Loading the company…
Loading the company…
㈜디노티시아
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-09 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2023. Industry: Semiconductors & Electronics. Revenue for 2025 was ₩3.4bn. It has 153 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”. 1 funding round is confirmed by press reports.
Loading…
Latest filing 2026-07-07 · latest registration 2026-10-12 · newest first
본 개시의 일 특징은 인공지능 서비스 카트리지를 제안한다. 상기 인공지능 서비스 카트리지는, 컴퓨터 장치에 결합되어 사용되는 인공지능 서비스 카트리지로서, 컴퓨터 장치에 제1 슬롯을 통하여 체결되어 연결되고, 인공지능 모델을 구동하는 추론 가속기; 및 상기 컴퓨터 장치에 상기 제1 슬롯과 다른 제2 슬롯을 통하여 체결되어 연결되고, 상기 가속기가 상기 컴퓨팅 장치와 연동하여 동작하도록 지원하는 적어도 하나의 컴포넌트를 포함하는 카트리지 보드; 를 포함한다.
본 발명의 일 실시예에 따른 이기종 분산 환경에서 수행되는 추론 가속 방법은, 제1 노드에 구비된 드래프트 모델이 입력 시퀀스에 기초하여 복수의 제안 토큰을 포함하는 제안 토큰 시퀀스를 생성하는 단계, 상기 제안 토큰 시퀀스에 대한 검증을 위해 상기 제안 토큰 시퀀스에 관한 정보를 제2 노드에 구비된 타겟 모델로 전송하는 단계, 상기 타겟 모델이 상기 제안 토큰 시퀀스의 토큰 위치마다 서로 다른 수락 기준을 적용하여 상기 제안 토큰 시퀀스의 각 제안 토큰에 대한 수락 여부를 결정하는 단계, 상기 타겟 모델의 검증 결과가 수신되기 전의 유휴시간 동안, 상기 드래프트 모델이 상기 제안 토큰 시퀀스에 대한 후속 토큰 시퀀스를 사전생성하는 단계, 상기 타겟 모델이 상기 제안 토큰 시퀀스에 대한 검증 결과 및 상기 제안 토큰 시퀀스에 이어 결정한 보너스 토큰을 상기 드래프트 모델로 전송하는 단계 및 상기 제안 토큰 시퀀스의 모든 제안 토큰이 수락되고 상기 보너스 토큰이 상기 드래프트 모델이 예측한 보너스 토큰 후보와 일치하는 경우, 상기 후속 토큰 시퀀스를 상기 타겟 모델로 전송하는 단계를 포함한다.
본 발명의 일 실시예에 따른 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 대규모 언어 모델의 KV 캐시 압축 방법은, 상기 대규모 언어 모델에 입력된 토큰에 대한 KV 캐시를 획득하는 단계; 상기 KV 캐시를 MLP 인코더에 입력하여, 희소 사전에 포함된 복수의 원자 각각에 대응하는 계수를 산출하는 단계; 상기 계수에 기초하여 상기 복수의 원자 중 후보 원자를 선택하는 단계 및 상기 후보 원자에 대해 OMP를 수행하여, 상기 후보 원자 중에서 상기 KV 캐시를 표현하기 위한 최종 원자 및 최종 원자에 대한 계수를 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따른 대규모 언어 모델의 KV 캐시를 압축하는 방법은 상기 KV 캐시에 포함된 벡터의 각 차원에 대한 통계 정보를 산출하고, 상기 통계 정보를 기초로 상기 벡터의 차원 재배열 순서를 결정하는 단계, 상기 차원 재배열 순서에 따라 상기 KV 캐시를 재배열하는 단계 및 상기 재배열된 KV 캐시를 압축하는 단계를 포함한다. 본 발명은 KV 캐시의 차원별 통계 정보를 기초로 KV 캐시의 차원 순서를 재배열함으로써 압축 효율을 증가시키는 KV 캐시 압축 방법 및 장치를 제공하기 위한 것이다.
본 발명의 일 기술적 측면에 따른 대역폭 및 데이터 방향성 비대칭 조정을 이용한 순환 버퍼 기반 벡터 검색 방법은, 벡터 검색 장치에서 수행되며, 코드북 데이터에 포함된 복수의 대표 벡터와 쿼리 벡터 사이의 복수의 거리값을 산출하는 단계, 순환 버퍼에 상기 복수의 거리값을 기록하는 단계, 상기 순환 버퍼에 기록된 상기 복수의 거리값을 복수의 룩업테이블 뱅크에 기록하는 단계, 및 상기 순환 버퍼를 이용하여 상기 복수의 거리값의 산출과 상기 복수의 룩업테이블 뱅크에 대한 기록 사이에서 발생하는 대역폭 및 데이터 방향성의 비대칭을 조정하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 정렬된 배치 기반 단일 패스 병합 및 후보 바이패스를 이용한 벡터 유사도 검색 가속 방법은, 벡터 유사도 검색 가속 장치에서 수행되며, 검색 컨텍스트 관리자가, 거리 연산 유닛으로부터 복수의 노드 각각에 대한 거리 연산 결과가 거리 순서에 따라 정렬된 정렬 배치를 획득하는 단계; 상기 검색 컨텍스트 관리자가, 상기 정렬 배치 및 기존 후보 큐를 병합 대상으로 설정하는 단계; 상기 검색 컨텍스트 관리자가, 상기 정렬 배치의 헤드 항목 및 상기 기존 후보 큐의 헤드 항목을 비교하여, 상기 정렬 배치 및 상기 기존 후보 큐 중 어느 하나로부터 승자 노드를 확정하는 단계; 및 상기 검색 컨텍스트 관리자가, 상기 승자 노드의 우선순위에 기초하여 상기 승자 노드의 전달 경로를 결정하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 단일 쓰기 기반의 원자적 방문 중복 검사 및 조건부 갱신 기능을 갖는 스마트 메모리 장치의 동작 방법은, 스마트 메모리 장치에서 수행되며, 방문 확인 대상에 대응되는 주소 정보 및 식별값을 포함하는 단일 쓰기 요청을 수신하는 단계; 상기 주소 정보에 대응되는 저장 행의 유효성을, 행 단위 유효 정보에 기초하여 판단하는 단계; 상기 저장 행이 유효한 경우, 상기 저장 행에 포함된 복수의 데이터 슬롯과 상기 식별값에 기초하여 방문 중복 여부를 판정하는 단계; 상기 행 단위 유효 정보에 기초한 유효성 판단 결과 및 상기 방문 중복 여부 판정 결과에 기초하여, 상기 주소 정보에 대응되는 저장 행을 조건부로 갱신하는 단계; 및 상기 단일 쓰기 요청에 대한 응답으로 상기 방문 중복 여부 및 갱신 상태를 나타내는 상태 정보를 반환하는 단계;를 포함하고, 상기 유효성 판단, 상기 방문 중복 여부의 판정, 상기 저장 행의 조건부 갱신 및 상기 상태 정보의 반환은 상기 스마트 메모리 장치 내부에서 원자적으로 수행될 수 있다.
본 발명의 일 기술적 측면에 따른 단일 쓰기 기반의 원자적 방문 중복 검사 및 상태 갱신 기능을 갖는 스마트 메모리 장치의 동작 방법은, 스마트 메모리 장치에서 수행되며, 방문 확인 대상에 대응되는 주소 정보, 방문 상태를 설정하기 위한 데이터 및 현재 탐색 세대를 나타내는 태그 정보를 포함하는 단일 쓰기 요청을 수신하는 단계; 상기 주소 정보에 대응되는 저장 방문 상태의 유효성을, 상기 태그 정보에 기초하여 판단하는 단계; 상기 저장 방문 상태가 유효한 경우, 상기 데이터 및 상기 저장 방문 상태에 기초하여 방문 중복 여부를 판정하는 단계; 상기 태그 정보에 기초한 유효성 판단 결과 및 상기 방문 중복 여부 판정 결과에 기초하여, 상기 주소 정보에 대응되는 방문 상태를 갱신하는 단계; 및 상기 단일 쓰기 요청에 대한 응답으로 상기 방문 중복 여부를 반환하는 단계;를 포함하고, 상기 유효성 판단, 상기 방문 중복 여부의 판정, 상기 방문 상태의 갱신 및 상기 방문 중복 여부의 반환은 상기 스마트 메모리 장치 내부에서 원자적으로 수행될 수 있다.
본 발명의 일 기술적 측면에 따른 필터링된 그래프 탐색을 위한 계층적 방문 관리 및 조건부 이주 기반 벡터 검색 가속 방법은, 벡터 검색 가속 장치에서 수행되며, 검색 컨텍스트 관리자가, 복수의 노드 각각에 대한 거리 연산 결과 및 상기 복수의 노드 각각의 필터링 통과 여부를 나타내는 필터링 정보를 획득하는 단계; 상기 검색 컨텍스트 관리자가, 상기 필터링 정보 및 상기 거리 연산 결과에 기초하여, 상기 복수의 노드 중 결과 큐에 반영될 노드 및 탐색 확장을 위한 후보 큐에 반영될 노드를 선별하는 단계; 상기 검색 컨텍스트 관리자가, 상기 필터링 정보에 의해 결과 큐 진입이 제한되는 노드 중 상기 거리 연산 결과가 기 설정된 근접 조건을 만족하는 노드를 상기 후보 큐에 반영하고, 상기 노드에 대응되는 거리 정보를 방문 관리 정보로서 계층적 방문 저장 구조에 기록하는 단계; 및 상기 검색 컨텍스트 관리자가, 상기 계층적 방문 저장 구조를 이용하여 탐색 과정에서의 노드 방문 상태를 관리하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 공통 임베딩 공간의 기하학적 분포 제약 및 부분공간 정렬을 이용한 멀티모달 검색 방법은, 멀티모달 검색 장치에서 수행되며, 복수의 상이한 모달리티의 데이터를 공통 임베딩 공간의 임베딩 정보로 변환하는 단계, 상기 공통 임베딩 공간에서 상기 복수의 상이한 모달리티의 임베딩 정보 간의 정렬을 위한 학습을 수행하되 상기 공통 임베딩 공간에서의 임베딩 정보의 분포를 제어하기 위한 기하학적 분포 제약을 반영하는 단계, 상기 복수의 상이한 모달리티의 임베딩 정보에 대하여 부분공간 정렬을 반영하여 멀티모달 임베딩 모델을 학습하는 단계, 및 학습된 상기 멀티모달 임베딩 모델을 이용하여 검색 질의와 검색 대상 간의 유사도에 기초한 검색 결과를 산출하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 이산 주소 생성 및 가변 인터리빙 제어를 이용한 다중 모드 벡터 메모리 시스템의 동작 방법은, 다중 모드 벡터 메모리 시스템에서 수행되며, 복수의 메모리 뱅크에 대한 동작 모드 및 인터리빙 깊이 파라미터를 설정하는 단계; 문맥 정보에 기초하여 논리 주소의 상위 주소부를 생성하는 단계; 입력 포트를 통해 수신되는 입력 정보에 기초하여 논리 주소의 하위 주소부를 생성하는 단계; 상기 상위 주소부와 상기 하위 주소부를 결합하여 논리 주소를 생성하는 단계; 상기 인터리빙 깊이 파라미터에 기초하여, 상기 논리 주소에 포함되며 뱅크 선택을 위하여 할당된 비트 구간인 선택 필드의 적어도 일부 비트와 상기 복수의 메모리 뱅크 각각에 대응되는 식별 정보의 적어도 일부 비트를 이용하여 활성화될 메모리 뱅크를 결정하는 단계; 상기 선택 필드에서 상기 활성화될 메모리 뱅크의 결정에 사용된 비트를 상기 논리 주소에서 제외하고, 제외 후 남은 비트들을 재구성하여 상기 활성화될 메모리 뱅크에 대한 물리 주소를 생성하는 단계; 및 상기 물리 주소를 이용하여 상기 활성화된 메모리 뱅크에 대한 메모리 접근을 수행하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 식별자 기반 자율 루프 제어를 이용한 벡터 유사도 검색 가속 방법은, 벡터 유사도 검색 가속 장치에서 수행되며, 호스트로부터 복수의 식별자 및 벡터 유사도 검색에 필요한 설정 정보를 수신하는 단계; 상기 식별자를, 참조 데이터의 로드를 위한 제1 경로 및 유사도 연산 결과와의 대응 관계 유지를 위한 제2 경로로 분리하여 처리하는 단계; 상기 제1 경로를 통해 로드된 참조 데이터와 상기 식별자에 대응되는 대상 데이터에 기초하여 부분 유사도 연산을 수행하고, 상기 제2 경로를 통해 유지된 식별자를 상기 부분 유사도 연산 결과에 연계하는 단계; 전체 차원 중 현재 처리 중인 차원 구간이 마지막 차원 구간이 아닌 경우, 상기 호스트의 개입 없이 상기 가속기 내부의 제어 로직에 의해 다음 차원 구간의 참조 데이터를 로드하고 상기 부분 유사도 연산 결과를 재투입하여 누적 유사도 연산을 반복 수행하는 자율 루프 단계를 수행하는 단계; 및 상기 현재 처리 중인 차원 구간이 마지막 차원 구간인 경우, 상기 누적 유사도 연산의 최종 결과를 출력하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 저비트 룩업테이블 및 벡터 바이어스 처리를 이용한 가속기 기반 스칼라 양자화 거리 연산 방법은, 스칼라 양자화 거리 연산 장치에서 수행되며, 쿼리 벡터와 스칼라 양자화된 입력 벡터 간의 거리 연산식을, 저비트 룩업테이블 기반 연산 유닛에서 처리되는 내적 형태의 상호작용에 대응되는 항 및 벡터 바이어스 처리 유닛에서 처리되는 벡터 바이어스 항을 포함하는 형태로 분해하는 단계; 상기 상호작용에 대응되는 항을 상기 저비트 룩업테이블 기반 연산 유닛에서 처리 가능하도록, 상기 스칼라 양자화된 입력 벡터를 저비트 룩업테이블 연산에 적합한 형태로 변환하는 단계; 상기 변환된 입력 벡터에 기초하여 상기 저비트 룩업테이블 기반 연산 유닛을 통해 상기 상호작용에 대응되는 항에 대한 연산 결과를 획득하는 단계; 및 상기 연산 결과에 상기 벡터 바이어스 항을 상기 벡터 바이어스 처리 유닛을 통해 반영하여 상기 쿼리 벡터와 상기 입력 벡터 간의 스칼라 양자화 거리를 산출하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 복수 제어 채널 기반 차원별 룩업 테이블 설정을 이용한 벡터 검색 가속 방법은, 벡터 검색 가속 장치에서 수행되며, 복수의 제어 채널 중 어느 하나의 제어 채널을 통해 룩업 테이블 설정 명령을 수신하고, 데이터 입력 포트를 통해 쿼리에 대응되는 차원별 룩업 테이블 데이터를 수신하는 단계; 상기 어느 하나의 제어 채널에 대응되는 저장 영역에 상기 차원별 룩업 테이블 데이터를 설정하는 단계; 상기 어느 하나의 제어 채널을 통해 연산 명령을 수신하고, 상기 데이터 입력 포트를 통해 벡터 인덱스 정보를 수신하는 단계; 상기 연산 명령에 응답하여, 상기 어느 하나의 제어 채널에 대응되어 유지되는 상기 차원별 룩업 테이블을 참조하고 상기 벡터 인덱스 정보에 기초하여 벡터 유사도 연산을 수행하는 단계; 및 상기 벡터 유사도 연산에 따른 결과를 저장 또는 출력하는 단계;를 포함할 수 있다.
본 발명의 일 기술적 측면에 따른 다중 볼륨 기반 계층적 3차원 스트라이드 벡터 데이터의 메모리 주소 매핑 방법은, 메모리 주소 매핑 장치에서 수행되며, 입력된 볼륨 식별자에 대응되는 볼륨별 컨텍스트를 확보하는 단계, 입력된 벡터 식별자 및 상기 볼륨별 컨텍스트에 기초하여 벡터 데이터의 논리적 배치 위치를 산출하는 단계, 상기 볼륨별 컨텍스트에 포함되는 복수 방향의 스트라이드 정보를 이용하여 상기 논리적 배치 위치에 대응되는 물리 주소를 생성하는 단계, 및 상기 생성된 물리 주소를 이용하여 상기 벡터 데이터에 대한 메모리 접근을 수행하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 관심 영역 기반 해저드 관리 비트를 이용한 해저드 제어 방법은, 메모리 기반 가속 장치에서 수행되며, 복수의 명령어 각각에 대하여, 상기 각 명령어가 접근하는 데이터 메모리의 하나 이상의 관심 영역을 식별하고, 상기 식별된 하나 이상의 관심 영역에 대응하는 해저드 관리 비트를 상기 각 명령어에 포함시키는 단계, 각 명령어에 포함된 해저드 관리 비트를 기초로, 상기 하나 이상의 관심 영역 각각에 대한 현재 점유 상태를 나타내는 상태 정보와 비교하여 데이터 해저드 발생 여부를 판단하는 단계, 상기 데이터 해저드가 발생한 것으로 판단된 명령어의 실행을 지연시키고, 상기 데이터 해저드가 발생하지 않은 후속 명령어가 존재하는 경우 상기 후속 명령어를 상기 지연된 명령어보다 먼저 발행하는 단계, 및 발행된 명령어에 대응하는 상기 하나 이상의 관심 영역의 점유 상태를 갱신하고, 상기 발행된 명령어의 실행 완료에 응답하여 갱신된 점유 상태를 해제하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 블록 단위 스케일 적용을 위한 데이터플로우 제어형 행렬 연산 방법은, 복수의 연산 유닛이 데이터 전달 경로를 따라 연결된 행렬 연산 장치에서 수행되며, 상기 데이터 전달 경로를 통해 스케일 벡터를 전송하고 상기 스케일 벡터가 전송되고 있음을 나타내는 식별 정보를 함께 제공하는 단계, 상기 복수의 연산 유닛 각각이 상기 식별 정보에 기초하여 상기 스케일 벡터를 저장하도록 하는 단계, 상기 데이터 전달 경로를 통해 연산 데이터를 전송하고 상기 연산 데이터의 블록 경계에 대응하는 전이 정보를 함께 제공하는 단계, 상기 복수의 연산 유닛 각각이 상기 전이 정보에 응답하여 내부 스케일 선택 상태를 갱신하는 단계, 및 상기 복수의 연산 유닛 각각이 상기 내부 스케일 선택 상태에 따라 상기 저장된 스케일 벡터로부터 선택된 스케일 값을 상기 연산 데이터에 적용하여 행렬 연산을 수행하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 광대역 데이터 경로 재사용 기반 데이터플로우 제어를 위한 행렬 연산 방법은, 행렬 연산 장치에서 수행되며, 복수의 연산 소자를 포함하는 행렬 연산 장치에서 패킷 데이터를 전달하기 위한 광대역 데이터 경로를 통해 상기 패킷 데이터를 전달하는 단계, 배출 모드에서 상기 복수의 연산 소자 각각이 상기 패킷 데이터 내에서 자신에게 대응되는 타겟 슬롯 구간을 식별하는 단계, 상기 복수의 연산 소자 각각이 상기 타겟 슬롯 구간에 자신의 연산 결과를 반영하고 상기 타겟 슬롯 구간을 제외한 나머지 구간에 대해서는 상기 패킷 데이터의 데이터를 유지하도록 병합 패킷을 생성하는 단계, 및 상기 병합 패킷이 상기 광대역 데이터 경로를 따라 전달됨에 따라 상기 복수의 연산 소자의 연산 결과가 하나의 패킷 내에 누적되도록 하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 소프트웨어 정의 해저드 힌트를 이용한 해저드 제어방법은, 소프트웨어 정의 해저드 힌트를 이용한 해저드 제어 방법을 제공한다. 상기 방법은 메모리 기반 가속 장치에서 수행되며, 행렬 연산기에 의해 수행될 복수의 명령어가 각각 접근하는 복수의 데이터 객체를 식별하고 상기 복수의 데이터 객체 각각의 생명주기 및 읽기 또는 쓰기 접근 정보를 분석하는 단계, 상기 복수의 데이터 객체의 생명주기 및 읽기 또는 쓰기 접근 정보에 기초하여 상기 복수의 명령어 사이의 해저드 관계를 도출하는 단계, 상기 해저드 관계에 기초하여 물리 주소 정보와 독립적으로 상기 복수의 데이터 객체에 대응되는 논리 객체 단위의 비트 정보로 이루어진 소프트웨어 정의 해저드 힌트를 생성하는 단계, 및 상기 소프트웨어 정의 해저드 힌트를 상기 복수의 명령어 각각에 포함시키도록 상기 복수의 명령어를 생성하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 도로 유형 기반 자율주행 파운데이션 모델의 적응 모듈 제어 방법은, 자율주행 장치에서 수행되며, 차량의 주행 환경 정보를 획득하는 단계; 상기 주행 환경 정보에 기초하여 도로 유형 기반의 제어 정보를 생성하는 단계; 상기 제어 정보에 기초하여 공통의 자율주행 파운데이션 모델에 결합되는 적어도 하나의 적응 모듈을 선택 또는 혼합 제어하는 단계; 및 상기 선택 또는 혼합 제어된 적어도 하나의 적응 모듈을 상기 공통의 자율주행 파운데이션 모델에 반영하여 자율주행 출력을 생성하는 단계;를 포함한다.
본 발명의 일 실시예에 따른 대규모 언어 모델의 KV 캐시 압축 방법은, 학습 데이터에 포함된 복수의 토큰들에 대응하는 KV 캐시를 수신하는 단계, 상기 KV 캐시를 이용하여 희소 사전을 생성하는 단계, 상기 KV 캐시를 입력받아 상기 희소 사전의 복수의 원소 중 일부 원소의 식별 정보 및 계수를 포함하는 희소 코드를 출력하도록 인코더 모델을 학습시키는 단계, 입력 데이터에 대응하는 입력 토큰에 대한 KV 캐시를 상기 인코더 모델에 입력하여 희소 코드를 출력하는 단계 및 상기 희소 코드에 기초하여 상기 KV 캐시를 압축하는 단계를 포함한다. 본 발명에 따르면, KV 캐시를 입력받아 희소 사전의 복수의 원소 중 일부 원소의 식별 정보 및 계수를 포함하는 희소 코드를 출력하는 인코더 모델을 학습시키고, 학습된 인코더 모델을 이용하여 입력 데이터에 대응하는 KV 캐시를 효율적으로 압축할 수 있는 KV 캐시 압축 방법 및 장치를 제공할 수 있다.
본 발명의 일 실시예에 따른 대규모 언어 모델의 KV캐시 압축 방법은, 학습 데이터에 포함된 복수의 토큰들 중 학습 중요 토큰을 선별하는 단계, 상기 학습 중요 토큰에 대한 키 벡터 및 밸류 벡터를 수집하는 단계, 상기 학습 중요 토큰에 대한 키 벡터 및 밸류 벡터를 이용하여 희소 사전을 생성하는 단계, 상기 대규모 언어 모델에 입력되는 입력 데이터에 포함된 복수의 입력 토큰들 중 입력 중요 토큰을 선별하는 단계 및 상기 희소 사전을 이용하여 상기 입력 중요 토큰에 대한 키 벡터 및 밸류 벡터를 인코딩함으로써 KV 캐시를 압축하는 단계를 포함한다. 본 발명에 따르면, 학습 데이터로부터 선별된 학습 중요 토큰을 이용하여 희소 사전을 생성하고, 희소 사전을 기반으로 입력 데이터에 대한 KV 캐시를 효율적으로 압축할 수 있는 KV 캐시 압축 방법 및 장치를 제공할 수 있다.
본 발명의 일 기술적 측면에 따른 멀티 다이 시스템에서 주소 기반 작업 식별 및 바이트 단위 원자적 누적을 이용한 데이터 전송 동기화 방법은, 데이터 전송 동기화 장치에서 수행되며, 전송 작업에 대응하는 주소 범위 및 전송량을 포함하는 작업 정보를 설정하는 단계, 쓰기 요청의 주소에 기초하여 상기 쓰기 요청에 대응하는 전송 작업을 식별하고 상기 식별된 전송 작업에 대응하는 내부 식별자를 상기 쓰기 요청에 부여하는 단계, 상기 쓰기 요청에 대한 응답에 기초하여 상기 전송 작업에 대응하는 누적 수신 바이트 수를 바이트 단위로 원자적으로 누적하는 단계, 및 상기 전송 작업에 대응하는 상기 누적 수신 바이트 수에 기초하여 상기 전송 작업의 데이터 전송 완료를 판정하고 이에 기초하여 데이터 전송을 동기화하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 이종 인터페이스 환경에서 가변 메타데이터 기반 멀티 다이 동적 라우팅 방법은, 동적 라우팅 장치에서 수행되며, 송신 노드에 배치된 제1 동적 라우팅 장치가 복수의 수신 대상 노드를 지정하는 비트마스크를 포함하도록 라우팅 메타데이터를 생성한 후 데이터 및 상기 라우팅 메타데이터를 포함하는 패킷을 생성하는 단계; 상기 제1 동적 라우팅 장치가 인터페이스의 특성에 따라 라우팅 메타데이터가 패킷에 전달되는 방식이 가변적으로 적용되도록 패킷을 구성하여 전송하는 단계; 수신 노드에 배치된 제2 동적 라우팅 장치가 상기 패킷에 포함된 비트마스크 및 수신 노드의 노드 식별 정보에 기초하여 데이터의 수신 여부를 결정하는 단계; 및 상기 제2 동적 라우팅 장치가 상기 데이터가 수신된 것으로 결정된 경우 비트마스크에서 수신 노드에 대응하는 비트를 제거하여 갱신 비트마스크를 생성하고, 갱신 비트마스크를 이용하여 패킷의 전달을 갱신하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 누적 분산 기반 다단계 하이브리드 벡터 양자화 방법은, 컴퓨팅 장치에서 수행되며, 복수의 벡터 데이터에 대하여 각 차원에 대응하는 정보량을 나타내는 분산 지표를 산출하는 단계; 상기 분산 지표에 기초하여 차원별 분산의 누적 분산 비율을 기준으로 상기 벡터 데이터의 차원들을 복수의 티어로 분할하여 분류하는 단계; 및 상기 복수의 티어 각각에 대하여 서로 다른 원리의 양자화 방식을 적용하여 상기 벡터 데이터를 하이브리드 방식으로 압축 표현하는 단계를 포함한다.
CPU 프로세서에 의해 수행되는, MXFP4 형식으로 양자화된 가중치의 복원 및 연산을 수행하는 방법이 개시된다. 컴퓨팅 장치에서 MXFP4 형식으로 양자화된 가중치의 복원 및 연산을 수행하는 방법은, 호스트 메모리에 저장된 블록 텐서 및 스케일 텐서를 로딩하는 단계, 블록 텐서에 포함된 각 요소로부터 하위 비트 및 상위 비트를 분리하고, 제1 인덱스 벡터 및 제2 인덱스 벡터를 생성하는 단계, 스케일 텐서에 기초하여 퓨즈드 룩업 테이블 내의 참조 위치를 나타내는 포인터를 계산하는 단계, 포인터를 기준으로 퓨즈드 룩업 테이블로부터 복수의 요소를 포함하는 LUT 벡터를 로딩하는 단계, LUT 벡터와 제1 인덱스 벡터 및 제2 인덱스 벡터 각각에 대해 퍼뮤테이션 연산을 수행하여 복원된 가중치 벡터를 생성하는 단계, 및 복원된 가중치 벡터와 입력 벡터를 이용하여 FMA 연산을 수행함으로써 최종 연산 결과를 출력하는 단계를 포함하고, 복원된 가중치 벡터는 별도의 스케일 곱셈 연산 없이 생성될 수 있다.
본 발명의 일 실시예에 따른 이기종 분산 환경에서 수행되는 추론 가속 방법은, 제1 노드에 구비된 드래프트 모델이 입력 시퀀스에 기초하여 복수의 제안 토큰을 포함하는 제안 토큰 시퀀스를 생성하는 단계, 상기 제안 토큰 시퀀스에 대한 검증을 위해 상기 제안 토큰 시퀀스에 관한 정보를 제2 노드에 구비된 타겟 모델로 전송하는 단계, 상기 타겟 모델이 상기 제안 토큰 시퀀스의 토큰 위치마다 서로 다른 수락 기준을 적용하여 상기 제안 토큰 시퀀스의 각 제안 토큰에 대한 수락 여부를 결정하는 단계, 상기 타겟 모델의 검증 결과가 수신되기 전의 유휴시간 동안, 상기 드래프트 모델이 상기 제안 토큰 시퀀스에 대한 후속 토큰 시퀀스를 사전생성하는 단계, 상기 타겟 모델이 상기 제안 토큰 시퀀스에 대한 검증 결과 및 상기 제안 토큰 시퀀스에 이어 결정한 보너스 토큰을 상기 드래프트 모델로 전송하는 단계 및 상기 제안 토큰 시퀀스의 모든 제안 토큰이 수락되고 상기 보너스 토큰이 상기 드래프트 모델이 예측한 보너스 토큰 후보와 일치하는 경우, 상기 후속 토큰 시퀀스를 상기 타겟 모델로 전송하는 단계를 포함한다.
본 발명의 일 기술적 측면에 따른 거리 변화 기반 적응형 빔 폭 제어를 이용한 벡터 탐색 방법은, 벡터 탐색 장치에서 수행되며, 그래프 구조 상에서 복수의 후보를 동시에 확장하면서 탐색을 반복 수행하는 단계; 각 탐색 반복에서, 쿼리 데이터와 후보 간의 거리 정보를 산출하거나 갱신하는 단계; 현재 탐색 반복에서의 거리 정보와 이전 탐색 반복에서의 거리 정보를 비교하여, 상기 쿼리 데이터에 대한 거리 변화 양상을 판단하는 단계; 상기 거리 변화 양상에 기초하여, 각 탐색 반복에서 동시에 확장되는 후보의 수를 나타내는 빔 폭을 적응적으로 조정하는 단계; 및 상기 적응적으로 조정된 빔 폭에 기초하여 거리 연산을 수행하는 단계;를 포함한다.
본 발명의 일 기술적 측면에 따른 대규모 언어 모델 환경에서의 희소 딕셔너리 기반 키-밸류 캐시 압축 및 복원 방법은, 대규모 언어모델을 기반으로 동작하는 캐시 처리 장치에서 수행되며, 복수의 입력 시퀀스에 대해 대규모 언어 모델의 복수 레이어로부터 생성된 키 벡터 및 밸류 벡터들을 수집하는 단계; 수집된 키 벡터 및 밸류 벡터를 기반으로 전역 사전을 학습하는 단계; 입력된 키 벡터 또는 밸류 벡터 각각에 대하여, 상기 전역 사전을 기준으로 희소 표현 생성 알고리즘을 적용하여, 상기 입력된 키 벡터 또는 밸류 벡터에 대한 희소 표현 정보를 생성하는 단계; 생성된 상기 희소 표현 정보를 저장하는 단계; 추론 시점에서, 복원 요청에 대응하여 저장되어 있던 상기 희소 표현 정보를 로드하는 단계; 및 로드된 상기 희소 표현 정보 및 상기 전역 사전을 기반으로 키 벡터 또는 밸류 벡터를 복원하는 단계;를 포함한다.
본 발명은 내시경 이미지 처리 시스템 및 방법에 관한 것으로, 타겟부를 촬영하여 제1 사진데이터 및 제2 사진데이터를 획득하는 촬영부;가 구비되는 내시경; 및 촬영부가 촬영한 제1 사진데이터, 제2 사진데이터로부터 3차원 이미지 데이터를 생성하는 서버;를 포함하여 구비된다. 본 발명에 따르면, 내시경 카메라의 위치와 방향을 정밀하게 계산하여 3D 모델의 정확도를 높이고 환부의 정확한 시각화를 구현하므로, 환부의 복잡한 구조를 명확하게 파악하여 수술 계획을 보다 효과적으로 수립할 수 있으며, 내시경 촬영의 특수 환경에 적합한 방법을 이용하므로, 내시경 카메라 외부 파라미터의 추정의 안정성과 일관성을 향상시킬 수 있고, Visual-SLAM 알고리즘을 이용하여 영상에서 환부의 정확한 위치를 파악하므로, 수술시간을 단축시키고 수술의 정확성과 효율성을 향상시킬 수 있다.
적어도 하나의 프로세서에 의해 수행되는, 혼합 전문가 모델의 최적화 방법에 있어서, 제1 계층의 은닉 상태를 획득하는 단계, 제1 계층에 후속하는 적어도 하나의 제2 계층의 인덱스를 획득하는 단계, 제1 계층의 은닉 상태 및 적어도 하나의 제2 계층의 인덱스에 기초하여, 적어도 하나의 제2 계층에서 활성화될 적어도 하나의 제1 엑스퍼트 유닛을 예측하는 단계 및 예측된 적어도 하나의 제1 엑스퍼트 유닛을 프리페치하는 단계를 포함하는, 혼합 전문가 모델의 최적화 방법이 개시된다.
본 개시의 일 특징에 따른 고속 통신 인터페이스를 활용한 분산 스토리지 기반 저지연 데이터 처리 방법은, 복수의 호스트를 포함하는 분산 스토리지 시스템에서 수행되는 데이터 처리 방법으로서, 소스 호스트 및 타겟 호스트 간에 제1 및 제2 통신 인터페이스로 연결하는 단계; 제1 통신 인터페이스를 통하여, 상기 소스 호스트로부터 상기 타겟 호스트로 명령어를 전달하는 단계; 및 상기 제1 통신 인터페이스보다 고속 및 저지연 특성을 가지는 제2 통신 인터페이스를 통하여, 스위치 디바이스의 공유 메모리를 경유하여 상기 소스 호스트로부터 상기 타겟 호스트로 데이터를 전송하는 단계; 를 포함한다.
본 발명은 벡터 데이터를 처리하는 시스템에 대한 것으로, 쿼리를 수신하고, 상기 쿼리 및 쿼리에 대해 최근접 벡터를 반환하라는 요청을 스토리지 노드에 전달하는 컴퓨팅 노드; 및 원본 벡터 데이터를 저장하는 디스크, 경량화된 벡터 데이터가 저장된 메모리 및 벡터 사이의 유사도 연산을 처리하는 벡터 프로세싱 유닛을 포함하는 상기 스토리지 노드를 포함하고, 상기 컴퓨팅 노드와 상기 스토리지 노드는 이더넷으로 연결되며, 본 발명에 따르면 데이터 이동을 줄이고 스토리지 근처에서 벡터 연산을 처리함으로서 성능 병목 문제를 해결하는 효과가 있다.
본 개시의 일 특징에 따른 이상값 및 잔차행렬을 이용한 양자화 방법은, 원본 행렬에서 이상값을 확인하는 단계; 상기 원본 행렬을 기초로, 상기 이상값을 포함하는 이상값 행렬 및 잔차 행렬을 생성하는 단계; 및 상기 이상값 행렬 및 상기 잔차 행렬에 대해 각각 개별적으로 양자화를 수행하는 단계; 를 포함한다.
본 개시의 일 특징은 인공지능 서비스 카트리지를 제안한다. 상기 인공지능 서비스 카트리지는, 컴퓨터 장치에 결합되어 사용되는 인공지능 서비스 카트리지로서, 컴퓨터 장치에 제1 슬롯을 통하여 체결되어 연결되고, 인공지능 모델을 구동하는 추론 가속기; 및 상기 컴퓨터 장치에 상기 제1 슬롯과 다른 제2 슬롯을 통하여 체결되어 연결되고, 상기 가속기가 상기 컴퓨팅 장치와 연동하여 동작하도록 지원하는 적어도 하나의 컴포넌트를 포함하는 카트리지 보드; 를 포함한다.
본 발명의 실시예를 따르는 벡터 데이터베이스 시스템을 제공하는 서버에서, 벡터 데이터베이스를 구축하는 방법은, 벡터 데이터의 클러스터를 프로젝션하기 위한 초평면을 설정하는 단계; 클러스터의 프로젝션 트리를 생성하는 단계; 상기 프로젝션 트리를 인덱스로 하여 벡터 데이터베이스를 구축하는 단계를 포함하며, 벡터 클러스터가 중심점을 지나는 초평면으로 프로젝션되어 프로젝션의 밸런스를 높일 수 있는 효과가 있다.
본 발명은 벡터 데이터베이스 시스템을 제공하는 서버에서, 벡터를 저장하는 방법에 대한 것으로, 고차원 벡터 검색 결과에 영향을 미치는 차원 중요도 정보에 따라 벡터 데이터의 차원 순서를 변경하는 단계; 차원 순서가 변경된 16비트 벡터를 상위 8비트 MSB 블록과 하위 8비트 LSB 블록으로 슬라이스하는 단계; 상기 MSB 블록, 상기 LSB 블록의 순서로 상기 벡터를 저장하는 단계를 포함하며, 이에 따르면 고차원 벡터를 경량화하여 저장할 수 있으며, 사용자가 설정한 벡터 검색의 정밀도 수준을 제공하면서 검색의 리소스를 줄일 수 있어 벡터 데이터베이스 시스템의 효율성이 높이지는 효과가 있다.
본 발명은 벡터 데이터베이스 시스템을 제공하는 서버에서, 벡터를 저장하는 방법에 대한 것으로, 16비트 벡터를 상위 8비트 MSB 블록과 하위 8비트 LSB 블록으로 슬라이스하는 단계; 상기 LBS 블록의 정보를 상기 MSB 블록에 반영하여 상기 MSB 블록을 라운딩하는 단계; 및 라운딩된 MSB 블록 및 상기 LSB 블록을 저장하는 단계;를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 벡터 다중 검색 처리 방법은, 벡터 인덱스 호스트를 실행하는 장치에서, 복수의 탐색 작업을 포함하는 탐색 작업 세트를 수신하는 단계, 상기 벡터 인덱스 호스트를 실행하는 장치에서, 상기 탐색 작업 세트에 포함된 복수의 탐색 작업 간의 유사도를 기준으로 연관하여 유사도 기반 탐색 스케쥴링 작업을 수행하는 단계, 상기 벡터 인덱스 호스트를 실행하는 장치에서, 상기 유사도 기반 탐색 스케쥴링 작업의 순서에 따라, 각각 탐색 작업에 대응하는 각각의 쿼리 벡터를 벡터 검색을 수행하는 장치에 전달하여 검색 요청을 수행하는 단계, 및및 상기 벡터 검색을 수행하는 장치에서, 상기 검색 요청에 대한 검색 결과를 상기 벡터 인덱스 호스트를 실행하는 장치에 전달하는 단계를 포함한다.
본 발명은 이미지의 노이즈를 제거하는 품질 향상 장치 및 방법에 관한 것으로, 노이즈가 포함된 저품질의 원본 이미지를 입력 받는 입력부; 원본 이미지를 미리 설정된 소정의 크기를 갖는 복수개의 분할 이미지로 분할하는 이미지분할부; 복수개의 분할 이미지로부터 노이즈를 제거하여 복수개의 1차 가공 이미지를 생성하는 노이즈제거부; 복수개의 1차 가공 이미지를 원본 이미지의 크기로 합성하여 하나의 2차 가공 이미지를 생성하는 이미지합성부; 2차 가공 이미지를 원본 이미지와 대조하여 불연속부분을 검출하는 로스검출부; 및 불연속부분을 복원하여 최종 이미지를 생성하는 로스복원부;를 포함하여 구비된다. 본 발명에 따르면, 로스를 계산하는 2차 학습을 수행하는 인공지능을 활용함으로써, 불연속부분이 없는 결과물을 생성하는 이미지 품질 향상 장치 및 방법을 제공할 수 있고, 고품질 이미지를 획득하기 위한 시간을 단축하여 작업 효율을 향상시킬 수 있다.
본 발명은 디블러링을 최소화한 고화질 영상 취득 방법에 관한 것으로, 이미지의 관심영역에 대해 특징추출을 통해 특징맵핑을 수행하고, 맵핑된 특징값에 기초하여 변환행렬을 생성함으로써 이동벡터를 산출하는 이동량연산단계; 이동벡터에 기초하여, 신규취득영역 및 제거영역을 비연산영역으로 정의하고, 공통영역을 연산영역으로 정의하는 영역정의단계; 연산영역에 대해 평균연산을 수행하여 보정이미지를 생성하는 연산수행단계; 및 신규취득영역과 보정이미지를 합성하는 합성단계;를 포함하여 구비된다. 본 발명에 따르면, 특징추출 및 특징맵핑을 통해 이동량을 예측하고, 이동량 부분에 대해서만 연산을 수행함으로써 연산영역과 비연산영역을 구분하므로, 연산 시간을 단축할 수 있으며, 연산영역과 비연산영역을 구분하여 연산영역에 대해서만 연산을 수행하고 비연산영역은 신규취득영역을 그대로 사용함으로써, 블러링 현상을 최소화할 수 있다.
적어도 하나의 프로세서에 의해 수행되는, 데이터 연산 방법에 있어서, 제1 행렬로 표현되는 복수의 제1 데이터를 획득하는 단계 -복수의 제1 데이터 각각은 제1 비트 수로 표현되면서 제1 행렬의 각 요소에 대응됨 -, 복수의 제1 데이터로부터 제2 행렬로 표현되며 제1 비트 수보다 작은 제2 비트 수로 양자화된 복수의 제2 데이터 및 복수의 제1 데이터에 대한 복수의 제2 데이터의 스케일 인자를 생성하는 단계 - 복수의 제2 데이터 각각은 제2 행렬의 각 요소에 대응됨 -, 복수의 제2 데이터 각각에 대하여, 해당 제2 데이터의 부호를 나타내는 부호 비트 및 해당 제2 데이터의 값을 나타내는 복수의 데이터 비트 각각을 동일한 위치의 요소로 포함하는 복수의 제3 행렬을 생성하는 단계 - 복수의 제3 행렬의 개수는 제2 비트 수에 대응되고, 복수의 제3 행렬 각각의 크기는 제2 행렬의 크기에 대응되고, 복수의 제3 행렬 각각에서 요소의 위치는 제2 행렬에서 해당 제2 데이터의 위치에 대응됨 -, 스케일 인자 및 복수의 제2 데이터 각각에 대응되는 복수의 제3 행렬을 메모리에 저장하는 단계를 포함하는, 데이터 연산 방법이 개시된다.
본 발명은 이미지 배열 변환 방법 및 그 장치에 관한 것으로, 데이터 수집부가 복수의 이미지 컷을 포함하는 하나의 페이지로 구성된 원본 데이터를 수집하는 원본 데이터 수집 단계(S100); 데이터 수집부로부터 수신한 원본 데이터를 데이터 분류부가 컷 데이터, 배경 데이터, 캐릭터 데이터, 말뭉치 데이터 및 텍스트 데이터로 분류하는 데이터 분류 단계(S200); 데이터 분류부로부터 수신한 컷 데이터에 기초하여, 데이터 변환부가 원본 데이터를 하나의 이미지 컷을 포함하는 복수의 페이지로 변환하여 변환 데이터를 생성하는 데이터 변환 단계(S300); 데이터 가공부가 변환 데이터에 색채 데이터를 추가하는 채색 단계(S400); 및 데이터 가공부가 복수의 페이지를 정렬하는 정렬 단계(S500);를 포함하여 구비된다. 본 발명에 따르면, 데이터 가공부가 구비되므로 종래의 만화 출판물을 웹툰 형식의 데이터로 변환할 수 있고, 데이터 가공부에 제1 인공지능 신경망이 탑재되므로, 번역 작업 시 인페인팅 작업을 수행하여 보다 자연스러운 데이터 변환 기능을 수행할 수 있을 뿐만 아니라, 데이터 가공부에 제2 인공지능 신경망이 탑재되므로, 작가별 그림체를 학습하여 배경 데이터 및 캐릭터 데이터의 그림체를 변환할 수 있다.
3차원 지오메트리 기반 딥페이크 이미지 또는 영상 검출 방법 및 장치가 개시된다. 이 방법은 타겟 이미지를 획득하는 단계, 타겟 이미지에서 3차원 지오메트리 정보를 검출하는 단계 및 3차원 지오메트리 정보를 기반으로 타겟 이미지에서 뉴럴 네트워크 기반 딥페이크 검출을 수행하는 단계를 포함한다. 이 뉴럴 네트워크 기반 딥페이크 검출은 오토인코더 또는 GAN을 포함한 뉴럴 네트워크 필터를 통과시켜 딥페이크 검출을 수행하며, 3차원 지오메트리 정보는 카메라 파라미터(camera parameter)이거나 뎁스(depth) 정보이고, 카메라 파라미터를 활용하거나 뎁스 정보를 기반으로 뎁스 예측(depth estimation)을 활용하여 딥페이크 검출을 수행한다.
적어도 하나의 프로세서에 의해 수행되는, KV 캐시 덤프를 이용한 언어 모델의 멀티세션 서비스 방법에 있어서, 제1 세션의 수행 중 입력된 자연어에 기초하여, 임베딩 벡터를 생성하는 단계, 생성된 임베딩 벡터에 기초하여, 어텐션 매커니즘에 이용되고 입력된 자연어에 대응되는 제1 키 행렬 및 제1 값 행렬을 생성하는 단계, 제1 키 행렬 및 제1 값 행렬을 캐시 메모리에 저장하는 단계, 및 제1 세션에서 제2 세션으로의 변경 요청에 응답하여, 캐시 메모리에 저장된 제1 키 행렬 및 제1 값 행렬을 데이터베이스에 저장하는 단계를 포함하는, KV 캐시 덤프를 이용한 언어 모델의 멀티세션 서비스 방법이 개시된다.
본 개시의 한 측면으로서, 복수의 칩, 상기 복수의 칩을 제어하는 컨트롤러 및 상기 복수의 칩에서 접근 가능한 데이터를 저장하는 메모리를 포함하는 신경망 연산 장치에서 수행되는 자연어 처리 방법이 제공될 수 있다. 상기 방법은 하나 이상의 토큰을 포함하는 토큰 시퀀스를 획득하는 단계; 상기 복수의 칩을 이용하여 상기 토큰 시퀀스에 대한 연산을 수행하는 단계; 및 상기 연산의 결과로서 상기 토큰 시퀀스의 후속 토큰을 결정하는 단계를 포함할 수 있다.
본 개시의 한 측면으로서, 신경망 연산 장치가 제공될 수 있다. 상기 장치는, 복수의 칩; 상기 복수의 칩 간 데이터 송수신을 위한 데이터 버스; 상기 복수의 칩에서 접근 가능하고 데이터를 저장하는 메모리; 및 상기 복수의 칩을 제어하는 컨트롤러를 포함하며, 상기 복수의 칩 각각은, 입력된 시퀀스(sequence)에 관한 어텐션 스코어를 연산하는 셀프 어텐션 유닛(self-attention unit), 레이어 레벨의 정규화 연산을 수행하는 레어어 정규화 유닛(layer normalization unit), 신경망 연산을 수행하는 엑스퍼트 유닛(expert unit) 및 특정 신경망 연산에 적합한 엑스퍼트 유닛을 선택하는 라우팅 유닛(routing unit)을 포함할 수 있다.
본 발명은 벡터 검색 시스템에서, 벡터 다중 검색을 처리하는 방법에 대한 것으로, 벡터 인덱스 호스트를 실행하는 장치에서, 적어도 하나 이상의 쿼리를 수신하면, 벡터 검색을 수행하는 장치에 상기 쿼리를 전달하는 단계; 상기 벡터 인덱스 호스트를 실행하는 장치에서, 상기 쿼리의 검색을 위한 후보 노드 리스트를 상기 쿼리 각각에 대해 작성하는 단계; 상기 벡터 인덱스 호스트를 실행하는 장치에서, 다중 검색 카운팅 수를 확인하고, 상기 후보 노드 리스트에서 적어도 하나 이상의 검색 대상 노드를 선정하고, 상기 벡터 검색을 수행하는 장치에 상기 노드의 이웃노드에 대한 검색 요청을 전달하는 단계; 및 상기 벡터 검색을 수행하는 장치에서, 상기 검색 요청에 대한 검색 결과를 상기 벡터 인덱스 호스트를 실행하는 장치에 전달하는 단계를 포함하는 것을 특징으로 하며, 본 발명에 따르면, 벡터 검색을 처리하는 하드웨어 엔진의 아이들(idle)타임이 줄어들어 벡터 데이터베이스 시스템의 효율성이 높이지는 효과가 있다.
벡터 데이터를 정렬하는 장치에 있어서, 후보 벡터 데이터들을 저장하는 데이터베이스부; 사용자에 의해 질의(query)된 벡터 데이터와 상기 후보 벡터 데이터들 각각에 대한 간의 유사도를 계산하여, 각 후보 벡터 데이터에 대한 유사도 값들을 도출하는 유사도 계산부; 및 상기 도출된 유사도 값들을 기반으로 후보 벡터 데이터들을 정렬하는 벡터 데이터 정렬부; 를 포함할 수 있다.
벡터 데이터를 다중 처리(multiprocessing)하는 장치에 있어서, 하나 이상의 벡터 데이터를 저장하는 데이터베이스로부터, 각 벡터 데이터를 연산 메모리로 로드하는 벡터 로드부; 및 상기 연산 메모리로 로드된 벡터 데이터와 질의(query) 받은 질의 벡터 데이터의 유사도를 계산하는 병렬 계산부; 를 포함하고, 상기 병렬 계산부는 웨이(way)의 수만큼 로드된 벡터 데이터의 유사도를 동시에 계산하는 것을 특징으로 한다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 50 of 60 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
Compiled from press reports — not confirmed by the company.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 0.3 | 3.4 |
| Cost of sales | 0.3 | 0.5 |
| Gross profit (loss) | 0.1 | 2.8 |
| Selling, general and administrative expenses | 11.2 | 20.2 |
| Operating income (loss) | (11.1) | (17.4) |
| Non-operating income | 0.5 | 1.4 |
| Other gains | 0.1 | 1.1 |
| Finance income | 0.4 | 0.3 |
| Non-operating expenses | 11.2 | 25.6 |
| Other losses | 0.2 | 0.3 |
| Finance costs | 11.0 | 25.3 |
| Profit (loss) before tax | (21.8) | (41.6) |
| Net income (loss) | (21.8) | (41.6) |
Revenue ₩3.4bn, up 893.4% YoY.
Operating margin -514.5% (prior -3260.1%).
Net income ₩-41.6bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-08