행렬 데이터 처리 인공망 구조 '맷넷(MatNet)' 개발
AI 기반으로 많은 경우의 수에서 가장 좋은 결괏값 찾아
공정 스케줄 관리와 GPU 자원 할당 시험에서 높은 성과 기록
스마트공장·물류·클라우드 등 실제 사업에 적용 예정

 

​삼성SDS가 GPU 자원 할당 최적화에 유용한 행렬 데이터 처리 인공 신경망 구조 '맷넷(MatNet)'을 개발했다. (출처=셔터스톡, 편집=김동원 기자) 
​삼성SDS가 GPU 자원 할당 최적화에 유용한 행렬 데이터 처리 인공 신경망 구조 '맷넷(MatNet)'을 개발했다. (출처=셔터스톡, 편집=김동원 기자) 

삼성SDS가 조합 최적화에 사용할 수 있는 행렬 데이터 처리 인공 신경망 구조 '맷넷(MatNet)'을 공개했다. 이 신경망 구조로 공장의 공정 스케줄 관리와 인공지능(AI) 개발에 필요한 그래픽처리장치(GPU) 자원 할당 등을 할 수 있다고 설명했다.

권영대 삼성SDS 프로는 23일 열린 '삼성SDS 테크토닉 2021(Techtonic 2021)'에서 "행렬 데이터 처리를 하는 신경망인 맷넷은 행렬 데이터를 바탕으로 한 조합 최적화를 위한 인공 신경망"이라며 "2021년 AI 학회 중 하나인 '신경정보처리시스템학회(뉴립스, NeurIPS)에도 소개된 기술"이라고 말했다.

효율적인 결과를 위한 끊임없는 고민, 조합 최적화

조합 최적화는 많은 경우의 수에서 가장 좋은 결과를 찾는 과제를 의미한다. 공장에서 작업 처리 순서를 결정하거나 아이템들 간 맵핑을 결정하는 등 산업 현장에서 자주 맞닥뜨리는 문제 중 하나다. 공정 작업 순서 중 어떤 작업을 먼저 해야 효율적인지를 끊임없이 결정하는 과제라고 이해하면 된다. 부품마다 들어가는 공정 소요 시간이 다르고, 중요도가 다르기 때문에 어떤 것부터 처리해야 효율적인지에 대한 답을 내리긴 쉽지 않다.

권 프로는 "조합 최적화의 문제의 가장 큰 특징은 정답을 찾을 수 없다는 것"이라면서 "경우의 수가 너무 많기 때문에 컴퓨터를 아무리 빨리 돌려도 가장 좋은 경우를 찾기는 불가능하다"고 말했다. 이어 "실제 현장에서는 정답을 찾기보다 충분히 좋은 방안을 빠른 시간에 찾는 게 관건"이라고 덧붙였다.

삼성SDS가 개발한 행렬 데이터 처리를 위한 인공 신경망 구조 '맷넷'은  AI 학회 중 하나인 '뉴립스'에 소개됐다. (출처=삼성SDS 테크토닉 캡처)

그의 설명에 따르면, 삼성SDS는 전통적으로 사용해왔던 다양한 조합 최적화 방식보다 더 빠르고 효율적인 조합 최적화 알고리즘을 개발한다면 기업의 생산성을 높일 수 있다고 판단했다. 이 알고리즘을 찾고자 회사 연구소의 강화학습팀은 2019년부터 AI를 활용한 연구를 진행해왔다. 그 결과가 맷넷이다.

AI로 조합 최적화 결괏값 내는 '맷넷' 개발

맷넷은 '매트릭스 인코딩 네트웍스(Matrix Encoding Networks)'의 약자로 행렬 데이터 처리를 위한 인공 신경망 구조를 의미한다. 조합 최적화에 사용되는 상당한 양의 데이터를 신경망과 유사한 모습의 행렬 형태로 정리해 최적의 해법을 찾아내는 솔루션이다. 데이터 처리에 필요한 값을 구분해 행과 열로 정리, 최적의 방안을 찾는 신경망이라고 보면 된다. 

4대의 택시와 이를 탑승하려는 4명의 승객을 최소한의 대기시간으로 배차한다고 가정하면, 택시와 승객을 행과 열로 구분하고 대기시간 값을 정리해 최적의 방안을 찾아내는 방식이라고 볼 수 있다.

맷넷은 택시와 승객을 행과 열로 구분해 대기시간 값을 정리, 여기서 최적의 값을 찾는 방식을 계속 반복해 최적의 결괏값을 내는 인공 신경망이다. (출처=삼성SDS 테크토닉 캡처)

택시와 승객을 행과 열로 구분해 넣고 대기시간을 적으면 행의 정보를 보고 가장 적은 시간이 적힌 열을 찾을 수 있다. 또 이 열에 연결된 행의 정보를 검토 후 가장 적은 값도 찾을 수 있다. 맷넷은 이 작업을 반복해 가장 적합한 결괏값을 찾는 기술이다.

공정 스케줄 최적화에 맷넷 적용 결과 평균 10% 공정 시간 단축

권 프로는 맷넷을 공정 스케줄 최적화(FFSP)와 GPU 자원 할당 스케줄 최적화 등에 사용할 수 있다고 밝혔다. 인위적인 데이터를 사용해 실험한 결과 두 시험 모두 평균보다 높은 결괏값을 보였다고 설명했다.

공정 스케줄 시험에서는 택시 예와 마찬가지로 4개의 장비에서 생산하는 제품을 행렬 데이터로 구분했다. 데이터는 장비와 제품별로 생산 시간을 다르게 구성했다. 이후 제품을 생산할 때 현재 가동 중이거나 쉬고 있는 기계의 상태와 제품 값을 행렬 데이터로 정리해 맷넷이 최적의 공정 스케줄을 낼 수 있는지 시험을 했다.

권영대 프로는 "맷넷을 사용해 공정 스케줄 관리를 했을 때 평균 10% 더 짧은 시간에 모든 공정이 끝나는 스케줄을 만들 수 있었다"고 밝혔다. (출처=삼성SDS 테크토닉 캡처)

권 프로는 "시험 결과 맷넷을 사용해 스케줄을 했을 때 평균 10% 정도 더 짧은 시간 안에 모든 공정이 끝나는 스케줄을 만들 수 있었다"면서 "맷넷을 실제 공정에 적용한다고 해도 충분히 기대할만한 효과가 나올 수 있다고 예상한다"고 말했다.

GPU 할당 스케줄에서도 기존보다 짧은 대기시간 기록

그는 맷넷은 GPU 할당 스케줄 시험에서도 만족할만한 성과를 냈다고 밝혔다. 해당 시험은 GPU 클러스터의 효율적인 사용을 위해 진행됐다.

GPU 클러스터는 개발자들이 GPU 자원 활용을 높이기 위해 여러 GPU를 공유해 사용하는 클러스터라고 보면 된다. 각 개발자는 AI 개발을 위해 클라우드에서 GPU 태스크를 요청하고, 클라우드는 클러스터에 있는 서버를 연결해 이 서버에서 개발자가 AI 개발을 할 수 있게 조치해준다. 한 서버에는 많게는 8대의 GPU가 사용된다.

이 서버에 8대 GPU가 다 사용되고 있으면 개발자는 GPU를 사용하기 위해 기다려야 한다. 이 대기 시간을 줄일 수 있도록 GPU 사용 순서를 최적화하면 AI 개발을 훨씬 효율적으로 할 수 있게 된다. 공중화장실을 이용한다고 가정하면 이해하기 쉽다. 화장실이 하나의 서버라고 생각하고 그 안에 있는 각각의 변소 칸을 GPU라고 보면 된다. 보통 화장실에선 온 순서대로 기다린다. 그런데 보통 대변을 보는 시간이 소변을 보는 시간보다 길다. 기다리는 사람이 어떤 용무가 있는지 알고, 이에 맞게 순서를 처리하며 대기 시간을 훨씬 줄일 수 있는 것.

권영대 프로는 "맷넷은 GPU 클러스터 자원 할당 스케줄 최적화 시험에서 평소보다 대기 시간을 줄이는 결과를 보였다"고 말했다. (출처=삼성SDS 테크토닉 캡처)

삼성SDS는 GPU 자원 할당 최적화를 위해 맷넷을 사용했다. 그 결과 순서대로 처리한 자원 할당의 경우 클라우드 과부화가 거린 반면, 맷넷을 사용했을 때는 대기 시간이 훨씬 짧은 결과가 나왔다.

권 프로는 "맷넷을 통한 AI 조합 최적화 방안은 기존보다 훨씬 좋은 결과를 냈다"며 "앞으로 맷넷을 스마트공장, 물류, 클라우드 등 실제 사업에 적용하기 위한 연구를 이어갈 것"이라고 밝혔다.

AI타임스 김동원 기자 goodtuna@aitimes.com

[관련기사][삼성SDS 테크토닉 2021] 국내 대표 디지털 전환 지원군 삼성SDS, 최적의 DT실현 전략·기술 소개

[관련기사]래블업 "AI 인력 부족과 비용증가 문제, 리소스 관리 플랫폼으로 극복"

키워드 관련기사
  • 강석립 삼성SDS 부사장 "기업 디지털 전환, 첫 단추가 중요하다" 
  • "AI 양극화 벗어나 모두가 개발에 집중할 수 있는 환경 제공할 것"...신정규 래블업 대표 인터뷰
  • 홍혜진 삼성SDS 전무 "산업환경 급변...디지털 전환은 기업 생존의 필수 요건"