한국과학기술원(KAIST)은 전산학부 김민수 교수 연구팀이 한 대의 그래픽처리장치(GPU) 서버에서 대규모의 전체 그래프신경망(GNN) 모델을 빠르게 학습할 수 있는 GNN 시스템 '플렉스지엔엔'(FlexGNN)을 개발했다고 13일 밝혔다.

여러 대의 GPU를 사용하지 않고도 학습 속도가 기존 대비 최대 95배나 빠르다고 연구팀은 설명했다.

그래프 신경망(GNN)은 금융 거래, 주식, 사회관계망(SNS), 환자기록 등 비정형 데이터를 그래프 형태로 분석하는 그래프 인공지능(AI) 모델이다.

샘플링 없이 전체 그래프를 한 번에 학습하는 전체 그래프신경망 방식은 최근 날씨 예측이나 신소재 발견 등 복잡한 문제 해결에 유효하지만, 막대한 메모리와 GPU 서버를 필요로 해 활용에 한계가 있었다.

연구팀은 여러 대의 GPU 서버를 사용하지 않고도 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델을 개발했다.

단일 컴퓨터 내의 모든 계층적 메모리 구조(GPU, 메인 메모리, SSD)를 활용해 중간 데이터를 효과적으로 관리하고, 학습 규모에 따라 GPU 간 데이터 통신 방식을 유연하게 선택할 수 있다.

입력 그래프, 모델 크기, 가용 자원에 따라 최적화된 학습 실행 계획을 자동 생성함으로써 기존 방법보다 대규모 그래프와 모델에 대한 전체 GNN 학습을 수 배에서 수십 배 빠르게 수행하는 데 성공했다

기후 예측 등에서 슈퍼컴퓨터보다 정밀한 분석이 가능하다고 연구팀은 설명했다.

김민수 교수는 "그래프 AI 모델의 학습 규모와 속도 문제를 획기적으로 해결한 이번 기술이 다양한 산업 분야에 널리 활용되길 바란다"고 말했다.

이번 연구 결과는 권위 있는 데이터마이닝 학술대회인 'ACM KDD'에서 지난 5일 발표됐다.