- 작성일 2026.02.07
- 작성자 조현철
- 조회수 30
🎉 1학년 차서훈 학생, IPIU 2026 학술대회 발표 성공! 🎓
“같은 코드인데 GPU만 바꿨더니 결과가 달라졌다고요?” 🤔
신입생이 인공지능의 숨겨진 비밀을 파헤치다!
계명대학교 게임소프트웨어학과 1학년 차서훈 학생이 2월 4일부터 6일까지 열린 제38회 영상처리 및 이해에 관한 워크샵(IPIU 2026)에서 눈에 띄는 연구 성과를 발표했습니다! 👏
🔬 연구가 뭔데 이렇게 신박해?
차서훈 학생은 조현철 교수님의 지도 하에 “AI 생성형 모델의 재현성에 미치는 GPU 아키텍처의 영향 분석”이라는 주제로 연구를 진행했습니다.
💡 핵심 발견: AI의 상식을 깨다!
우리는 보통 이렇게 생각합니다:
“같은 코드, 같은 데이터를 쓰면 어떤 컴퓨터에서도 똑같은 결과가 나오겠지?”
그런데 NO! 🙅♂️
차서훈 학생은 4종의 NVIDIA GPU(RTX 5090, L40S, H200 SXM, A40)로 똑같은 AI 학습을 시켰는데 결과물이 미묘하게 다르다는 놀라운 사실을 발견했습니다!
🏫 왜 하필 계명대 건물로 실험했을까?
연구팀은 계명대학교의 붉은 벽돌 건물을 AI에게 학습시켰습니다. 이유가 뭐냐고요?
✅ 반복적인 창문 격자
✅ 직선 벽면과 벽돌 패턴
✅ 뚜렷한 기하학적 구조
→ GPU에 따른 미세한 차이를 포착하기에 완벽한 소재였기 때문입니다!
🔍 실험 결과: 악마는 디테일에 있다
겉으로는 똑같아 보였지만…
- 손실 함수 그래프: 4개 GPU 모두 거의 일치 ✓
- 전체적인 구도: 비슷비슷 ✓
하지만 자세히 들여다보니! 👀
- 건물의 직선 유지력이 GPU마다 달랐어요
- 창문 격자 배열이 미묘하게 어긋났어요
- 건물 모서리 표현이 제각각이었어요
- 특정 GPU 조합(L40S-H200)에서는 가중치 차이가 0.0158이나 발생!
🎯 이 연구가 왜 중요한가요?
1️⃣ AI의 재현성 문제 해결의 실마리
- "같은 실험을 하면 같은 결과가 나온다"는 과학의 기본 원칙
- AI 시대에 이게 생각보다 어렵다는 걸 증명!
2️⃣ 실제 산업에 미치는 영향
- 자율주행차 AI를 어떤 GPU로 학습시키느냐가 중요할 수도!
- 의료 AI의 진단 결과가 하드웨어에 따라 달라질 수도!
3️⃣ AI 신뢰성 확보
- "이 AI 믿어도 돼요?"라는 질문에 답하는 연구
🌟 1학년이 이런 연구를?!
가장 놀라운 건 차서훈 학생이 1학년이라는 사실입니다!
- 4종의 클라우드 GPU 인스턴스 활용
- SDXL LoRA 미세조정 실험 설계
- Python 자동화 파이프라인 구축
- 정량적·정성적 분석 병행
보통 대학원생들이 하는 수준의 연구를 1학년이 해냈다니, 앞으로가 더욱 기대되는 인재입니다! 🚀
📚 연구의 학술적 가치
이 연구는 다음과 같은 선행 연구들을 기반으로 했습니다:
- 딥러닝 재현성 연구 (Chen et al., 2022)
- 확산 모델의 설계 공간 분석 (Karras et al., 2022)
- AI 모델 양자화 및 미세조정 (Li et al., 2023)
그리고 2025년도 교육부 및 대구광역시 RISE 센터의 지원을 받아 수행되었습니다.
💬 학과장님 한마디
“1학년 학생이 이렇게 심도 깊은 연구를 수행한 것은 매우 이례적입니다. 차서훈 학생의 열정과 끈기에 박수를 보냅니다!”
[EoF]