AI 혁신을 위한 핵심 학습기술 : AI 탑티어논문 시리즈 II - IISWC, MICCAI
12:00-12:40
12:00-12:40
컨퍼런스홀 B
컨퍼런스홀 B
[AI 분산 학습의 한계를 넘어, 통합 가상 메모리를 말하다(IISWC 2025 발표)] AI 모델의 규모가 점점 커지며, 하나의 GPU를 넘어 여러 GPU에 걸친 분산 학습이 보편화되고 있는 시점. 이러한 환경에서 통합 가상 메모리를 활용해 멀티 GPU 시스템을 효율적으로 병렬 처리하는 방법과, 이를 통해 얻을 수 있는 다양한 인사이트를 살펴봅니다. [MARSeg: 생성형 AI로 확장하는 의료영상 분할의 새로운 가능성(MICCAI 2025 발표)] MARSeg은 생성형 모델(MAR)의 세밀한 표현 학습과 공간·채널 정보를 통합하는 융합 모듈을 활용해 CT 영상 속 장기와 종양의 경계를 정밀하게 구분합니다. 생성형 AI의 표현 학습 능력을 의료영상 분석에 적용함으로써, 진단의 일관성과 정확도를 높이는 새로운 가능성을 제시합니다.
[AI 분산 학습의 한계를 넘어, 통합 가상 메모리를 말하다(IISWC 2025 발표)] AI 모델의 규모가 점점 커지며, 하나의 GPU를 넘어 여러 GPU에 걸친 분산 학습이 보편화되고 있는 시점. 이러한 환경에서 통합 가상 메모리를 활용해 멀티 GPU 시스템을 효율적으로 병렬 처리하는 방법과, 이를 통해 얻을 수 있는 다양한 인사이트를 살펴봅니다. [MARSeg: 생성형 AI로 확장하는 의료영상 분할의 새로운 가능성(MICCAI 2025 발표)] MARSeg은 생성형 모델(MAR)의 세밀한 표현 학습과 공간·채널 정보를 통합하는 융합 모듈을 활용해 CT 영상 속 장기와 종양의 경계를 정밀하게 구분합니다. 생성형 AI의 표현 학습 능력을 의료영상 분석에 적용함으로써, 진단의 일관성과 정확도를 높이는 새로운 가능성을 제시합니다.
분산 학습
CT Imaging
멀티 GPU 시스템
이제인, 이승연
연사
이화여자대학교 일반대학원 인공지능융합전공 석사과정생
이화여자대학교 일반대학원 인공지능융합전공 석사과정생
이제인은 이화여자대학교 지능형시스템및병렬컴퓨터구조 연구실에서 컴퓨터 아키텍처 분야에 깊은 관심을 가지고 연구를 이어가고 있습니다. 현재 통합 가상 메모리와 멀티 GPU 시스템을 중심으로 연구를 진행하고 있으며, 급속히 발전하는 딥러닝 환경 속에서 통합 가상 메모리를 보다 효율적으로 활용할 수 있는 방안을 모색하고 있습니다. 이승연은 이화여자대학교 Medical AI&CV 연구실에서 의료 인공지능과 시계열 예측 모델을 연구하고 있습니다. 생성 모델 기반 종양 분할 연구로 의료영상 분야 최우수 학회에서 Oral Poster로 선정된 바 있습니다. 최근에는 멀티오믹스 데이터를 활용해 질병 예측과 진단 정확도를 높이는 딥러닝 모델 개발에 집중하고 있습니다.
이제인은 이화여자대학교 지능형시스템및병렬컴퓨터구조 연구실에서 컴퓨터 아키텍처 분야에 깊은 관심을 가지고 연구를 이어가고 있습니다. 현재 통합 가상 메모리와 멀티 GPU 시스템을 중심으로 연구를 진행하고 있으며, 급속히 발전하는 딥러닝 환경 속에서 통합 가상 메모리를 보다 효율적으로 활용할 수 있는 방안을 모색하고 있습니다. 이승연은 이화여자대학교 Medical AI&CV 연구실에서 의료 인공지능과 시계열 예측 모델을 연구하고 있습니다. 생성 모델 기반 종양 분할 연구로 의료영상 분야 최우수 학회에서 Oral Poster로 선정된 바 있습니다. 최근에는 멀티오믹스 데이터를 활용해 질병 예측과 진단 정확도를 높이는 딥러닝 모델 개발에 집중하고 있습니다.
글로벌 AI 기술의 가장 앞선 이야기
모두콘2025 공유하기
글로벌 AI 기술의 가장 앞선 이야기
모두콘2025 공유하기
