박사과정 연구 전체의 독창성·과학적 기여·기술적 깊이 국제 인정
FFT 기반 데이터 분석 기술 개발…동일 정확도로 최대 19배 처리 속도 향상
 |
| ▲박용찬 박사(오른쪽)가 '2026 SIGKDD Dissertation Award' 러너업(Runner-Up) 선정 후 기념촬영을 하고 있다. |
서울대학교 공과대학은 컴퓨터공학부에서 2026년에 학위를 취득한 박용찬 박사(지도교수: 컴퓨터공학부 강유 교수)가 ACM SIGKDD가 수여하는 ‘2026 SIGKDD Dissertation Award’의 러너업(Runner-Up)으로 선정됐다고 밝혔다. KDD는 데이터 과학과 인공지능 분야를 대표하는 국제학회다.
국내 대학에서 박사학위를 받은 연구자가 이 상을 받은 것은 이번이 처음이다. 2008년 시작된 SIGKDD Dissertation Award는 데이터 과학·데이터 마이닝·지식발견 분야의 우수한 박사학위 연구를 대상으로 매년 3명의 수상자를 선정한다. 후보자는 학위논문 전체의 독창성, 과학적 기여의 중요성, 기술적 깊이와 타당성, 구성과 완성도를 종합적으로 평가받는다. 따라서 이번 수상은 개별 논문 한 편을 넘어, 박사과정에서 축적한 연구 전체의 학문적 가치와 완성도를 국제적으로 인정받았다는 점에서 의미가 크다.
이번에 수상한 박용찬 박사의 학위논문은 ‘데이터 마이닝을 위한 고속 푸리에 변환: 이론과 알고리즘(Fast Fourier Transform for Data Mining: Theory and Algorithms)’이다. 이 논문은 고속 푸리에 변환(FFT)을 단순한 변환 연산을 넘어 대규모 데이터 마이닝의 계산·표현·실시간 학습을 아우르는 설계 원리로 확장한 연구다.
기존에는 필요한 주파수 정보가 전체 중 일부에 불과해도 모든 성분을 계산한 뒤 대부분을 버리는 방식이 일반적이었다. 박용찬 박사는 이러한 불필요한 계산을 줄이기 위해 필요한 주파수 성분만 근사 오차를 제어하며 직접 계산하고, 다차원 데이터에서는 데이터 크기와 정확도 조건에 맞는 최적의 설정을 자동으로 찾는 기술을 개발했다. 또한 여러 축으로 구성된 고차원 데이터인 텐서를 더 압축하기 쉬운 구조로 정렬하고, 연속적으로 유입되는 데이터도 전체 모델을 다시 학습하지 않고 최신 변화에 맞춰 빠르게 갱신하는 온라인 분석 기법으로 연구를 확장했다.
PFT, Auto-MPFT, PuzzleTensor, FOCAL로 이어진 네 가지 핵심 연구는 KDD 2021·2024·2025·2026 논문으로 집대성됐다. 다양한 실제 및 합성 데이터에 대한 실험 결과, 제안 기술은 기존 방법과 동일한 정확도를 유지하면서 최대 19배 빠른 처리 속도를 달성했다. 데이터 재구성 품질과 압축 효율, 이상 탐지 성능도 함께 개선해 시계열·이미지·센서 스트림 등 대규모 고차원 데이터를 더 적은 계산 자원으로 빠르고 안정적으로 분석하는 데 활용될 것으로 기대된다.
박용찬 박사는 2026년 8월 9일에서 13일까지 제주에서 열린 KDD 2026 박사학위논문상 특별 세션에서 이번 학위논문의 연구 성과를 발표했다.
피앤피뉴스 / 마성배 기자 gosiweek@gmail.com
[저작권자ⓒ 피앤피뉴스. 무단전재-재배포 금지]
