서울대학교 공과대학(학장 차국헌)은 컴퓨터공학부 강유 교수 연구팀이 14일부터 18일까지 가상으로 개최된 데이터 마이닝 및 인공지능 분야의 국제 최우수 학회인 'KDD 2021'에서 최우수 논문상(Best Research Paper Award)를 수상했다.

이번 수상은 고차원 텐서 데이터에서 임의의 시간 범위를 효율적으로 분석하는 핵심 기술을 개발해 이뤄졌다.

KDD 2021의 최우수 논문상은 단 1편의 논문에만 주어지며, 해당 분야에 있어 최고의 영예로 여겨진다. KDD는 지난 1997년부터 올해까지 25회에 걸쳐 최우수 논문상를 수여했는데, 강유 교수 연구팀은 한국 대학 최초로 수상하는 쾌거를 거뒀다.

수상 논문인 '다양한 시간 범위 쿼리에 응답하기 위한 빠르고 메모리 효율적인 터커 분해(Fast and Memory-Efficient Tucker Decomposition for Answering Diverse Time Range Queries-다운)'는 강유 교수와 장준기 박사과정생이 작성했으며, 고차원 텐서 데이터에서 특정 시간대의 패턴을 터커 분해를 통해 효율적으로 구하는 기술인 '줌-터커(Zoom-Tucker)' 기법을 제시했다.

Zoom-Tucker를 사용하면 다양한 시간 범위 쿼리를 효율적으로 처리할 수 있다. 블록 구조를 최대한 활용하여 주어진 텐서를 압축하여 효율적인 쿼리를 지원하고 로컬 정보를 캡처하며, 범위에 포함된 사전 처리된 결과를 정교하게 분리하고 계산 순서를 신중하게 결정하여 다양한 시간 범위 쿼리에 빠르고 메모리 효율적으로 응답한다. 이는 기존 방법보다 최대 171.9배 더 빠르며 최대 230배 적은 공간을 필요로 하면서 정확도를 제공한다.

한편, 이번 연구를 통해 얻은 기술은 시계열 데이터에 대한 패턴 분석에 쓰일 수 있어 향후 다양한 AI 응용에 활용될 것으로 기대된다. '줌-터커(Zoom-Tucker)' 관련 자세한 소개와 코드 및 데이터세트는 현재 오픈소스(다운)로 공개하고 있다.