2025-08-13 | 대전=박희윤 기자

单张GPU实现95倍加速的图分析AI“FlexGNN”问世

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST研究团队成功开发出世界最高性能的软件技术,仅用一台GPU服务器即可以最快速度训练大规模GNN(Graph Neural Network)模型。

KAIST 13日表示,计算机学院金敏洙教授研究团队开发出GNN系统“FlexGNN”,与利用多台GPU服务器的现有方式不同,可在一台GPU服务器上快速训练和推理大规模全(full)图AI模型。FlexGNN相比现有技术,将训练速度最高提升95倍。

近来在气候、金融、医疗、制药、制造、流通等多个领域,将数据转换为由顶点和边构成的图形式进行分析和预测的案例日益增多。

将整个图全部用于训练的全图方式精度更高,但训练过程中会产生大规模中间数据(intermediate data),频繁出现内存不足现象,且多台服务器之间的数据通信会导致训练时间延长,存在局限。

研究团队开发的FlexGNN为克服这些问题,不使用多台GPU服务器,而是在单台GPU服务器上利用SSD(固态硬盘)和主内存执行最优的AI模型训练。

特别是通过优化数据库系统质量的AI查询优化学习,开发出新的训练优化技术,可在GPU—主内存—SSD各层级之间,以最优的时点和方式对模型参数、训练数据、中间数据进行计算。

由此,FlexGNN可根据数据规模、模型规模、GPU内存等可用资源状况,灵活生成最优的训练执行计划,实现高资源效率和训练速度。

结果是,即便面对远超主内存容量的数据,也能训练GNN模型,在单台GPU服务器上训练速度最高提升95倍。特别是在气候预测等领域,比超级计算机更精密的全图AI分析成为现实。

KAIST金敏洙教授表示:“随着全图GNN模型在天气预测、新材料发现等复杂问题求解中被广泛应用,相关技术的重要性日益提高”,“FlexGNN划时代地解决了此前一直存在困难的图AI模型训练规模和速度问题,期待其在各类产业领域得到广泛应用”。

本次研究由KAIST计算机学院博士生裴正民担任第一作者,金敏洙教授创办企业Graphy的CTO韩东亨为第二作者,金教授担任通讯作者。

研究成果已于8月5日在世界权威数据挖掘学术会议“ACM KDD”上发表。FlexGNN技术今后还将应用于Graphy的图数据库解决方案GraphOn。

阅读韩文原文