런타임 시스템으로 구현한 빠른 다중극법 파이프라이닝

초록

본 논문은 Fast Multipole Method(FMM)를 작업 흐름으로 모델링하고, 이 흐름을 StarPU 런타임 시스템에 맡겨 CPU와 GPU 자원을 동적으로 스케줄링함으로써 이기종·동종 클러스터 모두에서 높은 성능을 달성한 연구이다. 1.6억 입자 문제를 48.7초에, 3,800만 입자 문제를 13.34초에 해결하는 실험 결과를 제시한다.

상세 분석

Fast Multipole Method는 N‑body 시뮬레이션에서 O(N²) 복잡도를 O(N) 혹은 O(N log N)으로 낮추는 핵심 알고리즘이며, 상향(Upward)·하향(Downward) 단계, 근접 상호작용(Direct) 단계, 그리고 번역 연산(M2L, L2L 등)으로 구성된다. 전통적인 고성능 구현은 각 단계별 연산 특성을 분석해 CPU 전용 혹은 GPU 전용 커널을 설계하고, 정적인 스케줄링으로 코어와 디바이스에 할당한다. 그러나 이러한 접근은 물리 모델(예: Laplace, Helmholtz)이나 하드웨어 구조가 바뀔 때마다 큰 리팩터링이 필요하고, 이기종 시스템에서 자원 활용률이 떨어지는 단점이 있다.

본 연구는 FMM 전체를 DAG(Directed Acyclic Graph) 형태의 작업 흐름으로 추상화한다. 각 노드는 “셀‑셀 번역”, “입자‑입자 직접 계산”, “셀‑입자 평가” 등 구체적인 수학 연산을 의미하고, 에지(edge)는 데이터 의존성을 나타낸다. 이렇게 하면 작업 간 병렬성을 명시적으로 드러낼 수 있어, 런타임이 실행 시점에 최적의 스케줄을 결정한다.

StarPU는 이러한 DAG를 받아 CPU와 GPU 각각에 맞는 구현을 등록하고, 작업의 실행 시간 모델링(예측)과 데이터 이동 비용을 고려해 동적으로 할당한다. 논문에서는 두 가지 스케줄링 정책을 제안한다. 첫 번째는 “연산량 기반”으로, 각 작업의 FLOP 수와 현재 디바이스의 부하를 비교해 가장 빠른 디바이스에 매핑한다. 두 번째는 “데이터 이동 최소화” 정책으로, 메모리 복사 비용이 큰 작업을 기존 데이터가 존재하는 디바이스에 머무르게 한다. 두 정책 모두 실험을 통해 서로 보완적인 특성을 보이며, 특히 GPU가 몇 개만 존재하는 이기종 환경에서 데이터 이동 최소화 전략이 전체 실행 시간을 크게 단축한다.

수학 연산 구현 측면에서는, M2L(셀‑셀 번역)과 L2P(셀‑입자 평가) 같은 고차원 텐서 연산을 GPU에 최적화하기 위해 공유 메모리와 warp‑level 프리패칭을 활용했으며, CPU 버전은 SIMD(AVX)와 멀티스레드(OpenMP)로 가속했다. 또한, 작업 단위 크기를 동적으로 조정해 부하 불균형을 완화했는데, 이는 작은 셀 집합을 하나의 작업으로 묶어 GPU에서 충분히 큰 배치를 만들고, 반대로 큰 셀 집합은 여러 작은 작업으로 분할해 CPU 코어에 고르게 배분한다는 의미이다.

실험 결과는 두 가지 플랫폼에서 수행되었다. 동질 160코어 SGI Altix UV 100에서는 1.6억 입자에 대해 48.7초, 효율은 78 %에 달한다. 이기종 12코어 Intel Nehalem + 3 Nvidia M2090에서는 3,800만 입자를 13.34초에 처리했으며, GPU가 전체 연산의 약 65 %를 담당했다. 특히, StarPU가 자동으로 수행한 작업 재배치와 데이터 이동 최적화가 수동 튜닝 대비 12 %~18 %의 성능 향상을 가져왔다.

이 연구는 FMM을 고정된 하드웨어에 맞춰 최적화하는 전통적 접근을 넘어, 작업 흐름 기반의 추상화와 런타임 스케줄링을 통해 다양한 아키텍처에 이식 가능한 고성능 구현을 제시한다는 점에서 의미가 크다. 향후 더 복잡한 물리 모델(예: 다중 스케일, 비선형 커플링)이나 대규모 클라우드 환경에서도 동일한 프레임워크를 적용할 수 있을 것으로 기대된다.