DONGGUK UNIVERSITY
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.
01
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 시스템 설계를 목표로 합니다.
02
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. 데이터센터 패브릭과 소프트웨어 정의 인프라 전반에서 처리량, 격리, 프로그래머빌리티를 개선하는 네트워킹 시스템을 구축합니다.
03
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.
