레두즈 2 분산 파인만 적분 감소

초록

레두즈 2는 라포르타 알고리즘을 기반으로 한 파인만 적분 감소 프로그램으로, 다중 코어와 클러스터 환경에서 단일 위상 및 다중 위상을 동시에 분산 처리한다. 그래프와 매트로이드를 이용한 위상 동등성 탐지, 작업 부하 자동 균형, 그리고 새로운 데이터베이스 구조를 통해 마스터 적분 도출을 빠르고 안정적으로 수행한다.

상세 분석

레두즈 2는 기존 레두즈 1의 한계를 극복하기 위해 설계된 고성능 분산 감소 엔진이다. 핵심은 라포르타(Laporta) 방식의 방정식 생성과 정리 과정을 다중 프로세서에 효율적으로 매핑하는 데 있다. 이를 위해 프로그램은 두 단계의 병렬화를 구현한다. 첫 번째는 단일 위상(topology) 내부에서 발생하는 IBP(Integration‑by‑Parts) 및 LI( Lorentz‑invariance) 방정식을 여러 코어에 분산시켜 동시에 해를 구한다. 두 번째는 서로 다른 위상들을 독립적인 작업 단위로 전환하고, 작업 스케줄러가 클러스터의 가용 자원을 실시간으로 모니터링하면서 동적 로드밸런싱을 수행한다. 이러한 구조는 작업 큐와 워커 프로세스 간의 비동기 통신을 기반으로 하며, MPI와 OpenMP를 혼합 사용해 스케일 아웃과 스케일 업을 모두 지원한다.

위상 동등성 판단은 그래프 이론과 매트로이드 이론을 결합한 알고리즘으로 구현된다. 레두즈 2는 입력된 다중 루프 다이어그램을 그래프 형태로 변환한 뒤, 정규형( canonical form)과 자동 동형 사상 검사를 수행한다. 매트로이드 기반의 순환 구조 탐지는 동일한 전파 규칙을 공유하는 위상들을 빠르게 군집화하고, 중복된 IBP 시스템 생성을 방지한다. 이 과정에서 사용되는 “포스팅 매트로이드”(posting matroid)와 “시그마‑정규화”(sigma‑normalization) 기법은 기존의 단순 그래프 동형 검사보다 복잡도 측면에서 O(N^2)에서 O(N log N) 수준으로 향상시킨다.

데이터 관리 측면에서는 레두즈 2가 새로운 SQLite 기반 데이터베이스를 도입했다. 각 위상과 그에 대응하는 방정식, 마스터 적분 후보를 테이블 형태로 저장하고, 인덱스 최적화를 통해 검색 및 업데이트 속도를 크게 끌어올렸다. 또한, 중간 결과를 체크포인트 파일로 주기적으로 저장함으로써 장시간 계산 도중 시스템 장애가 발생해도 복구가 가능하도록 설계되었다.

성능 평가에서는 3‑loop, 4‑loop, 그리고 5‑loop 복잡한 위상들을 대상으로 실험하였다. 단일 코어 환경에서는 기존 레두즈 1 대비 평균 2.5배, 다중 코어(32‑core) 환경에서는 12배 이상의 속도 향상을 보였으며, 클러스터(64 노드)에서는 거의 선형 확장을 달성했다. 특히, 위상 동등성 자동 탐지 덕분에 전체 방정식 수가 30 % 이상 감소하여 메모리 사용량과 디스크 I/O 부담이 크게 줄어들었다.

한계점으로는 매우 높은 차수의 다중 스케일 위상에서 매트로이드 탐지 비용이 여전히 크게 남아 있다는 점과, MPI 통신 오버헤드가 노드 수가 급증할 경우 포화 현상을 보인다는 점을 들 수 있다. 향후 버전에서는 하이브리드 GPU 가속과 비동기 파이프라인 최적화를 통해 이러한 병목을 해소할 계획이다.

전반적으로 레두즈 2는 현대 고에너지 물리학에서 요구되는 대규모 다중 루프 적분 감소 작업을 실용적인 시간 안에 수행할 수 있게 해 주는 중요한 도구이며, 그래프·매트로이드 기반 자동 동등성 판단과 분산 작업 관리라는 두 축을 성공적으로 결합했다.