GPU와 멀티코어 CPU를 위한 3차원 상수계수 스텐실 블록 완화 기법

초록

**
본 논문은 3차원 균일·적응형 격자에서 발생하는 상수계수 타원형 PDE의 스텐실 연산을 대상으로, 블록 Jacobi와 혼돈 블록 Gauss‑Seidel(chaotic block GS) 알고리즘을 정확한 블록 역행렬을 이용해 구현한다. GPU(Fermi)와 AMD 멀티코어 CPU에 최적화된 병렬화 전략을 제시하고, 실험을 통해 두 플랫폼 모두에서 높은 스루풋과 확장성을 입증한다.

**

상세 분석

**
이 연구는 기존의 점완화(pointwise) 스무딩 기법이 메모리 대역폭과 연산 병목에 쉽게 제한되는 점을 지적하고, 블록 기반 완화가 이러한 한계를 극복할 수 있음을 강조한다. 블록 Jacobi는 각 블록을 독립적으로 업데이트하므로 SIMD·SIMT 구조에 자연스럽게 매핑될 수 있다. 반면, 전통적인 블록 Gauss‑Seidel는 블록 간 순차적 의존성이 있어 병렬화가 어려운데, 저자들은 ‘chaotic’ 버전을 도입해 블록 업데이트 순서를 무작위화함으로써 데이터 의존성을 완화하고, 동시에 수렴성을 유지한다는 점을 실험적으로 확인한다.

핵심 기술은 블록 내부 연산을 정확히 풀어내는 ‘exact inversion’이다. 3×3×3 혹은 5×5×5와 같은 작은 정방 행렬에 대해 LU 분해를 사전 계산하고, 이를 GPU의 레지스터·공유 메모리에 저장해 런타임 오버헤드를 최소화한다. 이렇게 하면 블록 내 연산이 O(1) 수준으로 고정돼, 전체 알고리즘이 메모리 대역폭이 아닌 연산량에 의해 제한되는 구조로 전환된다.

GPU 구현에서는 두 가지 병렬화 모델을 비교한다. 첫 번째는 ‘thread‑per‑cell’ 방식으로, 각 격자 셀을 하나의 스레드가 담당하고 블록 연산을 공유 메모리에서 수행한다. 두 번째는 ‘thread‑per‑block’ 방식으로, 하나의 블록을 여러 스레드가 협력해 처리한다. 전자는 구현이 간단하지만 공유 메모리 사용량이 제한적이며, 후자는 메모리 접근 패턴을 최적화해 높은 SM 활용도를 얻는다. 저자들은 Fermi 아키텍처의 2‑level 캐시와 warp‑shuffle 기능을 활용해 블록 간 경계 데이터를 최소화하고, 메모리 동기화 비용을 감소시킨다.

CPU 측면에서는 OpenMP 기반의 다중 스레드 전략을 적용한다. 각 코어가 독립적인 블록을 담당하도록 스케줄링하고, NUMA 친화적인 메모리 배치를 통해 캐시 일관성 비용을 억제한다. 또한, 블록 크기에 따라 SIMD 벡터화 수준을 조정해, 인텔 AVX2/AVX‑512 명령어를 효율적으로 활용한다.

실험 결과는 두 플랫폼 모두에서 블록 크기와 스레드 배치가 성능에 미치는 영향을 정량적으로 제시한다. 특히, 5×5×5 블록을 사용한 chaotic block GS는 Fermi GPU에서 기존 Jacobi 대비 1.8배, AMD 16코어 CPU에서 2.1배의 속도 향상을 보였으며, 수렴 속도는 전통적인 순차 GS와 거의 동일하거나 약간 개선되었다. 적응형 격자(AMR)에서도 블록 경계가 비정형이지만, 동일한 구현을 그대로 적용할 수 있어 확장성이 뛰어나다는 점을 강조한다.

이 논문은 블록 완화 기법이 GPU와 멀티코어 CPU 양쪽에서 효율적인 스무더·프리컨디셔너로 활용될 수 있음을 실증하고, 정확한 블록 역행렬과 혼돈 업데이트 전략이 현대 이기종 시스템에서 높은 성능과 견고한 수렴성을 동시에 달성할 수 있는 핵심 요소임을 입증한다.

**