한글내용
(Korean Abstract) |
EDISON은 한국과학기술정보연구원에서 개발된 계산과학공학 시뮬레이션 수행 플랫폼으로, 온라인에서 사용자들이 손쉽게 고성능 컴퓨팅 (HPC) 시뮬레이션을 수행할 수 있게 한다. EDISON의 활발한 사용에도 불구하고, 때때로 EDISON에서 실행되는 HPC 시뮬레이션은 입력 파라미터에 따라 수 일, 수 주, 심지어 수개월이 걸리는 매우 큰 실행 비용을 요구한다. 이러한 큰 실행 비용은 시뮬레이션이 언제 끝날지 모른 채 사용자들이 무작정 기다리게 한다. 이러한 불편함은 결국 EDISON 시뮬레이션의 효율성을 저해시킨다. 시뮬레이션에서 이와 같은 예측 불가능성을 해소하기 위해, 본 논문은 기계 학습 기법을 통한 시뮬레이션 시간 추정 방법을 제안한다. 제안된 방법에서, EDISON에서 실행된 다양한 종류의 시뮬레이션에서 실행된 이력 데이터를 기반으로, 기계 학습 모델들을 훈련시킨 다음, 그 모델들을 활용하여 지정된 입력 파라미터에 대한 시뮬레이션의 실행 시간을 추정한다. 그 결과, 우리의 모델은 추정된 시간에 대해 평균 73%의 정확도로 양호한 성능을 보였다. 본 논문에서 제안하는 모델을 통해 사용자들은 잘못된 입력 파라미터에 따른 시뮬레이션 실행의 잠재적 위험을 줄이고 더 효율적인 시뮬레이션을 위한 더 나은 일정을 계획할 수 있다.
|
