김영재

서강대학교 컴퓨터공학과 김영재 교수는 인공지능(AI), 고성능 컴퓨팅(HPC), 차세대 스토리지 시스템 분야에서 활발한 연구를 수행하고 있습니다. DPU 기반 I/O 가속화, SSD 최신 기술, 클라우드 AI 학습 및 추론 효율성 최적화 등 다양한 국책 과제를 성공적으로 이끌고 있습니다. 김영재 교수는 데이터 처리 병목 현상 해결, 효율적인 스토리지 아키텍처 개발, AI 및 빅데이터 시대의 컴퓨팅 인프라 혁신을 목표로 최첨단 기술 개발에 기여하고 있습니다. 본 프로필에서 김영재 교수의 주요 연구 성과와 전문 분야를 상세히 확인하실 수 있습니다.

[학술 활동] - Leveraging Pre-Built Catalogs and Object-Level Scheduling to Eliminate I/O Bottlenecks in HPC Environments (IEEE ACCESS) - Efficient Data Placement in Deduplication Enabled ZenFS via CRC-Based Prediction (IEEE ACCESS) - 블록 탈피 접근법 기반의 대역폭 및 공간 효율적인 KV-SSD 기술 연구 (한국정보과학회지) - An Analytical Model-based Capacity Planning Approach for Building CSD-based Storage Systems (ACM TRANSACTIONS ON EMBEDDED COMPUTING SYSTEMS) - Optimizing Multi-Level Checkpointing for Distributed Deep Learning Workloads on Cloud Spot VM Clusters (IEEE ACCESS) - Provisioning CSD-based Storage Systems with Erasure-coding Offloaded to the CSD (JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE) - OctoFAS: A Two-Level Fair Scheduler That Increases Fairness in Network-Based Key-Value Storage (ELECTRONICS) - Empirical Analysis of Disaggregated Cloud Memory on Memory Intensive Applications (JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE) - A Multi-tenant Key-value SSD with Secondary Index for Search Query Processing and Analysis (ACM TRANSACTIONS ON EMBEDDED COMPUTING SYSTEMS) - Preemptive Zone Reset Design within Zoned Namespace SSD Firmware (ELECTRONICS) - A Content-Based Ransomware Detection and Backup Solid-State Drive for Ransomware Defense (IEEE TRANSACTIONS ON COMPUTER-AIDED DESIGN OF INTEGRATED CIRCUITS AND SYSTEMS) - Future-Based Persistent Spatial Data Structure for NVM-Based Manycore Machines (IEEE ACCESS) - 매니코어 시스템을 위한 리눅스 파일 시스템의 확장성과 고성능 데이터 처리에 관한 연구 (한국정보과학회지) - A Probabilistic Machine Learning Approach to Scheduling Parallel Loops With Bayesian Optimization (IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS) - 로그 구조 병합 트리 기반의 키-밸류 SSD 기술 연구 (한국정보과학회지) - MOSIQS: Persistent Memory Object Storage With Metadata Indexing and Querying for Scientific Computing (IEEE ACCESS) - A GPU Scheduling Framework to Accelerate Hyper-Parameter Optimization in Deep Learning Clusters (ELECTRONICS) - Parallelizing Shared File I/O Operations of NVM File System for Manycore Servers (IEEE ACCESS) - A Content Fingerprint-Based Cluster-Wide Inline Deduplication for Shared-Nothing Storage Systems (IEEE ACCESS) - An Integrated Indexing and Search Service for Distributed File Systems (IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS) - PhantomFS-v2: Dare You to Avoid This Trap (IEEE ACCESS) - Low-overhead dynamic sharing of graphics memory space in GPU virtualization environments (CLUSTER COMPUTING-THE JOURNAL OF NETWORKS SOFTWARE TOOLS AND APPLICATIONS) - GARET: improving throughput using gas consumption-aware relocation in Ethereum sharding environments (CLUSTER COMPUTING-THE JOURNAL OF NETWORKS SOFTWARE TOOLS AND APPLICATIONS) - Crocus: Enabling Computing Resource Orchestration for Inline Cluster-Wide Deduplication on Scalable Storage Systems (IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS) - Optimizing Heap Memory Object Placement in the Hybrid Memory System With Energy Constraints (IEEE ACCESS) - SCISPACE: A scientific collaboration workspace for geo-distributed HPC data centers (FUTURE GENERATION COMPUTER SYSTEMS-THE INTERNATIONAL JOURNAL OF ESCIENCE) [지식재산권 활동] - 스토리지 서버 및 스토리지 서버의 데이터 입출력 방법 (등록상태: 공개, 출원번호: 1020230184040) - 스토리지 서버 및 스토리지 서버의 입출력 처리 방법 (등록상태: 공개, 출원번호: 1020230179619) - 메모리 컨트롤러 및 이를 포함하는 스토리지 장치 (등록상태: 공개, 출원번호: 1020230178989) - 비휘발성 메모리 기반 파일 시스템 및 이를 이용한 데이터 갱신 방법 (등록상태: 등록, 출원번호: 1020190101277) - 웜 스토리지의 신뢰성 강화 방법 및 신뢰성이 강화된 웜 스토리지 (등록상태: 등록, 출원번호: 1020200072860) - 파일 시스템 및 이를 이용한 단일 파일 쓰기 병렬화 방법 (등록상태: 등록, 출원번호: 1020190061340) - Sgx-ssd를 이용한 정책 기반 버전관리 방법 및 그 시스템 (등록상태: 등록, 출원번호: 1020200074649) - 파일 시스템 프로그램 및 이를 이용한 데이터 센터 제어 방법 (등록상태: 등록, 출원번호: 1020180017761) - B+ 트리를 이용하는 매니코어 서버의 데이터 처리 방법 (등록상태: 공개, 출원번호: 1020220161298) - 테넌트를 식별하는 키-값 기반의 데이터 저장 장치 및 그 동작 방법 (등록상태: 공개, 출원번호: 1020210156588) - 키-값 기반 데이터 저장 장치 및 그 동작 방법 (등록상태: 공개, 출원번호: 1020230057331) - 키-값 기반 데이터 저장 장치 및 그 동작 방법 (등록상태: 공개, 출원번호: 1020230057336) - 힙 메모리 오브젝트의 에너지 소모량 예측 방법 및 이를 구현하는 메모리 시스템 (등록상태: 등록, 출원번호: 1020190003476) - 힙 메모리 오브젝트의 배치 방법 및 이를 구현하는 이기종 메모리 시스템 (등록상태: 등록, 출원번호: 1020190043730) - 연산 스토리지 장치 및 그 동작 방법 (등록상태: 공개, 출원번호: 1020230029950) - 데이터 전송 시스템 및 방법 (등록상태: 등록, 출원번호: 1020180017760) - 중복 제거 기능을 갖는 확장형 lsm 트리 기반 키-밸류 데이터 저장 장치 및 방법 (등록상태: 공개, 출원번호: 1020230125271) - 메모리 프로파일링 장치 및 그의 동작 방법 (등록상태: 등록, 출원번호: 1020210008172) - Ssd의 랜섬웨어 감지 방법 및 컨트롤러 (등록상태: 등록, 출원번호: 1020210046644) - 스토리지 노드 기반의 키-값 스토어를 이용하는 데이터 입출력 방법 (등록상태: 등록, 출원번호: 1020210164595) - 데이터 중복 제거 방법 및 데이터 중복 제거를 수행하는 스토리지 장치 (등록상태: 등록, 출원번호: 1020230022266)

[연구 분야] 핵심 분야: 고성능 스토리지 시스템, AI 및 딥러닝 최적화, 분산 시스템, 블록체인 데이터 처리 세부 분야: SSD 기술, 파일 시스템, 키-밸류 스토어, 메모리 중심 컴퓨팅, 데이터 중복 제거, 랜섬웨어 방어, 병렬 및 분산 처리 [대표 연구 내용] 문제 정의: 대규모 데이터 시대가 도래하면서 기존 스토리지 시스템은 성능 병목 현상과 효율성 저하 문제에 직면해 있습니다. 특히 AI 학습 및 추론, 빅데이터 분석, 블록체인 처리 등 고성능을 요구하는 애플리케이션 환경에서는 데이터 입출력 및 처리 지연이 심각한 문제로 작용합니다. 기술 우위: 김영재 교수는 DPU(Data Processing Unit), Computational SSD, NVM(비휘발성 메모리) 등 최신 하드웨어 기술을 활용하여 이러한 문제들을 해결하는 혁신적인 스토리지 아키텍처 및 시스템 소프트웨어를 연구 개발하고 있습니다. 특히, 데이터 중복 제거, 키-밸류 스토어 최적화, AI 학습 및 추론 가속화, 그리고 블록체인 데이터 고속 처리에 대한 독보적인 기술력을 보유하고 있습니다. 이 기술들은 기존 시스템의 한계를 뛰어넘어 월등한 성능과 효율성을 제공합니다. 사업 가치: 본 연구 결과물들은 클라우드 서비스 제공업체, 데이터 센터 운영사, AI 솔루션 기업, 블록체인 관련 산업 등 고성능 데이터 인프라가 필수적인 분야에 직접적인 적용이 가능합니다. 최적화된 스토리지 솔루션은 운영 비용 절감, 서비스 응답 속도 향상, 대규모 데이터 처리 역량 증대 등 실질적인 비즈니스 가치를 창출하며, 차세대 컴퓨팅 환경 구축에 핵심적인 역할을 수행할 것입니다.