• ​분자동역학에서 대두되는 머신러닝 기반 포텐셜 (MLIP)의 학습·추론 단계의 병목인 Tensor‑Product 레이어를 가속하는 GPU 라이브러리인 FlashTP 개발
• FlashTP 라이브러리를 서울대 재료공학부 및 삼성종합기술원에 제공해 세계 최고 수준의 MLIP 모델 개발 성공
• ICML 2025  Spotlight Poster (최상위 2.6%) 논문선정

이재욱 교수 연구진이 분자동역학(Molecular Dynamics Simulation)에 사용되는 머신러닝 기반 포텐셜(MLIP)의 학습 및 추론 단계에서 주요 병목으로 작용하는 Tensor‑Product 레이어를 획기적으로 가속화하는 GPU 커널 기반 라이브러리 FlashTP를 개발했다. 라이브러리는 파편화된 연산을 하나의 커널로 통합(kernel fusion)해 중간 결과에 대한 메모리 전송을 대폭 줄이고, 연산 내 희소성(sparsity)을 이용해 불필요한 계산을 제거했으며, 입력값 재사용을 최적화해 메모리 통신량을 감소시켰다.

이 결과, 화학·생물학·재료공학 등 다양한 분야에서 MLIP를 활용한 대규모 분자동역학 시뮬레이션의 처리 속도가 종전 대비 수십 배 향상되어, 기존에 불가능했던 대규모 시스템에 활용이 가능해졌다. 이재욱 교수 연구진은 FlashTP를 서울대 재료공학부 한승우 교수 연구진 및 삼성종합기술원에 제공하였고, 이들은 FlashTP를 사용해 최고 수준의 MLIP 모델(EquFlash)을 개발하였다.

한편, 본 연구 성과는 지난 7월에 개최되는 머신러닝 분야 최고 권위의 학회인 ICML 2025에 발표되었다. 특히 전체 제출된 12,107 편의 논문 중 313편(최상위 2.6%)만 선정되는 스포트라이트 포스터(Spotlight Poster)로 채택되어 그 우수성을 인정받았다.

“FlashTP: Fused, Sparsity-Aware Tensor Product for Machine Learning Interatomic Potentials”, Seung Yul Lee, Hojoon Kim, Yutack Park, Dawoon Jeong, Seungwu Han, Yeonhong Park and Jae W. Lee, ICML 2025.

​