“강화학습을 활용한 조합최적화로 산업의 문제를 해결하죠.” — ML솔루션팀 COP 파트 명우식 님
반도체의 설계, 생산 설비의 경로, 항만의 선박 스케줄링, 클라우드 시스템의 자원할당, 운송경로, 물류거점. 이들의 공통점은 무엇일까요? 바로 조합최적화를 통해 향상된 결과를 낼 수 있는 과업이라는 점입니다.
오늘은 산업의 다양한 조합 최적화 문제를 풀고, 나아가 새로운 시장가치를 발견하고 있는 COP(Combinatorial Optimization Problem)팀의 핵심 엔지니어 명우식 님의 인터뷰를 준비했습니다. 우식 님은 전문연구요원으로서 지난해 7월부터 마키나락스와 함께 하며 주문형 반도체(Application Specific Integrated Circuit, ASIC) 설계에서의 조합최적화 문제를 해결하고 있는데요.
대학원에서 연구했던 분야와 밀접한 프로젝트를 수행하며 마키나락스에서 연구와 커리어의 조합 최적화를 찾아가고 있는 우식 님의 이야기, 지금부터 함께 하세요!
우식 님은 입사 전 어떤 분야를 연구하셨나요?
저는 중국에서 유학을 하며 정밀기계공학을 전공했습니다. 한국에는 많이 없는 학과라 생소할 수도 있는데, 반도체 설계·광학 등을 다루는 학문 분야로 보시면 될 것 같아요. 저희 학과에서 주관한 CBICR이라는 AI 연구센터는 중국 내 다수 학과가 참여하는 큰 규모였는데요. 주로 AI 칩 가속 하드웨어를 연구하는 곳이에요. 저는 여기서 데이터 전송에 관한 연구를 하며 AI의 핵심 알고리즘을 더 알고 싶었고, 그중 한 갈래인 강화학습(Reinforcement Learning) 분야를 선택했어요.
특정 목적의 하드웨어를 설계한 후에 인공신경망의 연산을 실행하기 위해서는 ▲컴퓨터 연산으로 이뤄지는 프로세스를 그룹화하는 논리적 맵핑 (Logical mapping) ▲논리적으로 맵핑된 오브젝트들을 실제 가속 하드웨어 기능코어에 할당해 병렬연산 속도를 높이는 물리적 맵핑 (Physical mapping) 단계를 거쳐야 하는데요. 물리적 거리가 멀어지면 데이터 전송시간도 길어지기 때문에 연결 관계가 높은 요소들은 가까이, 낮은 요소들은 멀리 배치하는 것이 물리적 설계에서 중요합니다. 이 과정에서는 수백에서 수천개까지 달하는 코어들의 순서 흐름도, 상관관계 등을 함께 고려해야 하므로 사람이 수행하기는 다소 어렵죠.
또한, 여러 종류의 신경망을 제거하고 다시 다른 위치에 재할당하고 하는 반복적인 수행은 빠른 속도를 필요로 합니다. 그래서 필드에서도 부득이하게 결정론적인(deterministic) 알고리즘을 많이 쓰고 있습니다. 이러한 문제를 강화학습을 통한 조합 최적화로 해결할 수 있다는 구글의 연구를 접하고 흥미를 느껴 이 분야를 연구했습니다.
마키나락스에 합류하게 된 계기는 무엇인가요?
군대는 어차피 가야하고, 앞으로 연구를 계속하더라도 필드에서 일할 수 있는 기회는 군 복무 이후에도 더할 나위 없이 좋은 경험이잖아요. 제가 회사를 알아보기 시작할 때 강화학습을 메인으로 하는 회사가 거의 없었는데요. 우연히 지금 같은 팀에서 일하고 있는 경민 님의 포스팅을 보게 됐어요. 저는 강화학습 분야를 하고 싶었고 반도체와 조합 최적화에도 관심이 많은데, 마침 마키나락스 COP팀에서 이걸 다 하고 있더라고요. 그래서 다른 곳은 알아보지 않고 고민 없이 바로 지원했습니다.
COP팀은 무슨 일을 하나요?
마키나락스의 COP(Combinatorial Optimization Problem)팀은 산업의 다양한 조합 최적화 문제를 풀며 기술 노하우를 습득하고, 나아가 새로운 시장가치를 발견하는 것을 목표로 하고 있습니다. 현재 저희 팀은 반도체 설계의 전문가 그룹인 ASICLAND와 APLabs와 함께 ASIC 반도체 설계, 그중에서도 Floorplan에 강화학습을 적용하는 과제를 수행하고 있습니다. 저희 팀에 관심이 있으신 분들은 마키나락스 테크 블로그 포스팅과 DEVIEW 2021 발표 영상에서 더 많은 정보를 얻으실 수 있을 거예요.
COP팀의 개발문화는 어떤가요?
저희 팀은 업무 산출물을 명시적이고 투명한 방법으로 공유하는 것을 지향하고 있어요. 그리고 팀원들간의 리뷰의 피로를 낮추기 위해 최대한 단순한 형태로 산출물을 내고자 하고 있고요. 또한 이슈가 발생했을 때 자주 논의를 하면서 개인이 혼자 고민하기보다는 팀 차원에서 원인을 분석하고 개선하고자 노력하고 있습니다.
마키나락스에서 커리어적으로 성장했다고 느끼는 포인트가 있다면요?
사실 대학원 졸업 후에 무조건 박사 과정을 가야겠다고 생각했거든요. 석사 연구를 마치고 직장에서 일을 하다 보니, 이제 커리어를 이어가고 싶은 마음과 연구를 하고 싶은 마음이 반반이 된 것 같아요. 연구할 때는 아무리 작은 것이더라도 학술적인 의의가 있다면 ‘Why?’라는 질문을 던지며 파고들어 그에 대한 답을 알아내는데요. 반면에 회사는 이익 창출을 목적으로 하다 보니, 어떤 문제에 대해 ‘Why?’라는 질문보다 실질적으로 어떻게 적용할 것인지에 집중을 하는 것 같아요. 이 두 가지를 모두 경험해봤다는 점이 하나의 성장 포인트인 것 같습니다.
또 제가 대학원에서 연구를 할때는 기능 구현을 목표로 코드를 작성해 원하는 결과만 나오면 되기 때문에 코딩에 대한 이해도가 굉장히 낮았었어요. 실무에서 일하면서는 실제 필드에 적용하기 위해 계속해서 설계를 하고, 개선을 하고, 리팩토링을 꾸준히 주기적으로 하거든요. 개인적으로 코딩을 많이 하며 현업에서 일하고 있는 전문가분들의 노하우들을 경험해 볼 수 있는 것도 성장 포인트라고 느껴요.
업무 외적으로 만족하는 부분은 어떤 것이 있을까요?
제가 생각하는 마키나락스의 가장 큰 장점은 ‘자율성’이에요. 출퇴근과 재택근무가 자유롭고, 휴가가 무제한인데 휴가를 쓸 때도 아무도 왜 쓰냐고 안 물어보고 정말 자유로운 분위기에요. 제가 군인 신분이니까 사실 저한테는 해당이 안 되지만요.(😂)
스타트업이 대체로 수평적인 문화이긴 하지만, 저희 회사는 그중에서도 정말 수평적 문화를 갖고 있다고 느껴요. 상사라고 권위를 세우는 사람도 없고, 의견을 제시하면 추후에 어떤 형태로든 반영이 되면서 모두가 서로의 말을 귀 담아 듣는다는 것도 많이 체감하고요. 아, 그리고 입지가 좋다는 것도 장점이라고 생각합니다.😁
어떤 분들이 COP팀에서 함께 했으면 하시나요?
무엇보다 이 분야에 대한 흥미가 가장 중요할 것 같아요. 최근 들어 조합최적화에 강화학습을 이용하려는 사례가 많이 늘어나고 있는데 이런 트렌드를 잘 따라갈 수 있는 분이면 좋을 것 같아요. 하지만 오랜 기간 동안 여러 문제에서 많은 발전이 이루어진 전통적인 방법들에 대해서도 두루 관심이 있으신 분이면 좋겠어요. 꼭 강화학습을 고집하지 않는 분이면 더할나위 없이 좋을 것 같아요. 앞으로 마키나락스와 저희팀에게 많은 관심 부탁드려요!
🚀Career 🧭Homepage 🗣️️LinkedIn 📍Facebook 🖥️TechBlog 🎬Youtube
마키나락스는 머신러닝 기반의 산업용 AI 솔루션을 개발하는 스타트업입니다. 반도체, 에너지, 자동차, 화학 등의 분야에서 AI 솔루션과 MLOps 플랫폼(Machine Learning Operation Platform)을 통해 산업 환경 전반을 개선한 기업으로 손꼽히고 있습니다. AI 도입을 통해 산업 영역의 수많은 기업들이 생산을 효율화하고 제품과 서비스를 개선할 수 있도록 솔루션을 제공합니다. 산업 현장의 문제 해결을 통해 사람이 본연의 일에 집중할 수 있게 만드는 것, 그것이 우리가 하는 일입니다.
