엔비디아, 미국항공우주국(NASA)에 소행성 충돌 예방 연구 위한 딥 러닝 파워 제공
엔비디아는 미국항공우주국(NASA·나사)의 프론티어 개발 연구실(Frontier Development Lab)에 엔비디아 타이탄 X(TITAN X) 및 파스칼(Pascal) 아키텍처 기반 GPU를 제공하며, 소행성 충돌 예방 연구에 대규모 데이터를 활용하는 딥 러닝 파워를 제공하고 있습니다. 은하계 너머에서 생명을 찾으려는 나사의 노력은 상당한 관심을 끌고 있는 반면, 나사가 지구 상의 생명을 소멸시킬 수 있는 소행성 충돌을 예방하기 위해 최근 한 프로그램을 도입했다는 사실은 상대적으로 잘 알려지지 않았습니다.
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 있는데요. 그리고 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 진행했습니다.
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 완료할 수 있었습니다. GPU 컴퓨팅의 부상으로 인해 나사, SETI와 같은 기관들이 우주 프로그램에 매우 중요한 역할을 하는 대규모 데이터 모음을 분석할 수 있는 환경이 마련된 것입니다. 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 밝혔는데요. 이를 위해 인턴으로 선발된 12명의 우수한 대학원생들이 실리콘밸리에 위치한 나사 에임스 연구 센터(NASA Ames Research Center)에 상주하며, 부근에 위치한 SETI 시설에서 각자의 프로젝트를 진행했습니다.
지구 수호를 위한 머신 러닝
프론티어 개발 연구실은 선발된 인턴들을 3개 팀으로 구성하고 각 팀에게 머신 러닝 방식에 적합한 것으로 간주되는 소행성 방어 요소를 할당했습니다. 각 팀에 할당된 요소는 각각 ‘떨어진 운석의 위치 탐지를 기반으로 구성요소 파악’, ‘레이더 데이터를 통한 형태 모델링’, ‘방향 전환 기술 평가’였으며, 모든 팀의 공통 목표는 위협이 될 만한 소행성 대처 시 중대한 세 가지 문제에 대한 답을 찾는 것이었습니다.
구성요소 파악
이 문제를 담당한 팀은 실제 운석을 찾기 위해 자율주행 드론을 설계했습니다. GPU 기반 딥 러닝 모델을 기반으로 자동 운석 탐지 시스템을 구축하고 1,500만 건의 이미지로 구성된 라이브러리와 2만 5천 개의 운석 트레이닝 이미지 데이터베이스를 활용한 것 입니다. 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 밝혔습니다.
소행성 형태 파악
소행성의 형태를 파악하는 것은 향후 궤도 전환 가능성을 평가하기 위한 매우 중요한 부분입니다. 제임스 파 디렉터는 소행성 하나의 형태를 생성하는 작업을 위해서는 전통적으로 5만개 라인에 이르는 레거시 코드를 이용한 긴 시간의 컴퓨터 구동이 요구됐으며, 더불어 사람이 직접 지정하는 반복 작업에도 4주가 소요됐었다고 설명했는데요.
프론티어 개발 연구실 팀은 GPU와 머신 러닝 기법을 적용하여 소행성의 회전축을 탐지하는 과정에 소요되는 컴퓨팅 작업을 몇 시간 수준으로 단축에 성공했습니다. 그리고 최종 반복 작업에 이를 때까지 레거시 코드를 우회하기 위해 제임스 파 디렉터가 “최첨단 방법”이라고 칭한 방법을 적용했습니다. 제임스 파 디렉터는 첫 결과가 희망적이라며, 수 주가 소요될 컴퓨팅 작업이 밀리세컨(1,000분의 1초) 단위로 단축됐다고 밝혔습니다.
방향 전환 기술 평가
소행성 방향 전환 기술의 분석을 시도했던 종전의 작업들의 경우, 예상 가능한 경로 중 4개 정도만 활용됐습니다. 반면 프론티어 개발 연구실 팀은 GPU와 머신 러닝 테크닉을 활용한 분석 모델을 구축하고, 80만 개의 시뮬레이션 궤도에 적용할 수 있었습니다. 이는 소행성 대비를 위한 노력에 있어 놀랄 만한 향상이라 할 수 있습니다.
GPU, 우주 프로그램의 원동력
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 강조합니다. 이를 통해 프론티어 개발 연구실의 각 팀이 딥 러닝 접근 방식을 기반으로 대규모 데이터 모음을 활용할 수 있었기 때문입니다.
제임스 파 디렉터는 “GPU 역할의 중요성은 60년대 후반 아폴로(Apollo) 프로젝트에서 마이크로프로세서의 역할에 견줄 만 하다”고 말했습니다.
GPU 발전을 기반으로 언젠가 발생 가능한 천체 소멸로부터 인류를 구할 수 있는 가능성만큼이나, 여전히 해결해야 할 일들이 많이 남아있습니다. 제임스 파 디렉터는 “여전히 답을 찾지 못한 문제들이 많이 남아 있으며, 이를 해결해야만 많은 이들이 살아가는 지구와 소행성의 충돌을 성공적으로 막을 수 있을 것”이라고 전했습니다.