The environmental impact, carbon emissions and sustainability of computing in the ATLAS experiment

이 논문은 HL-LHC 시대에 ATLAS 실험의 컴퓨팅 인프라가 요구하는 환경적 영향과 탄소 배출을 평가하고, 인식 제고, 정책 조정, 데이터 센터 구성 변경 등을 통해 이를 완화하기 위한 구체적인 방안과 그 성과를 제시합니다.

핵심

🏛️ ATLAS 실험: 거대한 '디지털 도서관'

ATLAS 실험은 우주의 비밀을 찾기 위해 매일 밤낮으로 엄청난 양의 데이터를 생성합니다. 이 데이터를 저장하고 분석하기 위해 전 세계 100 개 이상의 곳에 흩어진 **거대한 '디지털 도서관'**이 필요합니다.

• 현재 상황: 이 도서관에는 책 (데이터) 이 100 만 TB(테라바이트) 이상 쌓여 있고, 책을 읽기 위해 100 만 대 이상의 컴퓨터 (CPU) 가 동시에 돌아가고 있습니다.
• 미래의 문제: 2030 년과 2040 년으로 갈수록 이 도서관은 3~4 배, 심지어 10 배 더 커질 예정입니다. 문제는 이 도서관이 커질수록 **전기세 (탄소 배출)**도 함께 폭증한다는 것입니다.

이 논문은 "그럼 어떻게 하면 이 거대한 도서관을 지구를 아프게 하지 않으면서 더 크게 만들 수 있을까?"에 대한 해답을 제시합니다.

---

🌍 4 가지 친환경 전략 (도서관을 지키는 방법)

저자들은 환경 영향을 줄이기 위해 크게 네 가지 전략을 사용하고 있습니다.

1. 🧠 '환경 의식' 깨우기 (사용자 교육)

• 비유: 도서관 이용자가 책을 잘못 빌려서 다시 돌려주거나, 불필요한 복사기를 계속 돌리면 전기와 종이 낭비가 생깁니다.
• 해결책: 연구원들에게 자신의 작업이 얼마나 많은 이산화탄소를 배출하는지 알려주는 시스템을 만들었습니다. 마치 스마트폰이 배터리 소모량을 알려주듯, "이 작업을 하면 CO2 가 이만큼 나옵니다"라고 알려주어, 연구원들이 더 효율적인 코드를 짜거나 불필요한 작업을 줄이도록 유도합니다.

2. 📜 '도서관 규칙' 바꾸기 (정책 개선)

• 비유: 책장을 꽉 채우는 대신, 자주 안 보는 책은 창고 (테이프) 에 넣고, 자주 보는 책만 서가에 두는 전략입니다.
• 해결책:
  • 데이터 압축: 책 (데이터) 을 더 작게 압축해서 저장 공간을 아끼고, 그 공간에 들어가는 전기도 줄입니다.
  • 필요할 때만 복사: 책을 다시 복사해서 만드는 것보다, 필요할 때만 다시 만들어서 쓰는 것이 더 친환경적일 수 있다는 계산도 했습니다. (너무 자주 복사하면 오히려 비효율입니다.)
  • 쓰레기 제거: 실패한 작업을 반복해서 돌리는 낭비를 막고, 안 쓰는 데이터를 정리하는 자동화 시스템을 도입했습니다.

3. 🌞 '태양과 바람'을 타기 (스마트한 시간대 활용)

• 비유: 태양이 뜨고 바람이 불 때 전기가 풍부하고 깨끗할 때 일을 하고, 밤이나 비가 올 때는 일을 줄이는 것입니다.
• 해결책: 컴퓨터가 전기를 많이 쓰는 작업을 **전기가 깨끗한 시간대 (태양광, 풍력 발전이 활발할 때)**에 집중하도록 조절합니다. 마치 "태양이 쨍쨍할 때 빨래를 널고, 비 올 때는 안 널기"처럼, 전기가 '녹색'일 때 일을 시키는 것입니다.

4. 🏗️ '건물과 냉방' 업그레이드 (인프라 개선)

• 비유: 도서관 건물의 단열을 잘하고, 에어컨 대신 자연 바람을 이용하거나, 컴퓨터에서 나오는 뜨거운 열을 난방으로 재사용하는 것입니다.
• 해결책:
  • 액체 냉각: 공기로만 식히던 컴퓨터를 물로 식히면 훨씬 효율이 좋아집니다.
  • 폐열 재활용: 컴퓨터에서 나오는 뜨거운 물을 근처 건물의 난방이나 온수 공급에 사용합니다. (이것은 겨울철에 매우 효과적입니다.)
  • 온도 조절: 컴퓨터가 너무 뜨거워지지 않는 선에서 냉방 온도를 조금만 높여도 에너지를 크게 아낄 수 있다는 것을 실험으로 증명했습니다.

---

💡 핵심 메시지: "효율이 곧 환경 보호"

이 논문의 가장 중요한 메시지는 **"환경을 보호한다고 해서 과학 연구의 질이 떨어지는 것은 아니다"**라는 점입니다.

• 코드 최적화: 프로그램을 더 잘 짜면 컴퓨터가 덜 돌아가고, 전기도 덜 먹습니다.
• 하드웨어 수명: 오래된 컴퓨터를 버리지 않고 잘 관리해서 쓰는 것이, 새 컴퓨터를 사서 만드는 것보다 환경에 더 좋을 수 있습니다.
• 데이터 공유: 같은 연구를 여러 사람이 따로 하지 않고, 이미 만들어진 데이터를 공유하면 불필요한 계산 (전기 낭비) 을 막을 수 있습니다.

🚀 결론

ATLAS 실험은 단순히 우주의 비밀을 찾는 것을 넘어, 인류가 디지털 시대에 어떻게 지구와 공존할 수 있는지에 대한 실험장 역할을 하고 있습니다.

이 논문은 거대한 과학 프로젝트가 전기세 계산과 탄소 배출까지 세심하게 고려하며, 더 작고 똑똑한 기술로 더 큰 성과를 낼 수 있음을 보여줍니다. 마치 "더 적은 연료로 더 멀리 가는 차"를 만드는 것처럼, ATLAS 는 더 적은 전기로 더 많은 발견을 하려는 노력을 하고 있는 것입니다.

기술 요약

1. 문제 제기 (Problem)

• 컴퓨팅 수요의 급증: ATLAS 실험은 HL-LHC 업그레이드 (2030 년대 초) 및 실험 종료 (2041 년) 까지 컴퓨팅 자원이 현재 대비 3~4 배, 그리고 최종적으로 10 배 이상 증가할 것으로 예상됩니다. 이는 전 세계 약 100 개 컴퓨팅 사이트에서 분산되어 처리됩니다.
• 환경적 영향의 확대: 이러한 컴퓨팅 자원의 기하급수적인 성장은 에너지 소비와 탄소 발자국 (Carbon Footprint) 을 크게 증가시킬 위험이 있습니다. 특히 전력망의 탈탄소화가 더디게 진행될 경우, 운영 중 발생하는 Scope 2(간접 배출) 와 하드웨어 제조 및 폐기에서 발생하는 Scope 3(생애 주기 배출) 의 총합이 실험의 전체 환경 부담을 지배할 수 있습니다.
• 현재의 한계: 기존의 컴퓨팅 정책은 주로 비용 절감이나 물리적 성과에 초점을 맞추었으며, 환경 지속 가능성에 대한 체계적인 고려가 부족했습니다. 또한, 하드웨어의 수명 연장, 데이터 저장 전략, 전력망 변동성 대응 등 구체적인 기술적 해결책에 대한 연구가 필요했습니다.

2. 방법론 (Methodology)

논문은 ATLAS 컴퓨팅의 환경 영향을 평가하고 완화하기 위해 다음과 같은 다각적인 접근 방식을 취했습니다.

• 탄소 배출 측정 및 모니터링:
  • PanDA (Workflow Management System) 통합: 모든 ATLAS 작업 (Job) 에 대해 탄소 발자국 추정을 제공합니다. Electricity Maps API 를 통해 사이트별 전력망 탄소 강도 (kgCO2eq/kWh) 를 실시간으로 가져오고, 코어당 10W 의 기본 전력 소비 모델을 적용하여 탄소 배출량을 산출합니다.
  • Scope 구분: 직접 배출 (Scope 1), 운영 중 전력 사용 (Scope 2), 그리고 하드웨어 제조/폐기 등 가치 사슬 전반의 배출 (Scope 3, Embodied Carbon) 을 구분하여 분석합니다.
• 벤치마킹 및 성능 분석:
  • HEPScore (HS23): LINPACK 과 달리 LHC 워크로드에 특화된 CPU 벤치마크를 사용하여 '와트당 처리량 (Throughput per Watt)'을 평가합니다.
  • 전력 소비 프로파일링: CPU 부하, Governor 설정 (Performance, Ondemand, Powersave), 주파수 조절, 냉각 시스템 (공기/액체) 이 전력 효율에 미치는 영향을 실험적으로 측정합니다.
• 정책 및 전략 시뮬레이션:
  • 데이터 재생산 (Reproduction) 대 저장 비용 비교 분석.
  • 백그라운드 작업 (백업, 디듀플리케이션 등) 을 저탄소 전력 시기로 이동 (Temporal Shifting) 하는 시나리오 모델링.
  • 데이터 센터 건설 시 PUE(전력 사용 효율) 개선에 따른 탄소 상환 기간 (Amortization) 계산.

3. 주요 기여 및 해결 방안 (Key Contributions & Solutions)

논문은 환경 영향을 줄이기 위한 4 가지 주요 범주의 조치를 제안합니다.

A. 인식 제고 및 교육 (Awareness)

• 사용자 피드백: 작업 완료 시 탄소 배출량 리포트를 사용자에게 제공하여, 비효율적인 코드나 불필요한 재시도가 환경에 미치는 영향을 인지시킵니다.
• 실패 작업 관리: 실패한 작업을 무한히 재시도하는 것을 방지하기 위해 재시도 횟수 제한 및 CPU 효율이 낮은 작업 자동 정지 정책을 도입했습니다.

B. 실험 정책 및 표준 관행 조정 (Experiment Policies)

• 데이터 압축 및 포맷 최적화: ROOT RNTuple 형식 도입 및 손실 압축 (Lossy Compression) 검토를 통해 저장 공간을 15~20% 절감하고, 이에 따른 저장소 전력 소비를 줄입니다.
• 데이터 카루셀 (Data Carousel) 전략: 드물게 접근하는 데이터를 디스크에서 테이프로 이동시켜, 고전력 소비인 디스크 저장소의 필요량을 줄이고 저탄소인 테이프 저장소를 활용합니다.
• 데이터 재생산 (Reproduction) 전략: "Just-in-case"로 디스크에 보관되던 데이터를 삭제하고, 필요 시 재생산하는 방식을 도입했습니다. 분석 결과, 연간 16% 미만의 재접근률이 예상될 경우 재생산이 저장보다 환경적으로 유리함을 수학적으로 증명했습니다.
• 자원 활용 극대화: 트리거 농장 (Trigger Farm) 과 Tier-0 사이트의 유휴 자원을 Monte Carlo 시뮬레이션에 활용하여 추가 하드웨어 구매를 줄입니다.

C. 사이트 및 사용자 행동 (Site-specific Actions)

• 주파수 및 전압 조절 (Frequency Scaling): CPU 주파수를 낮추면 전력 소비가 제곱으로 감소하지만, ATLAS 워크로드의 특성상 메모리 병목으로 인해 처리량 감소는 선형보다 적습니다. 이를 통해 '와트당 성능'을 크게 향상시킬 수 있음을 입증했습니다.
• 백그라운드 작업 스케줄링: 데이터 정합성 검사 (Scrubbing) 나 백업과 같은 지연 가능한 작업을 전력망 탄소 강도가 낮은 시간대 (태양광/풍력 생산 피크) 로 이동시켜 운영 탄소 배출을 최대 82.4% 까지 줄일 수 있음을 시뮬레이션했습니다.
• 냉각 시스템 전환: 공기 냉각에서 액체 냉각 (Liquid Cooling) 으로 전환하면 냉각 효율이 향상되고, 폐열 회수 (Waste Heat Reuse) 가 용이해져 PUE 를 1.1 수준까지 낮출 수 있습니다.

D. 일반적 사이트 조치 (General Site Actions)

• 하드웨어 수명 연장: WLCG 사이트는 상업적 데이터 센터보다 하드웨어 수명을 길게 (10 년 이상) 유지하며, 이는 '내재된 탄소 (Embodied Carbon)'를 장기적으로 분산시켜 전체 탄소 발자국을 줄이는 효과가 있습니다.
• 폐열 활용: 데이터 센터에서 발생하는 폐열을 인근 건물 난방이나 온수 공급에 활용하여 에너지 효율을 높입니다.

4. 주요 결과 (Results)

• 탄소 배출 추정: ATLAS 컴퓨팅의 Scope 2 배출량은 CERN 자체 시설의 배출량과 비슷하거나 더 클 수 있으며, 이는 전 세계적으로 분산된 사이트의 전력망 탄소 강도 차이 때문입니다.
• 저장소 최적화: 데이터 재생산 전략은 연간 16% 미만의 접근 빈도에서 저장소 유지보다 환경적으로 우월합니다.
• 스케줄링 효과: 백그라운드 작업을 저탄소 시기로 이동하면 CAISO(캘리포니아) 와 같은 지역에서 탄소 배출을 최대 82.4% 감소시킬 수 있습니다.
• 냉각 효율: 액체 냉각 전환 및 폐열 회수를 통해 에너지 소비를 700 MWh/년 절감하고 연간 150,000 kgCO2eq 를 줄일 수 있는 사례 (BNL) 가 확인되었습니다.
• 하드웨어 효율: CPU 주파수를 낮추거나 Governor 를 'Powersave'로 설정하면 와트당 성능 (HS23/Watt) 이 향상되지만, 총 처리량은 감소하므로 하드웨어 추가 투자와의 균형을 고려해야 합니다.

5. 의의 및 결론 (Significance)

• HL-LHC 대비 전략: HL-LHC 시대의 대규모 컴퓨팅 확장 계획에 환경 지속 가능성을 핵심 지표로 통합함으로써, 미래의 탄소 배출 증가를 선제적으로 완화할 수 있는 로드맵을 제시했습니다.
• 과학적 성과와의 조화: 환경 보호 조치가 물리 분석의 질이나 속도에 부정적인 영향을 미치지 않도록 설계되었으며, 오히려 소프트웨어 최적화와 자원 효율성을 통해 과학적 생산성을 높이는 'Win-Win' 전략임을 강조했습니다.
• 범용적 적용 가능성: ATLAS 에서 개발된 정책 (데이터 재생산, 스케줄링, 냉각 최적화 등) 은 다른 고에너지 물리 실험뿐만 아니라, 일반적인 데이터 센터 및 클라우드 컴퓨팅 산업에도 적용 가능한 모범 사례 (Best Practices) 로서 가치가 있습니다.
• 지속 가능한 컴퓨팅 패러다임 전환: 단순한 전력 소비 감소를 넘어, 하드웨어 수명 주기 (Scope 3), 전력망의 탈탄소화, 그리고 데이터 관리 전략을 종합적으로 고려한 'Holistic (전체론적)' 접근법의 중요성을 부각시켰습니다.

이 논문은 고에너지 물리 실험이 거대 과학 프로젝트로서 직면한 환경적 도전을 인식하고, 기술적 혁신과 정책적 변화를 통해 지속 가능한 미래를 구축하기 위한 구체적인 행동 강령을 제시한다는 점에서 중요한 의의를 가집니다.