KAIST 연구팀, LLM 학습시간 예측‧최적화 가능 기술 개발

생성형 인공지능(AI)의 핵심 중 하나인 대형 언어모델(LLM)의 학습시간을 최적화 할 수 있는 기술을 국내 연구진이 개발했다.

13일 KAIST에 따르면 이 학교의 유민수 전기전자공학부 교수 연구팀은 삼성전자의 삼성종합기술원과의 공동연구를 통해 대규모 분산 시스템에서 대형 언어 모델(LLM)의 학습 시간을 예측하고 최적화할 수 있는 시뮬레이션 프레임워크(이하 vTrain)를 개발했다.

LLM의 학습 효율을 높이기 위해선 최적의 분산 학습 전략을 찾는 것이 필수적이지만 가능한 전략 경우의 수가 방대할 뿐 아니라 실제 환경에서 각 전략의 성능을 테스트하는 데는 막대한 비용과 시간이 들어가는 한계가 있다고 KAIST는 전했다.

이에 따라 현재 LLM을 학습하는 기업들은 일부 경험적으로 검증된 소수의 전략만을 사용하고 있다는 설명. 이는 GPU 활용의 비효율성과 불필요한 비용 증가를 초래하지만 대규모 시스템을 위한 시뮬레이션 기술이 부족해 기업들이 문제를 효과적으로 해결하지 못하고 있는 상황이다.

유민수 교수 연구팀이 개발한 vTrain은 대형 언어 모델의 학습 시간을 정확히 예측하고 다양한 분산 병렬화 전략을 빠르게 탐색할 수 있도록 했다는 설명이다. 연구팀은 실제 다중 GPU 환경에서 다양한 대형 언어 모델 학습 시간 실측값과 vTrain의 예측값을 비교한 결과, 단일 노드에서 평균 절대 오차(MAPE) 8.37%, 다중 노드에서 14.73%의 정확도로 학습 시간을 예측할 수 있음을 검증했다.

연구팀은 삼성전자 삼성종합기술원와 공동연구를 통해 vTrain 프레임워크와 1500개 이상의 실제 학습 시간 측정 데이터를 오픈소스로 공개했으며 AI 연구자와 기업이 이를 자유롭게 활용할 수 있도록 했다.

유민수 교수는 “vTrain은 프로파일링 기반 시뮬레이션 기법으로 기존 경험적 방식 대비 GPU 사용률을 높이고 학습 비용을 절감할 수 있는 학습 전략을 탐색했으며 오픈소스를 공개했다”며 “이를 통해 기업들은 초거대 인공지능 모델 학습 비용을 효율적으로 절감할 것”이라고 밝혔다.

한편, 이번 연구 결과는 컴퓨터 아키텍처 분야의 최우수 학술대회 중 하나인 미국 전기전자공학회(IEEE)·전산공학회(ACM) 공동 마이크로아키텍처 국제 학술대회(MICRO)에서  발표됐다.

김혜진 기자 hjkim@kmjournal.net