데이터센터 대규모 AI 학습 부하의 전력 변동 완화 기술: EasyRider

요약

대규모 AI 모델 훈련 워크로드는 GPU 수천 개가 동기식 루프를 돌며 작동하므로, 시작/종료 및 체크포인팅 과정에서 전력 소비가 급격히 변동합니다. 이러한 큰 부하 스윙은 그리드 인프라에 과도한 스트레스(급격한 전력 램프율, 전압/주파수 변화)를 주어 변압기나 컨버터 손상을 유발할 수 있습니다. 본 논문에서 제안하는 EasyRider는 패시브 부품과 능동 제어 보조 에너지 저장 시스템을 활용하여 랙 레벨의 전력 변동을 완화합니다. 이는 AI 프레임워크 수정 없이 그리드 안전 기준을 충족시키며, 실제 프로토타입 테스트를 통해 그 효

핵심 포인트

• EasyRider는 패시브 부품과 능동 제어 보조 에너지 저장 시스템을 결합하여 랙 레벨의 전력 변동을 완화합니다.
• 이 기술은 AI 학습 프레임워크에 소프트웨어 수정 없이 그리드 안전 기준을 충족시키도록 설계되었습니다.
• EasyRider는 400VDC급 프로토타입 시스템에서 다양한 워크로드 및 이질적인 전력 레벨에 걸쳐 그 효과를 입증했습니다.