• Title: Predictable Performance Connectivity for AI Training and Inference (AI를 위한 '예측 가능한 네트워크'는 어떻게 가능한가)
• Speaker: Prof. Adrian Perrig (ETH Zürich)
• Date: 2026년 4월 10일(금) 10:30~11:30
• Location: 정운오 IT 교양관 519호/ #519, Jung Woonoh IT & General Education Center
[Abstract]
우리는 왜 여전히 불확실한 네트워크 위에서 AI를 학습시키고 있을까? SCION은 애플리케이션이 네트워크 경로를 사전 이해하고 선택할 수 있게 하며, 데이터 전송 전에 지연 시간이나 탄소 배출량과 같은 경로 정보를 제공한다. 더 나아가 latency, loss, jitter 등 성능까지 예측함으로써, 네트워크를 예측 가능하고 통제 가능한 인프라로 전환한다. 본 강연에 서는 차세대 네트워크 SCION의 핵심 개념과, AI 학습 및 추론 환경에서 어떻게 활용될 수 있는지를 살펴본다.
Why do we still train AI over an unpredictable network? SCION enables applications to understand and select network paths in advance, providing path-level information—such as latency and carbon emissions—before data transmission. It further predicts key performance metrics including latency, loss, and jitter, turning the network into a predictable and controllable infrastructure. In this talk, we explore the core concepts of SCION and its application to AI training and inference environments.
[Bio]
Adrian Perrig는 스위스 ETH Zürich 컴퓨터과학과 교수로 네트워크 보안 그룹을 이끌고 있으며, Anapaya Systems 공동창업자 겸 이사회 멤버, Mysten Labs 어드바이저, 홍콩 시립대학교 초빙석학교수로 활동하고 있다. ACM·IEEE Fellow이자 ACM SIGSAC Outstanding Innovation Award 수상자로, SCION을 통해 '예측 가 능한 인터넷'의 방향을 제시하고 있다.
Adrian Perrig is a Professor of Computer Science at ETH Zürich, where he leads the Network Security Group. He is also a co-founder and board member of Anapaya Systems, an advisor to Mysten Labs, and a Distinguished Visiting Professor at City University of Hong Kong. An ACM and IEEE Fellow and recipient of the ACM SIGSAC Outstanding Innovation Award, he is known for pioneering the SCION architecture.