Introducing HPC-Enabled Computational Research Training in Africa: A Pilot Study

과학적 발견의 세계를 거대하고 긴장감이 넘치는 주방이라고 상상해 보십시오. 수십 년 동안 요리사(과학자)들은 작고 개인적인 가스레인지만을 사용하여 요리할 수 있었습니다. 그들은 훌륭한 수프나 괜찮은 케이크는 만들 수 있었지만, 한 번에 천 개의 빵을 굽거나 대륙 전체의 기상 패턴을 시뮬레이션하고 싶다면 그들의 가스레인지는 너무 작았습니다. 이때 **고성능 컴퓨팅(HPC)**이 등장합니다. HPC를 단 하나의 슈퍼 가스레인지가 아니라, 수백 개의 화구가 완벽하게 동기화되어 작동하는 거대하고 산업적인 규모의 주방이라고 생각하십시오. 이는 연구자들이 신약을 설계하거나 기후 변화를 예측하는 것과 같은 "불가능한" 문제들에 도전할 수 있게 해줍니다.

하지만 이 산업용 주방에 접근할 수 있는 것만으로는 충분하지 않습니다. 복잡하고 자동화된 오븐을 사용하는 법을 알아야 하고, 방대한 식재료(데이터)의 재고를 관리하는 법을 알아야 하며, 주방을 태워 먹지 않고 다른 요리사들과 팀으로 일하는 법을 배워야 합니다. 이것이 바로 **계산 과학 연구 교육(computational research training)**입니다. 이것은 홈 쿠킹을 하는 사람을 산업용 주방의 마스터로 바꿔주는 레시피 북이자 도제 교육입니다. 오랫동안 이 교육은 자신들만의 산업용 주방을 가진 부유한 국가들에서만 가능한 비밀 클럽과 같았습니다. 하지만 세계의 다른 지역에 있는 똑똑하고 배고픈 요리사들이 배우고 싶어 하는데, 연습할 주방도 없고 가르쳐 줄 마스터 셰프도 없다면 어떤 일이 벌어질까요? 이것이 바로 이 논문이 탐구하는 질문입니다.

---

파일럿 프로그램: 오븐이 없는 세상에서의 요리 수업

제임스 아풀(James Affer)과 그의 협력 팀은 아프리카의 학생들과 초기 경력 연구자들에게 이러한 "산업용 주방" 기술을 가르치는 새로운 방법을 테스트하기로 했습니다. 그들은 자신들의 실험을 **계산 과학 연구 및 교육 센터(CCRE)**라고 불렀습니다. 그들의 목표는 한 번에 수천 명을 교육할 수 있다는 것을 증명하는 것이 아니라, 자원이 부족한 상황에서도 특정 단계별 모델이 실제로 작동할 수 있는지를 확인하는 것이었습니다.

그들의 모델은 가장 의욕적인 학습자들을 잡아내기 위해 설계된 새는 양동이와 같습니다. 먼저, 그들은 소셜 미디어(LinkedIn, WhatsApp, Instagram)를 통해 넓은 그물을 던져 관심 있는 모든 사람을 찾았습니다. 그들은 24명의 지원자를 찾아냈는데, 이는 굶주린 학습자들의 좋은 군집이었습니다. 하지만 제한된 자원으로 모든 사람을 깊이 있게 가르칠 수는 없기에, 그들은 그룹을 필터링했습니다. 12명이 온라인을 통한 필수 "사전 요리" 과정을 이수하도록 초대되었습니다. 이것은 곁에 셰프가 서 있지 않더라도 레시피를 따라 할 수 있는 인내심과 인터넷 연결 상태를 확인하기 위한 테스트와 같았습니다.

12명 중 단 6명만이 모든 필수 모듈을 마칠 수 있었습니다. 이 6명은 최종 "파일럿 코호트(pilot cohort)"가 되었습니다. 이들은 공학, 물리학, 생물학 등의 분야에서 온 학부생과 초기 경력 연구자들로 구성된 다양한 그룹이었습니다. 결정적으로, 6명 중 5명은 슈퍼컴퓨터를 한 번도 만져본 적이 없었습니다. 그들은 마치 요리에 대해 읽어본 적은 있지만, 실제로 뒤집개(spatula)를 한 번도 잡아보지 못한 사람들과 같았습니다.

여정: 이론에서 실제까지

프로그램은 이론에서 실습으로 단계적으로 설계되었습니다:

1. 준비 단계: 살아남은 6명은 텍ek스트 명령(Linux)을 사용하여 컴퓨터와 대화하는 법이나 파일을 정리하는 법과 같은 기초를 배우기 위해 4개의 모듈로 구성된 온라인 과정을 이수했습니다.
2. 멘토링: 준비 과정을 통과하면, 그들은 멘토와 매칭되었습니다. 이것은 단순히 강의를 하는 교사가 아니라, 실제 문제를 해결하도록 돕는 가이드였습니다.
3. 프로젝트: 진짜 마법은 여기서 일어났습니다. 6명의 학생은 두 팀으로 나뉘어 실제 슈퍼컴퓨팅 파워를 사용하여 실제 도구들을 구축했습니다.
   • 1팀은 원자력 발전소 안전 테스트를 위한 "대리 모델(surrogate model)"을 구축했습니다. 매번 느리고 비싼 시뮬레이션을 실행하는 대신, 그들은 안전 결과를 즉각적으로 예측하도록 머신러닝 모델을 훈련시켰습니다. 그들은 심지어 다른 사람들이 사용할 수 있도록 (Streamlit이라는 도구를 사용하여) 화려하고 인터랙티브한 웹사이트까지 구축했습니다.
   • 2팀은 MRI 스캔에서 뇌종양을 찾아내는 AI 도구를 만들었습니다. 그들은 컴퓨터가 이미지를 보고 종양이 정확히 어디에 있는지 강조하도록 가르쳤으며, Grad-CAM이라는 기술을 사용하여 컴퓨터의 "사고 과정"을 보여주었습니다.

결과: 높은 기대, 현실적인 장애물

프로그램이 끝났을 때, 연구진은 참가자들에게 경험이 어떠했는지 물었습니다. 결과는 매우 긍정적이었습니다. 학생들은 프로그램에 대해 평균 5점 만점에 4.20점의 점수를 주었습니다. 답변한 모든 사람이 친구에게 이 프로그램을 반드시 추천하겠다고 답했습니다. 그들은 실질적인 기술을 배웠고, 커뮤니티와 연결되었으며, 자신감을 얻었다고 느꼈습니다.

하지만 이 논문은 이를 "기적의 치료제"라고 부르지 않도록 매우 주의를 기울였습니다. 학생들이 만족스러워했음에도 불구하고, 구조적인 문제는 마법처럼 사라지지 않았습니다.

• 인터넷: 5명 중 3명의 학생이 인터넷 연결이 불안정하여 수업의 일부를 놓쳤다고 보고했습니다.
• 거대한 장벽: 교육을 받은 후에도 학생들은 여전히 슈퍼컴퓨터에 접근할 수 없고, 자신들을 지도해 줄 현지 전문가가 없으며, 클라우드 컴퓨팅 비용을 감당할 수 없다고 보고했습니다.

논문은 이 훈련 프로그램이 훌륭한 "불꽃"이었을지는 몰라도, "연료" 문제를 해결할 수는 없었다고 제안합니다. 시뮬레이터로 레이싱 카 운전법을 가르칠 수는 있지만, 만약 그들에게 차도, 도로도, 정비사도 없다면 실제로 경주를 할 수는 없습니다. 훈련은 그들에게 기술과 자신감을 주었지만, 인프라(컴퓨터, 멘토, 자금)는 여전히 부족한 상태였습니다.

이것이 미래에 갖는 의미

저자들은 일회성 워크숍을 운영하는 것만으로는 문제를 해결할 수 없다고 결론짓습니다. 대신, 그들은 미래를 위한 4가지 기둥 프레임워크를 제안합니다:

1. 접근성(Access): 사람들이 단순히 읽는 것에 그치지 않고, 실제 컴퓨터를 만져볼 기회를 제공해야 합니다.
2. 준비(Preparation): 구조화된 온라인 레슨을 사용하여 모두가 동일한 수준에 도달하게 해야 합니다.
3. 멘토링 실습(Mentored Practice): 인간적인 연결을 유지하십시오. 학습자들이 포기하지 않도록 돕는 데 있어 멘토는 필수적입니다.
4. 지속 가능성(Sustainability): 이것이 가장 중요한 부분입니다. 프로그램은 과거의 학생들이 새로운 학생들의 멘토가 되고, 대학과 기업이 파트너십을 맺어 컴퓨팅 파워에 대한 장기적인 접근권을 제공하는 커뮤니티를 구축해야 합니다.

요약하자면, 이 논문은 아프리카의 계산 과학 연구를 위한 성공 레시피는 단순히 기술을 가르치는 것이 아니라, 그 기술이 실제로 사용될 수 있는 전체 생태계를 구축하는 것이라고 제안합니다. 파일럿 프로그램은 레시피가 작동한다는 것을 증명했지만, 주방은 여전히 지어져야 합니다.