KAIST,그래프 전처리 병목 세계 최초 해결… 속도·전력 효율 동시 개선
KAIST 연구진이 유튜브 영상 추천이나 금융 사기 탐지와 같은 대규모 관계 분석 인공지능의 속도를 획기적으로 개선하는 AI 반도체 기술을 개발했다.
KAIST(총장 이광형)는 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망(GNN) 기반 인공지능의 추론 속도를 획기적으로 높이는 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 세계 최초로 개발했다고 2월 5일 밝혔다.
그래프 신경망은 사람과 사람, 사용자와 콘텐츠 간의 연결 관계를 분석하는 기술로, 추천 시스템과 금융 사기 탐지 등 실시간 대규모 데이터 분석 서비스의 핵심 기술로 활용된다. 그러나 기존 AI 시스템에서는 추론 이전 단계인 그래프 전처리 과정이 전체 계산 시간의 70~90%를 차지하며 심각한 병목 현상을 유발해 왔다.
이를 해결하기 위해 연구팀은 입력 데이터 구조에 따라 반도체 내부 회로를 실시간으로 바꾸는 적응형 AI 가속기 기술을 설계했다. 분석해야 할 데이터의 연결 방식에 맞춰 반도체가 스스로 가장 효율적인 구조로 바뀌는 방식이다.
연구팀은 필요한 데이터만 골라내는 UPE 모듈과 이를 빠르게 정리·집계하는 SCR 모듈을 반도체 안에 구현했다. 데이터의 양이나 형태가 바뀌면 이에 맞춰 최적의 모듈 구성이 자동으로 적용돼, 어떤 상황에서도 안정적인 성능을 유지할 수 있도록 했다.
성능 평가 결과, 오토GNN은 엔비디아 RTX 3090 GPU 대비 2.1배 빠른 처리 속도를 기록했으며, 일반 CPU 대비 9배 높은 성능과 함께 에너지 소모를 3.3배 줄이는 효율성을 보였다.
이번 기술은 추천 시스템이나 금융 사기 탐지처럼 복잡한 관계 분석과 빠른 응답이 필요한 인공지능 서비스에 즉시 적용할 수 있다. 데이터 구조에 따라 스스로 최적화되는 AI 반도체 기술을 확보함으로써, 향후 대규모 데이터를 다루는 지능형 서비스의 속도와 에너지 효율을 동시에 높일 수 있는 기반이 마련됐다고 KAIST 측은 설명했다.
정명수 교수는 “불규칙한 데이터 구조를 효과적으로 처리할 수 있는 유연한 하드웨어 시스템을 구현했다는 점에서 의미가 크다”며, “추천 시스템을 비롯해 금융, 보안 등 실시간 분석이 필요한 다양한 AI 서비스에 활용될 수 있을 것”이라고 말했다.
이번 연구는 컴퓨터 아키텍처 분야 최고 권위의 국제학술대회인 ‘IEEE International Symposium on High-Performance Computer Architecture(HPCA 2026)’에서 2월 4일 발표됐다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
