KAIST, 7배 빠르고 에너지소비 33분의1 수준 기계학습 기술 개발

SNS·내비게이션·교통예측 시스템·신약 개발에 활용

한국과학기술원(KAIST)은 전기및전자공학부 정명수 교수 연구팀이 기존 장치보다 속도가 7배 빠른 '홀리스틱 그래프 기반 신경망 기계학습 기술'(이하 홀리스틱 GNN)을 개발했다고 10일 밝혔다.

연구팀은 특정 데이터에만 주목하는 인공지능(AI)의 한계를 넘어 각 데이터 사이의 연관관계를 더 정확하게 해석할 수 있는 그래프 이론을 기반으로 하는 메모리 저장장치(SSD)를 개발했다.

여기에 홀리스틱 GNN 기술을 활용하면 사용자 요청에 따른 모든 추론이 그래프 데이터가 저장된 이 SSD 근처에서 이뤄진다.

일반적으로 추론을 위해서는 SSD에 저장된 데이터를 불러와 그래픽저장장치(GPU)에서 작업을 해야 하지만, 홀리스틱 GNN 기술을 적용하면 GPU가 아닌 SSD 근처에서 모든 작업을 할 수 있다.

실제로 최신 고성능 GPU를 이용한 기계학습보다 속도는 7배 빠르고, 에너지는 33분의 1밖에 소비되지 않는다고 연구팀은 설명했다.

정명수 교수는 "기존 고성능 시스템을 대체해 초대형 추천시스템, 누리소통망(SNS), 교통 예측 시스템, 신약 개발 등 광범위한 분야에서 적용할 수 있다"고 말했다.

이번 연구 논문은 다음 달 미국 산호세에서 열릴 스토리지 시스템 분야 학술대회인 '유즈닉스 패스트 2022'에서 발표될 예정이다.

/연합뉴스