다중 GPU 가속 2차원 이징 모델 시뮬레이션

초록

본 논문은 2차원 이징 모델의 체크보드 알고리즘을 다중 GPU 환경에 확장하고, 멀티스핀 코딩을 적용해 단일 GPU 대비 최대 35배, 다중 GPU 클러스터에서는 선형에 가까운 확장성을 달성하였다. CUDA와 MPI를 결합해 메모리 한계를 극복하고, 대규모 격자에서 임계 온도를 유한 크기 스케일링으로 재현하였다.

상세 요약

이 연구는 전통적인 단일 GPU 기반 이징 시뮬레이션이 직면한 메모리 제한을 해결하기 위해 두 가지 핵심 기술을 결합한다. 첫 번째는 체크보드 업데이트 방식에 멀티스핀 코딩을 적용한 것으로, 하나의 32‑비트 워드에 32개의 스핀을 압축 저장함으로써 메모리 사용량을 1/32로 감소시키고, 동시에 비트 연산을 이용해 스핀 플립을 빠르게 수행한다. 이 접근법은 CPU에서도 멀티스핀 코딩을 활용한 최적화된 구현과 비교했을 때, 단일 GPU에서 최대 35배의 속도 향상을 제공한다. 두 번째는 CUDA와 MPI를 이용한 다중 GPU 병렬화이다. 격자를 여러 서브 도메인으로 분할하고 각 서브 도메인을 별도 GPU에 할당한 뒤, 경계 스핀 정보를 MPI 메시지 패싱으로 교환한다. 이때 비동기 스트림과 피어‑투‑피어 메모리 복사를 활용해 통신 오버헤드를 최소화하고, 계산과 통신을 겹쳐 실행함으로써 확장 효율을 크게 높였다. 실험 결과는 GPU 수가 증가함에 따라 전체 시뮬레이션 시간은 거의 선형적으로 감소함을 보여준다. 특히 8192×8192 격자와 같이 메모리 요구량이 수백 메가바이트에 달하는 경우, 단일 GPU에서는 불가능했지만 8대의 GPU 클러스터를 이용해 실시간으로 업데이트가 가능했다. 또한, 재현된 임계 온도 Tc≈2.269J/kB는 정확한 유한 크기 스케일링 분석을 통해 기존 이론값과 일치했으며, 이는 구현의 물리적 정확성을 검증한다. 이 논문의 주요 기여는 (1) 멀티스핀 코딩을 GPU 친화적으로 구현해 CPU 대비 획기적인 가속을 달성한 점, (2) CUDA‑MPI 혼합 프레임워크를 통해 메모리 한계를 넘어서는 대규모 격자 시뮬레이션을 가능하게 한 점, (3) 선형에 가까운 확장성을 실증함으로써 향후 더 큰 시스템이나 3차원 모델에도 적용 가능함을 시사한 점이다. 이러한 기술은 통계 물리학뿐 아니라 스핀 글라스, 양자 스핀 체인 등 복잡계 시뮬레이션 전반에 활용될 수 있다.