회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
‹ 회사 찾기 · Global 화면에서 회사 IR 보기 ›
마지막 업데이트 2026-10-09
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 시스템 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 57.4억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 223명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-03-27 · 최근 등록 2026-08-28 · 최신 출원순
본 명세서의 일 실시예에 따라서 데이터 프로세싱을 수행하는 장치는, 텐서(tensor)-기반 프로세싱을 수행하도록 구성된 복수의 PE(processing element)들; 및 상기 복수의 PE들이 실장되는 반도체 기판을 포함하고, 각 PE는, 각각이 연산(compute) 파이프라인을 갖는 복수의 슬라이스 회로들; 및 상기 복수의 슬라이스 회로들을 제어하는 제어 회로를 포함하고, 각 슬라이스 회로 상의 각 연산 파이프 라인은, i) 텐서 데이터의 적어도 일부를 패치(fetch)하는 패치 유닛, ii) 상기 패치된 텐서 데이터의 적어도 일부에 대한 작업(operation)을 수행하는 오퍼레이션 유닛 및 iii) 상기 오퍼레이션 유닛으로부터 출력되는 작업 결과를 목적지에 전달하는 커밋(commit) 유닛을 포함하고, 상기 제어 회로는, 상기 텐서 데이터의 파티션들과 상기 복수의 슬라이스 회로들 상의 복수의 연산 파이프 라인들 간의 맵핑을 제어할 수 있다.
본 발명의 일 실시예에 따른 신경망 (neural network) 프로세싱을 위한 장치는, 반도체 기판(semiconductor substrate); 및 상기 반도체 기판에 실장되고, 점곱(dot product) 연산을 수행하는 전자 회로(electronic circuit)를 포함하고, 상기 전자 회로는, 곱셈기들과 가산기들을 포함하는 계층적 트리 구조를 갖는 적어도 하나의 MAC (multiply accumulate) 회로; 적어도 하나의 누산(accumulation) 회로; 및 상기 적어도 하나의 MAC 회로를 제어함으로써 상기 적어도 하나의 누산 회로에 적어도 하나의 입력 값을 제공하는 제어 회로를 포함하고, 상기 제어 회로는, 적어도 하나의 MAC 회로의 상기 계층적 트리 구조에 포함된 복수 계층들 중 상기 적어도 하나의 누산 회로에게 상기 적어도 하나의 입력 값을 제공할 적어도 하나의 계층을 선택할 수 있다.
본 명세서는 구성 변경이 가능한 패킷 네트워크를 개시한다. 위한 본 명세서에 따른 연산 처리 장치는 뉴럴 네트워크의 프로세싱을 수행하기 위한 연산에 필요한 데이터를 메모리에서 읽어와 연산 유닛에 제공하는 복수 개의 페치 유닛을 포함하는 연산 처리 장치이다. 각각의 페치 유닛은, 상기 메모리에 저장된 데이터가 페치되는 페치 버퍼를 가진 네트워크 인터페이스; 상기 네트워크 인터페이스에 페치된 데이터의 순차적 전달을 보장하는 복수 개의 라우터를 가진 페치 네트워크; 및 상기 페치 네트워크에서 전달된 데이터를 연산 유닛에 제공하는 피드 모듈;을 포함할 수 있다. 나아가, 상기 각 페치 유닛은, 상기 복수 개의 페치 유닛에 각각 포함됨 네트워크 인터페이스 중 어느 하나의 네트워크 인터페이스에 페치된 데이터를 선택적으로 상기 페치 네트워크에 전달하는 멀티플렉서;를 더 포함할 수 있다.
본 명세서는 인터 트랜스포즈가 가능한 패킷 네트워크를 개시한다. 본 명세서에 따른 연산 처리 장치는 데이터를 구성하는 2개의 축 중 하나는 데이터 메모리 슬라이스 내부에 저장되고, 다른 하나는 메모리 슬라이스들로 저장되어 있을 때, 데이터의 ID를 동적인 목적 노드 ID를 부여하여 데이터의 트랜스포즈가 가능하다. 본 명세서에서는 패치 유닛에 의해 내부적으로 데이터의 트랜스포즈(Transpose)가 이루어지므로, 이 것을 '인터-트랜스포즈(Inter-Transpose)'라고 부를 수 있다.
본 명세서는 낮은 비용으로 높은 처리율을 가진 연산 처리 장치를 개시한다. 본 명세서에 따른 연산 처리 장치는 뉴럴 네트워크의 프로세싱을 수행하기 위한 연산에 필요한 데이터를 메모리에서 읽어와 연산 유닛에 제공하는 페치 유닛을 포함하는 연산 처리 장치로서, 상기 페치 유닛은, 입력된 데이터의 노드 ID에 따라 상기 입력된 데이터를 처리하는 방식이 기재된 데이터 처리 맵핑 테이블을 가진 복수 개의 라우터; 및 상기 복수 개의 라우터가 가진 각각의 데이터 처리 맵핑 테이블을 제어하는 페치 네트워크 컨트롤러;를 포함함하고, 각각의 라우터는, 입력된 데이터의 테일 정보에 따라 입력 포트를 제어하고, 입력된 데이터의 테일 유지 정보에 따라 상기 테일 정보를 변경시키는 아비터부;를 포함할 수 있다.
본 발명은 약한 라벨 데이터 기반의 WSD와 연관된 모델 학습 방법에 관한 것이다. 약한 라벨 데이터 기반의 WSD와 연관된 모델 학습 방법은, 문장을 구성하는 복수의 토큰이 모두 라벨링된 완전 라벨 데이터를 이용하여 단어에 대한 WSD를 수행하는 제1 모델을 생성하는 단계, 생성된 제1 모델에 문장을 구성하는 복수의 토큰 중 일부가 라벨링된 약한 라벨 데이터를 제공하여 의사 라벨 데이터를 추출하는 단계 및 약한 라벨 데이터 및 의사 라벨 데이터를 이용하여 단어에 대한 WSD를 수행하는 제2 모델을 생성하는 단계를 포함한다.
본 발명은 WSD와 연관된 모델 학습 방법에 관한 것이다. WSD와 연관된 모델 학습 방법은, 단어의 제1 의미와 연관된 제1 세트의 학습 데이터 및 단어의 제2 의미와 연관된 제2 세트의 학습 데이터를 포함하는 배치를 생성하는 단계 및 생성된 배치를 기초로 사전 훈련된 언어 모델에 대한 파인 튜닝을 수행하여 단어에 대한 WSD를 수행하는 모델을 생성하는 단계를 포함한다.
본 발명의 일 실시예는, 뉴럴 네트워크에 있어서, 폭 x 높이 x 입력 채널의 형태로 구성되는 입력 데이터와 상기 입력 데이터의 형태에 대응되도록 K x K x 입력 채널 혹은 K x K(K는 1이상의 정수)의 형태로 형성되는 필터의 컨벌루션 연산을 처리하여, 폭 x 높이 x 출력 채널의 형태로 구성되는 출력 데이터를 생성하도록 구성되는 컨벌루션 연산 처리 장치로서, 상기 입력 데이터가 저장된 메모리에서 연산기의 단위 데이터 처리량보다 많은 데이터를 갖는 데이터군을 순차적으로 읽어오고 상기 데이터군을 구성하는 데이터 중 적어도 어느 하나 이상의 데이터가 상기 컨벌루션 연산에 재사용되도록 상기 데이터군을 상기 연산기로 제공하는 페치 유닛, 그리고, 하나 이상의 상기 연산기를 이용하여 상기 단위 데이터 처리량에 맞춰 상기 데이터군을 구성하는 데이터와 상기 필터의 컨벌루션 연산을 복수회 수행하는 연산 유닛을 포함하는 컨벌루션 연산 처리 장치를 제공한다.
본 발명의 일 실시예에 따른 ANN 프로세싱을 위한 장치는, 제1 연산(operation) 유닛 및 제1 연산 유닛을 제어하는 제1 컨트롤러를 포함하는 제1 PE (processing element); 및 제2 연산 유닛 및 제2 연산 유닛을 제어하는 제2 컨트롤러를 포함하는 제2 PE를 포함하되, 제1 PE와 제2 PE는, 특정 ANN 모델에 대한 병렬 프로세싱을 위해서 하나의 융합된(fused) PE로 재구성(reconfigure)되고, 융합된 PE에서 제1 연산 유닛에 포함된 연산기들과 제2 연산 유닛에 포함된 연산기들은, 제1 컨트롤러에 의해 제어되는 데이터 네트워크를 형성하되, 제1 컨트롤러로부터 송신된 제어 신호는 데이터 네트워크의 데이터 전달 경로와는 상이한 제어 전달 경로를 통해 각 연산기에 도달할 수 있다.
본 발명의 일 실시예에 따라서 ANN(artificial neural network) 프로세싱을 위한 장치는, ANN 모델과 관련한 데이터의 R/W(read/write)를 위한 메모리들; 및 상기 데이터에 기초하여 상기 ANN 모델에 포함된 다수의 레이어들에 대한 연산(operation)들을 수행하는 적어도 하나의 연산 유닛을 포함하고, 상기 메모리들은 상이한 타입의 복수의 메모리들의 조합에 해당하는 적어도 하나의 메모리-서브시스템을 포함하고, 각 연산 유닛은 상기 적어도 하나의 메모리-서브시스템들 중에서 자신과 연계된 메모리-서브시스템을 통해서 상기 데이터의 R/W를 수행할 수 있다.
본 명세서는 낮은 비용으로 높은 처리율을 가진 연산 처리 장치를 개시한다. 본 명세서에 따른 연산 처리 장치는 뉴럴 네트워크의 프로세싱을 수행하기 위한 연산에 필요한 데이터를 메모리에서 읽어와 연산 유닛에 제공하는 페치 유닛을 포함하는 연산 처리 장치로서, 상기 페치 유닛은, 입력된 데이터의 노드 ID에 따라 상기 입력된 데이터를 처리하는 방식이 기재된 데이터 처리 맵핑 테이블을 가진 복수 개의 라우터; 및 상기 복수 개의 라우터가 가진 각각의 데이터 처리 맵핑 테이블을 제어하는 페치 네트워크 컨트롤러;를 포함할 수 있다.
본 명세서는 낮은 비용으로 높은 처리율을 가진 연산 처리 장치를 개시한다. 본 명세서에 따른 연산 처리 장치는 뉴럴 네트워크의 프로세싱을 수행하기 위한 연산에 필요한 데이터를 메모리에서 읽어와 연산 유닛에 제공하는 페치 유닛을 포함하는 연산 처리 장치로서, 상기 페치 유닛은 상기 각 데이터 메모리 슬라이스에 저장된 데이터가 페치되는 페치 버퍼; 및 상기 페치 버퍼에 페치된 데이터에 각각의 데이터 메모리 슬라이스에 대응하는 노드 ID를 부여하고, 상기 노드 ID에 따라 상기 페치된 데이터를 출력하는 타이밍을 제어하는 인터페이스 컨트롤러;를 포함할 수 있다.
본 발명의 일 실시예는, 뉴럴 네트워크에 있어서, 폭 x 높이 x 입력 채널의 형태로 구성되는 입력 데이터와 상기 입력 데이터의 형태에 대응되도록 K x K x 입력 채널 혹은 K x K(K는 1이상의 정수)의 형태로 형성되는 필터의 컨벌루션 연산을 처리하여, 폭 x 높이 x 출력 채널의 형태로 구성되는 출력 데이터를 생성하도록 구성되는 컨벌루션 연산 처리 장치로서, 상기 입력 데이터가 저장된 메모리에서 연산기의 단위 데이터 처리량보다 많은 데이터를 갖는 데이터군을 순차적으로 읽어오고 상기 데이터군을 구성하는 데이터 중 적어도 어느 하나 이상의 데이터가 상기 컨벌루션 연산에 재사용되도록 상기 데이터군을 상기 연산기로 제공하는 페치 유닛, 그리고, 하나 이상의 상기 연산기를 이용하여 상기 단위 데이터 처리량에 맞춰 상기 데이터군을 구성하는 데이터와 상기 필터의 컨벌루션 연산을 복수회 수행하는 연산 유닛을 포함하는 컨벌루션 연산 처리 장치를 제공한다.
본 발명의 일 실시예는, 뉴럴 네트워크의 프로세싱을 수행하도록 구성되는 프로세싱 유닛에 있어서, 하나 이상의 인스트럭션을 구비하는 태스크들을 저장하도록 구성되는 인스트럭션 메모리, 상기 태스크들과 연관된 데이터를 저장하도록 구성되는 데이터 메모리, 상기 태스크들을 대상으로 데이터 준비 여부를 체크하고, 데이터 준비가 완료된 태스크의 순서대로 태스크를 실행하는데 필요한 데이터를 로드하여 컨트롤 플로우 엔진에 상기 태스크들의 실행을 지시하도록 구성되는 데이터 플로우 엔진, 상기 데이터 플로우 엔진으로부터 지시 받은 순서대로 태스크의 실행을 제어하도록 구성되는 컨트롤 플로우 엔진, 그리고, 상기 컨트롤 플로우 엔진이 실행하도록 제어하는 태스크의 하나 이상의 인스트럭션에 따른 연산을 수행하도록 구성되는 수행 유닛을 포함하는 뉴럴 네트워크 프로세싱 유닛을 제공한다.
본 명세서는 뉴럴 네트워크 프로세서를 개시하고 있다. 본 발명의 일 실시예는, 뉴럴 네트워크의 프로세싱을 수행하도록 구성되는 프로세싱 유닛에 있어서, 하나 이상의 인스트럭션을 구비하는 태스크들을 저장하도록 구성되는 인스트럭션 메모리와, 상기 태스크들과 연관된 데이터를 저장하도록 구성되는 데이터 메모리와, 상기 태스크들을 대상으로 데이터 준비 여부를 체크하고, 데이터 준비가 완료된 태스크의 순서대로 상기 태스크들의 준비 완료 여부를 컨트롤 플로우 엔진에 통지하도록 구성되는 데이터 플로우 엔진과, 상기 데이터 플로우 엔진으로부터 통지 받은 순서대로 태스크를 실행하도록 구성되는 컨트롤 플로우 엔진, 그리고, 상기 컨트롤 플로우 엔진이 실행하도록 제어하는 태스크의 하나 이상의 인스트럭션에 따른 연산을 수행하도록 구성되는 수행 유닛을 포함하는 뉴럴 네트워크 프로세싱 유닛을 제공한다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 15건 중 15건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 29.7 | 57.4 |
| 매출원가 | 30.9 | 22.7 |
| 매출총이익(손실) | (1.2) | 34.7 |
| 판매비와관리비 | 771.6 | 659.5 |
| 영업이익(손실) | (772.8) | (624.8) |
| 영업외수익 | 2.0 | 15.4 |
| 기타이익 | 0.1 | 0.5 |
| 금융수익 | 1.9 | 14.9 |
| 영업외비용 | 750.9 | 7,724.1 |
| 기타손실 | 0.2 | 1.1 |
| 금융원가 | 750.7 | 7,722.9 |
| 법인세비용차감전순이익(손실) | (1,521.7) | (8,333.5) |
매출은 57.4억으로 전년 대비 93.5% 증가한 것으로 나타났다.
영업이익률은 -1088.1%로 전년 -2603.7%에서 상승했다.
당기순이익은 —으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인