를 저장, 관리 및 운영 그리고 보관할 수 있어야 하는 필요성이 더욱 부각되고 있습니다.

 HPE는 ClusterStor와 Data Management Framework(DMF)를 통하여 스토리지 내부 뿐만 아니라 외부의 시스템으로 계층화되어 있는 데이터들을 효율적이고, 자동화된 정책으로 체계적인 저장, 관리할 수 있도록 솔루션을 제공하고 서비스하고 있습니다.

 하나의 파일시스템 안에 고성능 스토리지 영역과 비용 효율적인 스토리지 영역을 체계적으로 관리해야 하는 이유와 방법을 HPE ClusterStor의 Tiering 솔루션과 여러 계층 및 다양한 시스템에 데이터를 자동화하여 보호하고 보관할 수 있는 DMF 솔루션을 소개하고자 합니다.

Educational History

• 강원대학교 컴퓨터공학 전공

Employment History

• HPE HPC/AI Solution Architect (현)
• HPE Compute Technical Architect (전)
• DELL Technologies(EMC) Customer Engineer (전)

Abstract
 - WEKA Data Platform 소개

 - AI/HPC 환경에서 WEKA FS의 효용 및 이점

Educational History

• 경희대학교 전자계산공학

Employment History

• IBM Korea, Power System Technical Sales (전)
• NetApp Korea, Sr. Solution Architect (전)
• WEKA Korea, Sr. System Engineer (현)

Abstract
 2022년 5월 ISC 2022에서 새로이 발표된 Top500 순위는 업계에 지각변동을 일으켰습니다. 새로이 1위로 등재된 ORNL Frontier 시스템은 기존의 PetaFLOPS 급 성능을 초월한 ExaFLOPS 급 HPC의 새 지평을 열었습니다. 이 EXASCALE 혁신의 중심에 AMD가 있습니다.

 절대적인 성능 뿐 아니라 전력 효율성, 소프트웨어의 공유 및 개방성을 근간으로 EXASCALE 통합 컴퓨팅으로의 여정을 함께 할 AMD의 Accelerated Datacenter Solution을 소개합니다.

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
 인텔에서 발표할 HPC 및 AI 워크로드용 GPU인 Ponte Vecchio의 아키텍처, 성능 및 지원 소프트웨어 관련 내용과 차세대 CPU 프로세서인 4세대인텔® 제온® 스케일러블 프로세서(Sapphire Rapids)와 그 이후 제품들에 대한 로드맵 및 기술을 소개합니다.

Educational History

• 연세대학교 대학원 공학석사

Employment History

• 현) 데이터센터 사업부 한국 영업 총괄
• 인텔 아시아태평양 및 일본 지역 HPC 제품 마케팅
• 인텔 아시아태평양 및 일본 지역 데이터센터그룹 서버 아키텍처 매니저

Abstract
 워크로드에 따른 NVIDIA Hopper GPU 성능 예상치와 그 성능을 이끌어내기 위해 인프라적으로 취해야할 조치에 대해 말씀드리겠습니다.

 또한, 직접 CUDA 프로그래밍을 하시는 분들을 위해 Hopper 아키텍처에 특화된 CUDA 팁들도 소개해드리겠습니다.

Educational History

• 서울대학교 컴퓨터공학 학사

Employment History

• IBM Korea 소프트웨어 엔지니어 (2008 ~ 2014)
• British Telecom Korea 서비스 매니저 (2014 ~ 2016)
• HPE Korea 솔루션 아키텍트 (2016 ~ 2020)
• NVIDIA Korea 솔루션 아키텍트 (2020 ~ 현재)

Abstract
 고에너지물리 분야 슈퍼컴퓨팅 응용 거대 연구들을 소개한다. 그 대표적인 사례로서, LHC-CMS 실험에서 세계 최대의 KNL 슈퍼컴퓨터를 활용한 머신러닝 연구와 우주원소 생성 비밀 탐구를 위한 핵격자 유효이론을 소개한다.

 또한, 암흑물질 등 고에너지물리 거대연구들을 발굴하고 수행할 수 있는 커뮤니티의 장을 마련한다.

Educational History

• 미국 University of Colorado, Boulder, 물리학 Ph.D. (1996.05)
• 연세대학교 물리학 석사 (1987.2)
• 연세대학교 물리학 학사 (1985.2)

Employment History

• 과학기술연합대학원대학교(UST) 교수 (2017.03 ~ 현재)
• 한국과학기술정보연구원 책임연구원/계산과학팀장 (2006.05 ~ 현재)
• 미국 페르미연구소, Visiting scholar (2013.06 ~ 2014.06)
• 경북대학교 초빙교수 (2001.06 ~ 2006.04)
• 미국 University of Tennessee, Knoxville, Post-doc (1996.10 ~ 2001.05)

Abstract
 We demonstrate two sampling procedures assisted by machine learning models via regression and classification.

 The objective is the construction of routines that can be employed for different types of analysis, from finding bounds on the parameter space to accumulating samples in areas of interest.

 Moreover, for classification, we introduce a boosting technique to improve cases where the initial convergence is slow.

 The type of results that can be obtained is better explained with the help of a few examples from sampling simple toy models to exploring the parameter space of the two Higgs doublet model.

Educational History

• University of Florida 물리학 박사 (2011)
• 서울대학교 물리학 석사 (2002)
• 한국과학기술원 물리학 / 수학 학사 (2000)

Employment History

• 서울과학기술대학교 부교수 (2017.08 ~ 현재)
• IBS-CTPU 연구위원 (2015.10 ~ 2017.08)
• 아시아태평양 이론물리센터 JRG 리더 (2014.10 ~ 2015.09)
• Kavli IPMU, The University of Tokyo 연구원 (2013.10 ~ 2014.09)
• CERN 한-CERN 이론펠로우 (2011.10 ~ 2013.09)

Abstract
 We will talk about a novel cosmic string simulation approach based on the adaptive lattice fluid mesh refinement (ALFMR) where lattice points behave like a collection of freely moving particles or fluid instead of being confined to fixed positions as those in a typical lattice simulation.

 The lattice fluid mesh dynamically increases the resolution locally near the string core by attracting lattice particles toward the core using an attractive potential artificially assigned to the string while the total number of lattice points remain fixed. We demonstrate ALFMR by reproducing the result from regular lattice.

Educational History

• Ph.D. Johns Hopkins University

Abstract
 In this talk, I will present a new theory of DM, qualitatively different from any existing proposal. I will present a theory, in which DM is made up of a novel form of matter, called “gapped continuum”. While ordinary elementary particles have unique masses - for example, each proton in the universe weighs exactly the same - the mass of DM states in our theory is a continuous parameter. I will present a fully realistic model that describes this DM candidate and its interactions with ordinary particles. The continuum DM can give striking new experimental signatures in colliders and cosmic microwave background measurements, while the strong suppression of direct detection signals reopens the possibility of a Z-mediated dark sector again.

Educational History

• Cornell University, Ithaca, NY 2001-2007
PhD Theoretical Physics

Employment History

• Professor, Korea University Seoul, Korea (2020 ~ present)
• Associate Professor, Korea University Seoul, Korea (2015 ~ 2019)
• Assistant Professor, Korea Advanced Institute of Science and Technology Daejeon, Korea (2011 ~ 2015)

Abstract
 We numerically demonstrate that satellite galaxies in the fuzzy dark matter model have a tendency to form more flattened and corotating satellite systems than in the cold dark matter model due to the dissipation by the gravitational cooling effect of the fuzzy dark matter.

 We also show that, even with the same set of initial conditions, the number of satellites surviving becomes smaller in the fuzzy dark matter model than the cold dark matter counterpart.

Educational History

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

Employment History

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

Abstract
 뜨거운 빅뱅 (hot big bang) 우주의 초기 조건을 설명하면서 소위 지평선 문제, 평평함의 문제, 그리고 자기홀극 문제 등을 해결하기 위해 급팽창 시기가 있었다고 현대우주론은 이야기 한다. 급팽창 시기에 이루어진 밀도 요동은 후일 우주의 구조를 만드는 씨앗이 된다.

 본 발표에서는 밀도 요동이 급팽창 시기의 ultra-slow-roll 조건 혹은 tachyonic instability로 기인하여 크게 확장되고, 그 결과 원시 블랙홀 이 다수 만들어질 수 있음을 힉스 급팽창 이론의 맥락에서 소개하고 이로부터 우주의 암흑물질 문제가 해결 될 수 있음을 이야기한다.

Educational History

• 서울대 학,석,박사

Employment History

• 고등과학원, 코넬대, 동경대 IPMU 연구원

Abstract
 초대칭 틀 안에서 표준모형을 최소한으로 확장한 것을 최소초대칭 표준모형(Minimal Supersymmetric Standard Model – MSSM)이라고 한다.

 이 모형은 U(1)_{B-L} 게이지 대칭성을 포함하도록 다시 확장될 수 있으며, 이때 B-L 전하를 가진 새로운 힉스장들이 도입된다. 이 힉스장들과 연관되어 나타날 수 있는 열적 가속팽창, 암흑물질, 그리고 중력파에 대하여 이야기하고자 한다.

Educational History

• 한국과학기술원 물리학과 박사 (우주론 전공) (2006.08)
• 한국과학기술원 물리학과 석사 (2001.02)
• 서강대학교 물리학과 학사 (1998.08)

Employment History

• 전북대학교 과학교육학부 물리전공 부교수 (2021.04 ~ 현재)
• 전북대학교 과학교육학부 물리전공 조교수 (2017.03 ~ 2021.03)
• 발렌시아 대학 선임연구원 (2014.10 ~ 2016.12)
• 고등과학원 위촉연구원 (2014.09 ~ 2014.10)
• 고등과학원 연구원 (2010.09 ~ 2014.08)

Abstract
 Belle 실험은 1999년부터 2010년까지 일본 KEK 연구소 KEKB 전자-양전자 충돌기를 사용하여 데이터를 획득하였으며 B 중간자의 CP 대칭성 깨짐을 최초로 발견함으로써 M. Kobayashi 와 T. Maskawa가 2008년 노벨물리학상에 선정되는데 결정적인 기여를 한 바 있다.

 Belle 실험에 이어 충돌의 휘도를 대폭 높여 flavor 물리의 현안 주제들을 보다 정밀하게 측정하고 새로운 물리법칙의 가능성을 탐색하기 위해 2011년부터 Belle II 실험의 건설이 시작되어 2019년부터 SuperKEKB 전자-양전자 충돌기를 사용하여 Belle II 실험이 시작되었다.

 이 발표에서는 최근 Belle 과 Belle II 실험에서 얻어진 물리 결과 중 dark sector에 관한 내용들을 소개한다.

Educational History

• 서울대학교 자연과학대학 물리학과 (이학사) (1986.02)
• Stanford University, Dept. of Physics (Ph.D.) (1993.01)

Employment History

• University of Rochester, Research Associate (1993.02 ~ 1996.07)
• 연세대학교 이과대학 물리학과 교수 (조교수로 임용, 2004년 현직위 승진) (1996.09 ~ 현재)
• 한국물리학회 입자및장물리학 분과위원장 (2017.01 ~ 2018.12)
• 현재 Belle 실험 공동대표 (2018.04 ~ 현재)

Abstract
 We introduce the Full Event Interpretation (FEI) at Belle II experiment. This method is developed for the research based on SuperKEKB accelerator and Belle II detector. The analyses with Belle II detector are to precisely measure the Standard Model (SM) and to find the evidence of the New Physics beyond the SM are in progress. Since the center-of-mass energy (√s) of SuperKEKB accelerator is specified to 10.58 GeV to generate Υ(4S) that decays to the pair of B meson with 96% probability, the analyses with Belle II detector are generally focused on B meson. One of the B meson is regarded and reconstructed as signal, while the other B is not reconstructed.

 FEI is to reconstruct particles in the event automatically to construct ‘other’ B meson, with boosted decision tree (BDT) method. Since this method allows access of additional information calculated from ‘other’ B, it is possible to improve the quality of events, though in a situation that complete reconstruction of signal B is forbidden due to invisible particles are included in the decay mode. To take the advantage of FEI, a ‘tagging’ method has been used in B meson analyses. We introduce the tagging algorithm of B meson using BDT. We have applied FEI and tested the effect with one of lepton-flavor-violating decay modes with simulated samples.

Educational History

• Ph.D&M.S in Physics, Yonsei University (2020)
• B.S. in Physics, Yonsei University (2010)

Employment History

• Postdoctoral researcher, KISTI (2021.10 ~ now)
• Postdoctoral researcher, Yonsei University (2020.09 ~ 2021.09)
• Collaboration of Geant4 (2022.01 ~ now)
• Collaboration of Belle/Belle II Experiment (2012.01 ~ now)
• Collaboration of Telescope Array Experiment (2011.08 ~ 2012.09)

Abstract
 SND@LHC는 LHC 가속기에서 생성된 중성미자와 새로운 물리 입자를 관측하려는 실험이다. SND@LHC 실험을 통해 탐구할 수 있는 물리 주제에 대해 소개한다.

Educational History

• KAIST 박사 졸업

Employment History

• KIAS 조교수 (2009.09 ~ 2010.02)

Abstract
 In this talk, the equation of motion coupled-cluster (EOM-CC) for the core excitation spectra will be discussed. The conventional time-independent CC formulation for excited states is obtained from solving the eigenvalue equation. An alternative time-dependent CC description, namely TD-EOM-CC, is obtained from the time propagation of the moment operators expressed in the CC effective Hamiltonian form. The TD-EOM-CC shows more reliable descriptions for the core spectra and is applied for electron dipole and quadrupole transitions. Various examples, including first-row hydrides and allyl radical, will be discussed to show the correlation and basis-set effects in core spectra. Other examples, K pre-edge spectra of transition metal tetrachlorides, will show the EOM-CC can be used as an important tool for understanding the nature of the core region of electron transitions.

Educational History

• B.S. Ajou University
• M.S. Korea Advanced Institute of Science and Technology
• Ph.D Korea Advanced Institute of Science and Technology

Employment History

• Postdoc University of Calgary, Canada
• Postdoc University of Florida, USA

Abstract
 Singlet fission, one of multiexciton generation mechanisms, refers to the photophysical process where high-energy singlet exciton evolves into two triplet excitons. This intriguing process has gained significant attentions as it can be helpful to increase the single-junction solar cell efficiency. The first observation of singlet fission was made for tetracene, and various acene derivatives were used to describe and explore singlet fission mechanism. For various practical issues, perylene bisimide derivatives become more popular, and many chromophores based on perylene bisimide are developed.

 In this talk, I will present quantum chemical descriptions of multiexciton generation mechanism in various organic molecules, in particular perylene bisimides.

Educational History

• KAIST, 화학과 학사 (2005 ~ 2008)
• KAIST, 화학과 박사 (2008 ~ 2014)

Employment History

• University of Michigan, Department of Chemistry, Postdoc Researcher (2015 ~ 2018)
• 인천대학교 화학과, 조교수 (2018 ~ 현재)

Abstract
 Metal oxides/oxyhydroxides are promising electrocatalysts beyond metals which have been mainly used as electocatalysts but suffered from its intrinsic limitation in the optimization of performance. However, atomic-level understanding of electrochemical reactions on metal oxides/oxyhydroxides have not been studied extensively because some metal oxides/oxyhydroxides feature localized unpaired spins and thus demand theory beyond the standard density functional approximations. Here, we apply a state-of-the-art theoretical method, using the hybrid functional and explicit constant electrochemical potential calculations to unravel the atomistic mechanism underlying the optimal performance of nickel oxyhydroxide based catalysts for oxygen evolution reaction (OER). This predicts dramatic improvement in performance of the nickel oxyhydroxide based catalysts for OER and also suggests a strategy to design better performing electrocatalysts.

Educational History

• 한양대학교 화학공학 학사 (2011.02)
• 한국과학기술원 EEWS대학원 석사 (2013.02)
• 한국과학기술원 EEWS대학원 박사 (2016.08)

Employment History

• 삼성전자 책임연구원 (2019.08)
• California Institute of technology 박사후연구원 (2018.12)

Abstract
 Two-dimensional (2D) materials have been widely studied for energy applications such as rechargeable batteries, thermoelectrics, catalysts, etc. Recently, while most studies focused on unique properties of single 2D materials, the 2D heterostructures that consist more than two different 2D materials draw great attention as enormous combinations that can provide more diverse and distinctive properties are possible.

 In this talk, I’ll introduce the efficient method to predict the properties and behaviors of 2D heterostructures via first-principles calculations. For instance, we developed an ab initio model to predict the staging mechanism of graphite-based electrodes for Al-ion battery and search the possibility for new cathode materials from 2D heterostructrues. Also, we explored various 2D heterostructures for Li-ion battery anode materials and identified the advantages of 2D heterostructures as electrodes.

Educational History

• 서울대학교 재료공학부 박사 (2017.02)
• 서울대학교 재료공학부 석사 (2013.08)
• 한양대학교 재료공학과 학사 (2011.08)

Employment History

• 한국에너지기술연구원 선임연구원 (2017.07 ~ 현재)
• 서울대학교 신소재공동연구소 Post-Doc. (2017.02 ~ 2017.06)

Abstract
 미래의 에너지원으로 연구되고 있는 핵융합 발전은 수소 동위원소가 융합될 때 발생하는 막대한 에너지를 활용한다. 이 때 많은 에너지가 중성자의 운동에너지 형태로 발생하기 때문에 전자기장에 의한 물리적인 제어가 어렵고, 그 결과 융합로 내벽에 타격을 주기 때문에 안전한 핵융합로 운전을 위한 소재 연구가 반드시 선행되어야 한다. 특히 핵융합로 환경이 실험적으로 구현되지 않은 상태에서 소재 연구 결과를 설계에 반영하기 위해서는 전산모사의 역할이 그 어느 때보다 중요하다.

 중성자 조사에 의한 미세조직 손상을 정확하게 이해하기 위해서는 미세조직을 직접 기술할 수 있는 원자계산이 필요한데, 특히 결정립계 등 물성에 큰 영향을 끼치는 세밀한 미세조직을 모사할 수 있어야 한다.

 이 발표에서는 원자 100억개 규모 다결정 전산시편 제작 및 이를 모사할 수 있는 분자동역학 코드 개발 과정을 소개하고, 분자동역학 연구 초기 결과를 기존 연구와 비교 분석할 예정이다.

Educational History

• 박사, Stanford University 기계공학과
• 석사, Stanford Univresity 기계공학과
• 학사, 서울대학교 기계설계학과

Employment History

• 조교수 – 교수, 경희대학교
• 박사후 연구원, Lawrence Livermore National Laboratory

Abstract
 태양광 발전은 친환경 재생에너지원인 태양에너지의 적극적 활용을 위한 필수 기술이다. 태양광 발전을 늘리기 위해서는 광-전기에너지 변환 효율이 높은 태양전지개발이 필요하며 이는 곧 빛 흡수층 역할을 하는 우수한 반도체 개발과 관련이 있다.

 본 발표에서는, 빛 흡수층의 주요 성질인 빛 흡수도, 전하 이동도, 전자-홀 재결합 속도와 관련된 메커니즘에 대해 논의하고 그러한 성질들을 제일원리 계산을 통해 어떻게 예측할 수 있는지에 대해서 이야기 하고자 한다. 나아가, 최근 발견된 새로운 태양전지용 반도체에 관한 제일원리계산 결과에 대해 소개하고자 한다.

Educational History

• 서울대학교 재료공학 학사 (2004.03 ~ 2011.02)
• 서울대학교 재료공학 박사 (2011.03 ~ 2015.08)

Employment History

• 캘리포니아 주립대학 산타바바라 캠퍼스 박사후 연구원 (2016.03 ~ 2017.11)
• 재료연구소 선임연구원 (2017.12 ~ 2020.02)

Abstract
 Nanoporous materials are of great interest in applications ranging from gas separation and storage, to catalysis. The chemistry of these materials allows us to obtain an essentially unlimited number of new materials by combining different molecular building blocks, which exceeds the growth of synthesized nanoporous materials published in the recent experimental works. This sheer abundance of structures requires novel computational techniques to shed light on the existing or even unexplored libraries, as well as to facilitate the search for materials with optimal properties.

 In this talk, I will discuss our recent efforts into the discovery and design of novel nanoporous materials using computational modeling combined with machine learning techniques.

Educational History

• Ph.D. in Chemical Eng., the University of Texas at Austin (2009 ~ 2014)
• M.S. in Chemical and Biological Eng., Seoul National University (2006 ~ 2008)
• B.S. in Chemical and Biological Eng., Seoul National University (1999 ~ 2006)

Employment History

• Associate/Assistant Professor, Inha University (2020 ~ present)
• Assistant Professor, ShanghaiTech University (2017 ~ 2020)
• Postdoc, Ecole Polytechnique Fédérale de Lausanne (2015 ~ 2017)
• Postdoc, University of California at Berkeley (2014 ~ 2015)

Abstract
 In this talk, I will present a computational approach to rapidly analyzing DNA origami assemblies at near-atomic resolution. The sequence-dependent relative geometry and mechanical properties of various structural DNA motifs are characterized by the all-atom molecular dynamics simulation and incorporated into the structural finite element model without significant loss of atomic information. The three-dimensional shape, equilibrium dynamic properties, and mechanical rigidities of monomeric to hierarchically assembled DNA structures can be predicted accurately and quickly without adjusting any model parameters. The calculation for a conventional origami-scale DNA nanostructures consisting of 7,000-8,000 base-pairs takes less than only 15 min, expediting the iterative design–analysis–revision process significantly.

Educational History

• Ph.D., Department of Mechanical Engineering, MIT (2009)
• M.S., Department of Mechanical and Aerospace Engineering, Seoul National University (2002)
• B.S., Department of Mechanical and Aerospace Engineering, Seoul National University (2000)

Employment History

• Professor, Department of Mechanical Engineering, Seoul National University (2013.03 ~ present)
• Postdoctoral Associate, Department of Biological Engineering, MIT (2009.06 ~ 2013.01)

Abstract
 2022년 7월부터 KISTI는 360도 몰입형 가상현실/증강현실 가시화 시스템을 운영하고 있습니다. CAVE(Computing and Advanced Visualization Environment)란 이름이 붙여진 가시화 시스템은, 국내 최대 규모의 가상증강 실증실험 시설 사업을 통해, 도입되었고, 대용량 데이터의 처리와 디스플레이를 동일 체계 내에서 가능하도록 구축되었습니다.

 CAVE는 고속으로 데이터를 처리할 수 있는 18 노드의 GPU 클러스터 및 고해상도 4K 입체 프로젝트 활성화를 위한 14 노드의 GPU 클러스터, 그리고 13대의 프로젝터와 360도 스크린으로 구성되어 있습니다. VR 콘텐츠와 AR 콘텐츠 제작에 필요한 소프트웨어와 장비도 준비되어 있습니다.

 이 발표를 통해, CAVE의 특징과 향후 활용 방안에 대해서 알리고, 지구과학 커뮤니티에서 요구하는 사항을 파악하고자 합니다.

Educational History

• 연세대학교 대학원 대기과학과 이학박사 (1996)

Employment History

• KISTI 부원장 (2021 ~ 현재)
• KISTI 슈퍼컴퓨팅서비스 및 재난대응HPC센터장 (2013 ~ 2018)
• KISTI 선임연구원(~2006) 및 책임연구원(2006~현재) (1999 ~ 현재)

Abstract
 가시화 알고리즘과 컴퓨터 시스템의 발전으로 실시간 렌더링의 시대가 도래하였다. 3D 가시화 분야에서 렌더링과 모델링을 따로 나누어 이야기 하기는 힘들지만, 다양한 가시화 도구들이 개발되고 있고 서로 장단점을 가지고 있기 때문에 이러한 구분을 통해서 과학 자료 가시화에 유용한 도구를 선택하는 것은 최종 성과물의 질을 결정하는 중요한 과정이다. 과학 자료 가시화의 입장에서는 렌더링에 걸리는 시간보다는 최종 품질이 중요하며, 모델링의 편의성이 중요한 선택 요건이 될 수 있다. 따라서 본 연구에서는 실시간 렌더링에 강점이 있는 Unreal Engine이나 Unity와 같은 도구보다는 모델링의 편의성이 뛰어난 Blender를 이용하였다.

 최신의 3D 가시화 도구들은 해류나 구름 등의 자연 현상 표현이 극적으로 실사화되어 진위를 가릴 수 없을 만큼 발전하였다. 그러나 이러한 가시화는 미리 제공되는 라이브러리를 사용한 것이므로 실제 자료를 바탕으로 표현하는 가시화와는 상이하다. 또한, 과학 자료 가시화는 자료의 분석과 이해를 목적으로 하기 때문에 실사화와 가상화의 경계를 조절하여 표현하는 것이 중요하다. 이를 바탕으로 해류와 구름의 이동을 가시화 하여 보았다.

 해양 과학 자료들 중에서 해류의 이동은 가장 표현하기 힘든 요소 중의 하나이며, 화살표 또는 입자(particle)의 움직임이나 유선(streamline) 등으로 표현하였다. 본 연구에서는 해양순환모델인 FVCOM에서 생산한 경기만의 해류를 좀 더 사실적이면서 이해하기 쉬운 방법으로 표현해 보았다.

 기상 과학 자료들 중에서 구름의 이동은 볼륨 렌더링 표현의 어려움과 3차원 구름 자료 생성의 어려움으로 2차원 가시화가 대부분이었다. 본 연구에서는 천리안 2호기 위성 자료로부터 3차원 구름을 간편 연산하여 태풍의 진로를 따라가는 3차원 가시화를 표현하여 보았다.

Educational History

• 성균관대학교 토목환경공학과, 학사
• 성균관대학교 해안 및 해양 공학, 석사
• 성균관대학교 해안 및 해양 공학, 박사

Employment History

• 연세대학교·서울대학교 대기과학과, 박사후연구원
• (일본) 전력중앙연구소, 박사후연구원
• 기상청·기상연구소, 기상연구관
• 인하대학교 인공지능융합연구센터, 산학연구교수

Abstract
 코로나 팬데믹과 실시간 그래픽 기술의 진보가 맞물려 메타버스의 시대가 한층 더 가속화하고 있다. 전문가들은 현재 개별 기업 단위로 개발되고 있는 메타버스의 기술들이 향후 빠른 시간 내에 평준화될 것이며, 비즈니스의 핵심으로서 창의적이고 재미있는 콘텐츠로 많은 사용자를 확보하는 것이 비즈니스의 성패를 결정하는 중요한 분수령이 될 것이라고 한다.

 메타버스는 사용 목적에 따라서 세 가지(소셜, 오피스, 디지털 트윈)로 분류될 수 있다. 소셜 메타버스의 대표기업인 메타는 사회적 교류, 오피스 메타버스의 대표기업인 MS는 개인 및 기업 업무, 그리고 디지털트윈 메타버스의 대표기업인 Nvidia는 가상공간에서의 시뮬레이션이 가능한 가상공간을 사용자들에게 지원하고 있다. 특히, Nivida에서 메타버스 개발 도구로 제공하는 Omniverse의 최종목표는 지구온난화와 같은 기후변화를 시뮬레이션 가능한 “Earth Digital Twin”을 구축하는 것이라고 한다.

 본 발표에서는 1922년 “예보공장(Forecast Factory)”이라는 기상수치예보모델을 최초로 제안한 기상학자 Richardson의 꿈을 메타버스 기술로서 재구현하기 위해 필요한 요소기술들(Interactive NWP Simulator, Omniverse 개발환경, GPU Cluster, AI, 블록체인 등)의 융복합을 개발자 측면에서 소개하고자 한다.

Educational History

• 2022년 2월, 부산대학교 의과대학 (박사수료, 의료인공지능 전공)
• 1997년 10월, 쓰쿠바대학교 이과대학 (이학박사, 기상학 전공)

Employment History

• ㈜그린시뮬레이션 대표 (2011.4 ~ 현재)
• 고려대학교 기후변화 특성화 대학원 겸임교수 (2013 ~ 2016)
• 일본 Earth Simulator Center (2003 ~ 2005)
• 기상청 기상연구관 (1999.10 ~ 2011.3)

Abstract
 최근 기후변화로 인해 국지적 호우 및 게릴라성 폭우의 강도가 증가하였으며, 도시화(불투수면적 증가)에 따른 지표유출량의 증가와 저류가능 면적의 부족은 도시 내 침수피해를 가속화할 것으로 예상된다.

 도시지역의 침수에 대한 신속하고 정확한 대응을 위해서는 실시간 도시 침수 예측 시스템의 개발이 필요하며, 또한 효과적인 대응을 위한 가시화 시스템도 반드시 필요하다. KISTI에서는 데이터, 인공 지능 및 슈퍼 컴퓨팅 기술을 융합하여, 실시간 침수 예측 시스템을 개발하였으며, 대응에 필요한 종합적인 분석(위험지역/위험관로/대피경로 등)을 위해 GIS 플랫폼을 활용하였다.

 GIS 플랫폼으로는 미국 ESRI사의 ArcGIS를 사용하였으며, ArcGIS는 전세계 약 18,000명 이상의 사용자가 있으며, NASA, NOAA, 미해군 등에서 사용하고 있다. 다수의 지자체(인천, 부산 등) 및 연구기관에서 ESRI ArcGIS를 도입하였으며, 다양한 분야에 확장 적용이 가능할 것으로 판단하여 선택하였다. 도시 가상화기반 3차원 시각화를 위해 국토교통부/환경부 등에서 제공하고 있는 공공데이터와 자체적으로 라이더를 통해 수집한 포인트 클라우드를 통합하여 3차원 가상 도시를 구현하였다. 침수 예측 시스템을 통해서 5m 해상도를 가진 격자 형태의 결과가 10분 단위로 실시간 생산되며, 구현된 가상도시 환경에서 침수 범위 및 침수높이 등을 3차원으로 표출하였다. GIS 플랫폼을 통한 분석을 통해 침수지역의 주소지, 침수수준, 위험 관로 및 대피경로 등 종합적인 정보를 제공하고 있으며, 홍수 방제계획이나 대응수립을 위한 의사결정에 반영하여 활용될 수 있다.

Educational History

• 동국대학교 토목환경공학과 공학박사 (2014.02)

Employment History

• 한국과학기술정보연구원 선임연구원 (2014.09 ~ 현재)

Abstract
 NVIDIA는 작년 디지털 트윈 지구인 Earth-2 시스템을 구축하기로 발표했습니다.

 Earth-2를 위해선 슈퍼컴퓨터, 물리학을 접목시킨 머신러닝 모델, 그리고 이 수치 결과를 보여줄 가시화 툴인 Omniverse 플랫폼이 필요합니다. Omniverse에서 Earth-2가 어떻게 구현되고 있는지 말씀드리겠습니다.

Educational History

• 서울대학교 컴퓨터공학 학사

Employment History

• IBM Korea 소프트웨어 엔지니어 (2008 ~ 2014)
• British Telecom Korea 서비스 매니저 (2014 ~ 2016)
• HPE Korea 솔루션 아키텍트 (2016 ~ 2020)
• NVIDIA Korea 솔루션 아키텍트 (2020 ~ )

Abstract
 최근 과학/공학 분야에서 산출되는 지형 및 관측/예측 데이터의 크기가 매우 방대해지고 있는 추세입니다. 과학적 가시화 기법을 이용해 대용량 데이터의 시각적 영상 정보를 효과적으로 보여줌으로써 데이터에 내재된 유용한 정보의 분석을 돕는 하드웨어 및 소프트웨어의 필요성이 증대되고 있습니다. 본 연구에서는 안경형태의 AR기기를 활용하는 모바일 플랫폼에서 실시간으로 3차원 복합재난 정보를 렌더링 할 수 있는 경량화된 시각화 알고리즘 및 효과적인 의사결정을 위한 직관적 정보시각화 기술을 개발하였습니다.

 구체적으로 사용자의 재난대응 역할과 상황에 따른 직관적 가시화 서비스를 지원하기 위해 1) 증강현실 기반 관측 정보 가시화 기술 개발, 2) 증강현실 기반 풍수해 예측 정보 가시화 기술 개발, 3) 증강현실 기반 복합재난 시각화 정보객체 인터랙션 기술 개발, 4) 관측 데이터 통합 가시화 플랫폼 프로토타입 개발을 수행하였습니다.

Educational History

• 한국과학기술원 문화기술대학원 박사 (2013)

Employment History

• 주식회사 버넥트 대표이사 (2016 ~ 현재)
• 한국과학기술원 연구교수 (2014 ~ 2015)
• 미국 콜롬비아대학 CGUI Lab.방문연구원 (2013)

Abstract
 우주 거대구조의 형성과 은하의 기원 연구를 위해 KISTI는 고등과학원, 한국천문연구원과 함께 슈퍼컴퓨터 5호기 누리온을 이용한 세계 최대 규모의 수치모의실험 Horizon Run(HR) 5를 수행하였다.

 HR5 결과를 통해 우주의 팽창현상을 설명하기 위한 암흑 에너지의 정체를 규명하고 초거대 블랙홀의 성장 과정을 이해하기 위한 중요한 이론적 자료를 확보할 수 있었다. 본 발표에서는 최신 XR 기술을 적용하여 HR5 데이터를 과학적으로 가시화 하는 몰입형 가시화 시스템 개발에 대해 소개한다.

 확장현실 우주(XR Universe)로 이름 붙여진 이 시스템은 대형 빔 프로젝터와 스마트 디바이스를 결합하여 우주의 탄생과 진화를 입체적으로 체험할 수 있도록 구현되었다. 체험자가 대형 프로젝션 영상 앞에서 스마트 폰이나 패드를 들고 스크린 화면을 비추면 벽면 너머 가상공간으로부터 체험자가 위치한 현실공간으로 튀어나오는 별들과 은하의 모습을 증강현실로 관찰할 수 있다. 이 시스템은 현재 서울시교육청과학전시관 남산분관 제3전시실에 설치되어 일반인 대상으로 상설 전시 중이다.

Educational History

• 서강대학교 수학과 이학사 (1993.02)
• 서강대학교 컴퓨터학과 공학석사 (컴퓨터그래픽스 전공) (1995.08)
• 서강대학교 컴퓨터학과 공학박사 (컴퓨터그래픽스 전공) (2000.02)

Employment History

• Univ. of Texas at Austin, TICAM, Postdoctoral Research Fellow (2000 ~ 2002)
• 대구가톨릭대학교 컴퓨터정보통신공학부 전임강사, 조교수 (2002 ~ 2005)
• Univ. of California, Dept. Computer Science, Visiting Scholar (2010 ~ 2010)
• 동국대학교 영상대학원 멀티미디어학과 조교수, 부교수, 정교수 (2005 ~ 현재)

Abstract
 Electric power generation by the fusion of hot plasmas magnetically confined in a tokamak is an important research topic for future clean energy.

 We are developing an integrated code predicting the characteristics of the fast ions which heat the plasmas up to fusion favorable temperature and drive plasma currents to confine plasmas. The code accelerated by GPU in this work is a part of integrated code. It calculates the fast ions loads on the plasma facing components. In this presentation, we introduce acceleration procedures and results of the code. We show the algorithm of the fast ion orbit following on CPU and compare it with the algorithm on GPU. Optimization procedure is also presented. Acceleration results will be compared with the CPU code and the code before optimization.

Educational History

• 박사학위: 물리학 – 2010 POSTECH

Employment History

• 한국핵융합에너지연구원 (2010.03)

Abstract
 단백질분석(Proteomics)에서 펩타이드 동정(peptide identification)하는 것은 매우 중요한 문제이다. 단백질 동정 연산은 많은 계산량이 필요하기 때문에 여러 연구들에서 단백질 동정의 속도 개선을 위한 방법을 제안하였지만, 지금까지의 단백질 동정 연산을 수행하는 방법들은 데이터 처리량이 많은 고해상도 탠덤 질량 스펙트럼에 대해서 적합하지 않다. 그 이유는 고해상도 탠덤 질량 스펙트럼에서 야기되는 계산량이 너무 많아 연산 속도가 느리기 때문이다. 이러한 성능 경향은 스펙트럼의 해상도가 점점 더 높아지는 상황에서 단백질 데이터 분석을 어렵게 한다.

 본 발표에서 우리는 펩타이드 동정에서 가장 널리 사용되는 오픈소스인 Comet의 성능 경향을 파악한 후에, 계산량이 많이 필요한 부분을 확인한다. 이후에 우리는 해당 부분을 GPU를 활용하여 가속화할 수 있는 방법을 제안하고, Comet에 제안한 방법을 적용시켜 제안 방법의 유효성을 증명한다.

Educational History

• 대구경북과학기술원 정보통신융합전공 공학박사 (2018.02)

Employment History

• 한국과학기술정보연구원, 선임연구원 (2020.12 ~ 현재)
• SK텔레콤, 매니저 (2018.03 ~ 2020.12)

Abstract
 본 연구는 정지궤도 기상위성에서 산출된 시계열 위성 영상을 활용하여 딥러닝 기반 비디오 예측 알고리즘으로 미래 기상위성 영상을 예측하는 것을 목표로 한다. 기상위성 영상은 구름의 이동 패턴과 종관규모의 기상장에 대한 정보를 제공하기 때문에 기상 예보에 중요한 역할을 하고 있다. 하지만 위성 관측의 미래 영상은 아직 생산되고 있지 않기 때문에, 예보대상으로 활용되기보다는 예보를 위한 분석 자료로 활용되고 있다.

 최근, 딥러닝 기법을 활용한 기상․기후 분야 예측 모델 개발이 매우 활발하게 연구되고 있으며, 비디오 영상 예측 기술도 많은 발전을 하고 있다. 대부분의 시계열 영상 예측 알고리즘은 일반 비디오에 적용되거나, 교통량 변화 영상등을 이용하여 벤치마크되고 있기때문에, 본 연구에서는 기상위성 영상에 적용 가능한 비디오 영상 예측 알고리즘을 개발하고자 하며, 시계열 영상 예측 정확도를 확보하기 위한 연구를 수행하였다. 일반적인 시계열 영상 예측 알고리즘을 학습하기 위해서는 영상 생성과정을 학습하기 때문에 많은 연산 시간이 필요하며 일반 영상보다 더 크기가 큰 기상위성 영상을 학습하기 위해서는 많은 연산자원도 필요한 실정이다.

 본 발표에서는 모델 학습에 필요한 연산량을 단축하기위한 방법과 시계열 위성 영상 예측 알고리즘 개발 결과에 관한 내용을 공유할 예정이다.

Educational History

• 연세대학교 대기과학 박사

Employment History

• 한국과학기술정보연구원 박사후 연구원
• ㈜에스아이에이 인공지능 연구소 (현재)

Abstract
 최근 인공지능 모델이 발전함에 따라 데이터에 기반하여 위성 관측으로부터 대기 변수를 산출하는 역변환 알고리즘 개발이 가능해지고, 복사전달 모델이나 대기상태에 대한 정보 없이 위성 관측 복사량만으로 대기 변수를 산출하는 인공지능 알고리즘이 여러 연구를 통해 개발되고 있다. 본 연구에서는 탄소 관측 위성인 OCO-2 위성의 Level1b 산출물을 이용하여 기계 학습과 딥러닝 기반의 Level2 자료 산출 알고리즘을 개발하였다. OCO-2 위성에서 관측된 1016개 분광 채널의 복사량과 관측 지점, 위성과 태양의 위치 정보를 입력 자료로 사용하여, XGBoost, MLP 및 TabNet 모델을 이용하여 학습을 수행하였다.

 본 연구에서 세가지 모델로 실험한 결과 평균적으로 MLP 가 가장 MSE가 낮고, TabNet, XGBoost 순으로 성능 결과가 나오는 것을 확인하였다. 그러나 데이터세트의 스케일링이 변함에 따라 각 모델의 성능이 변화하는 것을 확인하였다. 또한 기계학습 방법을 사용할 때 데이터 크기가 커짐에 따라 계산 시간이 오래 걸리는 문제를 해결하기 위해 GPU 병렬 오픈소스 라이브러리인 NVIDIA RAPIDS를 사용하여 구현하였으며, 학습시간 단축을 위해 분산데이터병렬처리 오픈소스인 DistribtedDataParallel (DDP) 와 Automatic Mixed Precision (AMP) 를 적용한 결과를 발표 하고자 한다.

Educational History

• 경희대 우주과학과 학사
• 경희대 우주탐사학과 석사
• 경희대 우주탐사학과 박사

Employment History

• 한국천문연구원 박사후연구원

Abstract
 일반적인 문서를 이해하고 문서의 정보를 추출하는 많은 연구가 있다. 인공지능 분야 및 바이오 분야와 같은 과학기술문서를 이해하고 문서의 정보를 추출하는 도메인 특정 언어모델도 많은 발전을 이루어 왔다.

 최근 발표자는 DeBERTa언어 모델을 기반으로 S2ORC 데이터셋을 continual learning으로 학습하고, 이 사전학습 모델을 기반으로 SciERC, GENIA 데이터셋에서 파인튜닝을 진행하였다. 파인튜닝 데이터셋의 크기가 작은 경우 사전학습 모델 과적합 방지를 위한 재초기화 방식 적용 및 Adam외에 AdamW, Radam, AdamP 등 최신 최적화 모델들을 적용하여 향상된 성능을 비교 확인하였다.

 이러한 SciDeBERTa모델을 확장하여 BIO 분야에서 SOTA모델로 확보하기 위해 multi-node/mulgi-gpu 환경의 학습을 위한 최적화를 본 연구를 통해 진행하였다. BIO 분야 데이터셋을 어떻게 추출하는 것이 최적인지에 대한 분석과 multi-node 학습을 통한 학습 throughput 개선 및 최적화 모델 분석을 통한 모델의 정확도 향상을 확인하였다.

Educational History

• 한국과학기술원 전기및전자공학부 박사 (2015,08)
• 한국과학기술원 정보통신공학과 석사 (2009)
• 충남대학교 정보통신공학과 학사 (2000)

Employment History

• 한국과학기술정보연구원 선임연구원 (2019 ~ 현재)
• 충남대학교 SW중심대학 초빙부교수 (2018)
• 한국과학기술연 연수후 연구원 (2015 ~ 2017)
• 삼성전자 VD사업부, Digital Solution Center (2000 ~ 2007)

Abstract
 광선추적 기법은 물리적인 광선 시뮬레이션을 위해 몬테카를로 기법을 기반으로 한다. 해당 기법은 정확한 값으로의 수렴을 위해서 수많은 광선을 추적해야 한다는 한계가 있다. 최근에는 적은 수의 광선만을 사용하여 빠르게 얻은 광선추적 렌더링 결과의 노이즈를 제거하는 후처리 딥러닝 기반 기술이 각광받고 있다.

 딥러닝 모델은 노이즈가 있는 결과와 렌더링 과정에서 얻는 다양한 부가 정보들을 입력으로 받아 노이즈를 제거하도록 학습된다. 그러나 해당 부가정보는 고차원의 데이터를 다루는데, 같은 해상도의 이미지를 렌더링하는 동안 얻는 부가 정보의 데이터량은 이미지의 약 44배에서 176배까지 이른다. 용량이 큰 부가정보는 학습 중 데이터 로딩 병목을 유발하여 학습을 지연하고, 실제 기술 적용과정에서 노이즈 제거 속도를 저해한다.

 본 연구에서는 초고성능 컴퓨팅 자원의 지원과 automatic mixed precision의 적용을 통해 기존 단점들을 극복하여 노이즈 제거 딥러닝 모델의 학습과 적용 속도를 가속하였다.

Educational History

• 한국과학기술원 전산학부 학사

Employment History

• 대용량 컴퓨터 그래픽스, 비전, 로보틱스 연구실 연구생 (2021.08 ~ )

Abstract
 The solid-liquid interface is ubiquitous in a variety of scientifically and technologically important systems such as heterogeneous photo/electro-catalysts, corrosion, fluid transport, etc. Despite recent research efforts to develop atom- and electron-level understanding of the solid-liquid interface, a reliable computational methodology is yet to be at hand. The difficulty stems from the intrinsic heterogeneity of the interface. On one hand, quantum-mechanics (QM)-based theory like a density functional theory (DFT) can provide a wealth of understanding about the electronic structure and material properties of the solid but limited information about the liquid structure. On the other hand, classical-mechanics-based molecular dynamics (MD) simulation can provide a full statistical picture of the liquid structure as well as its transport properties, but no electronic information. Hence, we develop a first-principles-based multiscale simulation method to properly see both sides of the interface at an atom resolution. Using our new simulation method, named a DFT in classical explicit solvents (DFT-CES), we recently elucidate the full atomic details of the electric double layer (EDL) structure formed at the single crystalline electrode in the dilute electrolytes, which will be introduced in the talk. We directly compare the computational results with the Poisson-Boltzmann analytic results (i.e., Gouy-Chapman model) and experiments. Of prime interest here is the finding of a microscopic origin in the well-known prototypical behavior of the EDL capacitance, which suggests a possible involvement of a phase transition.

Educational History

• KAIST BS (2004.02)
• Caltech PhD (2009.06)

Employment History

• KAIST 선임연구원 (2012.12)
• KAIST 조교수 (2016.02)
• KAIST 부교수 (현재)

Abstract
 블랙홀, 중성자별과 같은 무거운 별의 진화단계의 끝에 있는 별은 극단적으로 중력이 강하고 밀도가 높은 천체다. 또한 이러한 천체는 필연적으로 매우 빠른 속도를 동반한다. 따라서 이러한 천체를 다룰때는 상대성이론에 기반한 역학을 보아야 한다.

 하지만 일반상대성 이론은 10개의 식이 복잡하게 얽혀있는 텐서 편미분 방정식이어서 일반적으로 매우 이상적인 환경에서만 해가 존재한다. 따라서 이러한 천체를 연구하기 위해서는 수치적인 방법이 유일한 방법이다.

 이번 발표에서는 상대론적인 유체역학 시뮬레이션에 대한 자세한 소개와 이를 풀기위한 수치코드의 개발하고 이 수치 코드를 실제 연구에 응용을 소개한다. 그리고 현재 진행하고 있는 다양한 활동을 소개 하고자 한다.

Educational History

• 서울대학교, 박사 (2012.02)
• 서울대학교, 학사 (2005.02)

Employment History

• 선임연구원, 한국천문연구원 (한국) (2018.10)
• 리더급 우수과학자, 한국천문연구원 (한국) (2017.11 ~ 2018.09)
• Postdoctoral Research Associate, University of Notre Dame (미국) (2013.09 ~ 2017.09)
• 연수연구원, 서울대학교 (한국) (2012.03 ~ 2013.08)

Abstract
 기후 모델 (Global ClimateModel) 은 현재, 미래, 그리고 과거의 기후을 모의하는데 이용되는 복잡한 컴퓨터 프로그램으로 구성된 소프트웨어이다. 유체의 운동을 지배하는 몇개의 지배방정식을 기반으로, 대기, 해양, 지면, 그리고 해빙의 여러가지 물리적 특성 (온도, 습도, 바람, 구름, 강수 등) 의 시공간적인 변동을 예측하는데 이용된다. 이산화탄소의 증가로 야기된 지구 온난화와 관련하여, 정부 간 기후변화 협의체 (IPCC, Inter-Governmental Panel on Climate Change) 의 기후 정책을 결정하는 과학적인 근거가 기후 모델로부터 만들어진다. 기후모델을 이용하여 작은 격자내에서 수백년 동안의 전지구적 기후변화를 예측하기 위해서는 수퍼컴퓨터의 사용이 불가피하게 요구되며, 이러한 이유로 기후모델의 발전역사는 계산과학의 발전과 함께 진행되어 왔다.

 본 발표에서는 기후 모델이 무엇인지 소개하고, 이를 이용하여 모의된 지구의 기후 특성, 이산화탄소의 증가가 실제로 지구 온난화를 야기하는지, 그렇다면, 기후모델이 모의하는 지구 온난화의 특성이 무엇인지에 대해서 이야기하고자 한다.

Educational History

• University of Washington, Seattle, 박사 (2012)
• 서울대학교 대기과학, 물리학, 학사 (1995)

Employment History

• 서울대학교 대기과학과 부교수 (2016 ~ 현재)
• 미국국립대기연구 연구원 (2009 ~ 2015)

Abstract
 2010년 이후부터 본격적으로 ‘13년 CERN LHC를 통한 힉스입자 발견, ’15년 LIGO를 통한 최초 중력파 검출, ‘19년 사건지평선망원경(EHT) 프로젝트를 통한 최초 M87 블랙홀 관측 등 데이터집약형 거대과학분야에서 두드러진 과학적 성과가 이루어졌다.

 이러한 연구 성과는 기본적으로 거대연구시설, 컴퓨팅, 네트워킹, 빅데이터를 기반으로 하고 있으며, 특히 많은 연구자가 원거리에서 협업이 가능하도록 하는 네트워킹 인프라는 핵심적인 요소 중 하나이다.

 이에 국내 연구자를 위한 국내외 초고속 연구 네트워크인 국가과학기술연구망의 인프라와 협업연구 환경을 제공하는 다양한 연구망 서비스를 살펴보고, 국내외 거대과학 협업연구에서의 활용 사례를 알아본다. 또한 연구자가 국가과학기술연구망 인프라 및 서비스를 활용하는 방법을 소개한다.

Educational History

• 성균관대학교 컴퓨터공학과 박사 졸업 (2017.2.24)
• 성균관대학교 전기전자및컴퓨터공학과 석사 졸업 (2002.8.26)
• 성균관대학교 전기전자및컴퓨터공학과 학사 졸업 (2000.2.25)

Employment History

• 과학기술연합대학원대학교(UST) 데이터 및 HPC 과학 전공 부교수 (2018 ~ 현재)
• 세계 최대 글로벌연구망컨소시엄, GNA-G (Global Network Advancement Group) 의장단 (2019 ~ 현재)
• SDN/NFV포럼 P4 Application WG 의장 (2019 ~ 현재)
• 한국과학기술정보연구원 과학기술연구망센터 책임연구원 (2005.6 ~ 현재)
• 고등기술연구원 엔지니어링정보기술센터 연구원 (2002.9.23 ~ 2005.6.25)

Abstract
 음성 신호를 기계가 인식하거나 상대방에 전달함에 있어서 노이즈는 매우 중요한 문제이다. 보청기를 착용 했을 경우 원하지 않는 노이즈의 증폭은 매우 오래된 난제이다.

 현대의 인공지능 기술로 많은 발전이 있음에도 불구 하고 반도체 칩에 올라가서 AI가 효율적인 성능을 발휘하기에는 많은 문제점들이 있다. 이 문제를 어떻게 해결하고 실제 산업 현장에 어떻게 쓰이는지를 소개한다.

Educational History

• KAIST Physics 학/석/박사 (1998)

Employment History

• 독일 막스플랑크연구소 연구원 (1998 ~ 2000)
• 서울대학교 BK 연구교수 (2001)
• 충남대학교 물리학과 교수 (2003 ~ 현재)
• ㈜딥히어링 대표이사 (2020 ~ 현재)

Abstract
 In this talk, the results of materials and device design will be presented. It was possible to successfully discover super-functional materials with a target performance. Specifically, evolutionary learning and generative models are employed. It has been applied to the design of solar cells, LEDs, high mobility semiconductors, superconducting materials, and topological materials. In addition, the design method for high-performance, semi-permanent, flexible, and low-cost filters that can be used for 5G communications was registered as a patent. A successful license-out business model is recently established.

Educational History

• 부산대학교 물리학과 학사 (1986 ~ 1990)
• 카이스트 물리학과 석사 (1990 ~ 1992)
• 카이스트 물리학과 박사 (1992 ~ 1996)

Employment History

• Univ. of Illinois at Urbana-Champaign (UIUC) 박사후 (1996 ~ 1997)
• 한국고등과학원 연구원 (KIAS) (1997 ~ 2001)
• 한국표준과학연구원 연구원 (KRISS) (2001 ~ 현재)

Abstract
 고성능 이차전지 개발을 위해 음극/양극 전극 소재와 분리막 및 전해질에 대한 성능개선 연구/개발이 활발히 진행되고 있다. 최근에는 특히 열폭주로 인한 발화/폭발의 위험성이 화두가 되면서 발화의 원인이 되는 유기 액체 전해질을 난연성 고체전해질로 바꾸고자하는 연구가 활발히 진행되면서, 무기소재, 복합소재, 폴리머소재 등 다양한 고체전해질 소재가 개발되고 있다. 이들 고체전해질 중 무기계 고체전해질에 대해서는 이론 및 실험 공동연구가 가장 효율적으로 진행되면서, 황화물계, 산화물계 및 할로겐계 등 다양한 고체전해질이 개발되었다. 하지만, 다양한 연구/개발에도 불구하고 고체상으로서 고체전해질이 가지는 근본적으로 낮은 이온전도도는 반드시 극복해야할 문제로 남아있다. 최근에는 기본 Argyrodite 조성에 할로겐 함량을 증가시킴으로서 이온전도도가 향상되는 것이 보고되면서 용이한 합성방법 및 다양한 조성 조절을 통한 이온전도도 향상에 대한 가능성으로 Argyrodite는 많은 관심을 받고 있다.

 본 연구에서는 Argyrodite의 할로겐 함량 증가에 따른 이온전도도 향상 원인을 규명하고, 보다 실제적인 모델 시스템을 구현하고 빠른 물성 해석을 위한 기계학습 포텐셜 (Machine Learned Interatomic Potential(MLIP)) 개발/응용에 대해 논의하고자 한다.

Educational History

• Tohoku University 전산재료공학 박사 (2005 ~ 2008)
• 한양대학교 이론물리화학 석사 (1999 ~ 2001)
• 한양대학교 화학 학사 (1992 ~ 1999)

Employment History

• LG화학기술연구원 CRD연구소 (2001 ~ 2012)
• 울산대학교 화학과 조교수 (2012 ~ 2014)
• 한양대학교 ERICA 화학분자공학과 교수 (2014 ~ 현재)

Abstract
 양자에러보정의 해석과 관련된 통계물리 모형을 연구함으로써 양자에러보정이 가능한 임계확률을 결정할 수 있다. 이 연구에서는 이 과정을 확장하여 일차원 반복 양자 코드(1-D repetition code)의 양자에러보정(quantum error correction)을 구현하는 실제 양자회로(quantum circuit)에서, 발생할 수 있는 양자에러 노이즈를 분석하고 이와 관련된 통계역학 모형을 유도하고 이 모형의 몬테 카를로 흉내 내기 분석을 통한 임계확률 조사 결과를 논의한다.

 이러한 연구 방법은 어떤 특정한 양자에러 decoding scheme과 무관하게 임계확률을 구하기 때문에 실제 양자에러 보정과 관련된 양자회로의 근본적인 한계를 이해하여 가까운 장래에 구현하거나 구현될 수 있는 양자에러보정 하드웨어의 목표치를 제시한다.

Educational History

• Columbia 대학교 이학박사/석사 (입자물리학)
• 서울대학교 물리학 학사

Employment History

• 한국 고등과학원 연구원
• 서울대학교 이론물리연구소 연구원
• Argonne National Laboratory 연구원