반도체가 입력데이터 따라 '변신'…AI추론 병목 해소 작성일 02-05 52 목록 <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="1ZtkhT0HeY"> <figure class="figure_frm origin_fig" contents-hash="331810eeadbbcf8f7604c18dc754ddb2fa58884810f6114c5039201a1b7dac84" dmcf-pid="tFprTG71MW" dmcf-ptype="figure"> <p class="link_figure"><img alt="왼쪽 위부터 권미령·장준혁·이상원 파네시아 연구원. 왼쪽 아래부터 정명수 KAIST 전기및전자공학부 교수, 강승관·이승준 박사과정생. 파네시아는 정 교수의 교원창업기업이다. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/05/dongascience/20260205111926530xxvv.jpg" data-org-width="680" dmcf-mid="Z8w4JosAdH" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/05/dongascience/20260205111926530xxvv.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 왼쪽 위부터 권미령·장준혁·이상원 파네시아 연구원. 왼쪽 아래부터 정명수 KAIST 전기및전자공학부 교수, 강승관·이승준 박사과정생. 파네시아는 정 교수의 교원창업기업이다. KAIST 제공 </figcaption> </figure> <p contents-hash="bf876e0bc48936623253ae7a069e6f77825231df76fc446256f2283f55b27482" dmcf-pid="F3UmyHztJy" dmcf-ptype="general">'그래프 신경망(GNN)'은 유튜브 영상 추천 등에 필요한 복잡한 연결관계를 분석하는 AI 기술이다. 국내 연구팀이 엔비디아 그래픽처리장치(GPU) 'RTX 3090'보다 GNN 데이터 전처리 속도가 2.1배 빠르고 인텔의 서버용 중앙처리장치(CPU)보다 에너지 소모를 3.3배 줄일 수 있는 '변신형 반도체'를 개발했다.</p> <p contents-hash="5466e59db119d0a15ff1c88b2ff7652cc5146f9aa308ca8749a562ffc0694ed6" dmcf-pid="30usWXqFJT" dmcf-ptype="general"> KAIST는 정명수 전기및전자공학부 교수팀이 데이터의 양과 형태에 따라 최적의 성능을 낼 수 있도록 자동으로 반도체 내부 정보 처리 경로가 변하는 반도체를 개발했다고 5일 밝혔다. GNN 기반 AI 추론 속도를 높이고 효율화한 이번 연구결과는 4일(현지시간) 호주 시드니에서 열린 컴퓨터 아키텍처 분야 국제학술대회 'IEEE HPCA 2026'에서 발표됐다.</p> <p contents-hash="b5ef7f9ff2db22bd8f5255e00843f9a611dc05f06d69874b7e6d82aca87fbce6" dmcf-pid="0p7OYZB3nv" dmcf-ptype="general"> 그래프는 점과 선으로 데이터 내부의 연결관계를 나타낸 구조를 말한다. 연구팀은 AI 추론 서비스 지연의 주요 원인이 추론 전 단계인 그래프 전처리 과정에 있다는 점에 주목했다. 그래프 전처리는 전체 계산 시간의 70~90%를 차지하지만 기존 GPU는 그래프 연산에 한계가 있어 병목이 발생한다.</p> <figure class="figure_frm origin_fig" contents-hash="b8072c055fbb0a8b8ec1e6bda69c7e11d8ef9614101bd222a8545948dfbc978c" dmcf-pid="pUzIG5b0LS" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST 연구팀이 개발한 오토GNN 원리를 설명한 AI 생성 이미지. KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/05/dongascience/20260205111927767rfnq.jpg" data-org-width="680" dmcf-mid="5Mc9MJDgMG" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/05/dongascience/20260205111927767rfnq.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST 연구팀이 개발한 오토GNN 원리를 설명한 AI 생성 이미지. KAIST 제공 </figcaption> </figure> <p contents-hash="8df10c77783a282faeb84c6bfeae1e999c249c78bf4e28d36aa55c46dd0fe43b" dmcf-pid="UuqCH1KpLl" dmcf-ptype="general">연구팀은 입력한 데이터의 특성에 따라 반도체 내부의 정보 처리 경로가 최적화된 방법으로 자동 변환되는 연산장치인 적응형 AI 가속기 '오토GNN'을 설계했다. </p> <p contents-hash="f6d2cc0a777e3ee038b4bb8905cdd27fc345049a7d2e16557d718b840436a650" dmcf-pid="u7BhXt9Unh" dmcf-ptype="general"> 반도체 내부에 필요한 데이터만 골라내는 UPE 모듈과 데이터를 빠르게 정리·집계하는 SCR 모듈을 구현하고 데이터의 양이나 형태가 바뀌면 모듈 구성이 자동으로 최적화돼 안정적인 성능을 유지하는 원리다.</p> <p contents-hash="831bba975131d76b91436c766fcb5293abf1600ef10f5039c531de20758080b5" dmcf-pid="7zblZF2uJC" dmcf-ptype="general"> 그래프 전처리 성능 실험 결과 오토GNN은 RTX 3090보다 처리 속도가 2.1배 빨랐고 서버용 인텔 CPU보다 9배 빨랐다. 에너지 소모는 CPU의 3분의 1 수준이다.</p> <p contents-hash="586f0f9e4432382985100b9936422333ab9d17caaa15e9f741f5161e64b00a8a" dmcf-pid="zjk2RiwadI" dmcf-ptype="general"> 개발된 기술은 추천 시스템이나 금융 사기 탐지 등 복잡한 관계 분석과 빠른 응답이 필요한 AI 서비스에 즉시 적용할 수 있을 것으로 기대된다.</p> <p contents-hash="3a18f9923531eb4fa8aa6b61ed9af3500f8f473736d7f46fb7e32d9eb76daeb1" dmcf-pid="qAEVenrNdO" dmcf-ptype="general"> 정 교수는 "불규칙한 데이터 구조를 효과적으로 처리할 수 있는 유연한 하드웨어 시스템을 구현했다"며 "추천 시스템은 물론 금융·보안 등 실시간 분석이 필요한 다양한 AI 분야에 활용될 것"이라고 밝혔다.</p> <p contents-hash="fd231ccd794a1501d64e860f73dfb34fd395afa1fed8e6e16b6db1a348605463" dmcf-pid="BcDfdLmjes" dmcf-ptype="general"> <참고 자료><br> - 2026.hpca-conf.org/details/hpca-2026-main-conference/69/AutoGNN-End-to-End-Hardware-Driven-Graph-Preprocessing-for-Enhanced-GNN-Performance</p> <p contents-hash="c7b7edbb46015e68d7f2149cffc9b045a574eed02fa17e5873d3ff0414ba2214" dmcf-pid="bkw4JosARm" dmcf-ptype="general">[이병구 기자 2bottle9@donga.com]</p> </section> </div> <p class="" data-translation="true">Copyright © 동아사이언스. 무단전재 및 재배포 금지.</p> 관련자료 이전 '연기력 미흡' 지수, 이번엔 다를까? 02-05 다음 "꿈의 게임 될 것"...'붉은 사막', 글로벌 미디어 주목 2026년 최고 기대작 02-05 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
