한기대 연구팀, ‘초대규모 텐서 처리 기술’ ICDE 2026 논문 채택

세줄 요약

• 한기대·ETRI·전북대 공동 GSP-Tucker 개발
• GPU–스토리지 협업으로 초대규모 텐서 처리
• 메모리 부족·데이터 쏠림 문제 완화 성과

한국기술교육대 전강욱 교수 연구팀, ETRI 연구팀, 전북대 연구팀이 공동 개발한 GSP-Tucker 기술 개요. 한기대 제공

한국기술교육대학교(총장 유길상) 컴퓨터공학부 전강욱 교수 연구팀이 ETRI·전북대 연구팀과 공동연구로 초대규모 텐서 데이터를 효율적으로 처리할 수 있는 GPU–스토리지 협업 기반 터커 분해 기술을 개발했다고 15일 밝혔다.

텐서(Tensor)는 데이터를 다차원 배열의 형태로 구조화한 것이며, 터커(Tucker) 분해는 복잡한 다차원 데이터를 작게 나누어 효율적으로 분석하는 기술이다.

최근 인공지능, 데이터마이닝, 추천시스템, 과학계산 등 다양한 분야에서 고차원·대규모 데이터 분석의 중요성이 커지고 있다.

텐서 분해는 다차원 데이터의 잠재 구조를 분석하는 핵심 기술로 활용되고 있지만, 데이터 규모가 커질수록 메모리 사용량의 급격한 증가와 데이터 쏠림 현상으로 병렬 처리 효율이 저하되는 문제가 있었다.

연구팀은 데이터 분포의 쏠림 특성을 고려한 다단계 분할 기법과 GPU–스토리지 협업 실행 구조를 결합한 새로운 Tucker 분해 프레임워크인 ‘GSP-Tucker’를 제안했다.

제안 기술은 대규모 희소 텐서를 여러 단계로 분할하고, GPU 연산과 스토리지 기반 데이터 처리를 유기적으로 결합, 제한된 메모리 환경에서도 대규모 텐서 분해를 안정적으로 수행할 수 있도록 설계됐다.

기존 Tucker 분해 기법들은 대규모 중간 결과를 한꺼번에 메모리에 적재하거나, 데이터 쏠림이 심한 경우 특정 연산 구간에 부하가 집중되는 문제가 있었다.

실험 결과 제안한 GSP-Tucker는 기존 최신 Tucker 분해 기법들이 메모리 부족 또는 실행 실패를 보이는 대규모 데이터셋에서도 안정적으로 동작했다.

메모리 사용량과 실행 성능 측면에서도 우수한 결과를 보여 단일 머신 환경에서도 초대규모 텐서 데이터를 처리할 수 있는 가능성을 제시한 성과다.

전 교수는 “향후 추천시스템, 지식그래프 분석, 과학계산, 대규모 인공지능 데이터 처리 등 다양한 분야로 확장될 수 있을 것으로 기대한다”고 말했다.

이번 연구 논문은 데이터베이스 분야 세계 3대 학술대회 중 하나인 IEEE ICDE(International Conference on Data Engineering) 2026에 채택됐다.

천안 이종익 기자