한양대학교 AI반도체글로벌역량강화사업단

교육과정

H
교육과정
교육과정

교육과정

교육내용
AI반도체 아키텍처 교육과정
교육기간
6개월
교육기관
University of Illinois Urbana-Champaign (미국, 일리노이주)
교육 프로그램 개요
본 교육과정은 4개월의 위탁교육(이론 강의 4과목)과 2개월의 융합교육(실습프로젝트)으로 구 성되어 있으며, AI반도체아키텍처 전문가에게 요구되는 다음의 4가지 핵심역량을 배양하도록 설계됨.
- * AI Framework :딥러닝/머신러닝 프레임워크 및 관련 소프트웨어 도구 활용에 대한 기본 지식과 응용 능력
- * System AI 적용 이해 및 분석 역량 : 알고리즘을 시스템 아키텍처 수준에서 구현하고 성능 을 분석할 수 있는 능력
- * AI 반도체 설계 최적화 능력 : AI 가속기를 포함한 반도체 칩을 효과적으로 설계하고 최적 화하는 전문 기술
- * AI 기능 검증 및 실현 능력 : 설계된 AI 시스템 및 칩의 기능을 철저히 검증하고 실제 하드 웨어로 구현하여 동작시키는 능력

커리큘럼

좌우로 드래그 가능합니다.

커리큘럼
구분	과목명	핵심 내용	예상 강의 담당교수
필수과목	Applied Parallel Programming	수업목표 : GPU 기반 병렬 프로그래밍 기법을 숙달하여 대용량 AI 연산을 효율적으로 구현할 수 있는 실무 능력을 배양함 GPU 아키텍처와 CUDA 프로그래밍 모델의 핵심 개념을 학습함 행렬 곱셈·합성곱 등 AI 핵심 연산을 위한 데이터 구조·메모리 접근·타일링 최적화 기법을 실습함 벡터 연산, 병렬 Reduction·Scan 등 단계별 과제를 통해 다양한 병렬화 패턴을 구현함 최종 프로젝트에서 자체 병렬 알고리즘을 설계·성능 분석하여 딥러닝 프레임워크 내부 동작을 이해함	Prof. Kindratenko Prof. Lumetta
	Advanced VLSI System Design	수업 목표 : AI 가속기 칩의 RTL 설계부터 레이아웃·검증까지 전 과정을 경험하여 AI 반도체 설계 최적화 역량을 함양함 시스템 사양 정의 후 RTL 설계·기능 시뮬레이션·테스트 전략 수립함 Synopsys/Cadence EDA 툴로 논리· 합성 배선을 수행하고 타이밍을 분석함 MAC 어레이·온칩 메모리 등 신경망 특화 하드웨어 구조를 최적화함 GDSII 생성까지 완료하여 테이프아웃 직전 단계의 설계 경험을 축적함	Prof. Wang Prof. Kumar
	AI Computer System Design	수업목표 : CPU/NPU 통합 시스템에서 워크로드 성능 병목을 분석해결할 수 있는 시스템 아키텍처 설계 능력을 확보함 ILP/캐시 계층/파이프라이닝 등 고급 CPU 마이크로아키텍처 기법을 학습함 NPU를 밀결합한 RISC-V 기반 시스템 구조와 컴파일러 백엔드 최적화 다룸 FPGA 보드에 CPU+NPU 시스템을 구현하고 임베디드 Linux를 부팅함. 딥러닝 추론을 실측·프로파일링하여 하드웨어, 소프트웨어 공동 최적화 효과를 분석함.	Prof. Kim Prof. Adve
선택과목1	Machine Learning & Compilers	수업목표 : 머신러닝 기법을 컴파일러 최적화·소프트웨어 검증에 적용하여 신뢰성과 성능을 동시에 향상시키는 역량을 기름 모델 체킹·자동 테스트 생성 등 프로그램 검증 기법을 학습함 ML 기반 코드 최적화·정적 분석 기법을 활용해 시스템 성능을 개선함 XLA/TVM 등 딥러닝 전용 컴파일러의 최적화 흐름을 사례로 연구함 복잡한 ML 시스템의 정확성과 안전성을 형식적으로 분석하는 방법을 실습함	Prof. Shanbhag Prof. Chen
선택과목2	Machine Learning in Silicon	수업목표 : 자원 제약 환경에서 ML 알고리즘을 아키텍처·회로 수준으로 최적화하여 엣지 AI 시스템을 설계하는 능력을 함양함. IoT-웨어러블 등 임베디드 ML 플렛폼의 요구사항과 제약을 분석함 연산량·메모리 사용을 줄이는 알고리즘 변환 및 비트정밀도 축소 기법을 연구함. DFG 기반 매핑으로 ML 연산을 전용 하드웨어에 효율적으로 배치함 오류-탄력·근사·In-Memory Computing 등 초저전력 AI 하드웨어 기술 동향을 실습함	Prof. Shanbhag Prof. Chen

실습 프로젝트 (융합교육 2개월)

이론 교육과정을 마친 후, 교육생들은 2개월간 의 UIUC-IIDAI의 산학연 공동 연구 환경에서 실습 프로젝트에 참여함. IIDAI는 IBM과 UIUC가 공동 설립한 연구기관으로, 차세대 AI 시스템 아키텍처와 클라우드 기반 AI 플랫폼 최적화를 중점적으로 연구하고 있어서 반도체 AI 아키텍쳐 관련 실무적인 경험을 배양하는데 매우 적합함. 특히 AI 추론·학습을 위한 고효율 컴퓨팅 하드웨어, AI 모델의 에너지-지연 최적화, 신뢰성 있는 AI 시스템 구축 등의 주제를 중심으로 활발한 협력 연구가 진행 중임. 최근에는 AI 시스템의 하드웨어-소프트웨어 최적화를 위한 NPU-CPU 통합 아키텍처와 AI 워크로드 특화 컴파일러 최적화 등이 주요 과제로 다루어지고 있음.
본 교육과정의 실습 프로젝트는 이러한 IIDAI의 실제 연구 흐름과 연계하여 설계되며 교육생들은 이론 수업에서 습득한 인공지능 알고리즘과 반도체 설계 기술을 활용하여 실전형 문제 해결에 도전함. 실습은 팀 단위로 진행되며 학생들은 직접 FPGA 개발 보드 위에 자신들이 설계한 AI 가속기(NPU)와 RISC-V 기반 CPU를 통합하여 시스템을 구축하고, 이에 딥러닝 모델을 탑재하여 추론 성능을 계측·분석함. 프로젝트 과정에서는 이론 수업에서 배운 최적화 구현 및 성능 검증 기술을 기반으로 추론 지연 감소, 연산 효율 향상, 메모리 접근 최적화, 에너지 사용 절감 등의 성능지표를 개선하기 위한 다양한 실험과 최적화가 수행됨

상단바로가기