KAIST, GPU 한 대로 95배 빠른 그래프 분석 시스템 개발

(대전=뉴스1) 김종서 기자 = 한국과학기술원(KAIST)은 전산학부 김민수 교수 연구팀이 한 대의 GPU 서버에서 대규모 풀(full) 그래프 인공지능(AI) 모델을 빠르게 학습하고 추론할 수 있는 그래프 뉴럴 네트워크(GNN) 시스템 '플렉스지엔엔(FlexGNN)'을 개발했다고 13일 밝혔다.

FlexGNN은 여러 대의 GPU 서버 대신 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델 학습을 수행한다.

특히 데이터베이스 시스템의 질을 최적화시키는 AI 퀴리 최적화 학습을 통해 GPU-메인 메모리-SSD 계층 간 모델 파라미터, 학습 데이터, 중간 데이터를 최적의 시점과 방식으로 계산을 시키는 새로운 학습 최적화 기술이다.

이를 통해 데이터 크기, 모델 규모, GPU 메모리 등 가용 자원 상황에 따라 유연하게 최적의 학습 실행 계획을 생성해 높은 자원 효율성과 학습 속도를 구현한다.

그 결과, 메인 메모리 용량을 훨씬 초과하는 데이터에 대해서도 GNN 모델을 학습하며 단일 GPU 서버에서도 최대 95배 빠르게 학습이 가능해졌다. 특히 기후 예측 등에서 슈퍼컴퓨터보다 정밀한 분석이 가능한 풀 그래프 AI 구현이 현실화됐다.

김 교수는 "날씨 예측과 신소재 발견 등 복잡한 문제를 해결하는데 풀 그래프 GNN 모델이 활발히 활용되면서 관련 기술의 중요성이 점점 높아지고 있다"며 "FlexGNN이 그동안 어려움으로 남아 있던 그래프 AI 모델의 학습 규모와 속도 문제를 획기적으로 해결한 만큼 다양한 산업 분야에 널리 활용되길 기대한다"고 말했다.

연구 결과는 국제 데이터마이닝 학술대회 'ACM KDD'에서 발표됐다.

jongseo12@news1.kr