연세대학교 BDAI 연구실, 2026년 SIGMOD·ICDE·DAC 등 세계 최고 권위 국제학회 논문 3편 채택

연세대학교 컴퓨터과학과 Big Data Systems & AI (BDAI) 연구실 (지도교수 박광현)이 2026년 세계 최고 권위의 국제 학회에 논문 3편을 채택시키며 AI·데이터 시스템 및 하드웨어 가속 연구 분야에서 우수한 연구 성과를 거두었다. 특히, 이번 성과는 연구실 설립 2년 만에 이루어진 결과라는 점에서 더욱 의미가 크다.

BDAI 연구실은 2026년 ACM SIGMOD, IEEE ICDE, Design Automation Conference (DAC) 등 인공지능/데이터/컴퓨터 시스템 및 하드웨어 분야의 대표적인 최상위 국제 학회에 총 3편의 논문이 채택되었다. 이번 연구들은 BDAI 연구실이 중심이 되어, Microsoft Research, SK hynix, SK Telecom 등 글로벌 산업 및 연구 파트너와의 협력을 통해 이루어졌다는 점에서도 의미가 크다.

먼저 ACM SIGMOD 2026에는 멀티모달 대규모 언어 모델(LLM) 학습 파이프라인을 데이터 기반으로 최적화하는 프레임워크 “DFLOP: A Data-driven Framework for Multimodal LLM Training Pipeline Optimization” 연구가 채택되었다. 본 연구는 BDAI 연구실이 주도하고 Microsoft Research와 SK Telecom이 공동으로 참여한 연구로, 다양한 모달리티를 포함하는 LLM 학습 과정에서 커널 선택, GPU 자원 할당, 데이터 스케줄링을 통합적으로 최적화하는 시스템 프레임워크를 제안한다. 특히 A100 GPU 64대를 활용한 대규모 실험 환경에서 기존 방식 대비 최대 3.7배 빠른 학습 속도를 달성하였으며, DeepSeek-VL2 (27B)와 같은 대규모 모델 학습 기준으로 약 20만 달러(환율 기준 약 수억 원)에 달하는 학습 비용 절감 효과를 확인하였다. 이러한 결과는 대규모 LLM 학습 인프라의 효율성을 크게 향상시킬 수 있음을 보여준다.

다음으로 IEEE ICDE 2026에는 벡터 검색과 전통적인 관계형 분석 쿼리를 통합적으로 최적화하는 새로운 쿼리 최적화 프레임워크 “Exqutor: Extended Query Optimizer for Vector-augmented Analytical Queries” 연구가 채택되었다. 해당 연구는 BDAI 연구실이 주도하고 Microsoft Research와 공동으로 수행된 연구로, 벡터 검색을 포함한 복합 분석 질의에 대해 정확한 카디널리티 기반 비용 모델을 활용하는 새로운 쿼리 최적화 기법을 제안한다. 특히 실제 데이터 시스템 환경에서 수행된 실험을 통해 기존 접근 방식 대비 10,000배 이상의 성능 향상을 달성하였으며, 이는 대규모 벡터 검색과 데이터 질의 처리가 결합된 LLM 기반 Retrieval-Augmented Generation(RAG) 파이프라인의 실행 속도를 획기적으로 개선할 수 있음을 보여준다.

마지막으로 Design Automation Conference (DAC) 2026에는 CXL 기반 근접 메모리 처리(Near-Memory Processing)를 활용한 벡터 검색 가속 아키텍처 “CANNON: A CXL-Based Near-Memory Processing Architecture for Approximate Nearest Neighbor Search on Real Hardware” 연구가 채택되었다. 본 연구는 BDAI 연구실이 중심이 되어 Microsoft Research와 SK hynix와 협력하여 수행된 연구로, 실제 CXL 하드웨어 환경에서 근접 메모리 연산을 활용하여 대규모 벡터 검색을 가속하는 시스템을 제안한다. 특히 실제 하드웨어 기반 실험에서 기존 최신 기술(SOTA) 대비 800배 이상의 속도 향상을 달성하며, 차세대 AI 데이터 시스템 인프라 및 LLM 기반 Retrieval-Augmented Generation(RAG) 시스템의 검색 단계 가속 가능성을 보여주었다.

이번 연구 성과는 연세대학교 BDAI 연구실이 중심이 되어 Microsoft Research, SK hynix, SK Telecom 등 글로벌 산업 및 연구 파트너와 협력하여 AI 및 데이터 시스템 인프라, 그리고 차세대 컴퓨팅 아키텍처를 아우르는 융합 연구 분야에서 세계적인 연구 경쟁력을 확보하고 있음을 보여준다.

채택 논문 (2026)

• DFLOP: A Data-driven Framework for Multimodal LLM Training Pipeline Optimization
ACM SIGMOD 2026

• Exqutor: Extended Query Optimizer for Vector-augmented Analytical Queries
IEEE International Conference on Data Engineering (ICDE) 2026

• CANNON: A CXL-Based Near-Memory Processing Architecture for Approximate Nearest Neighbor Search on Real Hardware
Design Automation Conference (DAC) 2026

연세대학교 BDAI 연구실에 대한 자세한 연구 활동 및 연구실 지원 문의 등은 아래 연구실 홈페이지에서 확인할 수 있다.

https://bdai.yonsei.ac.kr