KAIST, GPU 한대로 슈퍼컴 뛰어넘는 AI 학습 기술 개발…95배 속도 향상

한 대의 그래픽처리장치(GPU) 서버만으로도 대규모 그래프 인공지능(AI) 모델을 빠르게 학습할 수 있는 기술이 개발되면서, 기존 고비용·고용량 인프라 의존도를 획기적으로 낮출 수 있게 됐다.

한국과학기술원(KAIST)은 8월 13일, 전산학부 김민수 교수 연구팀이 새로운 그래프신경망(GNN) 학습 시스템인 ‘플렉스지엔엔(FlexGNN)’을 개발했다고 밝혔다. 이 시스템은 단일 GPU 서버에서 SSD(솔리드 스테이트 드라이브)와 메인 메모리를 간결하게 연계해, 복잡한 그래프 AI 모델을 고속으로 학습할 수 있도록 설계됐다.

그래프신경망(GNN)은 사람 간 관계, 금융 거래, 온라인 사회관계망(SNS), 병원 환자기록 등 비정형 데이터를 그래프로 표현해 분석하는 인공지능 모델이다. 이 방식은 최근 날씨 예측, 신소재 발견 등 복잡한 과학적 문제에도 활용되고 있으나, 전체 데이터를 샘플링 없이 한 번에 학습하려면 엄청난 용량의 메모리와 복수의 GPU 서버가 필요해 현실적인 적용에 제약이 많았다.

이번에 KAIST 연구팀이 개발한 시스템은 단일 컴퓨터 내의 모든 계층적 메모리 구조(GPU, 메인 메모리, SSD)를 효율적으로 활용하며, 연산과정에서 생성되는 중간 데이터를 효과적으로 관리하는 데 초점을 맞췄다. 이에 따라 학습 속도는 기존 방식 대비 최대 95배까지 빠르고, 입력 그래프의 특성이나 사용 가능한 자원에 따라 최적의 실행 계획을 자동으로 생성해 처리 효율을 극대화한다.

특히 해당 기술은 복잡한 기후 예측 모델에서도 슈퍼컴퓨터보다 더 정밀한 분석이 가능하다는 점에서 주목을 받고 있다. 기존에는 도달하기 어려웠던 고해상도 데이터 분석이 훨씬 수월해지며, 인공지능 기반의 과학·산업 연구에서도 활용성이 크다.

이번 연구 성과는 세계적인 데이터마이닝 학술대회인 ‘ACM KDD 2025’에서 8월 5일 공식 발표됐으며, 연구팀은 이 기술이 향후 다양한 산업 분야에서 그래프 기반 인공지능의 대중화와 고도화를 동시에 이끌 수 있을 것으로 기대하고 있다. 이러한 흐름은 향후 고성능 컴퓨팅 자원을 줄이면서도 대규모 AI 모델을 산업 현장에 직접 적용하려는 흐름과 맞닿아 있어, 기술 확산 속도도 빠를 것으로 전망된다.