저희 연구실의 연구 주제 중 하나인 “Aker: Adaptive Result Caching for Disk-based Approximate Nearest Neighbor Search” 논문이 PVLDB 2026에 선정되었습니다.
Aker는 디스크 기반 근사 최근접 이웃 검색(ANNS)을 위한 근사 캐싱(Approximate Caching) 시스템입니다. Aker는 두 가지 핵심 기법을 도입하였습니다. 첫째, 쿼리 별 유사도 임계값(per-query similarity threshold)을 통해 고차원 공간의 이웃 밀도 변화에 대응하여 높은 처리량과 정확도를 동시에 달성합니다. 둘째, Del-consistency 모델을 제안하여 벡터 업데이트 환경에서 캐시 정확성을 유지하면서도 낮은 오버헤드의 갱신 메커니즘을 제안합니다.
저자 오석준 박사과정의 소감입니다.
“기쁜 소식을 전해주셔서 감사합니다. 먼저 이 연구를 위해 아낌없이 지원해주신 원유집 교수님께 깊은 감사를 드립니다. 교수님의 지도 아래 벡터 검색이라는 새로운 분야에 도전할 수 있었습니다. 논문의 완성도를 크게 높여주신 Microsoft Research Systems Research Group의 Baotong Lu, Jing Liu, 그리고 Qi Chen께도 감사말씀 드립니다. 무엇보다 논문의 방향성을 함께 고민하고 피드백을 주셨던 김도현 박사과정과 강민기 석사과정에게 특별한 감사를 드립니다. 마무리까지 최선을 다하겠습니다.”