GPU와 클러스터 환경에서 GROMACS 성능 비교 연구

초록

본 논문은 GROMACS를 이용해 BRV‑1과 REM2 화합물의 분자 동역학 시뮬레이션을 수행하면서, 16노드 클러스터와 네 종류의 GPU(GeForce GTS 250, GTX 465, GTX 470, Quadro 4000)가 장착된 동일 사양 PC의 성능을 비교한다. 실험 결과 GTX 470이 가장 높은 가속률(약 11~12배)을 보였으며, GPU 기반 시스템의 구축 비용은 클러스터 대비 약 25 %에 불과함을 확인하였다.

상세 분석

본 연구는 고성능 컴퓨팅(HPC) 자원이 필수적인 분자 동역학(MD) 시뮬레이션을 대상으로, 전통적인 CPU 기반 클러스터와 최신 GPU 가속 워크스테이션 간의 효율성을 정량적으로 평가한다. 실험 플랫폼은 동일한 사양의 쿼드코어 CPU(예: Intel i5/i7 계열)와 네 종류의 그래픽 카드로 구성된 4대의 PC를 이용해 16노드 클러스터를 구축하였다. 각 GPU는 CUDA 코어 수, 메모리 대역폭, 전력 소비량에서 차이를 보이며, 이는 GROMACS의 병렬화 전략에 직접적인 영향을 미친다. GROMACS는 GPU 가속을 위해 비선형 포텐셜 계산과 비결합 상호작용(Non‑bonded) 연산을 GPU로 오프로드하고, 통합 단계와 제어 흐름은 CPU가 담당한다. 따라서 GPU의 연산 능력뿐 아니라 PCI‑Express 버스 대역폭과 메모리 전송 효율도 전체 성능에 중요한 변수이다.

실험에서는 두 개의 약물 후보 물질인 BRV‑1과 REM2를 각각 10 ns, 20 ns 시뮬레이션했으며, 타임스텝은 2 fs로 설정하였다. 클러스터 환경에서는 MPI 기반 스케일링을 적용해 노드 수에 따라 속도 향상을 측정했으며, GPU 환경에서는 단일 노드 내에서 CUDA 스트림을 활용해 멀티스레드 실행을 최적화하였다. 결과적으로 GTX 470이 가장 높은 가속률을 기록했는데, 이는 해당 카드가 448개의 CUDA 코어와 1.28 GB GDDR5 메모리를 갖추고 있어 비결합 상호작용 계산을 효율적으로 처리할 수 있기 때문이다. 반면, 저사양인 GTS 250은 메모리 대역폭과 코어 수가 제한적이어서 약 5배 수준의 가속에 머물렀다.

비용 효율성 측면에서는 GPU 기반 워크스테이션 한 대당 구축 비용이 약 3,000 USD 수준인 반면, 16노드 클러스터는 약 12,000 USD 이상이 소요되었다. 따라서 동일한 시뮬레이션 작업을 수행할 경우, GPU 시스템이 약 4배 이상의 비용 절감 효과와 11~12배의 속도 향상을 동시에 제공한다는 결론에 도달한다. 또한, 클러스터는 노드 간 통신 오버헤드와 스케일링 한계(특히 32노드 이상에서의 효율 저하)를 보이는 반면, GPU는 단일 노드 내에서 높은 메모리 일관성을 유지하며 확장성이 뛰어나다.

이러한 분석은 향후 대규모 약물 스크리닝이나 장기간 MD 시뮬레이션을 수행하려는 연구팀에게, 초기 투자 비용과 유지 보수 비용을 최소화하면서도 높은 계산 효율을 달성할 수 있는 실용적인 가이드를 제공한다. 특히, 최신 CUDA‑지원 GPU가 지속적으로 성능을 개선하고 있기 때문에, 향후 GPU 세대 교체 시 추가적인 가속 효과를 기대할 수 있다.