https://www.aitimes.kr/ne ws/articleView.html?idxno=15406 컴퓨터 시뮬레이션은 과학적 발견과 검증을 위한 귀중한 도구이다. 그러나 정확한 시뮬레이션은 실행 속도가 느리기 때문에 광범위한 파라미터 탐색, 대규모 데이터 분석 및 불확실성 정량화에 적용하기 어렵다… www.aitimes.kr 이 새로운 에뮬레이터는 딥러닝 기반의 딥 에뮬레이터 네트워크 검색(DENSE, Deep Emulator Network Search) 기술을 기반으로 한다.
호주 산불로 인한 연기 이동 시뮬레이션(사진 NASA 영상 캡처) 컴퓨터 시뮬레이션은 과학적 발견과 검증을 위한 귀중한 도구다. 그러나 정확한 시뮬레이션은 실행 속도가 느리기 때문에 광범위한 파라미터 탐색, 대규모 데이터 분석 및 불확실성 정량화에 적용하기 어렵다. 또 원자 구름 은하 또는 기타 모델링 대상에서 미치는 영향을 계산하려면 세계에서 가장 빠른 슈퍼컴퓨터에서도 몇 시간이 걸린다고 한다.
이에 원자 입자가 상호작용하는 방식 또는 안개가 기후에 미치는 영향을 시뮬레이션하기 위해 스탠퍼드대와 옥스퍼드대 연구팀이 수십억 배의 시뮬레이션 속도를 높일 수 있는 딥러닝 기반 에뮬레이터(Emulator)를 개발했다.
기존 물리 기반 시뮬레이션에 의존하는 대신 새로운 AI 기반 에뮬레이터는 이러한 시뮬레이션을 신속하게 도출해 과학자들이 시간을 최대한 활용할 수 있도록 혁신적인 방안을 제시한 것이다.
이 새로운 에뮬레이터는 딥 에뮬레이터 네트워크 검색(DENSE, Deep Emulator Network Search) 기술을 기반으로 한다. 이 모델은 스탠퍼드의 컴퓨터 과학자 멜로디 관(Melody Guan)과 옥스퍼드 대학의 물리학자 무함마드 카심(Muhammad Kasim)이 공동 개발한 일반적인 신경구조 검색을 기반으로 한다.
(a-f)테스트 데이터 세트로부터 취득한 시뮬레이션 출력과 비교한 에뮬레이터 출력의 예. 모든 시험 사례에서 에뮬레이터 출력의 예는 그림 5(g)DENSEEmulators가 획득한 손실 함수와 비 심장한 학습 방법과 수동으로 설계된 심층 신경망에서 발견된 최적의 손실 함수의 비율(h)GPU을 이용한 에뮬레이터의 초기 시뮬레이션과 비교하고, 속도 향상(도표:논문 캡쳐)이 방법은 천체 물리학, 기후 과학, 생물 지구 화학, 고에너지 밀도 물리학, 융합 에너지 및 지진학을 포함 10의 과학적 사례로 같은 슈퍼 아키텍처, 알고리즘 및 하이퍼 파라미터를 사용하고 시뮬레이션을 최대 20억회 가속한다.
연구 팀의 접근은 본질적으로 에뮬레이터 불확실성 추정을 제공하고 사용에 대한 자신감을 높이고 특히 일반 순환 모델(GCM)을 사용한 글로벌 에어로졸 기후 모델링 시뮬레이션의 경우, 팀은 먼저 CPU만 사용하고 시뮬레이션을 테스트했다. CPU시간은 약 1150시간이 걸렸고 NVIDITANXGPU을 사용하고 시뮬레이션은 20억회 이상 가속했다고 논문에서 밝혔다.
이 연구의 수석 저자 카심(Kasim)은 “DENSE(디프 에뮬레이터 네트워크 검색)이 하나의 비교에서 천문학 시뮬레이션 결과는 전체 슈퍼 컴퓨터 기반 시뮬레이션 결과와 99.9%이상 동일이다 처음에는 이러한 정밀도 수준을 달성하기 위해서 시뮬레이션당 수만건의 훈련 사례가 필요하다고 생각했다. 그러나 그는 단지 수천에서 그리고 에어로졸의 경우에는 수십 만에서 이를 달성했습니다”와 논문에서 밝혔다.
한편 연구 팀은 DENSE가 다른 과학자들이 데이터를 즉시 해석할 수 있게 되기를 희망하고 이 연구가 비싼 시뮬레이션과 관련된 연구를 가속화되어 보다 광범위한 파라미터 탐색을 가능하게 하여 이전에 실현 불가능한 새로운 계산 방법을 가능하게 하는 것으로 기대한다고 밝혔다.
이 연구 결과”딥 신경 구조 검색에 의한 과학 시뮬레이션 최대 20억배나 더 가속(Uptotwobilliontimesaccelerationofscientificsimulationswithdeepneuralarchitecturesearch)”는 지난 달 17일 아카이브에 게재됐다.(논문 다운)