◦ 행사일시 : 2025년 7월 15일(화), 오후 1시

◦ 행사장소 : 서강대학교 바오로경영관(PA관) 101호

◦ 주제 : 유엔이 지정한 세계 양자과학 및 기술의 해를 기념하며, 이론적 연구를 넘어 산업 응용과 상용화를 바라보는 양자과학기술의 무궁무진한 가능성을 조망

◦ 주최 · 주관 : 한국정보과학회 조직위원 및 프로그램위원

◦ 후원 : Xiilab(씨이랩), GLUESYS

◦ 주요행사 :

■ 프로그램

□ 김진성 교수(중앙대)
■ Title: Efficient Tensor Transposition Library on GPUs
■ Abstract:
Efficient tensor transposition is crucial for many applications in computational and data sciences. However, implementing a high-performance transposition algorithm across a wide range of tensor shapes and sizes on GPUs remains challenging. In this paper, we systematically address key considerations in designing an efficient tensor transposition algorithm for GPUs: ensuring coalesced memory access for both input and output tensors, achieving high thread occupancy, reducing the overhead of address index computations, and mitigating shared-memory bank conflicts. We demonstrate that our algorithm consistently outperforms existing state-of-the-art implementations of tensor transposition on GPUs.

□ 진현욱 교수(건국대)
■ Title: Optimizing MPI for the Exascale Computing Era
■ Abstract:
본 발표는 대표적인 분산병렬 프로그래밍 모델인 Message Passing Interface (MPI) 관점에서 엑사스케일 컴퓨팅 시스템의 성능을 향상하기 위한 연구 결과를 공유한다. 엑사스케일 컴퓨팅 시스템은 메가와트 단위의 에너지를 소모하기 때문에 에너지 효율성이 매우 중요하며, GPU 외에도 다양한 이기종 계산자원이 고려되고 있기 때문에 이들에 대한 효율적인 활용방안이 필요하다. 또한 거대 시스템이 갖는 성능 불확실성에 대응할 수 있어야 한다. 이러한 요구사항들에 대해서 연구된 (1) 에너지 효율성 향상을 위한 MPI 프로그레스 엔진, (2) 계산과 통신의 중첩 향상을 위한 Data Processing Unit (DPU) 기반 MPI 오프로딩, (3) 강화학습 기반의 MPI 런타임 파라미터 오토튜닝 결과를 제시할 예정이다.

□ 김성곤 교수(서울과기대)
■ Title: NISQ 양자컴퓨터의 노이즈 해결을 위한 고성능 컴퓨터 기반 양자 회로 시뮬레이션 최적화 기법
■ Abstract:
양자 컴퓨터는 높은 계산 능력으로 주목받는 차세대 컴퓨터이지만, 큐비트의 불안정성으로 인한 잡음에 취약하다. 이를 극복하고자 고성능 컴퓨팅(HPC)으로 양자 회로를 시뮬레이션하는 방법이 대두되고 있지만, 이는 큐비트가 늘어날수록 계산량이 기하급수적으로 증가하는 문제가 있다. 본 발표에서는 이러한 문제를 해결하기 위한 확장 가능한 시뮬레이션 최적화 프레임워크, SWIFTN을 소개한다. SWIFTN은 텐서 네트워크를 분할하여 다수의 GPU와 노드에 분산시켜 병렬성을 극대화하고, 간헐적 텐서 축약을 통해 계산 비용을 절감하며, 이로 인한 정확도 손실을 큐비트 진폭 보정알고리즘으로 복원한다. 버클리 국립연구소의 Perlmutter 슈퍼컴퓨터를 이용한 평가 결과, SWIFTN은 99.997%의 높은 정확도를 유지하면서 기존 방식 대비 최대 7.85배의 성능 향상을 달성했다.

□ 이경용 교수(한양대)
■ Title: 클라우드 스팟 인스턴스의 안정적 운영을 위한 마이그레이션 호환성 분석 기법
■ Abstract:
클라우드 스팟 인스턴스는 퍼블릭 클라우드에서 저비용으로 고성능 자원을 확보할 수 있는 수단이지만, 언제든지 종료될 수 있는 특성 때문에 안정적인 서비스 운영에는 제약이 따릅니다. 이러한 불확실성을 극복하기 위한 방안으로, 본 발표에서는 스팟 인스턴스에서 구동되는 프로세스를 CRIU 를 활용해 실시간 이관 하는 경우 효율성을 높이기 위해 정적 CPU 정보 기반 검사 대신, 워크로드에 실제 사용되는 명령어를 분석하는 방식의 워크로드 기반 마이그레이션 가능 인스턴스 탐지기를 발표합니다. 이러한 시스템을 실 환경의 스팟 인스턴스에 적용하여 주요 클라우드 서비스 사업자가 제공하는 다양한 데이터셋을 보조적으로 활용함으로써, 안정성뿐 아니라 비용 절감측면에서 뛰어난 성능을 보일 수 있습니다.

□ 탁병철 교수(경북대)
■ Title: Distributed application misconfiguration fixing and system troubleshooting
■ Abstract:
The first part of the talk is about misconfiguration identification in large-scale distributed systems. Misconfigurations are a major source of failures in large-scale distributed systems, often appearing as silent errors that go unnoticed by conventional syntax checks or runtime logs. Traditional detection methods such as static analysis, dynamic monitoring, and hybrid approaches offer limited coverage. Recently, LLM-based techniques have gained attention, but their effectiveness is constrained by input quality and hallucination issues. To address these gaps, we introduce Falconf, a log-based deep learning framework designed for accurate misconfiguration identification. It leverages application logs as the primary input data and uses automated fault injection to collect diverse log sequences from misconfiguration cases. A two-stage transformer model learns both local and global patterns within the logs. During inference, the model analyzes failed log outputs and generates a ranked list of likely misconfigured parameters. In our evaluation using 22 Spark applications, Falconf achieves a high Mean Reciprocal Rank (MRR) of 0.94, significantly outperforming state-of-the-art LLM-based methods.

□ 오명원 교수(한국항공대)
■ Title: Seastore와 TiDedup: Ceph의 성능 향상 및 데이터 효율화 방안
■ Abstract:
범용 오픈소스 분산 스토리지 시스템 중 가장 널리 사용되는 Ceph는 현재 (1) 성능과 (2) 저장 효율성 측면에서 여러 한계를 안고 있다. 본 발표에서는 이러한 문제를 해결하기 위해 진행 중인 두 가지 프로젝트를 소개한다. 첫 번째로 소개할 Seastore는 Ceph의 차세대 백엔드 오브젝트 스토어로, 기존 Bluestore의 단점?특히 CPU 소모 대비 낮은 small random write 성능?을 극복하기 위해 비동기 프로그래밍 모델을 기반으로 새롭게 설계되었다. Sharding 구조를 채택하여 RocksDB에 대한 의존성을 제거하고, CPU 자원 사용을 최소화하면서도 높은 쓰기 성능을 달성할 수 있도록 설계된 구조와 주요 디자인 요소를 소개하며, 향후 개발 방향에 대해서도 공유한다. 두 번째는 클러스터 수준의 데이터 중복 제거 기능인 TiDedup이다. TiDedup은 티어링 구조를 활용하여, 데이터 절감이 실질적으로 가능한 상황에서만 중복 제거를 수행하는 방식으로 설계되었으며, Ceph의 기존 아키텍처를 변경하지 않고 자연스럽게 통합된 것이 특징이다. 본 세션에서는 해당 구조의 동작 방식과 구현 전략을 설명한다.

◦ 사전등록 기간 : 7월 14일(월) 오후 1시까지

◦ 등록문의 : 한국정보과학회 사무국 김경화 부장 / 02-588-9230 / khkim@kiise.or.kr

▷ 행사 홈페이지 : https://www.kiise.or.kr/conference/conf/171/