.jpg)
.jpg)
세계에서 22번째로 빠른 슈퍼컴퓨터 DGX 슈퍼POD
[보안뉴스 김성미 기자] 엔비디아(CEO 젠슨 황)는 6월 18일 세계에서 22번째로 빠른 슈퍼컴퓨터인 DGX 슈퍼POD(DGX SuperPOD)를 발표했다. DGX 슈퍼POD는 기업들에 자율주행차 개발 속도를 향상시키는 인공지능(AI) 인프라를 제공한다.
이 시스템은 96개의 엔비디아 DGX-2H 슈퍼컴퓨터와 멜라녹스 인터커넥트(Interconnect) 기술로 3주만에 구축됐다. 9.4 페타플롭의 처리 능력을 제공하는 이 시스템은 안전한 자율주행 차량에 요구되는 수많은 심층신경망 네트워크(DNN : Deep Neural Network)를 훈련시킬 수 있다.
가장 복잡한 AI 연산 중 하나인 자율주행차를 위한 AI 훈련은 계산 집약적인 과제를 필요로 한다. 단일 데이터 수집 차량은 1 테라바이트의 데이터를 생산한다. 만일 수년간 전체 차량이 주행한다고 가정할 때, 운전자는 페타바이트급의 데이터를 빠르게 수집할 수 있다. 이 데이터는 도로 법규에 따라 알고리즘을 학습하고 차량에서 작동하는 DNN이 잠재적인 오류를 찾는데 사용되며 연속적인 루프로 재훈련된다.
클레멘트 패러베트 엔비디아 AI 인프라 부문 부사장은 “AI 리더십은 컴퓨팅 인프라 리더십을 요구한다. 극한의 정확도를 충족시키기 위해 뉴럴 네트워크를 수만번 재교육해야하는 자율주행차 교육만큼 까다로운 AI 도전과제는 없다”면서 “DGX 슈퍼POD와 같은 대용량 처리 기능을 갖춘 대체할 제품은 없다”고 소개했다.
엔비디아 NV 스위치와 멜라녹스 네트워크 패브릭과 상호연결된 1,536개의 엔비디아 V100 텐서 코어 GPU로 구동되는 DGX슈퍼POD는 같은 크기의 슈퍼컴퓨터에 비해 탁월한 성능으로 데이터를 처리할 수 있다.
이 시스템은 자율주행 소프트웨어를 최적화하고 이전에 가능했던 시간보다 더 빠른 시간으로 뉴럴 네트워크를 재교육하면서 24시간 내내 작동된다. DGX 슈퍼POD 하드웨어와 소프트웨어 플랫폼이 레스넷-50을 교육하는데는 2분 미만의 시간이 걸린다. 이 AI 모델은 2015년 출시당시 최첨단 시스템인 단일 엔비디아 K80 GPU로 교육하는 데 25일을 소요했다. 이처럼, DGX 슈퍼POD는 1만 8,000배 빠른 결과를 제공한다. 비슷한 성능 수준을 가진 다른 상위 500개의 시스템이 수천 대의 서버로 구성되는 반면에, DGX 슈퍼POD는 크기가 400배 작아 공간을 훨씬 적게 차지하는 것도 장점이다.
엔비디아 DGX 시스템은 이미 BMW, 콘티넨털, 포드, 제뉴이티 등 자동차 업체에서부터 페이스북(Facebook), 마이크로소프트, 후치필름을 포함한 기업, 일본이화학연구소(RIKEN), 미 에너지국(US Department of Energy) 등 선구적인 연구소에서 채택됐다.
[김성미 기자(sw@infothe.com)]
[보안뉴스 김성미 기자] 엔비디아(CEO 젠슨 황)는 6월 18일 세계에서 22번째로 빠른 슈퍼컴퓨터인 DGX 슈퍼POD(DGX SuperPOD)를 발표했다. DGX 슈퍼POD는 기업들에 자율주행차 개발 속도를 향상시키는 인공지능(AI) 인프라를 제공한다.
이 시스템은 96개의 엔비디아 DGX-2H 슈퍼컴퓨터와 멜라녹스 인터커넥트(Interconnect) 기술로 3주만에 구축됐다. 9.4 페타플롭의 처리 능력을 제공하는 이 시스템은 안전한 자율주행 차량에 요구되는 수많은 심층신경망 네트워크(DNN : Deep Neural Network)를 훈련시킬 수 있다.
▲세계에서 22번째로 빠른 슈퍼컴퓨터 엔비디아 DGX 슈퍼POD [사진=엔비디아]
가장 복잡한 AI 연산 중 하나인 자율주행차를 위한 AI 훈련은 계산 집약적인 과제를 필요로 한다. 단일 데이터 수집 차량은 1 테라바이트의 데이터를 생산한다. 만일 수년간 전체 차량이 주행한다고 가정할 때, 운전자는 페타바이트급의 데이터를 빠르게 수집할 수 있다. 이 데이터는 도로 법규에 따라 알고리즘을 학습하고 차량에서 작동하는 DNN이 잠재적인 오류를 찾는데 사용되며 연속적인 루프로 재훈련된다.
클레멘트 패러베트 엔비디아 AI 인프라 부문 부사장은 “AI 리더십은 컴퓨팅 인프라 리더십을 요구한다. 극한의 정확도를 충족시키기 위해 뉴럴 네트워크를 수만번 재교육해야하는 자율주행차 교육만큼 까다로운 AI 도전과제는 없다”면서 “DGX 슈퍼POD와 같은 대용량 처리 기능을 갖춘 대체할 제품은 없다”고 소개했다.
엔비디아 NV 스위치와 멜라녹스 네트워크 패브릭과 상호연결된 1,536개의 엔비디아 V100 텐서 코어 GPU로 구동되는 DGX슈퍼POD는 같은 크기의 슈퍼컴퓨터에 비해 탁월한 성능으로 데이터를 처리할 수 있다.
이 시스템은 자율주행 소프트웨어를 최적화하고 이전에 가능했던 시간보다 더 빠른 시간으로 뉴럴 네트워크를 재교육하면서 24시간 내내 작동된다. DGX 슈퍼POD 하드웨어와 소프트웨어 플랫폼이 레스넷-50을 교육하는데는 2분 미만의 시간이 걸린다. 이 AI 모델은 2015년 출시당시 최첨단 시스템인 단일 엔비디아 K80 GPU로 교육하는 데 25일을 소요했다. 이처럼, DGX 슈퍼POD는 1만 8,000배 빠른 결과를 제공한다. 비슷한 성능 수준을 가진 다른 상위 500개의 시스템이 수천 대의 서버로 구성되는 반면에, DGX 슈퍼POD는 크기가 400배 작아 공간을 훨씬 적게 차지하는 것도 장점이다.
엔비디아 DGX 시스템은 이미 BMW, 콘티넨털, 포드, 제뉴이티 등 자동차 업체에서부터 페이스북(Facebook), 마이크로소프트, 후치필름을 포함한 기업, 일본이화학연구소(RIKEN), 미 에너지국(US Department of Energy) 등 선구적인 연구소에서 채택됐다.
[김성미 기자(sw@infothe.com)]
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
김성미기자 기사보기
[2024-10-31] 
