AI 기반 HPC 전력 최적화 스케줄러 'TARDIS' 등장: 전기료 20% 절감의 꿈

AI 기반 전력 최적화 스케줄러 TARDIS는 HPC 시스템의 전기 비용을 최대 20%까지 절감하며, 시간적 및 공간적 최적화를 통해 지속 가능하고 비용 효율적인 HPC 운영을 가능하게 합니다.

급증하는 HPC(고성능 컴퓨팅) 시스템의 전력 소비는 운영 비용의 상당 부분을 차지하며, 지속 가능한 HPC 운영에 대한 우려를 증폭시키고 있습니다. 이러한 문제에 대한 해결책으로, Abrar Hossain 등 연구진이 개발한 혁신적인 전력 인식 스케줄러 'TARDIS(Temporal Allocation for Resource Distribution using Intelligent Scheduling)'가 등장했습니다.

TARDIS: 시간과 공간을 초월하는 전력 최적화

TARDIS는 그래프 신경망(GNN)을 활용하여 개별 작업의 전력 소비량을 정확하게 예측합니다. 이 예측 결과를 바탕으로, 시간대별 전기 가격 변동을 고려하여 작업을 여러 HPC 시설에 전략적으로 배분합니다. 이는 시간적 최적화(피크 시간대를 피해 전력 소비량이 많은 작업을 실행)와 공간적 최적화(전기 가격이 다른 여러 지역의 HPC 센터에 작업을 분산)를 결합한 획기적인 접근 방식입니다.

실험 결과: 최대 20%의 비용 절감 효과

실제 HPC 작업량을 기반으로 한 추적 기반 시뮬레이션 결과, TARDIS는 기존 최첨단 스케줄링 방식에 비해 시간적 최적화 시나리오에서 최대 18%, 다중 사이트 환경에서는 10~20%의 비용 절감 효과를 보였습니다. 놀랍게도 시스템 성능 및 작업 처리량은 유지되었습니다.

결론: 지속 가능한 HPC의 새로운 지평

TARDIS는 정확한 전력 예측과 포괄적인 공간-시간 최적화를 결합하여 기존 전력 인식 스케줄링 방식의 한계를 효과적으로 해결합니다. 이 연구는 지속 가능하고 비용 효율적인 HPC 운영을 위한 확장 가능한 솔루션을 제공하며, AI 기술을 통해 HPC의 미래를 혁신적으로 변화시킬 가능성을 보여줍니다. TARDIS의 등장은 단순한 비용 절감을 넘어, 환경 보호와 지속 가능한 기술 발전이라는 중요한 사회적 가치를 실현하는 데 기여할 것입니다. 앞으로 TARDIS와 같은 AI 기반 솔루션이 더욱 발전하여 HPC 분야의 지속가능성에 기여하는 모습을 기대해 볼 수 있습니다.

참고: 본 기사는 제공된 정보를 바탕으로 작성되었으며, 연구 논문의 내용을 충실히 반영하고 있습니다.