본문으로 건너뛰기

연구·논문

AMD GPU 4,032개 품은 슈퍼컴퓨터 ‘럭스’, 과학 연구에 개방

편집·검토: AI Ping 편집팀

3줄 요약

  1. 미국 오크리지 국립연구소가 AI 학습과 시뮬레이션을 한 과제에서 수행할 수 있는 슈퍼컴퓨터 럭스의 연구 이용을 시작했다.
  2. 연간 350만 노드시간 중 약 절반은 에너지부의 제네시스 미션에 배정된다. AMD 몫 일부는 협력 기관에 유료로 제공된다.
  3. 럭스는 64비트 계산을 측정하는 고성능 린팩 시험에서 초당 220.79페타플롭스를 기록해 11월 TOP500 14위에 올랐다.
실무개발자직장인
푸른 조명이 비치는 가상의 슈퍼컴퓨터 장비 통로
AI 생성 개념 이미지: 가상의 장비 통로로 AI와 고성능 계산에 쓰이는 슈퍼컴퓨터를 표현했다. · AI Ping

미국 에너지부 산하 오크리지 국립연구소가 11월 16일 슈퍼컴퓨터 럭스(Lux)를 과학 연구에 개방했다. 기존 오크리지 슈퍼컴퓨터 프런티어에 더해, 같은 연구 과제에서 AI 모델 학습과 시뮬레이션을 함께 수행할 계산 자원이 생겼다. 럭스는 이날 공개된 11월 슈퍼컴퓨터 순위 TOP500에서 14위로 처음 이름을 올렸다.

럭스는 국립연구소와 AMD, 휴렛팩커드 엔터프라이즈(HPE)가 구축했다. 오크리지의 사용자 문서에는 AMD 인스팅트 MI355X GPU 4,032개가 504개 노드에 나뉘어 있다고 적혀 있다. 노드는 서버 한 대를 가리킨다. 큰 계산은 여러 노드에 나눠 동시에 처리할 수 있다. 럭스는 노드마다 GPU 8개를 싣고, 각 GPU에는 모델과 계산 중인 데이터를 가까이 둘 수 있는 고대역폭 메모리 288GB가 달려 있다.

연간 350만 노드시간, 에너지부와 AMD에 배정

오크리지의 연간 배정량은 350만 노드시간이다. 한 노드를 한 시간 쓰면 1노드시간, 노드 열 대를 동시에 두 시간 쓰면 20노드시간이다. 연구팀이 한 번에 얼마나 큰 작업을 실행하느냐에 따라 달력에서 같은 한 시간을 써도 차감되는 시간이 달라진다. 연간 배정량은 시스템 전체에 배분되는 사용 시간의 합계다.

약 절반은 에너지부의 제네시스 미션에 돌아간다. 나머지는 AMD 몫으로, 회사는 자체 개발과 시험에 쓰고 일부를 공공·민간 협력 기관의 유료 사용에 제공한다. 오크리지 안내에 따르면 유료 과제는 어느 달에든 시작할 수 있고 이용 기간은 6개월에서 5년이다. 최소 약정은 6개월당 17만5,000노드시간이다. 기관은 오크리지 측과 신청 절차를 협의한다. 최소 약정은 컴퓨터 사용량을 뜻하며, 안내 페이지에는 노드시간당 달러 요율이 명시돼 있지 않다.

금속 블록이 나뉘어 담긴 두 작업대 트레이
AI 생성 개념 이미지: 두 트레이에 나뉜 금속 블록으로 럭스의 연간 계산 시간 배분을 표현했다. · AI Ping

시뮬레이션과 AI를 한 연구에 연결

한 연구에서도 먼저 수치 계산을 길게 돌리는 단계와, 그 결과로 모델을 학습하거나 학습된 모델로 예측을 내는 단계의 자원 요구량은 다를 수 있다. 럭스는 이런 작업을 배치할 수 있도록 슬럼(Slurm)과 쿠버네티스(Kubernetes)로 관리되는 영역을 둔다. 슬럼에서는 연구자가 필요한 서버와 실행 시간을 정해 작업을 대기열에 올릴 수 있다. 쿠버네티스에서는 실행 환경을 컨테이너에 묶은 작업에 자원을 배정한다. 두 영역은 같은 연구를 이루는 서로 다른 종류의 계산을 수용한다.

기존 프런티어 사용권이 있는 기관은 오크리지의 공유 저장소 오리온(Orion)에 프런티어 계산 결과를 남겨 두고 럭스에서 학습에 활용할 수 있다. 프런티어에서 큰 시뮬레이션을 한 뒤 럭스에서 그 결과를 읽어 모델을 학습하는 식이다. 오크리지는 럭스 배정에 오리온 접근이 포함된다고 안내한다. 연구팀은 계산 용도에 따라 시스템을 고를 때 각 장비에서 사용할 수 있는 시간과 데이터를 함께 고려하게 된다.

물결 모양의 유리판과 나란히 놓인 회로 기판
AI 생성 개념 이미지: 물결 모양 유리판과 회로 기판으로 수치 시뮬레이션과 AI 계산의 결합을 표현했다. · AI Ping

오크리지는 제네시스 미션을 통해 럭스를 배정한 사례로 하천 유량과 수온, 물 공급 여건을 예측하는 과제를 제시했다. 테네시밸리의 수력·화력 발전 운영에 활용할 수 있도록 몇 주에서 몇 년 앞을 내다보는 게 목표다. 또 다른 과제는 재료 개발과 제조에 쓰일 AI 모델을 만드는 일이다. 연구소가 공개한 것은 두 과제가 럭스에서 수행될 예정이라는 사실과 각 연구 목표다. 예측 정확도나 실제 발전 운영에 적용된 효과는 발표에서 제시하지 않았다.

럭스 14위를 결정한 린팩 성능

럭스의 14위 기록은 고성능 린팩(HPL) 시험에서 나온 초당 220.79페타플롭스다. 이 시험은 큰 연립방정식을 푸는 데 쓰인 64비트 부동소수점 계산의 처리 속도를 잰다. TOP500 시스템 상세표는 실제 시험에서 얻은 최고치인 Rmax와 하드웨어 사양으로 계산한 이론 최고치인 Rpeak를 함께 싣는다. 럭스의 Rpeak는 초당 323.90페타플롭스다.

같은 11월 순위에서 오크리지의 프런티어는 HPL 기준 3위를 유지했다. 한국과학기술정보연구원(KISTI)의 한강은 12위로 처음 올랐다. 이 순위표를 보면 서로 다른 장비가 같은 시험을 어떻게 처리했는지 비교할 수 있다. 과학용 AI 모델을 학습하는 데 걸리는 시간이나 특정 연구에서 예측이 개선된 정도를 판단하려면 해당 모델과 데이터로 따로 측정해야 한다.

출처