연구

RESEARCH

연구성과

연구

RESEARCH

연구성과

연구성과

정명수 교수 연구팀, 그래프 기계학습이 가능한 계산형 스토리지/SSD 가속기 세계 최초 개발,(GPU 성능 7배

 

[전기 및 전자공학부 정명수 교수, 권미령 박사과정, 국동현 박사과정, 왼쪽부터]

 

우리 학부 정명수 교수 연구팀이 세계 최초로 그래프 기계학습이 가능한 계산형 스토리지 가속기를 개발하였습니다.

 

정명수 교수연구팀은 그래프 기반 신경망 기계학습 모델(GNN)을 그래프 데이터 자체가 저장된 스토리지/SSD 장치 근처에서 바로 처리하여 가속하는 ‘전체론적 그래프 기반 신경망 기계학습 기술’을 세계 최초로 개발하였습니다. 이는 최신 고성능 엔비디아의 GPU 가속 컴퓨팅 대비 33배 적은 에너지로 7배 빠른 추론 속도를 자랑합니다.

 

연구팀이 제안한 연구성과 중 특히 주목할만한 점은 해당 기술이 다양한 그래프 기계학습 모델을 쉽게 프로그래밍할 수 있는 소프트웨어 프레임워크와 사용자가 자유롭게 변경할 수 있는 신경망 가속 하드웨어 로직 및 RTL들을 제공한다는 것이며, 제안된 기술들은 카이스트에서 자체 제작한 계산형 스토리지 프로토타입 위에 실제 시제작 되어 실효성 검증을 마쳤습니다.

 

대규모 그래프에 대해 스토리지/SSD 근처에서 그래프 기계학습을 고속으로 추론할 뿐만 아니라 에너지 절약에 최적화된 계산형 SSD 가속 시스템을 확보하여 그래프 신경망 기계학습 모델에 필요한 그래프 변환, 샘플링등의 전처리 작업도 비휘발성 메모리 근처에서 직접 수행합니다. 해당 기술은 기존 고성능 가속 시스템을 대체해 초대형 추천시스템, 교통 예측 시스템, 신약 개발 등의 광범위한 실제 응용에 적용될 수 있을 것으로 예상됩니다. 

 

권미령, 국동현, 그리고 이상원 박사과정생들이 참여한 이번 논문(논문명: Hardware/Software Co-Programmable Framework for Computational SSDs to Accelerate Deep Learning Service on Large-Scale Graphs)은 오는 2월에 미국 산호세에서 열릴 스토리지 시스템 분야 최우수 학술대회인 ‘USENIX Conference on File and Storage Technologies, FAST), 2022’에서 발표될 예정입니다. 

 

한편 이번 연구는 삼성미래기술육성사업의 지원을 받아 진행됐으며 해당 연구에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인하실 수 있습니다. 

 

 

 

[연구성과도: 하드웨어 프로토타입 및 평가 구성]

 

더욱 자세한 정보를 확인하실 수 있도록 관련 링크를 아래와 같이 안내합니다.

 

관련 링크 : 

카이스트 

https://news.kaist.ac.kr/news/html/news/?mode=V&mng_no=18410

네이버 

https://search.naver.com/search.naver?where=news&sm=tab_tnw&query=%EA%B7%B8%EB%9E%98%ED%94%84&sort=0&photo=0&field=0&pd=0&ds=&de=&mynews=0&office_type=0&office_section_code=0&news_office_checked=&related=1&docid=4210005835208&nso=so:r,p:all,a:all