Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.34-35
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Near-Data Processing (NDP) Based Processor Architectures for Data-Intensive Computing Performance

데이터 집약적 연산의 성능을 위한 Near-Data Processing(NDP) 기반의 프로세서 아키텍처의 최근 동향

  • Ga-Eun Kim (Dept. of Applied Statistics, Gachon University) ;
  • Hyunyoung Oh (Dept. of AI.Software, Gachon University)
  • 김가은 (가천대학교 응용통계학과) ;
  • 오현영 (가천대학교 AI 소프트웨어학부)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문에서는 데이터 집약적 연산의 효율성 향상을 위한 새로운 프로세서 아키텍처 접근법인 Near-Data Processing(NDP) 기술의 최근 동향을 살펴본다. AI 모델 학습과 빅데이터 분석 등에서 NDP 기술의 적용 사례를 분석하고, Processing-In-Memory(PIM)와 In-Storage Processing(ISP)를 중심으로 한 최신 연구를 소개한다. 또한, 실제 하드웨어 구현 사례로 Xilinx FPGA 개발보드의 HBM 통합 사례를 다룬다.

Keywords

Acknowledgement

이 논문은 2024 년도 정부(산업통상자원부)의 재원으로 한국산업기술기획평가원의 지원(No. RS-2024-00406121, 자동차보안취약점기반 위협분석시스템개발(R&D))과 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원(No. RS-2022-00166529)을 받고 과기정통부정보통신기획평가원의 정보보호핵심원천기술개발사업(No. RS-2024-00337414)으로 수행한 결과임.

References

  1. J. H. Kim et al., "Aquabolt-XL: Samsung HBM2-PIM with in-memory processing for ML accelerators and beyond," 2021 IEEE Hot Chips 33 Symposium (HCS), 2021
  2. 김경모, 이하윤, 신동군, "Processing-in-Memory 를 위한 효율적인 행렬 연산 기법", 한국소프트웨어종합학술대회 논문집, 2021
  3. Hyeokjun Choe, et al., "Near-Data Processing for Machine Learning", ICLR, 2017
  4. AMD, "AMD ALVEOTM U280 Adaptable Accelerator Cards for Data Center Workloads", [online] Available: https://www.amd.com/en/products/accelerators/alveo.html
  5. Kevin Nam et al., "Accelerating N-Bit Operations over TFHE on Commodity CPU-FPGA." ICCAD, 2022