GPU 서버 한 대로 95배 빠른 그래프 분석…날씨 예측·신소재 발굴에 활용

KAIST, 전체 그래프 AI모델 학습 ‘GNN 시스템’ 개발
GPU 서버서 SSD와 메인 메모리 활용..최적 AI 학습 수행

단 한 대의 그래픽처리장치(GPU) 서버로 대규모 그래프신경망(GNN) 모델을 빠른 속도로 학습할 수 있는 기술이 개발됐다.

KAIST는 김민수 전산학부 교수 연구팀이 여러 대의 GPU 서버를 활용하는 기존 방식과 달리 한 대의 GPU 서버에서 대규모의 전체 그래프신경망(GNN) 모델을 빠르게 학습하고 추론할 수 있는 GNN 시스템 '플렉스지엔엔'(FlexGNN)을 개발했다고 13일 밝혔다.

텍스트 기반 대형언어모델(LLM)와 함께 금융 거래, 주식, 소셜미디어(SNS), 환자기록 등 비정형 데이터를 그래프 형태로 분석하는 GNN 기반의 그래프 AI 모델이 널리 쓰이고 있다. 그 중에서 샘플링 없이 전체 그래프를 한 번에 학습하는 전체 그래프 GNN은 최근 날씨 예측이나 신소재 발견 등 복잡한 문제 해결에 활용되면서 중요성이 커지고 있다.

하지만 막대한 메모리와 GPU 서버가 요구돼 활용에 한계가 있었다.

연구팀이 개발한 플렉스지엔엔은 여러 대의 GPU 서버 대신 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델 학습을 수행한다. 특히 데이터 크기, 모델 규모, GPU 메모리 등 가용 자원 상황에 따라 유연하게 최적의 학습 실행 계획을 생성해 높은 자원 효율성과 빠른 학습 속도를 구현한다.

그 결과, 메인 메모리 용량을 훨씬 초과하는 데이터를 GNN 모델로 학습하고, 단일 GPU 서버에서 최대 95배 빠른 학습이 가능하다. 기후 예측 등 슈퍼컴퓨터보다 정밀한 분석이 가능한 전체 그래프 AI를 구현한 것이라고 연구팀은 설명했다.

김민수 KAIST 교수는 "그래프 AI 모델의 학습 규모와 속도 문제를 획기적으로 해결할 수 있어 다양한 산업 분야에 널리 활용되길 바란다"고 말했다.

이 연구결과는 데이터마이닝 학술대회인 'ACM KDD'에서 지난 5일 발표됐다.

이준기 기자 bongchu@dt.co.kr

김민수(오른쪽) KAIST 교수와 연구진.

KAIST 제공" class="img_LSize" />