고성능 컴퓨팅(HPC) (High-Performance Computing (HPC))

한 줄 정의: 일반 컴퓨터로는 처리하기 어려운 대규모 연산을 위해 다수의 프로세서와 대용량 메모리, 고속 네트워크를 갖춘 컴퓨팅 인프라 및 그 활용 분야.

쉽게 풀면

고성능 컴퓨팅(HPC)은 기상 예측, 신약 개발 시뮬레이션, 대규모 딥러닝 학습처럼 엄청난 계산량이 필요한 문제를 풀기 위해 수백~수만 대의 컴퓨터를 하나로 묶어 활용하는 분야를 가리킨다. 이런 시스템을 흔히 슈퍼컴퓨터라고도 부르며, 전 세계 슈퍼컴퓨터의 성능 순위를 매기는 TOP500 같은 목록도 있다. 최근 대형 언어 모델 학습도 사실상 HPC 인프라를 활용하는 대표적인 사례로 여겨진다.

왜 중요한가

기후 모델링, 신약 후보물질 스크리닝, 대형 언어 모델 학습처럼 오늘날 과학·공학 연구의 상당 부분이 개인 컴퓨터로는 감당할 수 없는 계산량을 요구하기 때문에, HPC 인프라의 접근성과 활용 방식은 여러 분야의 논문에서 실험 재현성과 연구 규모를 좌우하는 중요한 요소로 다뤄집니다. 또한 병렬화 효율, 자원 스케줄링, 에너지 소비 같은 HPC 자체의 최적화 문제도 컴퓨터과학에서 독자적인 연구 주제로 계속 발전하고 있습니다.

논문에서는 이렇게 쓰입니다

"본 연구의 대규모 실험은 국가 슈퍼컴퓨팅 센터의 HPC 자원을 지원받아 수행되었다."

연구팀이 자체 장비가 아니라 국가 슈퍼컴퓨팅 센터가 제공하는 대규모 컴퓨팅 자원을 지원받아 실험을 수행했다는 뜻이다.

"대규모 기후 시뮬레이션은 수천 개의 코어를 활용하는 HPC 클러스터에서 병렬로 수행되었으며, 격자 해상도를 높일수록 계산 비용이 급격히 증가하였다."

기후과학이나 유체역학 시뮬레이션 연구에서 계산 규모와 비용을 설명할 때 흔히 등장한다.

"단백질 구조 예측을 위한 분자동역학 시뮬레이션은 GPU 기반 HPC 노드에서 수행되어 계산 시간을 크게 단축시켰다."

생물정보학 및 계산화학 분야에서 대규모 시뮬레이션의 실행 환경을 설명할 때 사용된다.

조금 더 깊게 보면

HPC 시스템의 성능은 단일 프로세서의 속도보다 여러 노드가 얼마나 효율적으로 협업하는지에 좌우되며, 이를 위해 고속 네트워크(예: 인피니밴드), 병렬 파일 시스템, 작업 스케줄러(예: SLURM) 같은 인프라 요소가 함께 갖춰집니다. 연산을 여러 노드에 나눠 실행할 때는 노드 수를 늘려도 성능이 비례해서 증가하지 않는 병목이 흔히 발생하는데, 이런 확장성(scalability) 문제를 얼마나 잘 해결했는지가 병렬 알고리즘 및 시스템 설계 연구의 주요 평가 기준이 됩니다.

주의할 점

HPC 자원은 단순히 GPU 개수가 많은 것 이상으로, 고속 네트워크와 병렬 파일 시스템 등 인프라 전체의 설계가 성능에 영향을 준다는 점을 함께 고려해야 한다.