메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
최근 ICT 기술을 선도하는 핵심 분야는 단연 빅데이터와 AI이며, 과학기술 분야에서도 기존에는 시뮬레이션 중심의 연구 수행 형태에서 대용량 데이터 기반의 AI 분석 기법을 이용한 연구 환경으로 변화하고 있다. 이러한 변화는 데이터의 사이즈의 변화에 따른 데이터 전송 속도의 문제와 AI를 연구하기 위한 컴퓨팅 환경 부족의 문제와 직면하였다. 또한 기존의 클라우드 컴퓨팅 기술은 다수의 사용자가 사용할 경우 데이터 전송량의 급증으로 데이터 전송 지연, 장애대응의 문제가 발생하였다. 이를 위해 분산처리 환경의 컴퓨팅 기술을 사용하여 문제를 해결한다. 따라서 과학기술연구망에서는 연구 환경의 변화에 맞추어 빅데이터를 고속으로 전송할 수 있는 ScienceDMZ 환경 구축 및 부족한 컴퓨팅 인프라 환경을 개선하고자 한다. 본 논문에서는 출연연구소 8개의 기관과 협력하여 ScienceDMZ 기반의 빅데이터 전용 네트워크를 구축하고 구축된 인프라 위에 컨테이너 기반의 분산처리가 가능한 AI 연구 환경을 제공하는 플랫폼을 개발하여 기존의 문제들을 해결하고자 한다. 국내의 ScienceDMZ 환경 구축 사례를 통해 대역폭 대비 80% 이상의 성능 향상의 결과를 보이며, AI 플랫폼의 CPU, GPU 컴퓨팅을 이용한 싱글, 병렬, 분산 컴퓨팅의 성능 비교를 통해 분산 컴퓨팅 성능의 우수성을 보이고자 한다.

Recently, the key areas leading ICT technology are by far big data and AI. In the field of science and technology, it is changing from a simulation-oriented research practice to a research environment using AI analysis techniques based on large-scale data. This change faced the problem of data transmission speed according to the change of data size and the problem of lack of computing environment to study AI. In addition, when the existing cloud computing technology is used by a large number of users, the data transmission delay and failure response problems occurred due to the rapid increase in data transmission volume. To this end, we solve the problem using computing technology in distributed processing environment. To this end, the problems are solved by using computing technology in distributed processing environment. Therefore, KREONET aims to improve the fast transmission of big data and the insufficient AI computing environment, centered around the establishment of the ScienceDMZ environment. In this paper, we aim to solve existing problems by building big data dedicated network based on ScienceDMZ and DTNs capable of distributed computing in cooperation with the eight institutions of super facility and develop a platform that provides container-based AI research environment on the established ScienceDMZ infrastructure. Through the case of establishing the ScienceDMZ environment in Korea, the result of performance improvement of more than 80% compared to the bandwidth is shown, and the superiority of distributed computing performance is shown by comparing the performance of single, parallel, and distributed computing using the CPU and GPU computing of the AI platform.
#ScienceDMZ #Distributed Computing #DTN #Kubernetes #Big Data #AI

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 연구 동향 및 관련 논문
Ⅲ. R&E Together 인프라 구축 및 개발
Ⅳ. 적용 사례
Ⅴ. 실험
Ⅵ. 결론
References

참고문헌 (31)

참고문헌 신청
IDC, “Korea Artificial Intelligence Forecast,“ 2019–2023,” 2020. google schola CIO, “Edge Computing Market to 2024 is growing steady at 26.5%,” 2019. google schola H.M. Park, T.H. Hwang. “Changes and Trends in Edge Computing Technology,” KICS Inf. and Commun. Mag., vol. 36, no. 2, pp. 41-47, 2019. google schola E. Lee, “Edge computing for improving the security of national defense cloud computing,” M.S. Thesis, Graduate School of Engineering, Hanyang Univ., 2020. google schola E. Dart, L. Rotman, B. Tierney, M. Hester, and J. Zurawski, “The ScienceDMZ: A network design pattern for data-intensive science,” Scientific Programming, vol. 22, no. 2, pp. 173-185, 2014. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

인공지능 기반 소재 및 제조 공정 지능화 연구
정임두 ,  서은혁 ,  성효경 외 1명 대한기계학회 춘추학술대회 2021.05
딥러닝, 기계공학에선 이렇게 쓰인다
김수현 ,  이승철 대한기계학회 춘추학술대회 2017.05
기계공학교육의 미래 - ASME VISION 2030 : Part Ⅱ: 기계공학교육의 현황 평가
황성호 대한기계학회 춘추학술대회 2012.11
빅 데이터 기반 디자인 평가 매트릭스 제안 : 현대자동차와 메르세데스 벤츠를 중심으로
이용혁 ,  윤대명 ,  황세현 외 1명 Archives of Design Research 2021.08
스마트양식 기술 개발과 산업화 방안
이동길 ,  배봉성 ,  이정호 외 2명 수산해양교육연구 2021.04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-567-001775624