서론
MIT 전기공학 및 컴퓨터 과학과의 Christina Delimitrou 교수는 데이터 센터의 환경적 부담을 줄이기 위해 머신러닝 기반 최적화 연구를 이끌고 있습니다. 그녀는 데이터 센터가 현재 성능을 충분히 활용하지 못해 불필요한 전력 소비를 초래한다고 지적합니다.
데이터 센터의 현재 비효율 현황
Delimitrou 교수는 "We found that most were running at only about 15 percent capacity," 라고 말하며, 현재 데이터 센터의 평균 활용률이 약 15%에 머무른다고 밝혔습니다. 이와 관련한 수치는 다음과 같이 정리할 수 있습니다.
| 구분 | 활용률 |
|---|---|
| 현재 평균 활용률 | 15% |
| 목표 활용률 (100%에 근접) | 100%에 근접 |
*출처: https://news.mit.edu/2026/mitigating-environmental-threat-of-data-centers-christina-delimitrou-1008*
머신러닝 기반 자원 관리 접근법
그녀는 "If data centers are not utilized to the best of their capabilities, then they will burn much more power than they need to meet growing user demand," 라고 말하며, 자원 활용도를 높이는 것이 에너지 소비를 줄이는 핵심이라고 강조합니다. 이를 위해 머신러닝을 이용해 클라우드 내 자원 관리 작업을 자동화하고, 개발자가 놓칠 수 있는 최적화 방안을 찾아냅니다.
Seer 도구를 통한 애플리케이션 안정성 강화
Delimitrou 팀이 개발한 Seer는 "uses deep learning to anticipate and prevent problems in web applications before they happen." 라고 설명됩니다. 이 도구는 애플리케이션 다운타임을 막아 계산 자원의 낭비를 방지하고, 최종 사용자에게 더 예측 가능한 성능을 제공합니다.
교육·협업 및 미래 방향
교수님은 학부 과목 6.191(Computation Structure)을 매 학기 약 350명의 학생에게 가르치며, 학생들이 스스로 생각하고 배울 수 있도록 개방형 과제를 지향한다고 밝혔습니다. 또한 하드웨어와 소프트웨어 전문가 간 협업을 통해 새로운 연구 영역을 확장하고 있습니다.
시사점 및 산업적 의미
소프트웨어 측의 블로팅을 제거하면 새로운 데이터 센터 건설 필요성을 줄일 수 있으며, 이는 에너지 소비와 인프라 비용 절감으로 이어집니다. 이러한 접근은 데이터 센터 운영자에게 기존 하드웨어에서 더 많은 컴퓨팅 성능을 끌어올 수 있는 실질적인 길을 제시합니다.