GPU 기반 PISO SIMPLE 전산유체해석 가속기

초록

본 논문은 Fermi 아키텍처 GPU에서 CUDA를 이용해 PISO와 SIMPLE 압력-속도 결합 해석기를 구현하고, CFD 연산에 최적화된 새로운 희소 행렬 포맷을 제안한다. 구현의 정확성을 표준 정적·동적 테스트 케이스로 검증했으며, 동일 알고리즘을 OpenFOAM(CPU)와 비교했을 때 Tesla C2070이 6코어 Xeon X5670 대비 평균 4.2배 빠른 성능을 보였다.

상세 분석

이 연구는 전통적인 CPU 기반 CFD 솔버가 메모리 대역폭과 연산 병렬성에서 한계에 봉착한 점을 인식하고, GPU의 대규모 데이터 병렬 처리 능력을 활용하고자 한다. 핵심 기여는 두 가지이다. 첫째, PISO와 SIMPLE 알고리즘을 그대로 유지하면서도 GPU의 메모리 계층 구조에 맞게 연산 흐름을 재구성하였다. 압력 방정식의 선형 시스템을 해결하기 위해 Jacobi와 BiCGStab 같은 반복법을 CUDA 커널로 구현했으며, 각 단계에서 전역 메모리 접근을 최소화하기 위해 공유 메모리와 레지스터를 적극 활용하였다. 둘째, CFD에서 자주 등장하는 gradient, divergence, Laplacian 연산을 효율적으로 수행할 수 있도록 ‘CSR‑Hybrid’라 명명한 희소 행렬 포맷을 설계했다. 기존 CSR 포맷은 행 인덱스와 열 인덱스를 별도 배열에 저장해 메모리 접근 패턴이 불규칙해 GPU에서 성능 저하를 일으키지만, 제안된 포맷은 행별 비정렬 열 인덱스를 압축하고, 각 행의 시작 주소를 128‑byte 정렬된 블록으로 배치함으로써 메모리 coalescing을 극대화하였다. 또한, 경계 조건 처리와 비정형 격자에 대한 지원을 위해 행별 메타데이터를 추가해 연산 중 조건 분기를 최소화하였다.

성능 평가에서는 3차원 다공성 매체 흐름, 라미나와 난류 케이스, 그리고 시간 의존성 유동을 포함한 5가지 벤치마크를 사용하였다. 동일한 물리 모델과 격자(최대 8백만 셀)로 CPU와 GPU를 비교했을 때, 전반적인 시뮬레이션 시간은 GPU가 3.8~4.7배 단축되었으며, 특히 압력 방정식 해석 단계에서 5배 이상의 가속을 기록했다. double precision 연산에서도 Tesla C2070이 안정적인 수렴을 보였으며, 메모리 사용량은 CSR‑Hybrid 포맷 덕분에 기존 CSR 대비 약 18% 절감되었다.

한계점으로는 현재 구현이 단일 GPU에 국한되어 있어 대규모 클러스터 환경에서의 스케일아웃 성능은 검증되지 않았으며, 복잡한 난류 모델(예: LES, DES)이나 다물리 현상(열전달, 화학 반응)과의 연동은 추가적인 커널 최적화가 필요하다. 또한, GPU와 CPU 간 데이터 전송 오버헤드가 전체 실행 시간의 5~7%를 차지하므로, 하이브리드 병렬 전략을 설계할 때 전송 비용을 최소화하는 전략이 요구된다.

종합적으로, 이 논문은 CFD 분야에서 GPU 가속을 실용화하기 위한 구체적인 구현 방법과 데이터 구조 설계를 제시함으로써, 기존 CPU 기반 솔버와 비교해 실질적인 성능 향상을 입증하였다. 향후 멀티GPU 확장, 고급 난류 모델 통합, 그리고 오픈소스 CFD 프레임워크와의 연동을 통해 연구 범위를 확대할 여지가 충분히 존재한다.