주요 컨텐츠로 이동

Databricks Mosaic AI를 활용한 롤스로이스의 이미지 생성

이 포스트 공유하기

롤스로이스는 여러 AI 프로젝트에서 Databricks 데이터 인텔리전스 플랫폼의 변혁적인 힘을 경험했습니다. 그 중 하나는 롤스로이스와 Databricks 간의 협업으로, 조건부 생성적 적대 신경망(cGAN) 훈련 프로세스를 최적화하는 데 중점을 두고 있으며, Databricks Mosaic AI 도구를 사용함으로써 얻을 수 있는 다양한 이점을 보여줍니다.

 

이 공동 cGAN 훈련 최적화 프로젝트에서 팀은 수치, 텍스트 및 이미지 데이터를 사용하는 것을 고려했습니다. 주요 목표는 롤스로이스의 설계 공간 탐색 능력을 향상시키고, 매개변수 모델의 한계를 극복하는 것이었습니다. 이를 통해 전통적인 기하학적 모델링 및 시뮬레이션 과정을 거치지 않고도 지정된 설계 조건을 만족하는 혁신적인 설계 개념을 식별하고 평가할 수 있도록 기존 시뮬레이션 데이터를 재사용할 수 있게 되었습니다.

동영상 보기: 롤스로이스가 클라우드 기반 GenAI를 사용하여 예비 엔지니어링 설계를 지원하는 방법

Databricks와 롤스로이스의 공동 팀은 모델 구성에 대한 모범 사례를 조사했으며, 차원 제한 등을 고려했습니다. 이 접근 방식에는 신경망이 특정 영역을 피하고 더 빠르게 솔루션을 찾을 수 있도록 실패한 솔루션에 대한 지식을 훈련 데이터 세트에 포함시키는 것이 포함되었습니다. 프로젝트의 또 다른 측면은 설계 과정에서 다목적 제약 조건을 처리하는 것이었습니다. 예를 들어, 모델의 무게를 줄이면서 효율성을 높이려는 요구 사항들이 서로 충돌할 수 있었습니다. 목표는 설계의 특정 측면에만 최적화된 것이 아닌 전반적으로 최적화된 솔루션을 도출하는 것이었습니다.

cGAN 프로젝트의 개념적 아키텍처는 다음과 같습니다.

cGAN architecture

cGAN 프로젝트의 개념적 아키텍처 설명:

  1. 데이터 모델링: 데이터 테이블은 특정 사용 사례에 최적화되도록 설정됩니다. 여기에는 ID 열 생성, 테이블 속성 설정 및 고유 튜플 관리가 포함됩니다.
  2. ML 모델 훈련: 개발된 ML 모델은 일반적인 시뮬레이션 연구의 3D 결과를 2D로 표현하여 훈련됩니다. 실패한 솔루션에 대한 지식을 포함시켜 신경망이 특정 영역을 피하고 더 빠르게 솔루션을 찾도록 돕습니다.
  3. 구현: 모델과 알고리즘을 개발 및 최적화한 후 제품 설계 프로세스에 구현합니다.
  4. 최적화: 현재 결과를 기반으로 매개변수 조정, 데이터 세트 정제 등을 통해 모델과 알고리즘을 지속적으로 최적화할 계획입니다.
  5. 모델 내보내기: 기존 데이터로 훈련된 모델은 표준 형식으로 내보낼 수 있으며, 이를 통해 제한적인 수출 통제 또는 IP 분류가 적용된 프로젝트 데이터로 전이 학습을 수행할 수 있는 안전한 환경으로 복사할 수 있습니다.
  6. 다음 단계: 앞으로 다목적 제약 조건을 처리하는 메커니즘을 포함할 계획입니다. 상충될 수 있는 여러 요구 사항을 처리해야 하며, 이러한 상충되는 목표를 균형 있게 조정하여 최적의 솔루션에 도달하기 위한 알고리즘이나 방법을 개발해야 합니다.

롤스로이스는 이 프로젝트에 데이터브릭스 데이터 인텔리전스 플랫폼과 데이터브릭스 모자이크 AI 도구를 활용함으로써 많은 이점을 얻을 수 있었습니다:

  1. 총 소유 비용(TCO): Databricks는 혁신을 가속화하면서 비용을 크게 절감하는 통합 레이크하우스 아키텍처를 제공합니다. 데이터 요구가 기하급수적으로 증가함에 따라 Databricks는 데이터 처리에 있어 비용 효율적인 솔루션입니다.
  2. 모델 구축 시간 단축: Databricks Mosaic AI 도구는 AutoML 및 Managed MLflow와 같은 기능을 통해 ML 개발 자동화 및 전체 ML 모델 라이프사이클 관리를 통해 모델 구축 시간을 단축합니다.
  3. 실험에서 배포까지: Databricks는 실험에서 배포까지 원활한 전환을 제공합니다.
  4. 모델 정확도 향상: Databricks는 Ray와 같은 맞춤형 패키지 접근성을 제공하여 하이퍼파라미터 연구 실행을 단순화하고, 복잡한 사용 사례 실행과 동시 개발(여러 개인이 모델 작업 또는 접근 가능)을 가능하게 합니다.
  5. 데이터 관리/거버넌스 혜택: Unity Catalog 구현은 중요한 거버넌스 프레임워크를 제공하여 모든 데이터 자산에 대한 통합 뷰를 제공하고 민감한 데이터 접근 관리 및 제어를 용이하게 합니다.

결론적으로, Databricks는 시뮬레이션 생성 AI 프로젝트 구현에 있어 강력하고 효율적이며 안전한 플랫폼을 제공합니다. 롤스로이스와 Databricks 간의 협업은 이 새로운 기술의 변혁적인 힘을 입증했습니다. 엔진의 3차원 특성을 고려하여 향후 작업에는 2D 모델에서 3D 모델로의 전환 탐색이 포함될 것입니다.

Translated by HaUn Kim (Original Blog Post)

Databricks 무료로 시작하기

관련 포스트

모든 생성형 AI 포스트 보기