KAIST, 세계 최초 그래프 기반 인공지능 추론 가능한 SSD 개발​... "엔비디아 GPU 성능 7배"

국내 연구진이 미국 반도체 제조업체 엔비디아의 고성능 그래픽처리장치(GPU) 보다 7배 뛰어난 성능의 그래프 기반 인공지능(AI) 추론이 가능한 솔리드스테이트드라이브(SSD) 가속기를 개발하는데 성공했다.

전기 및 전자공학부 정명수 교수, 권미령 박사과정, 국동현 박사과정 (사진=한국과학기술원)

한국과학기술원(KAIST)은 전기 및 전자공학부 정명수 교수 연구팀이 세계 최초로 그래프 기계학습 추론의 그래프 처리, 그래프 샘플링 그리고 신경망 가속을 스토리지 및 SSD 장치 근처에서 수행하는 `전체론적 그래프 기반 신경망 기계학습 기술(이하 홀리스틱 GNN)'을 개발하는데 성공했다고 10일 밝혔다.

연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA)를 동반한 새로운 형태의 계산형 스토리지/SSD 시스템에 기계학습 전용 신경망 가속 하드웨어와 그래프 전용 처리 컨트롤러/소프트웨어를 제작했다. 이는 이상적 상황에서 최신 고성능 엔비디아 GPU를 이용한 기계학습 가속 컴퓨팅 대비 7배의 속도 향상과 33배의 에너지 절약을 가져올 수 있다.

그래프 자료구조가 적용된 새로운 기계학습 모델은 기존 신경망 기반 기계학습 기법들과 달리, 데이터 사이의 연관 관계를 표현할 수 있어 페이스북, 구글, 링크드인, 우버 등, 대규모 소셜 네트워크 서비스(SNS)부터, 내비게이션, 신약개발 등 광범위한 분야와 응용에서 사용된다. 예를 들면 그래프 구조로 저장된 사용자 네트워크를 분석하는 경우 일반적인 기계학습으로는 불가능했던 현실적인 상품 및 아이템 추천, 사람이 추론한 것 같은 친구 추천 등이 가능하다.

이러한 신흥 그래프 기반 신경망 기계학습은 그간 GPU와 같은 일반 기계학습의 가속 시스템을 재이용해 연산 되어왔는데, 이는 그래프 데이터를 스토리지로부터 메모리로 적재하고 샘플링하는 등의 데이터 전처리 과정에서 심각한 성능 병목현상과 함께 장치 메모리 부족 현상으로 실제 시스템 적용에 한계를 보여 왔다.

정명수 교수 연구팀이 개발한 홀리스틱 GNN 기술은 그래프 데이터 자체가 저장된 스토리지 근처에서 사용자 요청에 따른 추론의 모든 과정을 직접 가속한다. 구체적으로는 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(Computational SSD) 구조를 활용해 대규모 그래프 데이터의 이동을 제거하고 데이터 근처(Near Storage)에서 그래프 처리 및 그래프 샘플링 등을 가속해 그래프 기계학습 전처리 과정에서의 병목현상을 해결했다.

또한, 일반적인 계산형 스토리지는 장치 내 고정된 펌웨어와 하드웨어 구성을 통해서 데이터를 처리해야 했기 때문에 그 사용에 제한이 있었다. 그래프 처리 및 그래프 샘플링 외에도, 연구팀의 홀리스틱 GNN 기술은 인공지능 추론 가속에 필요한 다양한 하드웨어 구조, 그리고 소프트웨어를 후원할 수 있도록 다수 그래프 기계학습 모델을 프로그래밍할 수 있는 장치 수준의 소프트웨어와 사용자가 자유롭게 변경할 수 있는 신경망 가속 하드웨어 프레임워크 구조를 제공한다.

하드웨어 프로토타입 및 평가 구성 (사진=한국과학기술원)

연구팀은 홀리스틱 GNN 기술의 실효성을 검증하기 위해 계산형 스토리지의 프로토타입을 자체 제작한 후, 그 위에 개발된 그래프 기계학습용 하드웨어 *RTL과 소프트웨어 프레임워크를 구현해 탑재했다. 그래프 기계학습 추론 성능을 제작된 계산형 스토리지 가속기 프로토타입과 최신 고성능 엔비디아 GPU 가속 시스템(RTX 3090)에서 평가한 결과, 홀리스틱 GNN 기술이 이상적인 상황에서 기존 엔비디아 GPU를 이용해 그래프 기계학습을 가속하는 시스템의 경우에 비해 평균 7배 빠르고 33배 에너지를 감소시킴을 확인했다. 특히, 그래프 규모가 점차 커질수록 전처리 병목현상 완화 효과가 증가해 기존 GPU 대비 최대 201배 향상된 속도와 453배 에너지를 감소할 수 있었다.

정명수 교수는 "대규모 그래프에 대해 스토리지 근처에서 그래프 기계학습을 고속으로 추론할 뿐만 아니라 에너지 절약에 최적화된 계산형 스토리지 가속 시스템을 확보했다ˮ며 "기존 고성능 가속 시스템을 대체해 초대형 추천 시스템, 교통 예측 시스템, 신약 개발 등의 광범위한 실제 응용에 적용될 수 있을 것ˮ이라고 말했다.

김광우 기자

kimnoba@tech42.co.kr
기자의 다른 기사보기
저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지

관련 기사

포티투마루, 아이콘(AICON) 광주 2024에서 제조·엔지니어링 분야 GenAX 사례 공유

생성형 AI 스타트업 포티투마루(42Maru, 대표 김동환)가 금일 오후 1시 30분부터 글로벌 AI 컨퍼런스인 ‘아이콘(AICON) 광주 2024’에서 ‘제조·엔지니어링 분야의 GenAX 트렌드’를 주제로 강연을 진행한다고 1일 밝혔다.

월드 네트워크 개발하는 TFH, 박상욱 한국 지사장 선임

월드 네트워크를 위한 툴을 개발하는 기술 기업 ‘툴스 포 휴머니티(Tools for Humanity, 이하 TFH)’는 박상욱(David Park) 한국 지사장을 선임했다고 31일...

베스핀글로벌, ‘SK AI 서밋 2024’ 참가… AI 에이전트 플랫폼 ‘헬프나우 AI’와 생성형 AI 전략 공개

AI 매니지드 서비스 전문 기업 베스핀글로벌은 K-AI 얼라이언스 멤버사로서 내달 4일과 5일, 서울 코엑스에서 열리는 ‘SK AI 서밋 2024(SK AI...

제클린, ‘나우’ ‘야크마을’과 손잡고 친환경 베딩 제품 선보인다

기후테크 스타트업 제클린은 BYN블랙야크그룹의 친환경 어반 아웃도어 브랜드 ‘나우(nau)’, 제주 중문에 위치한 관광휴양단지 ‘야크마을’과 손잡고 개발한 친환경 베딩 제품을 선보인다고...