KAIST는 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망(GNN) 기반 인공지능의 추론 속도를 크게 높일 수 있는 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 개발했다고 8일 밝혔다.

그래프 신경망은 사용자 간 연결 관계를 분석해 추천 시스템이나 금융 사기 탐지 등에 활용되는 핵심 기술이지만, 실제 서비스에서는 추론 이전 단계인 그래프 전처리 과정이 전체 계산 시간의 70~90%를 차지해 병목으로 작용해 왔다.

연구팀은 이 병목의 원인이 GPU가 복잡한 관계 구조를 정리하는 전처리 연산에 최적화돼 있지 않다는 점에 있다고 보고, 입력 데이터 구조에 따라 반도체 내부 회로 구성이 자동으로 바뀌는 적응형 가속기 구조를 설계했다. 데이터의 연결 방식에 맞춰 필요한 정보만 선별하는 UPE 모듈과 이를 신속히 집계하는 SCR 모듈을 반도체 내부에 구현해, 데이터 형태가 달라져도 안정적인 성능을 유지하도록 했다.

성능 평가 결과, 오토GNN은 엔비디아의 고성능 GPU(RTX 3090) 대비 처리 속도가 2.1배 빨랐고, 일반 CPU와 비교하면 9배 높은 성능을 보였다. 에너지 소모는 GPU 대비 3.3배 줄었다.

이 기술은 추천 시스템이나 금융·보안 분야처럼 대규모 관계 데이터를 실시간으로 분석해야 하는 서비스에 적용할 수 있어, 지연 시간과 전력 효율을 동시에 개선할 수 있을 것으로 기대된다.

정명수 교수는 “불규칙한 데이터 구조를 상황에 맞게 처리하는 유연한 하드웨어를 구현했다는 점에서 의미가 있다”며 “실시간 분석이 필요한 다양한 인공지능 서비스로 활용 범위가 넓어질 것”이라고 말했다.

이번 연구 성과는 컴퓨터 아키텍처 분야 국제학술대회 ‘IEEE International Symposium on High-Performance Computer Architecture(HPCA 2026)’에서 2월 4일 발표됐으며, 삼성미래기술육성사업의 지원을 받아 수행됐다.