[논문] AI 기반 HPC 워크플로 설계 12가지 팁

출처: arXiv - 2606.07491v1

개요

고성능 컴퓨팅(HPC) 클러스터는 대규모 과학 계산의 핵심 인프라로 남아 있으며, 전통적으로 예측 가능한 성능을 위해 최적화된 결정론적·선형 파이프라인을 실행합니다. 그러나 인공지능(AI)과 기본 모델이 과학 연구에 널리 통합되면서 근본적으로 새로운 계산 패러다임이 등장했습니다. AI 기반 워크플로는 반복적이고 데이터 중심적이며 확률적 특성을 가지며, 데이터 중력, 이기종 자원 관리, 복잡한 워크플로 오케스트레이션과 같은 고유한 도전을 제시합니다. 본 가이드는 연구자가 효율적이고 확장 가능하며 재현 가능한 AI 기반 HPC 워크플로를 설계하도록 돕는 12가지 실용적인 팁을 제공합니다. 환경 이식성을 위한 컨테이너화, 작업 배열의 전략적 배치, 명시적 피드백 루프 메커니즘, 소형 파일에 대한 I/O 최적화 등 핵심 시스템 수준 병목 현상을 해결함으로써, 이 문서는 경직된 실행 파이프라인에서 적응형·지능형 계산 환경으로 전환하기 위한 프레임워크를 제시합니다. 이러한 아키텍처 원칙은 분산 환경 전반에 적용 가능하지만, 특히 현대 계산 생물학의 자원 집약적 처리량 요구에 맞추어 설계되었습니다.

주요 기여

이 논문은 다음 분야의 연구를 제시합니다.

• cs.DC
• cs.AI
• cs.LG
• cs.SE

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

이 연구는 cs.DC 분야의 발전에 기여합니다.

저자

• Jamie J. Alnasir

논문 정보

• arXiv ID: 2606.07491v1
• 분류: cs.DC, cs.AI, cs.LG, cs.SE
• 발표일: 2026년 6월 5일
• PDF: PDF 다운로드