GPU 가속 리스트 인덱스 명시적 시간 단계 QSGS 알고리즘으로 초고속 3D 다공성 매체 생성

초록

본 논문은 기존 QSGS(Quartet Structure Generation Set)의 전역 그리드 연산 방식을 개선하여, 활성 성장 전선만을 대상으로 하는 리스트‑인덱스 명시적 시간 단계(LIETS) 방식을 제안한다. 파이썬 기반 NumPy와 CuPy 구현을 통해 CPU와 GPU 모두에서 높은 이식성을 유지하면서, 400³ 격자에서 RTX 4060 GPU 기준 24 초, 500³ 격자에서 실험적 투과성‑공극률 관계를 재현하는 성능을 보인다.

상세 분석

이 연구는 QSGS가 전통적으로 매 성장 단계마다 전체 격자를 순회하며 난수 생성·마스크 연산을 수행하는 비효율성을 정확히 지적한다. 특히 고해상도 3차원 볼륨에서는 활성 전선(active front) 영역이 전체 셀 수의 몇 퍼센트에 불과함에도 불구하고, 전역 연산으로 인한 메모리 대역폭 소모와 연산량이 급증한다는 점을 강조한다. 이를 해결하기 위해 저자들은 “리스트‑인덱스 명시적 시간 단계(LIETS)”라는 새로운 프레임워크를 설계하였다. 핵심 아이디어는 현재 성장 가능한 셀을 명시적인 리스트 A에 저장하고, 각 전진 방향마다 A의 이웃 셀만을 추출해 후보 집합 C를 만든 뒤, 방향별 성장 확률 G_i에 따라 난수를 한 번씩만 뽑아 성장 여부를 결정하는 것이다. 성장한 셀은 다음 전역 반복에서만 A에 추가되며, 완전히 둘러싸인 셀은 즉시 리스트에서 제거한다. 이 과정은 전통적인 벡터화 방식이 전체 그리드에 대해 수행하던 연산을 활성 전선 규모 N_active에 비례하도록 축소한다.

구현 측면에서는 파이썬의 고수준 배열 라이브러리인 NumPy와 GPU 가속을 위한 CuPy를 활용해 코드 복잡성을 최소화하였다. CuPy는 GPU 메모리 상에서 직접 리스트를 관리하고, 이웃 셀 추출을 3차원 인덱싱 연산으로 구현함으로써 전역 메모리 접근을 최소화한다. 또한 시드 간격 제어를 위해 다이아몬드 형태 팽창(diamond dilation) 연산을 도입했으며, 부피 비율에 따라 방향 성장 확률을 동적으로 조정하는 메커니즘을 포함한다. 이러한 설계는 기존 Fast‑QSGS가 제공하던 파라미터화된 성장 통계와 동일한 확률 분포를 유지하면서도 연산량을 크게 감소시킨다.

성능 평가에서는 400³ 격자에 대해 순차 CPU 구현이 수십 분, 벡터화 CPU·GPU 구현이 수분이 소요되는 반면, LIETS‑GPU 구현은 24 초에 완료되었다. 최대 처리량은 2.7 × 10⁷ 노드/초에 달했으며, 이는 메모리 대역폭이 제한적인 일반 소비자급 GPU에서도 충분히 달성 가능한 수준이다. 품질 검증을 위해 Fontainebleau 사암(500³) 모델을 생성하고, 시드 간격 s=30 voxel에서 최적의 입·공극 크기 분포를 재현하였다. 이후 pnflow 기반 라미나 흐름 시뮬레이션을 수행한 결과, 투과성‑공극률 곡선이 실험 데이터와 기존 Fast‑QSGS 결과 범위 내에 정확히 들어갔으며, 통계적 일관성도 확인되었다.

결론적으로, LIETS는 QSGS의 확률적 성장 메커니즘을 보존하면서도 연산 복잡도를 활성 전선 규모에 맞게 축소함으로써, 대규모 3D 다공성 매체 생성에 필요한 시간과 자원을 획기적으로 절감한다. 파이썬 기반 고수준 구현 덕분에 연구자와 엔지니어가 기존 DRP 워크플로우에 손쉽게 통합할 수 있으며, 향후 멀티‑스케일 재구성이나 GPU 클러스터 환경에서도 확장성이 기대된다.