엔비디아(CEO 젠슨황)는 미국항공우주국(NASA•나사)의 프론티어 개발 연구실(Frontier Development Lab)에 대규모 데이터를 활용하는 소행성 충돌 예방 연구를 돕는 딥러닝에 엔비디아 타이탄 X(TITAN X) 및 파스칼(Pascal) 아키텍처 기반 GPU가 사용됐다고 밝혔다.

나사는 연구자들이 인류에 위협이 되는 모든 소행성을 찾아내 해결 방안을 파악하는 것을 목표로 하는 미국 백악관의 ‘위대한 도전(Grand Challenge)’ 소행성 프로그램에 부응해 프론티어 개발 연구실을 창설한 바 있다. 올해 여름, 이 연구실의 연구자들은 은하계 내 생명 존재 연구 비영리조직인 SETI 연구소(SETI Institute)와 협력해 GPU 기반 딥 러닝을 활용하여 소행성 관련 문제 해결을 위한 작업을 진행했다.

프론티어 개발 연구실의 작업은 GPU 기반의 플랫폼인 "응용 연구 액셀러레이터(applied research accelerator)"로 진행됐으며, 이 플랫폼을 통해 연구자들은 기존에 6개월 이상 소요되던 작업을 단 6주 만에 완료했다. GPU 컴퓨팅은 나사, SETI와 같은 기관들이 우주 프로그램에 매우 중요한 역할을 하는 대규모 데이터 모음을 분석할 수 있게 됐다.

프론티어 개발 연구실의 제임스 파(James Parr) 디렉터는 연구실의 목표는 지구 방위에 머신 러닝 테크닉 및 기술을 적용하는 것과, 응용 연구 액셀러레이터의 실현 가능성을 입증해 빨리 이를 산업화하는 것, 이 두 가지 방식을 통해 위대한 도전 프로그램에 접근하는 것이라 밝혔다. 이를 위해 인턴으로 선발된 12명의 우수한 대학원생들은 실리콘밸리에 위치한 나사 에임스 연구 센터(NASA Ames Research Center)에 상주하며, 부근에 위치한 SETI 시설에서 각자의 프로젝트를 진행했다.

프론티어 개발 연구실은 선발된 인턴들을 3개 팀으로 구성하고 각 팀에게 머신 러닝 방식에 적합한 것으로 간주되는 소행성 방어 요소를 할당했다. 각 팀에 할당된 요소는 각각 ‘떨어진 운석의 위치 탐지를 기반으로 구성요소 파악’, ‘레이더 데이터를 통한 형태 모델링’, ‘방향 전환 기술 평가’였다. 모든 팀의 공통 목표는 위협이 될 만한 소행성 대처 시 중대한 세 가지 문제에 대한 답을 찾는 것이었다.

이 문제를 담당한 팀은 실제 운석을 찾기 위해 자율주행 드론을 설계했다. GPU 기반 딥 러닝 모델을 기반으로 자동 운석 탐지 시스템을 구축하고 1,500만 건의 이미지로 구성된 라이브러리와 2만 5천 개의 운석 트레이닝 이미지 데이터베이스를 활용했다. 제임스 파 디렉터는 본 시스템을 통해 도출된 긍정 오류 비율은 0.7%로 여전히 지나치게 높은 수준이지만, 운석 탐지용 드론 설계의 과정은 현재 매우 명확해졌다고 밝혔다.

프론티어 개발 연구실 팀은 GPU와 머신 러닝 기법을 적용하여 소행성의 회전축을 탐지하는 과정에 소요되는 컴퓨팅 작업을 몇 시간 수준으로 단축했다. 그리고 최종 반복 작업에 이를 때까지 레거시 코드를 우회하기 위해 제임스 파 디렉터가 "최첨단 방법"이라고 칭한 방법을 적용했다. 첫 결과로 수 주가 소요될 컴퓨팅 작업이 밀리세컨(1,000분의 1초) 단위로 단축됐다고 밝혔다.

제임스 파 디렉터는 이러한 발전은 엔비디아가 프론티어 개발 연구실 팀에 제공한 4개의 타이탄 X(TITAN X) 및 8개의 파스칼(Pascal) 아키텍처 기반 GPU가 없었다면 불가능했을 것이라고 강조했다. 이를 통해 프론티어 개발 연구실의 각 팀이 딥 러닝 접근 방식을 기반으로 대규모 데이터 모음을 활용할 수 있었기 때문이다. 그는 "GPU 역할의 중요성은 60년대 후반 아폴로(Apollo) 프로젝트에서 마이크로프로세서의 역할에 견줄 만 하다"고 말했다.

이향선기자 hslee@nextdaily.co.kr