KAIST, 그래프 분석 AI '플렉스GNN' 개발...학습 속도 95배 향상

작성일 08-13

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="x5qMDOxpEO">
          <figure class="figure_frm origin_fig" contents-hash="46335fe4f68cbb2e7342a5dc9981bb6918367cd8eba1f9f0f2301591690c83f5" dmcf-pid="ynDWq2yjws" dmcf-ptype="figure">
           <p class="link_figure"><img alt="기존 시스템과 이번 기술 실행 흐름 비교" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/13/etimesi/20250813101617637qaxf.jpg" data-org-width="700" dmcf-mid="QdaC37IiDI" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/13/etimesi/20250813101617637qaxf.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            기존 시스템과 이번 기술 실행 흐름 비교
           </figcaption>
          </figure>
          <p contents-hash="9f37574c4f0c4924a879e54f2ce8c92cd763c56cd18515332840ee80b5fc07af" dmcf-pid="WLwYBVWAEm" dmcf-ptype="general">금융 거래, 주식, 환자기록 등 비정형 데이터를 그래프 형태로 분석하는 그래프뉴럴네트워크(GNN) 기반 그래프 인공지능(AI) 모델 활용이 활성화되는 가운데, 한국과학기술원(KAIST·총장 이광형)이 단 한 대 그래픽처리장치(GPU) 서버만으로도 대규모 GNN 모델을 최고속 학습할 수 있는 세계 최고 성능 소프트웨어(SW) 기술을 개발했다. 전체 그래프를 한 번에 학습(풀 그래프 학습)하는데 막대한 메모리, GPU 서버가 필요한 문제를 해결했다.</p>
          <p contents-hash="04770da5a10f1e4517d6a4637fe025828d0bbef08293da5b630b8453dcfe910b" dmcf-pid="YorGbfYcrr" dmcf-ptype="general">KAIST는 김민수 전산학부 교수팀이 한 대 GPU 서버에서 대규모 풀 그래프 AI 모델을 빠르게 학습하고 추론할 수 있는 플렉스GNN(FlexGNN)을 개발했다고 13일 밝혔다.</p>
          <p contents-hash="5dcdee5304a24c90d5e4eadcd3f669fd27068ab62fa57f48a0b896c5a0e1e256" dmcf-pid="GgmHK4Gksw" dmcf-ptype="general">풀 그래프 학습은 정확도가 우수한 반면, 대규모의 중간 데이터가 학습중 발생해 메모리 부족 현상이 빈번하다. 여러 서버 간 데이터 통신으로 학습 시간도 길어진다.</p>
          <p contents-hash="ac14480581592b48f2cbb46df0b258a468d9a48d70ee9d396334a4b6a28ff276" dmcf-pid="HasX98HEDD" dmcf-ptype="general">연구팀은 이런 문제를 극복하고자 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델 학습을 수행케 했다.</p>
          <p contents-hash="5da971184f35e32b019b547e587fe1164bccc6e7421efdfc333bdac50ebef113" dmcf-pid="XNOZ26XDIE" dmcf-ptype="general">특히 데이터베이스(DB) 시스템 질을 최적화시키는 'AI 퀴리 최적화 학습'으로 GPU-메인 메모리-SSD 계층 간 모델 파라미터, 학습 데이터, 중간 데이터 학습 최적화 기술을 개발했다.</p>
          <p contents-hash="f5a68856d2e0a78e42ad5be11bf436adb393960815248a2955fbb797ac5a2829" dmcf-pid="ZjI5VPZwEk" dmcf-ptype="general">이에 데이터 크기, 모델 규모, GPU 메모리 등 가용 자원 상황에 따라 유연하게 최적 학습 실행 계획을 생성해 높은 자원 효율성과 학습 속도를 구현했다.</p>
          <p contents-hash="e47f4c2b9e4c6b258595129d9274933c5214c880c4246622d25314a6e07085dd" dmcf-pid="5AC1fQ5rwc" dmcf-ptype="general">그 결과, 메인 메모리 용량을 초과하는 데이터도 학습하며, 단일 GPU 서버에서도 최대 95배 빠르게 학습이 가능해졌다. 기후 예측 등에서 슈퍼컴퓨터보다 정밀한 분석이 가능한 풀 그래프 AI 구현이 현실화됐다.</p>
          <p contents-hash="3d4b21b8960ee98fd745c392f75909b7c8bf16eaba2e79921c6daac410c23295" dmcf-pid="1cht4x1mDA" dmcf-ptype="general">김민수 교수는 “날씨 예측과 신소재 발견 등 복잡한 문제를 해결하는데 풀 그래프 GNN 모델이 활발히 활용되면서 관련 기술 중요성이 높아지고 있다”며 “플렉스GNN이 그동안 어려움으로 남아 있던 그래프 AI 모델 학습 규모·속도 문제를 해결한 만큼, 다양한 산업에 널리 활용되기를 기대한다”고 밝혔다.</p>
          <p contents-hash="cc9043bdd181b94e2b46859a6766de02a5f1a2309dfac7b60d3edf91dddb2de0" dmcf-pid="ty3fakVZOj" dmcf-ptype="general">이번 연구는 배정민 KAIST 전산학부 박사과정이 제1 저자로, 김민수 교수창업기업인 그래파이의 한동형 CTO가 제2 저자로 참여했으며, 김 교수가 교신저자를 맡았다.</p>
          <p contents-hash="716c1796fb1fad4b35d8de79ca058fd42b884315443e43a1b21ac738f53a034d" dmcf-pid="FW04NEf5rN" dmcf-ptype="general">연구 결과는 세계적 권위의 데이터마이닝 학술대회 'ACM KDD'에서 지난 5일 발표됐다. 기술은 향후 그래파이 그래프 DB 솔루션 그래프온(GraphOn)에도 적용될 예정이다.</p>
          <p contents-hash="442c48453aac20e3849fdc62f0b5f894f8e2e1b71a6d5b87b511f8166a9b5101" dmcf-pid="3Yp8jD41Da" dmcf-ptype="general">김영준 기자 kyj85@etnews.com</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 전자신문. 무단전재 및 재배포 금지.</p>

이전

‘슈퍼바이브’ MZ 세대 ‘열광’ 이유는?…PC방 순위 9위권 진입

08-13
다음

전북 여자 수영팀, 대통령배 정상…2년 연속 종합우승

08-13

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

KAIST, 그래프 분석 AI '플렉스GNN' 개발...학습 속도 95배 향상

멤버랭킹

관련자료

멤버랭킹