Earticle

With the wide application of GPU in High Performance Computing, more and more heterogeneous CPU+GPU clusters have been establishedin many fields. But with the comprehensive using of heterogeneous CPU+GPU clusters, workload balancing has become an important problem when the process nodes coordinate with each other, and the execution time of a program on imbalanced clusters resides on the slowest node. Although there are many strategies and algorithms that can solve the problem of workload balancing to some extent, they generally face the problem of high consumption of communication caused by the task migration. In order to make up for the existing deficiencies, this paper proposes a virtual task migration algorithm adapted to GPU clusters on CUDA platform. This algorithm uses virtual task migration to avoid actual data transmission between nodes, so the communication overhead is obviously decreased. At last, this paper performs an actual test using matrix multiplication to verify this algorithm. The experiment results show that compared with static task partitioning, the algorithm proposed in this paper can effectively achieve dynamic workload balancing and reduce the execution time of programs on GPU clusters, thus the algorithm can significantly improve program execution performance of GPU clusters on CUDA platform.

국내외에서 AI기반 의료 솔루션 시장은 빠른 속도로 확장 중이며 이에 따른 다양한 의학 분야에서 많은 기법을 통한 의료 AI 시스템이 등장하고 있다. 그러나 기존 다양한 AI 연구가 이뤄짐에도 아직 중환자의 징후 예측에는 많은 어려움이 있다. 또한, 중환자의 경우 현재 의료진만으로 모든 환자를 필요한 시기에 진료하기엔 어려움이 있고 환자 상태 조기 예측이 필수적임을 관련 다양한 의학 기사를 통해 쉽게 인지할 수 있다. 본 연구에서는 위와 같은 문제점을 해결하고자 중환자의 진료 결과 데이터를 활용하여 환자의 진료 후 상태를 예측하는 모델을 생성하였다. '용인시산업진흥원'에서 제공하는 60만여 건에 달하는 환자 데이터를 수집하여, 중환자 상태 징후를 조기에 예측할 수 있는 머신러닝/딥러닝 기반 알고리즘으로 구현한 여러 모델에 대해 비교했을 때 딥러닝(DNN) 기반 모델이 약 92%의 분류 정확도를 측정할 수 있었다.

본 논문에서는 최근 스마트업체이며 제조업체로 화두가 되고 있는 샤오미 키워드로 빅데이터 분석을 활용하여 분석하고자 한다. 샤오미는 2021년 스마트폰 제조업체 세계1위를 차지했고, 글로벌 100대 브랜드(2022)에는 처음으로 84위에 진입하여 급격하게 성장하고 있는 업체 중 하나이다. 특히 국내에서도 점차 점유율이 커지고 있는 상황에서 국내 소비자들의 인식과 향후 국내에서의 입지를 알아보고자 한다. 국내 포털과 SNS에 채널을 통한 '샤오미' 키워드에 관한 데이터를 통해 키워드 분석, 워드클라우드, 토픽모델링 등의 분석을 진행하여 최근 국내 샤오미에 관한 인식과 향후 방향성을 제시해보고자 한다.

본 논문에서는 트위터 사용자들의 리트윗 행위의 기반이 되는 이유와 동기에 대한 탐색적인 연구방법을 제안한다. 본 논문은 리트윗 행위가 메시지가 가진 속성, 트위터 사용자의 이유와 내면적 가치가 반영되어 나타나는 현상이라고 주장하고, 다음의 연구방법을 이용하였다. 우선 리트윗 동기에 관한 선행연구가 제시한 34개 항목을 이용하여 리트윗행위와 연관된 메시지 속성, 이유, 가치를 묻는 설문문항을 만든 후, 트위터 이용자들(N=171)에게 자신이 리트윗한 다섯 개의 메시지들에 대해 답하도록 하였다 (5개 메시지 ${\times}$ 34 문항 = 170). 이를 바탕으로 34개의 동기와 이유, 가치들이 어떻게 군집화 되는가를 요인분석을 통해서 살펴보았다. 분석결과, 리트윗을 하는 대표적 요인으로 (1) 공공적 성격, (2) 재미와 즐거움, (3) 공동체적 도움, (4) 소식과 정보 등이 나타났다. 요인 2와 4는 전통적 저널리즘적 성격을, 1과 3은 대체적 (대안) 저널리즘 성격을 띈 동기로 파악하였다. 요인 1과 3이 기존의 저널리즘을 보강하는 역할을 하기도 하지만, 온라인에서의 의견 양극화와 이어질 수도 있다는 것을 논의하였다. 이 외에도 (1) 내재적 가치와 공동체적 (2) 동질감, (3) 소속감 등이 리트윗 행위의 기반이 되는 이유와 가치라고 파악하였다.

The study aims at exploring motivation, rationale, and values in twitter users' retweet behavior. It proposes that diffusion of message is based on the complex interactional relationships among attributes of original message, user's rationale, and values. Based on a pilot study, we constructed a total of 34 questions asking message attributes, motivation, and values of retweeting. Then, twitter users participated in an online survey, in which they evaluate their own 5 retweet messages based on the constructed questions(5 messages ${\times}$ 34 questions = 170). Then, a factor analysis is done in order to see the dimensions of the concepts in retweet behavior; and understand how message attributes, motivations, and values are inter-related with each other. The main factors extracted were: (1) public fairness, (2) fun and playfulness, (3) communal help, (4) news and information, etc. Factor 2 and 4 show the traditional journalism characteristics; while factor 1 and 3 do alternative journalistic values. The latter may work as a rectifying factors for traditional journalism; however, backfiring mechanism for group polarization. In addition, (1) users' internal identities, (2) communal unity and (3) belongness were identified as rationales and values for retweet behavior.

지표면 아래에는 다양한 구조물들이 매설되어 있으며, 특히 도시가스 배관이나 전기 배선과 같이 문제가 발생할 경우 우리의 안전을 크게 위협할 수 있는 다양한 위험요소들이 존재하고있다. 따라서 다양한 오염물질과 접하게 되는 지하 구조물들은 부식에 대단히 민감하기 때문에 부식의 진행 정도를 정확히 파악하지 못하는 경우 가스 배관의 누설과 같은 대형 사고로 이어질 수 있다. 지금까지는 사람이 직접 지하구조물에 일일이 방문하여 수작업으로 측정하고 기록하는 방식이 주로 사용되었으나, 이 방식은 많은 인적/물적 자원이 요구되어 관리의 연속성이 떨어지게 된다. 따라서 지속적인 관리를 통해 위험요소를 신속하게 발견하기 위한 연구가 필요하며, 본 연구에서는구조물 관리 시스템에 ICT를 결합하여 이동 중인 차량에서 지하구조물에 대한 상태 정보를 무선으로 수집하고 분석하여 신속히 대비할 수 있는 시스템을 제안한다.

There are a variety of structures below the surface are buried. In particular, if It is experiencing problems in the city gas pipe or electrical wire, our safety would be greatly jeopardized. Therefore, the underground structures which encounter a variety of pollutants are highly sensitive to corrosion. So if you are not identify the degree of corrosion, it can lead to large accidents such as gas leakage. Until now, person visit directly every underground structure to measure and record manually, but This approach requires a lot of human and material resources and the continuity of management. Therefore, the research to find out the risk factors quickly via the continuous management is needed, and in this paper the structures management systems in the vehicle being moved by combining ICT underground structures for state information wirelessly collects and analyzes system is proposed.

본 논문에서는 고성능 컴퓨팅 시스템의 성능 향상을 위한 효율적인 동적 작업부하 균등화 정책을 제안한다. 이 정책은 시스템 자원인 CPU와 메모리를 효율적으로 사용하여 고성능 컴퓨팅 시스템의 처리량을 최대화하고, 각 작업의 수행시간을 최소화한다. 또한 이 정책은 수행중인 작업의 메모리 요구량과 각 노드의 부하 상태를 파악하여 작업을 동적으로 할당한다. 이때 작업을 할당받은 노드가 과부하 상태가 되면 다른 노드로 작업을 이주시켜 각 노드의 작업부하를 균등하게 유지함으로써 작업의 대기시간을 줄이고, 각 작업의 수행시간을 단축한다. 본 논문에서는 시뮬레이션을 통하여 제안하는 동적 작업부하 균등화 정책이 기존의 메모리 기반의 작업부하 균등화 정책에 비해 고성능 컴퓨팅 시스템의 성능 향상 면에서 우수함을 보인다.

In this paper, we propose an efficient dynamic workload balancing strategy which improves the performance of high-Performance computing system. The key idea of this dynamic workload balancing strategy is to minimize execution time of each job and to maximize the system throughput by effectively using system resource such as CPU, memory. Also, this strategy dynamically allocates job by considering demanded memory size of executing job and workload status of each node. If an overload node occurs due to allocated job, the proposed scheme migrates job, executing in overload nodes, to another free nodes and reduces the waiting time and execution time of job by balancing workload of each node. Through simulation, we show that the proposed dynamic workload balancing strategy based on CPU, memory improves the performance of high-performance computing system compared to previous strategies.

VoD(Video on Demand) 시스템의 작업과정을 주기적으로 모니터링하며, 작업부하(workload)를 동적으로 조정할 수 있는 에이전트 시스템(agent system)은 VoD 시스템과 인터페이스를 하는 에이전시(Agency) 부분과 작업부하 조정에 필요한 조치를 추론하거나 학습하는 인텔리전스(Intelligence) 부분으로 구성된다. 본 연구에서는 에이전트 시스템의 인텔리전스 부분에서 적용할 수 있는 학습 방법(learning method)을 제안하였다. 제안된 방법은 규칙의 추론과정과 사례기반 학습 과정에 의하여 작업부하를 보다 효율적으로 조정할 수 있게 한다. 그리고 제안된 방법을 VoD 시스템에 적용하는 경우에 실효성이 있는지를 시뮬레이터를 구현하여 실험하였다. 실험의 결과, 제안된 방법을 적용하는 경우에 기존의 방법을 적용한 경우보다 상대적으로 성공적인 스트림 서비스 처리량(throughput) 과 VoD 서버에서의 평균 대기시간이 향상된다는 것을 알 수 있었다.

The agent system that can adjust the workload dynamically through thc periodical monitoring of the VoD system comprises the agency part interfacing the VoD system and the intelligence part reasoning or learning the facts required for the adjustment of workload. This paper proposes a learning method that can apply to the intelligence part of the agent system. The proposed method can adjust the workload more efficiently by the rule's reasoning process and case-based learning process. An experiment of implementing a simulator was conducted to see whether or not application of the proposed method to VoD systems is efficient. As a result of the experiment, it was found that the throughput and the average waiting time of the VoD server were relatively improved when the proposed method was applied compared to existing means.