http://scimonitors.com/gpu-%ED%95%98%EB%82%98%EB%A1%9C-1%EC%A1%B0%EA%B0%9C-%EA%B0%84%EC%84%A0-%EA%B7%B8%EB%9E%98%ED%94%84-%EC%97%B0%EC%82%B0-kaist-%EC%A7%80%ED%94%8C%EB%9F%AD%EC%8A%A4-%EA%B0%9C%EB%B0%9C/



인공지능과 데이터 과학의 시대, 복잡한 지식 체계를 그래프로 저장하고 분석하는 기술은 점점 더 중요해지고 있다. 하지만 현실은 녹록지 않다. 1조 개의 간선을 가진 그래프를 처리할 수 있을 정도로 메모리가 넉넉한 시스템은 드물고, GPU 기반 연산은 메모리 제한에 막히기 일쑤다.

이 기술적 병목을 단 하나의 GPU로 돌파한 국내 연구진이 등장했다. KAIST 전산학부 김민수 교수 연구팀이 개발한 GFlux(지플럭스)는 GPU 하나로 지금껏 분산 시스템에서만 가능했던 초대형 그래프 연산을 가능케 한 획기적인 연산 프레임워크다.

지플럭스 ‘GTask’ ‘HGF’와 독자 메모리 관리

지플럭스는 GPU 기반 연산에 최적화된 자체 기술을 여럿 결합했다. 핵심은 ‘지테스크(GTask)’라 불리는 단위 연산 블록을 만들어 GPU에 효율적으로 분배하고, 이를 스케줄링하는 시스템이다. 기존 프레임워크가 통합 메모리(CUDA Unified Memory)에 의존했던 것과 달리, 지플럭스는 독자적인 메모리 관리 기술을 개발해 GPU와 메인 메모리를 연동하여 처리 효율을 극대화했다.

또한, 1조 간선이라는 거대한 데이터를 효과적으로 저장하기 위해, 연구팀은 기존의 CSR 포맷 대신 자체 개발한 압축 포맷(HGF)를 사용했다. 이를 통해 저장 데이터 크기를 9TB에서 4.6TB로 절반 가까이 줄였다. 또 GPU 메모리 정렬 문제를 해결하기 위해 3바이트 주소 체계를 세계 최초로 활용해 GPU 메모리 사용량을 약 25% 절감했다.

연구진은 대표적인 고난도 그래프 연산인 삼각형 개수 세기를 통해 GFlux의 성능을 실험했다. 이 연산은 세 개의 정점이 서로 연결된 구조를 모두 찾아내는 것으로, 지식 그래프나 RAG(검색증강생성) 등 최신 인공지능 알고리즘에 필수적인 기초 연산이다.


이 실험에서 700억 간선 규모의 그래프를 대상으로 한 연산에서, 기존 기술은 25대의 고속 네트워크 컴퓨터를 이용해 약 2,000초가 걸렸던 연산을, GFlux는 GPU 하나만으로 1,184초에 처리했다. 단일 컴퓨터로 처리한 사례 중 전 세계 최대 규모의 그래프 연산 기록이다.


분산 시스템 없이, 대규모 그래프 연산

이번 연구는 단순한 속도 개선이 아닌, 컴퓨팅 패러다임의 전환을 의미한다. 분산 클러스터가 아니더라도, 단일 노드와 GPU 하나만으로도 데이터 과학과 인공지능이 요구하는 복잡한 연산을 수행할 수 있다는 가능성을 보여줬기 때문이다.

김민수 교수는 “최근 지식 그래프, 벡터 색인, 그래프 기반 RAG 등에서 연산 부담이 급격히 커지고 있다”며 “GFlux는 이러한 문제에 대한 현실적이고 강력한 해법이 될 수 있다”고 말했다.

*GFlux는 컴퓨팅 리소스가 제한적인 환경에서도 대규모 연산을 가능하게 하며, AI 모델의 학습 및 추론 속도를 극적으로 향상시킬 수 있는 기반 기술이다. ‘그래프는 느리고 무겁다’는 인식을 깨고, 경량 GPU 기반 초대규모 그래프 연산 시대의 문을 연 주역으로, GFlux의 향후 적용 범위는 클라우드 AI, 국방 정보 분석, 바이오 데이터 네트워크 분석까지 폭넓게 확장될 것으로 기대된다.