삼성전자 SAIT, ‘인공지능/컴퓨터공학 챌린지 2023’ 개최

삼성전자가 AI 기술을 활용한 차세대 반도체 연구 역량 강화를 위해 인공지능(AI)과 컴퓨터 공학(Computer Engineering, 이하 CE) 분야 국내 우수 인력을 발굴하고, 연구 생태계를 강화합니다.

삼성전자 SAIT(옛 종합기술원)는 8월 21일부터 10월 20일까지 2개월 간 국내 대학 학부생과 대학원생을 대상으로 ‘삼성 AI/CE 챌린지 2023’을 개최하고, 차세대 기술 리더들의 연구를 지원합니다.

올해로 3회를 맞는 ‘삼성 AI/CE 챌린지’는 과학기술 인재 발굴과 연구 강화를 위한 아이디어 공모전으로, 기존 인공지능(AI) 분야 외 컴퓨터 공학(CE) 분야를 신설하여 총 4개의 공모 부문으로 규모를 키웠습니다.

참여를 희망하는 학생들은 8월 21일부터 접수 가능하며 AI 분야는 10월 2일, CE 분야는 10월 20일까지 진행됩니다. 결과는 삼성전자 SAIT 홈페이지를 통해 10월말 발표됩니다.

공모 부문별 최우수상을 포함해 총 16개팀을 선발하여 시상하며, 부문별 최우수 1개팀은 1000만원, 우수 1개팀은 500만원, 장려 2개팀은 각 300만원이 수여된다. 시상식은 11월 7일 개최되는 ‘삼성 AI 포럼’에서 진행됩니다.

삼성전자 SAIT는 수상자들에게 SAIT 소속 AI/CE 연구 리더와의 멘토링 세션을 진행하며, 수상 팀 간 연구 성과와 아이디어 교류를 위한 ‘삼성 AI/CE 챌린지 캠프’도 개최합니다.

이번 ‘삼성 AI/CE 챌린지’의 공모 과제는 AI 기술을 활용한 ▲자율 주행용 영상 인식 기술, ▲ 반도체 소재 시뮬레이션용 머신 러닝 알고리즘, ▲ 카메라 영상 화질의 자연어 정성 평가 생성 기술과 CE 분야의 ▲ 대규모 언어 모델(Large Language Model, 이하 LLM) 추론을 위한 컴퓨팅 시스템 최적화 등 총 4개입니다.

삼성전자는 ‘삼성 AI/CE 챌린지’를 통해 AI와 CE 기술에 대한 새로운 아이디어를 얻고, 참여하는 학생들은 삼성전자의 기술 리더들과 교류하는 기회를 얻을 수 있을 것으로 기대됩니다.

삼성전자 SAIT 진교영 사장은 “SAIT는 AI 기반으로 차세대 반도체 및 컴퓨터 비전, 그리고 컴퓨팅 시스템 등 다양한 분야에서 연구개발의 한계를 극복하고 있다”며 “‘삼성 AI/CE 챌린지’를 통해 AI와 컴퓨터 공학 연구에 대한 국내 생태계를 강화하고, 미래 기술 연구 저변을 넓히는 한편, 우수 인력도 지속 발굴해 나갈 것”이라고 밝혔습니다.

지난 대회 최우수상 수상자인 포항공과대학교 신소재공학과 김은호 씨는 “‘삼성전자 AI/CE 챌린지’에 참여하며 연구 분야에 대해 더욱 깊이 고민해볼 수 있었다”며 “SAIT 기술 리더들의 멘토링을 통해 연구에 대한 좀 더 넓은 시야를 갖게 되었고, 같은 분야를 연구하는 학생들과 학술적 교류를 할 수 있는 것도 큰 동기 부여가 됐다”고 말했습니다.

‘삼성 AI/CE 챌린지’ 관련 자세한 정보는 삼성전자 SAIT 홈페이지 (https://www.sait.samsung.co.kr)에서 확인할 수 있습니다.

.

□ ‘삼성 AI/CE 챌린지 2023’ 공모 주제 세부 내용

1) AI 챌린지

‘자율 주행용 영상 인식 기술’ 부문 공모를 통해서는 새로운 카메라 환경에서도 기존에 촬영된 영상 데이터를 활용하여 높은 인식 성능을 갖는 자율주행용 영상 인식 기술 개발에 나섭니다.

‘반도체 소재 시뮬레이션용 머신 러닝 알고리즘’ 부문에서는 AI 기술 기반 반도체 소자와 공정 개발 검증용 머신 러닝(Machine Learning) 알고리즘 개발에 대한 아이디어를 찾고, 이를 통해 국내 차세대 반도체 연구 개발 경쟁력을 강화한다는 계획입니다.

‘카메라 영상 화질의 자연어 정성 평가 생성 기술’ 부문에서는 카메라로 촬영된 영상의 선명도, 노이즈 정도, 색감, 사용자 선호도 등을 종합적으로 평가하고 예측하는 알고리즘을 발굴하고 이를 스마트폰 카메라 사용자에게 최고의 화질을 제공할 수 있는 AI 영상 처리 기술 개발에 활용할 예정입니다.

2) CE 챌린지

‘대규모 언어 모델(LLM) 추론을 위한 컴퓨팅 시스템 최적화’ 부문 공모에서는 제한된 컴퓨팅 리소스를 사용하여 언어 모델의 추론 성능을 최대화하는 시스템 방법론을 제안 받고, 우수 안에 대해 실제 시스템에서 성능을 검증합니다.