JUPITER 엑사스케일 슈퍼컴퓨터, 4,096개의 Grace Hopper 노드로 세포 규모의 뇌를 매핑하다

유럽 최초의 엑사스케일 (Exascale) 슈퍼컴퓨터인 JUPITER는 5일 만에 6.5 PB의 데이터로 CytoNet 뇌 모델을 학습시켰으며, 기후, 6G 및 양자 시뮬레이션을 실행합니다.

독일 Forschungszentrum Jülich에 위치한 유럽 최초의 엑사스케일 슈퍼컴퓨터인 JUPITER는 4,096개의 NVIDIA Grace Hopper Superchips를 사용하여 5일 이내에 6.5 PB의 데이터로 뇌 파운데이션 모델 (Foundation Model)을 학습시켰습니다. 함부르크에서 열린 ISC 2026에서 상세히 공개된 이 시스템은 이전에는 다루기 힘들었던 네 가지 프로젝트, 즉 뇌 매핑 (Brain mapping), 킬로미터 해상도의 기후 시뮬레이션 (Climate simulation), 6G AI, 그리고 50-큐비트 (50-qubit) 양자 시뮬레이션을 실행합니다.

주요 사실

• JUPITER는 독일 Forschungszentrum Jülich에 위치한 유럽 최초의 엑사스케일 슈퍼컴퓨터입니다.
• CytoNet은 21개의 사후 뇌 데이터 6.5 PB를 사용하여 5일 이내에 학습되었습니다.
• 학습에는 4,096개의 NVIDIA Grace Hopper Superchips가 사용되었습니다.
• JUPITER는 지구 기후를 1km 해상도로 시뮬레이션합니다.
• 이 시스템은 범용 50-큐비트 양자 컴퓨터를 시뮬레이션할 수 있습니다.

함부르크에서 열린 ISC 2026에서 Jülich Supercomputing Centre는 유럽 최초의 엑사스케일 머신이 실제로 무엇을 할 수 있는지 보여주었습니다. NVIDIA Grace Hopper Superchips 및 Quantum-X800 InfiniBand 네트워킹을 기반으로 구동되는 JUPITER는 하나의 공통된 맥락을 공유하는 네 가지 핵심 프로젝트를 실행해 왔습니다. 즉, 이전 하드웨어로는 도달할 수 없었던 과학적 문제들이 이제 엑사스케일에서 해결 가능하다는 것입니다.

CytoNet: 뇌를 위한 파운데이션 모델 (Foundation Model)

Jülich Brain Atlas 프로젝트는 뇌 미세구조 분석을 위한 파운데이션 모델 (foundation model)인 CytoNet을 제작했습니다. INM-1의 신경과학자 Katrin Amunts와 컴퓨터 과학자 Christian Schiffer가 이끄는 이 모델은 세포 규모의 뇌 영상 데이터로부터 학습하며, 개별 세포 구조를 뇌 조직화 및 기능의 더 넓은 패턴과 연결합니다. 학습은 4,096개의 NVIDIA Grace Hopper Superchip을 사용하여 21개의 사후 뇌(post-mortem brains)에서 추출한 6.5 페타바이트 (petabytes)의 데이터를 바탕으로 JUPITER에서 5일 이내에 완료되었습니다. 해당 연구를 설명하는 논문은 arXiv에서 확인할 수 있습니다.

Forschungszentrum Jülich의 INM-1 디렉터인 Katrin Amunts는 "우리는 단순히 뇌를 분석하기 위해 AI를 사용하는 것이 아니라, 실험 자체를 사고할 수 있는 에이전트 (agent)를 구축하고 있습니다"라고 말했습니다. 팀의 다음 단계는 NVIDIA Nemotron 3 120B를 포함한 오픈 모델 (open models)을 사용하여 멀티모달 추론 (multimodal reasoning), 언어 인터페이스, 그리고 질의응답 (Q&A) 기능을 통합한 뇌 연구자용 AI 에이전트를 개발하는 것입니다.

킬로미터 해상도의 기후 모델링

Jülich 및 파트너 기관의 연구진이 개발한 새로운 ICON 구성은 지구 전체의 기후를 1km 해상도로 시뮬레이션합니다. 이 해상도는 전 지구적 기후 모델 (global climate models)이 통상적으로 매개변수화 (parameterize)하는 구름 대류 (cloud convection) 및 도시 열섬 (urban heat islands)과 같은 미세한 현상들을 포착합니다. 이 시뮬레이션은 JUPITER의 엑사스케일 (exascale) 처리량을 활용하여 수년 단위의 예측을 가능하게 하는 속도로 실행됩니다.

6G AI 및 양자 시뮬레이션

JUPITER는 차세대 무선 네트워크를 위한 AI를 발전시키고 범용 50-큐비트 (50-qubit) 양자 컴퓨터를 시뮬레이션하는 프로젝트들도 호스팅하고 있습니다. 특히 양자 시뮬레이션은 양자 회로 (quantum circuits)의 고전적 에뮬레이션 (classical emulation) 분야에서 기록을 경신하며, 실제 양자 하드웨어 없이도 양자 알고리즘 개발을 위한 테스트베드 (testbed)를 제공합니다.

"JUPITER를 통해 유럽은 단순히 엑사스케일 (exascale) 시대에 합류하는 것이 아니라, 전 세계 어떤 시스템보다도 광범위한 과학 및 AI 분야를 선도하게 될 것입니다"라고 율리히 슈퍼컴퓨팅 센터 (Jülich Supercomputing Centre)의 디렉터인 Thomas Lippert는 말했습니다.

독특한 관점: 엑사스케일의 진정한 산출물은 벤치마크 점수가 아닌 과학적 처리량 (Scientific Throughput)이다

엑사스케일에 관한 논의의 상당 부분이 피크 FLOPS (peak FLOPS)와 MLPerf 점수에 집중되어 있는 반면, JUPITER의 가치 제안은 다릅니다. JUPITER는 파운데이션 모델 (foundation models)의 학습 시간을 수개월에서 수일로 단축시키며, 이전에는 불가능했던 해상도의 시뮬레이션을 가능하게 합니다. 5일 미만 만에 6.5 PB의 데이터를 처리한 CytoNet 학습 실행은 이전 세대 하드웨어였다면 수주가 걸렸을 작업입니다. 이는 엑사스케일 시스템이 단순히 특화된 HPC 또는 AI 클러스터가 아니라, 범용 과학 장비 (general-purpose scientific instruments)로서 기능할 수 있음을 보여주는 첫 번째 입증 사례입니다.

주목할 점

팀의 다음 단계는 Nemotron 3 120B를 사용하는 뇌 연구자용 AI 에이전트 (AI agent)를 개발하는 것이며, 이를 통해 엑사스케일에서 학습된 파운데이션 모델이 상호작용적인 과학적 발견 (interactive scientific discovery)으로 일반화될 수 있는지 테스트할 예정입니다. arXiv 논문의 승인 여부와 CytoNet의 매핑 정확도를 전통적인 조직학적 방법 (histological methods)과 비교하는 후속 벤치마크를 주목해 보시기 바랍니다.

출처: hpcwire.com

원문 게시: gentic.news