שיפור דרמטי ביכולות AI: אימון מודלים מבוססי גרפים מואץ פי 95 בעזרת GPU בודד
חוקרי KAIST פיתחו את FlexGNN - מערכת AI המאיצה אימון מודלי GNN עד פי 95 תוך שימוש ב-GPU בודד בלבד, באמצעות אופטימיזציה חכמה של ניצול משאבי מערכת. הטכנולוגיה החדשה פותרת בעיות קנה מידה ומאפשרת ניתוחי גרפים מורכבים בתחומי אקלים, פיננסים ובריאות.
מהפכת ביצועים בעולם ה-GNN: FlexGNN של KAIST
חוקרים ממכון KAIST הדרום קוריאני פיתחו מערכת חדשנית לאימון מודלים מבוססי GNN (Graph Neural Networks) - FlexGNN - המאפשרת האצת האימון עד פי 95 בהשוואה לטכנולוגיות קיימות, וזאת תוך שימוש במעבד גרפי בודד (GPU).
פריצת הדרך הטכנולוגית:
- שימוש אופטימלי במשאבים: המערכת משתמשת בשילוב חכם בין זיכרון ה-GPU, הזיכרון הראשי וכונני SSD
- אופטימיזציית ביצועים: פיתוח טכנולוגיה חדשה לאופטימיזציית אימון שמחשבת עיתוי וצורת חישוב אופטימליים לפרמטרים ונתוני ביניים
- קנה מידה חסר תקדים: יכולת אימון על נתונים החורגים בהרבה מקיבולת הזיכרון הראשי
יישומים פוטנציאליים:
- חיזוי אקלים ומזג אוויר
- אנליזת שווקים פיננסיים וזיהוי הונאות
- גילוי תרופות וחומרים חדשים
- אופטימיזציה תעשייתית ורשתות אספקה
לדברי פרופ' מין-סו קים, ראש צוות המחקר: "פלקסג'יאן פתרה בעיות בסיסיות של קנה מידה ומהירות בתחום ה-GNN, ונצפה לראותה משולבת בתעשיות מגוונות".
המחקר פורסם בכנס ACM SIGKDD 2025 ונחשב צעד משמעותי לקראת אייי מסוג full-graph המסוגל לבצע ניתוחים מדויקים יותר ממחשבי-על בתחומים מסוימים.