검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'UC'통합검색 결과 입니다. (3건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

텔레픽스, 삼성출신 인재 전격 영입..."글로벌 진출 가속화하나"

위성 토탈 솔루션 기업 텔레픽스(대표 조성익)가 올해 글로벌 시장 진출에 드라이브를 건다. 텔레픽스는 최근 삼성전자 해외법무팀 출신 민병수 변호사를 기획조정실장으로 전격 영입했다고 28일 밝혔다. 조성익 대표는 “해외 비즈니스 중심의 체계화된 신성장 동력 확보를 위해 융합형 혁신 인재를 영입했다”며, “위성 데이터 처리 플랫폼 생태계 구축에 필요한 주파수 등록, 우주쓰레기 경감 가이드라인 등 기술적, 법적 이슈들이 혼재한 복잡한 현안을 해결하게 될 것"이라고 말했다. 조 대표는 또 "대내외 여러 리스크에 대비하기 위한 역량을 강화, 글로벌 시장에서 선도적인 위치를 확보해나갈 계획”이라고 덧붙였다. 지난 20일 근무를 시작한 신임 민 실장은 자체 개발한 주요 솔루션 상용화와 글로벌 사업 확장에 올인할 계획이다. 텔레픽스는 지난해 위성용 고성능 AI 프로세서 '테트라플렉스'의 우주실증 성공과 위성 특화 생성형 AI 기반 챗봇 '샛챗'을 출시했다. 텔레픽스는 지난해 모나코와 체코 등 해외 파트너십 확대와 차세대 위성 탑재체 개발시설 확충, 연구개발분야 핵심 인재 확보에 이어 사업분야 전문 인력 영입으로 국내외 시장에서의 사업 확장을 위한 기반을 강화해 나갈 것"이라고 설명했다. 신임 민 실장은 삼성전자에서 8년간 글로벌 기업과의 라이선스 계약과 공급 구매 계약 검토, 해외 사업 관련 법률 이슈 자문 및 해외 소송분쟁의 해결 지원을 수행했다. 특히 블록체인, AI 등 최근 새롭게 등장한 최신 첨단기술과 관련된 제반 법무 이슈와 기술 관련 자문을 맡아왔다. 신임 민 실장은 민족사관고등학교(민사고) 졸업 후 미국 UC 버클리에서 전자공학 및 컴퓨터 과학을 전공했다. 서울대 법학전문대학원 전문석사를 취득했다. 이과와 문과를 넘나드는 '융합형 리더'라는 평가를 받는다. 한편 텔레픽스는 위성 탑재체부터 위성 데이터 처리 및 활용 솔루션까지 위성 산업 전 주기의 기술을 보유한 위성 토탈 솔루션 기업이다. CES 2024 혁신상 수상, 세계경제포럼(WEF) 기술선도기업(Technology Pioneer 2024) 선정 등 글로벌 시장에서도 기술력과 혁신성을 인정받았다.지난해 확보한 스페이스 헤리티지(우주환경에서의 검증 이력)를 기반으로 금융, 국방, 환경, 해양 등 다양한 분야에 활용할 수 있는 위성 솔루션 상용화를 확대해 나가고 있다.

2025.01.28 12:56박희범

韓-美, "가정용 GPU로 기존 104배 넘는 초고효율 AI학습 가속기술 개발"

PC방이나 가정용 GPU를 이용해 고속 네트워크 없이도 AI학습 성능을 최대 104배까지 끌어 올릴 수 있는 획기적인 기술이 개발됐다. KAIST는 전기및전자공학부 한동수 교수 연구팀이 일반 소비자용 GPU로 네트워크 대역폭이 제한된 분산 환경에서 AI 모델 학습을 혁신적으로 가속할 수 있는 기술을 개발했다고 19일 밝혔다. 기업과 연구자들이 고가의 데이터센터급 GPU(엔비디아 H100)나 고속 네트워크 없이도 AI 모델을 효율적으로 학습할 수 있는 길이 열린 셈이다. 기존에는 AI 모델 학습을 위해 개당 수천만 원에 달하는 고성능 서버용 GPU(엔비디아 H100) 여러 대와 이들을 연결하기 위한 400Gbps급 고속 네트워크 등 고가 인프라가 필요했다. 연구팀은 이 같은 문제 해결을 위해 '스텔라트레인(StellaTrain)'이라는 분산 학습 프레임워크를 개발했다. 고성능 H100 대비 10~20배 저렴한 GPU를 활용하고 고속 전용 네트워크 대신 대역폭이 수백에서 수천 배 낮은 일반 인터넷 환경에서도 효율적인 분산 학습이 가능하도록 알고리즘을 짰다. CPU와 GPU를 병렬로 연결해 학습 속도도 높였다. 또 네트워크 속도에 맞춰 데이터를 효율적으로 압축 및 전송하는 알고리즘을 적용, 고속 네트워크 없이도 빠른 학습이 가능하도록 설계했다. 특히, 학습을 작업 단계별로 CPU와 GPU가 나눠 병렬 처리하도록 새로운 파이프라인 기술도 도입했다. 원거리 분산 환경에서도 GPU 연산 효율을 높이기 위해 AI 모델별 GPU 활용률을 실시간 모니터링, 모델이 학습하는 샘플 개수(배치 크기)를 동적으로 결정하고 변화하는 네트워크 대역폭에 맞춰 GPU 간 데이터 전송을 효율화했다. 연구 결과, 스텔라트레인 기술을 사용하면 기존의 데이터 병렬 학습에 비해 최대 104배 빠른 성능을 낼 수 있는 것으로 나타났다. 임휘준 박사는 "스텔라트레인 기술을 사용하면 기존 데이터 병렬 학습 속도 대비 최대 104배 빠른 성능을 낼 수 있다"고 말했다. 한동수 교수는 "이번 연구가 대규모 AI 모델 학습을 누구나 쉽게 접근할 수 있게 하는 데 큰 기여를 할 것"이라며 "앞으로도 저비용 환경에서도 대규모 AI 모델을 학습할 수 있는 기술을 계혹 개발해 나갈 계획"이라고 말했다. 연구는 KAIST 임휘준 박사, 예준철 박사과정 학생, UC 어바인 산기타 압두 조시(Sangeetha Abdu Jyothi) 교수와 공동으로 진행됐다. 연구 성과는 지난 8월 호주 시드니에서 열린 'ACM SIGCOMM 2024'에서 발표됐다. 한편, 한동수 교수 연구팀은 지난 7월 GPU 메모리 한계를 극복한 소수의 GPU로 거대 언어 모델을 학습하는 새로운 기술도 발표했다. 이 연구는 최신 거대 언어 모델의 기반이 되는 전문가 혼합형(Mixture of Expert) 모델을 제한된 메모리 환경에서도 효율적인 학습을 가능하게 한다. 기존에 32~64개 GPU가 필요한 150억 파라미터 규모의 언어 모델을 단 4개의 GPU만으로도 학습할 수 있다. 한동수 교수는 "학습에 필요한 최소 GPU 대수를 8배~16배 낮출 수 있다"며 "연구에는 KAIST 임휘준 박사와 김예찬 연구원이 참여했다"고 덧붙였다. 이 연구결과는 오스트리아에서 열린 AI 분야 국제 학회인 ICML에 발표됐다. 이 성과는 한국연구재단이 주관하는 중견연구사업, 정보통신기획평가원(IITP)이 주관하는 정보통신·방송 기술개발사업 및 표준개발지원사업, 차세대통신클라우드리더십구축사업 (RS-2024-00123456), 삼성전자의 지원을 받았다.

2024.09.19 14:42박희범

리튬이온전지에 쓰는 희유금속, 탈중국 방법 찾다

우리나라와 캐나다 연구진이 니켈이나 코발트 등 희유금속을 사용하지 않고도 에너지 밀도를 40% 향상시킬 수 있는 고성능 차세대 리튬이온전지 제조 방법을 찾았다. 제조 비용도 저렴해 상용화되면 희유금속 탈중국이 가속화할 것으로 연구팀은 내다봤다. KAIST(총장 이광형)는 신소재공학과 서동화 교수 연구팀이 UNIST·캐나다 맥길대(McGill University)와 리튬이온전지 양극의 핵심 희유광물인 니켈, 코발트 없이 리튬이온전지 전극 설계에 성공했다고 1일 밝혔다. 연구팀은 리튬이온전지 양극재로 값비싼 희유금속 대신 망간 기반의 양이온-무질서 암염(Disordered rock-salt, 이하 DRX)을 사용했다. DRX 양극재는 값싸고 매장량이 풍부한 망간이나 철 등을 원료로 한다. 에너지 밀도도 1천Wh/kg로, 기존 대비 40%정도 우수하다. 그러나 문제가 있다. DRX 양극재가 차지하는 비율이 전지에서 90%를 넘어서면 충전 성능을 크게 떨어 뜨리고, 급격한 열화현상을 보인다. 연구팀은 이를 해결하기 위해 '도전재'로 들어가는 탄소 블랙(CB)에 주목했다. CB는 전극을 제조할 때 전자 전도도를 향상시키기 위해 넣는 탄소계 소재다. 연구팀은 또 다중벽 탄소나노튜브와 고분자 소재인 'SBR/CMC'를 도전재와 바인더(전극과 전도성 물질 사이에서 접착제 역할하는 물질)로 쓸 경우 DRX 양극재의 비율을 96%까지 끌어올려도 전지 성능을 떨어 뜨리지 않는다는 것을 확인했다. 연구팀은 " DRX 양극재 내 망간 비율은 낮추고, 낮아진 전자 전도도는 다중벽 탄소나노튜브 등으로 해결했다"며 "차세대 저가형 리튬이온전지 양극재를 제조했다"고 설명했다. KAIST 서동화 교수는 “상용화를 위해 풀어야 할 문제들이 아직 남아 있지만 대 중국 의존도가 높은 니켈, 코발트 등 희유 금속이 필요없다는 점에 주목해 달라"며 "리튬 인산철 양극 주도의 저가 이차전지 시장에서 우리 경쟁력을 강화하는 전환점이 될 것"으로 기대했다. 이 연구는 이은렬 UC버클리 박사후연구원(연구 당시 UNIST 에너지화학공학과 박사과정), 이대형 KAIST 신소재공학과 박사과정이 공동 제1 저자로 참여했다. 또, KAIST 신소재공학과 박상욱 박사과정, 김호준 석사과정이 공저자로 참여했다. 연구 결과는 에너지 분야 국제학술지 '에너지 및 환경과학(Energy & Environmental Science)' 온라인판(3월 27일)에 공개됐다. 오프라인으로는 이 학술지 6월호 표지 논문으로 출간된다.

2024.05.02 00:17박희범