기후 위기가 심해지면서 폭풍 해일, 폭염, 허리케인, 산불 등과 같은 극한의 기상 현상이 점점 더 빈번하게 발생합니다. 최근 COP26 정상 회담에서 세계 정상들이 2030년까지 탄소 배출량을 감축하기 위한 계획을 제시했으며, 극한의 기상 현상에 대한 적절한 대비의 중요성이 전 세계적으로 점점 커지고 있습니다.
수치적 기상 예측 기술은 이러한 준비에서 핵심적인 역할을 합니다. ECMWF(European Centre for Medium-Range Weather Forecasting) 같은 조직은 기존 기후 데이터를 기반으로 미래 기상 현상을 예측함으로써 다가오는 극한의 기상 현상을 더 빠르고 정확하게 당국에 알리며, 이를 통해 당국은 재산과 인프라, 그리고 잠재적으로 인명을 보호하기 위해 적절히 개입할 수 있습니다.
현재 ECMWF는 전통적인 HPC 알고리즘과 함께 AI를 활용하여 대규모 시뮬레이션을 매우 빠르게 실행하고 있습니다. ECMWF 팀은 딥 러닝 모델 시리즈를 개발했으며, 수치적 기상 예보에서의 신경망 사용을 조사한 최신 연구 논문에서 그에 대해 소개했습니다. ECMWF는 모델의 계산 효율성 개선을 통해 모델 해상도를 향상함으로써 기상 예측 모델의 정확도를 높이는 데 특히 관심이 있습니다.
IPU를 사용하여 5~50배 더 빠른 기상 예측 제공
그래프코어 엔지니어는 ECMWF의 공개된 예측 모델 중 하나인 Multi-Layer Perceptron을 도입한 후 그래프코어 IPU-POD 시스템에서 가속화하여 극적인 결과를 얻었습니다. IPU-POD 시스템은 ECMWF의 예측 MLP 모델을 주요 GPU보다 5배 더 빠르게 훈련시키는 것으로 나타났습니다.
기상 예측 분야의 머신 러닝 활용을 조사한 자체 논문에서 ECMWF는 머신 러닝 기반 에뮬레이터가 CPU의 기존 체계에 비해 GPU 하드웨어에서 10배 더 빠른 성능을 발휘하는 것을 밝혀냈습니다. 이를 토대로 IPU는 CPU에서 실행되는 ECMWF의 기존 시뮬레이션 방식보다 무려 50배나 빠릅니다.
IPU 시스템의 속도 향상은 MLP 모델 또는 해당 매개변수에 대한 최적화 또는 변경 없이 이루어졌으며, 코드 수정은 거의 없었습니다. 모델은 매우 잘 훈련되었습니다. 몇 회의 에포크 후 훈련 및 검증 데이터 세트 모두에서 낮은 값의 손실 및 RMSE(Root Mean Square Error)를 기록하며 모델 예측의 높은 정확도를 증명했습니다. IPU가 ECMWF의 MLP 모델을 가속화한 방법에 대한 자세한 내용은 코드 튜토리얼 동영상을 참조하세요.
HPC와 AI의 융합에 IPU 하드웨어 활용
기상 예측 외에도, IPU 하드웨어는 HPC와 AI가 모두 사용되는 다른 많은 과학 연구 응용 분야를 가속화하는 것으로 나타났습니다. 단백질 접힘부터 계산 유체 역학, 우주론, 고에너지 물리학에 이르기까지 IPU 시스템을 활용하는 주요 연구 기관들은 워크로드를 가속화하고, 새로운 연구 방향을 모색하고, 높은 정확도의 결과를 얻었습니다.
그래프코어 파트너인 Atos의 고성능 AI 책임자 Cedric Bourrasset는 이 분야에서 IPU의 잠재력을 매우 높게 평가합니다. "기존 HPC 응용 분야에서 AI를 사용하는 것은 오늘날 컴퓨팅의 가장 흥미로운 발전 중 하나이며, 그래프코어 IPU는 이러한 새로운 접근 방식이 얼마나 혁신적인지를 잘 보여줍니다.
“그래프코어는 Atos의 Think AI 솔루션에서 핵심적인 역할을 하며, 고객들이 AI가 HPC에 제공하는 많은 이점들을 활용할 수 있도록 돕습니다. 여기에는 제공 속도 향상, 시뮬레이션 정확도 증가, 비용 효율성 개선, 연구 및 상업 응용 분야의 새로운 영역 개척 등이 포함됩니다. 가능성은 방대하고 매일 성장하고 있으며, 이러한 성장은 대개 IPU에서 실행되는 혁신적인 작업에 의해 이루어집니다."
최첨단 컴퓨팅으로 HPC 및 AI 기반 워크로드를 가속화하는 데 관심이 있으신가요? 그래프코어의 과학 연구자용 솔루션을 확인하거나 그래프코어 교육 프로그램에 참가를 신청하여 연구 과제에 IPU를 활용할 수 있는 기회를 얻으시기 바랍니다.
업데이트하기
