인하대학교 정보통신공학과 이채은 교수 연구팀이 딥러닝 기반 추천 시스템의 메모리 및 에너지 소모 문제를 해결할 수 있는 새로운 임베딩 기술을 개발하였다고 발표했습니다. 이 기술은 하이브리드 니어 메모리 프로세싱(Near-Memory Processing, NMP) 시스템인 PIM-HBM을 사용하여 데이터 처리를 메모리 내부에서 수행함으로써 속도를 높이고 에너지 소모를 줄입니다.

최근 인공 지능 기술의 발전으로 SNS 플랫폼들은 사용자 맞춤형 콘텐츠 및 광고 추천 서비스를 제공하고 있으나, 대규모 데이터를 처리하고 저장하는 데 필요한 메모리와 에너지 소모는 이러한 서비스의 주요 문제점으로 지적되어 왔습니다. 이채은 교수 연구팀의 기술은 컴포셔널 임베딩과 더블 해시 기술을 통해 데이터 저장 용량과 처리 속도를 최적화하며, 메모리 병목 현상과 자원 부족 문제를 해결하는 데 중점을 두었습니다.

개발된 시스템은 기존 임베딩 방식에서 벗어나, 하나의 벡터로 다수의 단어 조합을 표현할 수 있는 컴포셔널 임베딩 기법을 적용함으로써 필요한 메모리 크기를 줄이면서도 풍부한 정보 전달이 가능합니다. 이와 함께, 더블 해시 기술을 도입해 임베딩 속도를 개선하고 데이터 관리의 효율성을 높였습니다.

이채은 교수는 '이 기술의 적용으로 추천 시스템의 정확도와 사용자 만족도를 크게 향상시킬 것'이라고 말하며, '메모리와 에너지 효율성을 극대화하는 동시에 사용자 경험을 개선하여 맞춤형 광고와 콘텐츠 서비스의 발전에 기여할 것'이라고 전망했습니다.

이 기술은 출원번호 10-2022-0085533으로 특허 출원되었으며, 인공 지능 기반 서비스의 품질 향상 및 저전력, 고효율 시스템 개발에 중요한 발판이 될 것으로 기대됩니다.