Dongguk University iSN LAB

DONGGUK UNIVERSITY

Research

iSN Lab builds system software and networking infrastructure that makes AI faster, more efficient, and more reliable — from GPU clusters and datacenter networks to edge devices and IoT platforms.

iSN Lab은 GPU 클러스터, 데이터센터 네트워크, 엣지 디바이스와 IoT 플랫폼에 이르기까지 AI를 더 빠르고 효율적이며 안정적으로 만드는 시스템 소프트웨어와 네트워킹 인프라를 연구합니다.

System for AI

AI chip and GPU for large language models 01 AI system Datacenter networking infrastructure 02 Cloud and Datacenter Networking System Circuit board for edge computing and IoT 03 Edge Computing and IoT

01

AI system

We study system software challenges arising from large language models, agentic AI pipelines, and efficient model adaptation. Our goal is to make LLM training, fine-tuning, and inference faster and more resource-efficient on real infrastructure.

대규모 언어 모델(LLM), 에이전틱 AI 파이프라인, 효율적 모델 적응에서 발생하는 시스템 소프트웨어 문제를 연구합니다. LLM 학습, 파인튜닝, 추론을 실제 인프라 위에서 더 빠르고 자원 효율적으로 만드는 것이 목표입니다.

Research topics

연구 주제

  • LLM inference and serving system optimization
  • Agentic AI systems: scheduling, orchestration, and tool-use pipelines
  • Parameter-efficient fine-tuning (PEFT / LoRA) on constrained infrastructure
  • Mixture-of-Experts (MoE) model serving and expert routing efficiency
  • GPU resource management and memory optimization for large models
  • LLM 추론 및 서빙 시스템 최적화
  • 에이전틱 AI 시스템: 스케줄링, 오케스트레이션, 툴 사용 파이프라인
  • 제한된 인프라에서의 파라미터 효율적 파인튜닝 (PEFT / LoRA)
  • Mixture-of-Experts (MoE) 모델 서빙 및 전문가 라우팅 효율화
  • 대형 모델을 위한 GPU 자원 관리 및 메모리 최적화

Publication highlights

  • Prediction-based GPU Sharing for Distributed Training, FGCS 2026
  • Prediction of the Resource Consumption of Distributed Deep Learning Systems, ACM SIGMETRICS 2022
  • Selective Preemption of Distributed Deep Learning Training, IEEE CLOUD 2023

On-going works

  • — Preparing
Back to research areas 연구 분야 목록으로

02

Cloud and Datacenter Networking System

AI and cloud workloads demand high-performance, predictable networking. We build networking systems that improve throughput, isolation, and programmability across datacenter fabrics and software-defined infrastructures.

AI 및 클라우드 워크로드는 고성능·예측 가능한 네트워킹을 필요로 합니다. 우리는 데이터센터 패브릭과 소프트웨어 정의 인프라 전반에서 처리량, 격리, 프로그래머빌리티를 개선하는 네트워킹 시스템을 구축합니다.

Research topics

연구 주제

  • Intelligent traffic splitting and load balancing in datacenter networks
  • Programmable network virtualization and software-defined networking
  • Bandwidth isolation and control plane engineering in virtual networks
  • Kernel and container networking optimization
  • Network monitoring and telemetry for virtualized cloud environments
  • 데이터센터 네트워크의 지능형 트래픽 분할 및 로드 밸런싱
  • 프로그래머블 네트워크 가상화 및 소프트웨어 정의 네트워킹(SDN)
  • 가상 네트워크의 대역폭 격리 및 제어 평면 엔지니어링
  • 커널 및 컨테이너 네트워킹 최적화
  • 가상화된 클라우드 환경을 위한 네트워크 모니터링 및 텔레메트리

Publication highlights

  • Revisiting Traffic Splitting for Software Switch in Datacenter, ACM SIGMETRICS 2025
  • Machine Learning-Based Prediction Models for Control Traffic in SDN Systems, IEEE TSC 2023
  • TeaVisor: network hypervisor for bandwidth isolation in SDN-NV, IEEE TCC 2023

On-going works

  • — Preparing
Back to research areas 연구 분야 목록으로

03

Edge Computing and IoT

Computing at the edge brings unique challenges: constrained resources, heterogeneous devices, and latency-sensitive applications. We design system software for IoT gateways, edge platforms, and cloud-edge pipelines that bridge devices to cloud infrastructure.

엣지 컴퓨팅은 제한된 자원, 이기종 디바이스, 지연 민감 애플리케이션이라는 고유한 과제를 안고 있습니다. IoT 게이트웨이, 엣지 플랫폼, 디바이스와 클라우드를 잇는 클라우드-엣지 파이프라인을 위한 시스템 소프트웨어를 설계합니다.

Research topics

연구 주제

  • Packet processing for IoT and edge-native container environments
  • System support for personalized federated learning applications
  • Model lightweighting and efficient AI for resource-constrained devices
  • IoT 및 엣지 네이티브 컨테이너 환경을 위한 패킷 처리
  • 개인화 연합 학습 애플리케이션을 위한 시스템 지원
  • 자원 제약 디바이스를 위한 모델 경량화 및 효율적 AI

Publication highlights

  • Intelligent Packet Processing for Performant Containers in IoT, IEEE IoT Journal 2024
  • SegaNet: An Advanced IoT Cloud Gateway for Performant and Priority-Oriented Message Delivery, APNET 2023
  • Parameter-Efficient 12-Lead ECG Reconstruction from a Single Lead, MICCAI 2025

On-going works

  • — Preparing
Back to research areas 연구 분야 목록으로