GPU를 활용한 유리 동역학 시뮬레이션 가속과 부동소수점 정밀도 문제

본 논문은 현대 그래픽 처리 장치(GPU)의 높은 연산 성능을 활용해 분자동역학(MD) 시뮬레이션을 크게 가속화하고, 특히 초냉각 유리 상태의 장시간 동역학을 정확히 재현하기 위한 수치적 전략을 제시한다. 먼저 GPU 하드웨어 구조를 상세히 설명한다. 최신 NVIDIA GT200 시리즈는 수백 개의 스칼라 코어를 멀티프로세서 단위로 묶어 32개의 스레드가 동시에 실행되는 워프(warp) 구조를 갖는다. 각 멀티프로세서는 16 384개의 32비트 레지스터와 16 KB의 공유 메모리를 제공하며, 전역 메모리는 1~4 GB 규모지만 접근 지연이 크다. 따라서 효율적인 GPU 코드는 전역 메모리 접근을 coalesced 형태로 정렬하고, texture 캐시와 constant 메모리를 활용해 랜덤 접근을 최소화해야 한다. MD 알고리즘은 Newton 방정식을 시간 이산화한 것으로, 짧은 거리 상호작용을 갖는 Lennard‑Jones 포텐셜을 사용한다. O(N²) 복잡도의 전통적인 힘 계산을 피하기 위해 셀 리스트와 Verlet 이웃 리스트를 도입한다. 저자들은 입자들을 3차원 Hilbert 공간‑채우기 곡선에 따라 정렬해 메모리 연속성을 확보하고, 이를 기반으로 병렬 radix sort를 수행한다. 정렬된 입자 배열은 texture 캐시를 통해 효율적으로 읽히며, 각 스레드는 하나의 입자를 담당해 속도‑베르렛(velocity‑Verlet) 알고리즘을 수행한다. 셀 리스트는 고정 크기 배열과 공유 메모리 버퍼를 이용해 인접 셀의 입자들을 빠르게 탐색하고, 이웃 리스트는 매 10~100 스텝마다 업데이트한다. 수치 안정성 측면에서, 단일 정밀도(32‑bit) 연산만으로는 10⁸ 단계 이상의 장시간 시뮬레이션에서 에너지 누설이 눈에 띄게 발생한다. 이는 특히 초냉각 이진 Lennard‑Jones 혼합물에서 온도 변화가 동역학적 완화 시간 τ_α에 비선형적으로 영향을 미치기 때문에, 작은 수치 오차가 물리적 결과를 크게 왜곡한다는 점을 보여준다. 이를 해결하기 위해 저자들은 double‑single(DS) 연산 방식을 도입한다. DS는 두 개의 단일 정밀도 부동소수점을 사용해 44비트 유효숫자를 구현하며, 덧셈·뺄셈·곱셈·제곱근 연산을 IEEE‑754 표준에 맞게 재구현한다. 특히 GPU는 fused multiply‑add(FMA) 연산이 라운딩 규칙을 따르지 않으므로, CUDA intrinsic인 fmulr_n·faddr_n을 사용해 정확한 반올림을 강제한다. DS 연산은 속도‑베르렛 단계의 속도·위치 업데이트와 힘의 누적 합산에 적용되며, 힘 자체는 여전히 단일 정밀도로 계산해 성능 손실을 최소화한다. 결과적으로 에너지 보존 오차는 10⁻⁸ 이하로 감소하고, 운동량 보존도 장시간에 걸쳐 안정적이다. 시간 상관 함수의 효율적 계산을 위해 블로킹 스킴을 설계한다. 시스템 상태를 Δt 간격으로 저장하고, k개의 블록으로 계층화해 각 블록은 이전 블록보다 Δt를 ℓ배씩 확대한다(ℓ은 블록 크기). 블록 내부에서는 빠른 시간 스케일(Δt, 2Δt, …)에 대한 상관을 직접 계산하고, 블록 간에는 누적된 결과를 이용해 느린 스케일을 얻는다. 이 방식은 O(M²) 연산을 O(k·ℓ)으로 감소시켜 메모리 요구량을 크게 낮춘다. 성능 벤치마크에서는 Lennard‑Jones 액체와 초냉각 이진 혼합물 두 시스템을 대상으로 테스트한다. 액체 시스템(≈10⁵ 입자)에서는 단일 GPU가 64코어 분산 클러스터와 동등한 처리량을 보였으며, 최대 80배의 속도 향상을 기록했다. 초냉각 혼합물(≈10⁴–10⁵ 입자)에서는 DS 정밀도를 적용한 경우와 CPU 기준 결과가 거의 일치했으며, 단일 정밀도만 사용할 경우 확산 계수와 구조적 완화 시간이 크게 과소/과대 평가되는 현상이 관찰되었다. 또한, 10⁶ 입자 규모에서도 메모리 대역폭과 스레드 스케줄링이 제한 요인으로 작용했지만, 여전히 10배 이상의 가속을 유지했다. 결론적으로, 이 연구는 GPU 기반 MD 시뮬레이션이 대규모 유리 동역학 연구에 실용적이며, 부동소수점 정밀도 관리가 장시간 물리적 정확성을 확보하는 핵심임을 입증한다. DS 연산을 통한 정밀도 보강과 효율적인 메모리 정렬·블로킹 전략은 향후 복잡한 다체 시스템(예: 단백질, 고분자 네트워크)에도 적용 가능함을 시사한다.