IEEE RTAS 2026 세계 최초 2년 연속 최우수 논문상 수상

자율주행차가 장애물을 발견하고도 메모리 부족으로 AI 모델 반응이 늦어지면 대형 사고로 이어진다. DGIST 전기전자컴퓨터공학과 좌훈승 교수 연구팀은 이러한 지연 시간을 최소화한 '제로스왑(ZeroSwap)' 기술을 개발했다.

연구팀은 실시간 시스템 분야 최고 권위 학회인 IEEE RTAS 2026에서 최우수 논문상(Best Paper Award)을 수상했다. IEEE RTAS는 자율주행차나 산업용 로봇처럼 빠른 응답 속도가 필수적인 시스템의 핵심 기술을 다루는 세계 2대 학술대회다. 좌 교수는 해당 학회 32년 역사상 세계 최초로 2년 연속 최우수 논문상을 받았다.

올해 프랑스에서 개최된 RTAS 2026에서는 전 세계 108편의 논문 중 좌 교수팀의 논문이 유일하게 최우수 논문으로 선정됐다. 이번 연구는 한국연구재단(NRF)과 정보통신기획평가원(IITP), AI스타펠로우십의 지원을 받아 진행됐다.

GPU 메모리 한계를 극복하는 제로스왑의 작동 방식과 성능

소형 저전력 기기인 임베디드 AI 시스템은 객체 인식과 경로 예측 등 여러 모델을 동시에 구동할 때 GPU 메모리가 부족해 계산 지연이 발생하며, 이는 자율주행이나 로봇 제어 환경에서 안전사고로 이어진다.

제로스왑은 데이터 저장장치인 SSD(솔리드 스테이트 드라이브)를 GPU의 확장 메모리로 활용해 이 문제를 해결한다. 저장장치로 데이터를 옮겼다 가져올 때 발생하는 속도 저하를 0에 가깝게 줄인 구조다.

성능 측정 결과, 물리적 메모리 용량을 초과하는 환경에서 지연 증가율을 평균 3.6% 수준으로 억제했으며, AI 작업 응답 시간은 최대 3.2배 단축됐다.

저전력 임베디드 환경에서 다중 AI 모델을 구동하려는 설계자는 단순한 메모리 증설보다 메모리 초과 시의 지연 시간 억제율을 핵심 기준으로 삼아야 한다. 메모리 한계를 넘어서는 순간의 응답 속도는 자율주행차와 로봇의 충돌 방지 등 실질적인 안전 성능으로 직결되기 때문이다.