GPU 기반 2차원 얕은 물 모델링 가속화

초록

본 논문은 2차원 얕은 물 방정식을 해결하기 위해 NVIDIA CUDA를 이용한 GPU 구현을 제시한다. 기존 Fortran 직렬 코드와 비교했을 때, 비공유 메모리 버전은 수십 배, 공유 메모리 최적화 버전은 추가 10~15%의 속도 향상을 달성하였다. 구현 세부 사항, 메모리 접근 패턴, 그리고 향후 다중 GPU 확장 및 건조 셀 처리 방안도 논의한다.

상세 분석

논문은 먼저 2차원 얕은 물 방정식의 수치 해법으로 16단계로 분할된 predictor‑corrector MacCormack 방식을 채택한다는 점을 강조한다. 이 방식은 각 서브스텝이 이웃 셀의 중간값에 의존하지만, 같은 서브스텝 내에서는 셀 간 독립성이 보장되므로 SIMD 구조에 적합하다. 저자는 GPU의 SM(Streaming Multiprocessor)과 SIMD 실행 모델을 활용해, 1차원 스레드 블록을 행 단위로 매핑한 비공유 메모리 구현과 2차원 16×16 스레드 블록을 이용해 halo 영역을 포함한 공유 메모리 구현 두 가지 버전을 개발하였다. 비공유 메모리 버전은 전역 메모리 접근이 빈번하고, 시간 스텝 크기 계산을 CPU에서 수행해야 하는데, 이 과정에서 PCI‑Express를 통한 데이터 전송 오버헤드가 발생한다. 반면 공유 메모리 버전은 각 블록 내에서 반복 사용되는 이웃 셀 데이터를 한 번만 전역 메모리에서 읽어와 공유 메모리에 저장함으로써 메모리 대역폭을 크게 절감한다. 실험 결과, 512×5121024×1024 규모의 격자에서 GPU 구현은 Fortran 대비 20배 이상 가속화되었으며, 공유 메모리 최적화는 추가 1015%의 성능 향상을 보였다. 또한, 셀 건조(drying) 문제와 다중 GPU 분산 처리에 대한 향후 연구 방향을 제시함으로써 현재 구현의 한계와 확장 가능성을 명확히 한다.