# 연구용 클러스터에서 AI 실험의 발자국을 줄이려면 어떻게 해야 하나요?

> HPC에서 AI 실험 에너지를 줄이는 법입니다. Slurm 에너지 기록을 읽고, 쓸 만큼만 요청하고, 작게 시험하고, 체크포인트와 예약을 활용하십시오.

Source: https://greenai.guide/ko/방법/연구용-클러스터에서-ai-실험의-발자국을-줄이려면-어떻게-해야-하나요/  
Updated: 2026-11-19

## 요약

측정부터 시작하십시오. 많은 클러스터가 Slurm 스케줄러에 작업당 에너지를 기록하며, CodeCarbon이나 Green Algorithms 계산기로 빈틈을 채울 수 있습니다. 그런 다음 필요한 만큼만 GPU, 메모리, 시간을 요청하고, 아이디어는 작은 규모로 먼저 시험하고, 긴 작업은 체크포인트를 남기고, 유연한 작업은 전력망이 더 깨끗할 때 예약하십시오. 최종 실행만이 아니라 프로젝트 전체의 에너지를 보고하십시오.

## Steps

1. 클러스터가 작업 에너지를 기록하는지 확인합니다. 예를 들어 Slurm의 ConsumedEnergy 필드가 있습니다.
2. 작업에 실제로 필요한 GPU, 메모리, 실행 시간만 요청합니다.
3. 실험 규모를 키우기 전에 작은 시험 실행을 합니다.
4. 긴 작업은 체크포인트를 남겨, 실패나 중단으로 완료된 작업이 낭비되지 않게 합니다.
5. 클러스터가 허용하면 유연한 작업을 전력망이 더 깨끗한 시간대로 예약합니다.
6. 튜닝과 실패한 실행을 포함해 프로젝트 단위 에너지를 보고합니다.

**공유 클러스터에서는 아무도 청구서를 보지 않기 때문에 에너지를 무시하기 쉽습니다.** 하지만 과하게 요청한 GPU와 버려진 작업은 모두 전력을 쓰고 다른 사람을 기다리게 합니다.

## 내 작업이 얼마나 쓰는지 어떻게 보나요? {#how-do-i-see-what-my-jobs-use}

- **Slurm의 `sacct`**는 클러스터에 에너지 기록이 켜져 있으면 작업의 ConsumedEnergy를 보고할 수 있습니다. 켜져 있는지 연구 컴퓨팅 팀에 물어보십시오.
- **CodeCarbon**은 작업 안에서 실행할 수 있으며, 문서에서 인터넷 접속이 없는 컴퓨트 노드의 경우도 다룹니다.
- Lannelongue, Grealey, Inouye의 **Green Algorithms**는 하드웨어, 실행 시간, 메모리, 위치로 발자국을 추정하므로 지난 작업에 적합합니다.

## 가장 큰 차이를 만드는 것 {#what-makes-the-biggest-difference}

- **알맞은 크기의 요청.** GPU 4개를 요청하고 1개만 쓰면 3개가 예약된 채 놀게 됩니다.
- **시험 실행과 조기 종료.** 에너지 대부분은 탐색에 쓰입니다. 가망 없는 아이디어는 일찍 정리하십시오. [하이퍼파라미터 탐색 에너지 줄이기](/ko/방법/하이퍼파라미터-탐색에-드는-에너지를-줄이려면-어떻게-해야-하나요/)를 참고하십시오.
- **체크포인트.** 충돌이나 시간 제한이 처음부터 다시 시작한다는 뜻이 되지 않게 합니다.
- **재사용.** 각자 따로 준비하지 말고 사전 훈련 모델과 공유 데이터셋을 쓰십시오.

수학자, 컴퓨터 과학자, 업계가 참여한 2026년 영국 그린 AI 샌드핏(집중 토론 워크숍)도 모델을 훈련하기 전에 잘 알려진 수치 해법이 이미 문제를 푸는지 확인하라고 강조했습니다.

## 흔한 실수 {#common-mistakes}

- **클러스터를 공짜로 여기는 것.** GPU 시간을 예산처럼 추적하십시오. [컴퓨팅 예산 정하기](/ko/방법/연구-프로젝트의-연산-예산은-어떻게-정하나요/)를 참고하십시오.
- **논문에 최종 실행만 보고하는 것.**

Lannelongue와 동료들의 GREENER 원칙은 연구 그룹과 기관을 위한 틀을 제공합니다. [연구자를 위한 가이드](/ko/가이드/연구자를-위한-그린-ai/)를 참고하십시오.

## 출처

- [Slurm sacct manual (ConsumedEnergy)](https://slurm.schedmd.com/sacct.html), SchedMD (2025)
- [Using CodeCarbon on SLURM](https://docs.codecarbon.io/latest/how-to/slurm/), CodeCarbon documentation (2025)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [GREENER principles for environmentally sustainable computational science](https://doi.org/10.1038/s43588-023-00461-y), Lannelongue et al., Nature Computational Science (2023)
