초록 ▼

GPU 중심의 대규모 AI 학습 및 추론 워크로드를 수행하기 위한 다수의 AI 컴퓨팅 클러스터에 대한 클라우드-네이티브 컴퓨팅 중심의 효율적이고 유연한 구성과 지속적인 운영 기술이 적용된 대규모 GPU 기반 클라우드형 인프라를 구축하였음. 또한, 시스템의 신뢰성을 높이기 위해 학습 과정 전반에서 취약점과 결함을 예측할 수 있고 적대적 공격에 대비/대응하여 능동적으로 재학습을 수행하는 AI 보안 기술을 개발함. 대용량 AI 알고리즘 및 일반화 기술 연구를 위해 학습 및 추론의 공유에 대한 대규모 검증을 통한 AI 집적 및 일반화 기술

GPU 중심의 대규모 AI 학습 및 추론 워크로드를 수행하기 위한 다수의 AI 컴퓨팅 클러스터에 대한 클라우드-네이티브 컴퓨팅 중심의 효율적이고 유연한 구성과 지속적인 운영 기술이 적용된 대규모 GPU 기반 클라우드형 인프라를 구축하였음. 또한, 시스템의 신뢰성을 높이기 위해 학습 과정 전반에서 취약점과 결함을 예측할 수 있고 적대적 공격에 대비/대응하여 능동적으로 재학습을 수행하는 AI 보안 기술을 개발함. 대용량 AI 알고리즘 및 일반화 기술 연구를 위해 학습 및 추론의 공유에 대한 대규모 검증을 통한 AI 집적 및 일반화 기술을 연구 및 개발하였으며, 대규모 AI 인프라 활용 대용량 비디오 데이터의 고차원 추론 기술 실증 및 AI 알고리즘 및 모델을 연구 개발함. 그리고 생체 빅데이터를 통한 치매 진단 AI 기술 개발 및 D-N-A 방식의 연계를 통한 뇌생체신호 데이터 기반 치매 조기 진단 AI 기술을 연구 및 개발함.

(출처 : 초록 4p)

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 보고서 초록 ... 4
• 목차 ... 5
• 제1장 서론 ... 6
• 제1절 연구의 개요 ... 6
• 제2절 연구의 배경 ... 6
• 제2장 연구개발수행 내용 및 결과 ... 9
• 제1절 대규모 GPU 기반 클라우드형 인프라를 구축 및 보안 운용 기술 개발 ... 9
• 제2절 대규모 AI 인프라에 기반한 대용량 AI 알고리듬 개발 및 일반화 기술 개발 ... 13
• 제3절 생체 빅데이터를 활용한 치매 진단 AI 기술 개발 ... 17
• 제3장 목표달성도 및 기여도 ... 22
• 제4장 결론 및 향후 과제 ... 24
• 제1절 결론 ... 24
• 제2절 추가 연구 필요성 및 활용 ... 24
• 끝페이지 ... 26