엔비디아보다 처리 속도 2.1배↑, AI 반도체 개발 [지금은 과학] 작성일 02-05 41 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">KAIST 연구팀, 차세대 AI 핵심 기술 선점</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="y4B6q9d8C1"> <p contents-hash="038372e273c05612dac351cfb6cec8287a3887734d0e4d15fcd673ae30d93b01" dmcf-pid="W8bPB2J6h5" dmcf-ptype="general">[아이뉴스24 정종오 기자] 국내 연구팀이 엔비디아보다 2.1배 빠른 인공지능(AI) 반도체를 개발했다. 처리 속도는 2.1배 빠른데 에너지 소모는 3.3배 절감했다. 그래프 신경망 기반 추천 시스템 · 금융 사기 탐지 등 실시간 대용량 데이터 분석 서비스의 지연시간을 획기적으로 단축할 것으로 기대된다.</p> <p contents-hash="061f815583df0f8310fc6a046d38cb13cd05cea901afaa3666964ef7fdcd12c4" dmcf-pid="Y6KQbViPSZ" dmcf-ptype="general">유튜브 영상 추천이나 금융 사기 탐지처럼 사람 사이의 복잡한 관계를 빠르게 분석하는 핵심 AI 기술로 ‘그래프 신경망(GNN, Graph Neural Network)’이 있다.</p> <p contents-hash="c7ecca62eb2845016ed16d8c739844b62132b514df417326cb314eef2cb0f901" dmcf-pid="G27fuBMVlX" dmcf-ptype="general">여기서 말하는 그래프는 우리가 떠올리는 그림이 아니라, 사람과 사람 사이의 연결 관계를 뜻한다. 한국과학기술원(KAIST) 연구팀은 엔비디아보다 추천 속도는 2.1배 빠르고, 지연은 줄이며, 전력 소모까지 낮춘 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 선보였다.</p> <figure class="figure_frm origin_fig" contents-hash="67fb094edd09c348cc9d28c60753d70f2e91787c55afdb1e1e7b44652182cfcd" dmcf-pid="HVz47bRfTH" dmcf-ptype="figure"> <p class="link_figure"><img alt="국내 연구팀이 엔비디아보다 2.1배 빠른 인공지능(AI) 반도체를 개발했다. [사진=KAIST]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/05/inews24/20260205093450631deli.jpg" data-org-width="580" dmcf-mid="x3HpG5b0Tt" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/05/inews24/20260205093450631deli.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 국내 연구팀이 엔비디아보다 2.1배 빠른 인공지능(AI) 반도체를 개발했다. [사진=KAIST] </figcaption> </figure> <p contents-hash="ccfc66df9b82fb07e8ceaefe8f4d589f8814b5f18da19f143afedddd2d8091a2" dmcf-pid="Xfq8zKe4WG" dmcf-ptype="general">KAIST(총장 이광형)의 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망 기반 인공지능의 추론 속도를 획기적으로 높일 수 있는 AI 반도체 기술 ‘오토GNN’을 개발했다.</p> <p contents-hash="4db7ca404462679787991f2aeb60e868abcecbf538edce72314a23a2abfd39cf" dmcf-pid="Z4B6q9d8hY" dmcf-ptype="general">연구팀은 서비스 지연의 주된 원인이 인공지능 추론 이전 단계인 그래프 전처리(Graph Preprocessing) 과정에 있음을 알아냈다. 이 과정은 전체 계산 시간의 70~90%를 차지한다. 기존 GPU는 복잡한 관계 구조를 정리하는 연산에 한계가 있어 병목 현상이 발생해 왔다.</p> <p contents-hash="ee696fb595da4fc9f5ef6caf7f2c7a570274f8e5b37ab046e6d039a23e6c1534" dmcf-pid="58bPB2J6vW" dmcf-ptype="general">이를 해결하기 위해 연구팀은 입력 데이터 구조에 따라 반도체 내부 회로를 실시간으로 바꾸는 적응형 AI 가속기 기술을 설계했다. 분석해야 할 데이터의 연결 방식에 맞춰 반도체가 스스로 가장 효율적 구조로 바뀌는 방식이다.</p> <p contents-hash="1cfc4ae59b2949d99cba257ee4c1052acd81a654688575e4f248266cc42919c3" dmcf-pid="16KQbViPvy" dmcf-ptype="general">연구팀은 필요한 데이터만 골라내는 UPE 모듈과 이를 빠르게 정리, 집계하는 SCR 모듈을 반도체 안에 구현했다. 데이터의 양이나 형태가 바뀌면 이에 맞춰 최적의 모듈 구성이 자동으로 적용됐다. 어떤 상황에서도 안정적 성능을 유지할 수 있도록 했다.</p> <p contents-hash="6c801197a145127cd9a9db7606ad64c75908a78c441bf4cd2706de2f96a669a1" dmcf-pid="tP9xKfnQTT" dmcf-ptype="general">성능 평가 결과 오토GNN은 엔비디아의 고성능 GPU(RTX 3090) 대비 2.1배 빠른 처리 속도를 기록했다. 일반 CPU 대비 9배 빠른 성능과 함께 에너지 소모를 3.3배 줄이는 효율성을 보였다.</p> <p contents-hash="2ceb166fd814c3a59d20106b02a5b3e60fd253078c8fc1b81b38ca2adcfd8b20" dmcf-pid="FQ2M94LxWv" dmcf-ptype="general">이번 기술은 추천 시스템이나 금융 사기 탐지처럼 복잡한 관계 분석과 빠른 응답이 필요한 인공지능 서비스에 즉시 적용할 수 있다. 데이터 구조에 따라 스스로 최적화되는 AI 반도체 기술을 확보했다.</p> <p contents-hash="f089cd3804a025ff5c7ebc38ec33ab6299a7990050bb019db2a9ecc57b3027e9" dmcf-pid="3zFBtp4qTS" dmcf-ptype="general">앞으로 대규모 데이터를 다루는 지능형 서비스의 속도와 에너지 효율을 동시에 높일 수 있는 기반이 마련됐다는 평가다.</p> <p contents-hash="073cb20079ad68d1679f93ae770190aa19dc22feffb1b329f0bce2630da8f464" dmcf-pid="0q3bFU8Bhl" dmcf-ptype="general">정명수 교수는 “이번 연구는 불규칙한 데이터 구조를 효과적으로 처리할 수 있는 유연한 하드웨어 시스템을 구현했다는 점에서 의미가 크다”며 “추천 시스템은 물론 금융·보안 등 실시간 분석이 필요한 다양한 AI 분야에 활용될 것”이라고 말했다.</p> <p contents-hash="c08a9daf9ab9918e76d025b9249c7f709934fe53d6e5f3312be0454e195c4284" dmcf-pid="pB0K3u6bhh" dmcf-ptype="general">이번 연구(논문명: AutoGNN: End-to-End Hardware-Driven Graph Preprocessing for Enhanced GNN Performance)는 2026년 1월 31일부터 호주 시드니에서 열리는 컴퓨터 아키텍처 분야 최우수 국제학술대회인 제32회 ‘IEEE International Symposium on High-Performance Computer Architecture (HPCA 2026)’에서 2월 4일 발표됐다.</p> <address contents-hash="73ee2d098388ae08c7e9a548b165801a4f2fd656c7e4929e3a5cec2c2021ac5f" dmcf-pid="Ubp907PKWC" dmcf-ptype="general">/정종오 기자<span>(ikokid@inews24.com)</span> </address> </section> </div> <p class="" data-translation="true">Copyright © 아이뉴스24. 무단전재 및 재배포 금지.</p> 관련자료 이전 [GAME2026] 탈 한국형 게임을 위한 끝없는 연구, 2차 도약을 위해 웅크린 시프트업 02-05 다음 대한민국 2026 동계올림픽 첫 승리 실패…컬링 믹스더블 ‘선영석’팀, 스웨덴에 완패 02-05 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
