AIㆍML / 데이터센터

슈퍼 컴퓨팅, 피부에 와 닿는 실제 활용 사례 3가지

Bernard Golden | HPE 2017.07.03


기업들이 엄청난 양의 컴퓨터 처리능력을 적용함으로써 탈바꿈하고 있습니다. 그리고 우리는 슈퍼컴퓨팅이 계속해서 보급됨에 따라 이런 현상을 더 많이 보게 될 것입니다.

IT 조직들은 아날로그 상호작용에 초점을 맞췄던 세상에서는 상상할 수도 없었던 폭 넓은 디지털 애플리케이션들을 관리한다는 요구에 직면해 있습니다. 이들 애플리케이션 대다수는 아날로그에서는 역시 상상할 수도 없었던 엄청난 규모의 컴퓨팅도 필요로 합니다. 확실한 것은, 모든 IT 조직은 규모에 맞춰 준비를 갖춰야 하며 이를 위해서는 슈퍼컴퓨팅 기술을 개발해야만 한다는 것입니다.

예를 들면, 새로운 비즈니스 계획의 상당 부분이 고객 응대를 위해 콜 센터 직원을 준비하던 것이 그리 오래 전의 일이 아니었습니다. 그러나 오늘날에는 많은 고객들이 디지털 상호작용을 선호하고–심지어는 고집하고– 있으며, 인간과 상호작용하는 것을 부담으로 보는 경향이 있습니다.

이 예시는 우리 사회와 경제가 아날로그 프로세스에서 디지털 프로세스로 변해가는 과정을 보여줍니다. 이런 변환이 얼마나 빨리 일어나고 있는지 이해하기가 어려울 때도 있지만, 사방에서 실시간으로 벌어지는 현상인 것은 확실합니다.

IDC는 2020년까지 이 시장이 평균 5.9% 성장할 것으로 전망하고 있습니다. 분명히, 디지털 엔터프라이즈는 미래 비즈니스 관행의 기반을 형성하는 새로운 애플리케이션을 개발하기 위해 엄청난 양의 컴퓨팅을 소비하고 있습니다.

다음은 기업들이 현재 슈퍼컴퓨팅을 적용하고 있는 3가지 산업입니다.

1. 농법
유전 공학은 긴 역사를 가지고 있습니다. 수 세기 동안, 농부들은 바람직한 속성을 가지고 있다고 알려진 개개 밀 식물을 찾아내고 토지에 이런 씨앗들을 뿌리면서 농작물을 개량해 왔습니다. 지난 세기 동안, 이런 접근방식은 밀 품종을 개량하고 수확량을 늘리며 농약 사용을 줄이는 결과를 낳았습니다.

그렇기는 하지만, 이런 접근방식에는 한계가 있습니다. 이런 접근방식은 기본적으로 자연이 가치 있는 품종을 창출해주기를 기다리는 것에 의존합니다. 유전자 검사의 대두는 이 프로세스를 개선하고 가속화하기 위한 방법을 가리키고 있습니다. 여러 품종 또는 종 전반에 대한 잠재적인 유전자 이식의 추가로, 전통적인 기법들의 한계를 넘어서 식물들을 개량할 수 있게 되었습니다.

이 접근방식은 바람직한 속성과 비교하여 특정 유전자들의 차이점을 매핑하기 위해 해당 식물에 대한 유전자 분석을 필요로 합니다. 이런 분석은 해당 속성의 원인이 되는 유전자 내 서열을 분리하기 위해 다수의 개별 식물 유전자 전반을 대상으로 수행되어야 합니다. 마찬가지로, 이 역시 엄청난 데이터 세트를 자세히 살펴보기 위해 엄청난 컴퓨팅 능력을 필요로 합니다.

분석에 발생기구학–환경 요인들에 의해 통제되는 유전자 발현 연구–을 포함하도록 분석을 확장하면, 식물이 무엇에 노출되었는가에 따라 다른 결과로 이어질 수 있습니다. 이는 즉, 데이터 세트 크기가 폭발적으로 증가해서, 필요한 컴퓨팅 능력 량을 더욱 증가시킨다는 것을 의미합니다.

역사적으로, 컴퓨팅의 높은 비용은 대부분의 유전자 분석 자원들이 인간의 질병에 대한 신약 발견 같은 고가의 노력에 집중되었음을 의미했습니다.

다행스럽게도, 급락하고 있는 슈퍼컴퓨팅 비용은 유전자 분석을 더 많은 용도에 적용할 수 있게 해줍니다. 그 결과, 식물 유전자 분석은 이제 저렴한 노력이 되었습니다. 이런 분석 결과물들이 이제 식료품점 선반에서 나타나고 있습니다. 예를 들면, 과일 숙성을 더 오랫동안 지속시켜서 최상의 풍미를 보장하는 것. 식용 작물의 중요성은 아무리 강조해도 지나치지 않습니다. 모든 사람이 신뢰할 수 있는 식품 공급에 접근할 수 있도록 보장하는 것은 인간의 발전에 있어서 가장 중요한 요소 중 한가지입니다.

인류는 슈퍼컴퓨팅 기반 유전자 분석을 식물에 적용하는 데 있어 아직 초보 단계에 있지만, 이점과 사업 기회가 급증하고 있기 때문에, 향후 10년 동안 이 방향으로 훨씬 더 많은 노력이 기울여질 것으로 기대할 수 있습니다.

2. 자동차 제조
안전벨트와 에어백 같은 안전 장치들은 수년 간 자동차 안전에 엄청나게 기여했으며, 100만 마일 주행 당 교통사고 사망자 수를 크게 줄이는데 도움을 주었습니다.

차량 구조는 자동차 안전의 또 다른 중요한 측면이다. 자동차 산업 초기에는, 자동차 설계자들이 단단한 자동차 차체를 만들어서 탑승자를 보호하려 했습니다. 하지만, 이런 조치는 사고로 인한 모든 힘이 탑승자에게 전달되었음을 의미했습니다. 1937년, 한 메르세데스 엔지니어가 크럼플 존–충돌 시에 형태가 변형되어서, 탑승자에게 전달되는 힘을 감소하는 자동차의 한 부분–이라는 개념을 고안해냈습니다. 크럼플 존은 이제 제조되는 모든 자동차의 일부가 되었다. 이 1858년과 2009년 시보레 간의 충돌 비디오에서 볼 수 있듯이, 시간이 감에 따라 개선되었습니다.

전통적으로, 엔지니어들은 관련된 자동차 부품들의 알려진 속성–예를 들어, 차체 패널의 철판 강도나 스트럿(Strut)의 인장 저항–을 이용한 직접 계산을 통해서 크럼플 존을 설계해왔습니다.

전체 구조가 어떻게 변형되었는지를 평가하고, 그렇게 함으로써 탑승자가 얼마나 보호되었는지를 평가하는 작업은 실제 시험 즉, 어떤 결과를 초래했는지를 보기 위해 실제 자동차를 충돌시키는 물리적 실험에 의존했습니다. 이는 고가의 프로세스이며, 이런 비용이 잠재적으로 유용할 수 있는 여러 가지 크럼플 설계를 평가할 수 있는 기회를 제한했습니다.

다행스럽게도, 이제는 컴퓨터 분석을 통해서 많은 엔지니어링 평가와 산정을 할 수 있게 되었습니다. 가령, 덜 비싸지만 더 무거운 철을 더 가볍고, 강력한 철로 대체하는 것 등의 많은 크럼플 설계 변종을 시험할 수 있는 기회가 생겨났습니다.

이런 시뮬레이션 능력은 자동차 제조업체들이 여러 가지 상이하고, 상충하는 요구조건을 최적화해야만 하는 오늘날에 더없이 중요합니다. 안전은 견고함과 크기를 필요로 하고, 주행거리는 자동차 무게를 더 낮춤으로써 개선됩니다. 공기 저항은 차체 패널의 모양에 따라 개선되거나 저해된다. 한 조기 요구사항에 대한 개선이 다른 요구사항에는 어떻게 영향을 주는 지에 비추어 평가되어야만 합니다. 이것은 전형적인 엔지니어링 문제입니다.

고가의 물리적 생산을 전혀 요구하지 않고, 이런 상충요소들을 평가하기 위해 자동차의 설계를 신속하게 수정할 수 있는 능력은 제조업체에게는 시간과 비용 절감을 의미합니다. 시뮬레이션의 여러 가지 이점은 2016년의 혼다 시빅 사례에서 볼 수 있는데, 혼다가 수행한 대규모의 충돌 시뮬레이션 덕분에 이전 모델들에 비해서 훨씬 더 안전해졌습니다.

3. 대중 교통
최근 필자는 홍콩의 지하철 시스템 유지보수 계획에 대한 컨퍼런스 세션에 참석할 기회가 있었습니다. 과거에, 홍콩 지하철(MTR: Mass Transit Railway)은 유지보수 작업을 선택하고 할당하기 위해 숙련된 인간의 경험에 의존했었습니다. 이것도 중요한 작업을 확실하게 완료하는 데 나쁜 것은 아니지만, MTR은 더 나은 방법을 찾아냈습니다. 유지보수 일정을 최적화하기 위해 머신 러닝을 활용한 것입니다. 이 과정에서 필요한 엄청난 양의 컴퓨팅을 처리하기 위해 슈퍼컴퓨팅이 사용되었습니다.

유지보수 일정관리에 머신러닝을 적용하는 것은 MTR에서 성과를 올렸습니다. 일정관리 업무를 수행하는 데 있어 일주일에 이틀의 비싼 노동력을 절감해주었을 뿐 아니라, 더 스마트한 작업 할당으로 매일 30분씩 추가 유지보수 작업을 해내고 있습니다. 중앙 대중 교통이 홍콩 거주민들에게 얼마나 중요한지를 감안할 때, 이는 엄청난 개선입니다.

특정 업무가 할당된 이유에 대해 어떤 설명도 제시되지 않아 작업자들이 유지보수 일정이 이상하다고 생각했다고 언급했습니다. 필자가 참석했던 프레젠테이션에서, 발표자는 일정관리 시스템이 블랙 박스였기 때문에 전체 시스템에 대해서 불안해 했다고 강조했습니다. 특정 의사결정이 내려진 이유에 대해서 누구도 정확하게 이해할 수 없었습니다.

이런 의구심에도 불구하고, MTR은 이 시스템을 고수했습니다. 짧은 기간 내에, 직원들은 이 일정관리 방식을 수용했습니다.

이제는 이렇게 말할 수도 있습니다. “맞는 말입니다. 그렇지만 나는 대중 교통 지하철 시스템을 운용하고 있지 않기 때문에 그것과는 상관이 없지 않나요?” 만일 정말 이렇게 생각하고 있다면 불행한 일입니다. 왜냐하면 거의 모든 비즈니스가 슈퍼컴퓨팅을 해당 영역에 적용함해 최적화 개선 조건을 확대하고 인간의 판단을 사용하는 프로세스를 진행하고 있기 때문입니다. 예를 들면, 구글은 이런 기법을 자사 데이터 센터 운영에 적용해서 에너지 사용을 15%나 개선했습니다, 경이적인 결과가 아닐 수 없습니다. 그러므로 이런 사례로 비즈니스를 개선해 줄 수 있는 슈퍼컴퓨팅의 잠재력을 확보하도록 노력하십시오. 대신 근본적인 비즈니스 프로세스의 효율성을 높이기 위해 슈퍼컴퓨팅을 적용할 수 있는 기회를 회사 내에서 찾는 것이 좋습니다.

슈퍼컴퓨팅 비즈니스 기회 : 리더를 위한 교훈
- 슈퍼컴퓨팅은 고급 분석에 힘을 실어서, 기업들이 더 많은 실험 기회를 가지고 개선된 결과를 낼 수 있게 합니다.
- 기업들이 엄청난 컴퓨팅 능력을 사용해서 탐구할 수 있는 새로운 기회를 모색함에 따라 슈퍼컴퓨팅의 사용이 폭증하고 있습니다.
- 대규모 수치 처리를 통해서 인간의 판단력이 증진되고, 심지어는 대체 될 수 있습니다. 

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.