병렬 시뮬레이션을 위한 RngStreams 활용법

본 논문은 병렬 시뮬레이션에서 난수 스트림의 독립성을 보장하기 위한 실용적인 솔루션으로 RngStreams 라이브러리를 소개한다. 먼저 병렬 환경에서 난수 생성이 직면하는 문제점을 설명한다. 기존 방법인 랜덤 스페이싱(random spacing), 시퀀스 분할(sequence splitting), 사이클 분할(cycle division), 파라미터화(parameterization) 등은 각각 시드 선택에 따른 스트림 겹침 위험, 장기 상관, 구현 복잡성 등의 단점을 가지고 있다. 특히 Mersenne Twister(MT)를 랜덤 스페이싱으로 사용할 경우, 시드가 624‑차원 벡터이므로 충분히 큰 간격을 두지 않으면 스트림 간 상관이 발생한다는 사례를 제시한다. 이러한 배경에서 저자들은 L’Ecuyer가 개발한 MRG32k3a 복합 다중 재귀 생성기(MRG)를 기반으로 하는 RngStreams를 선택한다. MRG32k3a는 두 개의 3차 선형 재귀식으로 구성되며, 각각의 모듈러 연산이 4 294 967 087과 4 294 944 443이라는 큰 소수를 사용한다. 두 재귀식의 결과를 결합해 0~1 사이의 균일 난수를 생성하고, 전체 주기는 약 2·10¹⁹이다. 논문에서는 이 긴 주기를 2⁶⁴개의 비중첩 스트림으로 나누고, 각 스트림의 시작 상태를 구하기 위해 127번째 제곱 행렬 A¹²⁷, A²⁷⁷을 미리 계산해 두었다. 이러한 행렬은 RngStream.cpp 파일의 익명 네임스페이스에 정의되어 있어 사용자는 직접 행렬 연산을 구현할 필요가 없다. 다음으로 C++ 환경에서의 적용 방법을 상세히 설명한다. OpenMP를 이용한 공유 메모리 병렬화에서는 omp_get_num_procs()와 omp_set_num_threads()로 스레드 수를 설정하고, SetPackageSeed 함수에 6개의 64비트 시드를 전달한다. 이후 RngStream 객체 배열을 생성하고, 각 스레드가 자신의 인덱스에 해당하는 객체를 사용해 RandU01() 메서드로 균일 난수를 얻는다. 이때 객체 생성 순서가 자동으로 2¹²⁷ 상태씩 앞선 시드를 할당하므로, 별도 동기화 없이도 스트림이 겹치지 않는다. 경쟁 조건을 방지하기 위해 출력은 #pragma omp critical 영역에서 수행한다. MPI 기반 분산 메모리 환경에서는 마스터 프로세스가 초기 시드를 설정하고, 워커 프로세스는 matVecModM 함수를 통해 A¹²⁷ 행렬을 사용해 시드를 2¹²⁷ 단계씩 전진시킨다. AdvanceSeed 함수는 입력 시드 배열을 받아 6개의 64비트 값으로 변환하고, 이를 다음 프로세스에 전달한다. 이렇게 하면 각 프로세스가 독립적인 스트림을 갖게 되며, MPI_Send/MPI_Recv를 이용한 최소한의 통신만으로 구현이 가능하다. R 환경에서는 rstream 패키지를 통해 RngStreams 백본을 직접 호출한다. parallel 패키지의 클러스터 기능과 결합하면, 각 워커 프로세스가 자동으로 서로 다른 스트림을 할당받는다. 논문에서는 R 코드 예시와 함께, 동일한 시드와 스트림 수를 사용했을 때 C++ OpenMP, MPI, 그리고 R 결과가 일치함을 보여준다. 실험 부분에서는 두 가지 사례를 제시한다. 첫 번째는 200개의 스트림을 이용해 표준 정규분포 난수를 생성하고 Shapiro‑Wilk 검정을 수행한 결과이다. MT 기반 랜덤 스페이싱은 정상성을 거부했지만, RngStreams 기반은 모든 스트림이 정상성을 통과했다. 두 번째는 아이템 특성 모델(Item Response Theory)에서의 Monte Carlo 적분이다. 여기서는 10⁶개의 샘플을 사용해 적분값을 추정했으며, OpenMP와 MPI 각각 4코어·4프로세스 환경에서 실행했을 때, 실행 시간은 3.8초와 4.1초로 거의 선형적인 스케일링을 보였다. 또한 추정값의 표준 오차는 이론적 기대값과 일치하였다. 논문은 RngStreams가 제공하는 장점—수학적으로 증명된 비겹침, 간단한 API, C++·R 양쪽에서의 손쉬운 통합—을 강조한다. 또한 향후 복잡한 시뮬레이션 프레임워크에 적용하기 위해서는 스트림 관리 객체를 캡슐화하고, OpenMP의 동적 스케줄링이나 MPI의 비동기 통신과 결합하는 방안을 제시한다. 최종적으로 RngStreams는 병렬 시뮬레이션에서 난수 독립성을 보장하면서도 구현 부담을 최소화하는 실용적인 도구임을 입증한다.