FloatSOM: GPU 가속화, 분산 처리, 토폴로지 유연한 자기 조직화 맵

GPU 가속화된 자기 조직화 맵 (Self-Organizing Map, SOM) 구현체는 대규모 SOM 분석을 위한 가장 경쟁력 있는 옵션 중 하나이나, 데이터셋 크기의 증가로 인해 워크로드가 더 이상 장치 메모리 한계 내에 깔끔하게 들어가지 않게 되어 실용적 사용에 점점 더 큰 도전을 받고 있습니다. 우리는 다중 GPU 실행, 아웃 오브 메모리 디스크 기반 스트리밍 지원, 그리고 정규 격자를 넘어선 새로운 토폴로지 (topologies) 를 지원하는 확장 가능한 학습 및 배포를 위한 SOM 프레임워크인 FloatSOM 을 소개합니다. 우리는 14 개의 합성 및 실제 벤치마크 데이터셋과 함께 제어된 속도 스케일링 벤치마크에서 FloatSOM 을 평가하였으며, 이러한 개선된 토폴로지가 토폴로지 인식 하이퍼파라미터 미세 조정 (topology-aware hyperparameter fine-tuning) 과 결합될 때 현재 최첨단 SOM 베이스라인보다 낮은 양자화 에러 (quantization error) 를 달성함을 보여줍니다. FloatSOM 은 또한 고처리량 분산 실행을 통해 대규모에서도 이 성능을 유지합니다; 가장 큰 벤치마크에서 8 개의 GPU 와 두 개의 별도의 고성능 컴퓨팅 노드 (high-performance-computing nodes) 에서 1,000,000,000 개의 샘플과 50 개 특징을 가진 1024 노드의 SOM 네트워크를 6.16 분 만에 학습시켰습니다.