테크노트 KAIST, 추론속도 최대 100배 빠른 AI 확산모델 신기술 개발

한국과학기술원(KAIST)은 전산학부 안성진 교수팀이 딥러닝 분야 석학인 캐나다 몬트리올대 요슈아 벤지오 교수와 인공지능(AI) 확산모델(diffusion model)의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 20일 밝혔다. 확산모델은 많은 AI 응용에 활용되고 있지만, 효율적인 추론-시간 확장에 대한 연구가 부족했다. 이 기술은 인공지능 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용, 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는 핵심 AI 기술로 주목받는다. 안 교수 공동 연구팀은 몬테카를로 트리 탐색(Monte Carlo Tree Search) 기반 새로운 확산모델 추론기법을 제안했다. 이 방법은 확산 과정 중 다양한 생성 경로를 트리 구조로 탐색하며, 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있도록 설계됐다. 이를 통해 기존 모델(방법)이 한 번도 성공하지 못한 ‘자이언트-스케일의 미로 찾기’ 태스크에서 100% 성공률을 달성했다. 특히 트리 탐색을 효율적으로 병렬화해 비용을 최적화함으로써 기존 방법보다 최대 100배 빠른 속도를 얻는 데 성공했다.

• 이창현 기자
• 2025-07-21 09:22