다중 정밀도 연산을 위한 R 패키지 MPCR 소개

초록

MPCR은 R 환경에서 16‑bit(half), 32‑bit(single) 및 64‑bit(double) 부동소수점 연산을 지원하는 패키지이다. C++와 Rcpp 기반으로 구현되었으며, CPU와 NVIDIA GPU 모두에서 최적화된 BLAS/LAPACK 백엔드를 활용한다. 패키지는 정밀도 선택, 메모리 할당, 디스패처·정밀도 제어 모듈을 통해 다중·혼합 정밀도 워크플로우를 제공하고, Catch2 기반 테스트와 실험적 성능 평가를 통해 기존 R 대비 2‑5배의 속도 향상을 보인다.

상세 분석

본 논문은 현대 과학·통계 계산에서 과도한 64‑bit 정밀도가 실제 요구사항을 초과한다는 점을 출발점으로 삼는다. 특히 머신러닝·딥러닝에서 FP16 연산을 가속화하는 Tensor Core와 같은 하드웨어가 보편화되면서, 낮은 정밀도에서도 충분한 수치 안정성을 확보할 수 있는 알고리즘이 활발히 연구되고 있다. MPCR은 이러한 흐름에 발맞추어 R 사용자에게 손쉽게 다중 정밀도 연산을 도입하도록 설계되었다.

패키지 핵심은 C++ 템플릿 기반 구현이다. 정밀도 별 템플릿 함수가 중복 코드를 방지하고, 디스패처 모듈이 런타임에 입력 객체의 정밀도를 감지해 적절한 템플릿을 호출한다. 정밀도 제어 모듈은 연산 결과의 목표 정밀도를 결정하고, 필요 시 자동 형 변환(프로모션) 전략을 적용한다. 이러한 구조는 CPU‑전용 BLAS/LAPACK뿐 아니라 CUDA‑enabled GPU에서 FP16/FP32 연산을 활용할 수 있게 한다.

메모리 관리 측면에서 MPCR은 객체 생성 시 지정된 정밀도에 맞는 버퍼를 할당하고, GPU 메모리 전송을 최소화한다. Rcpp 인터페이스는 R 객체와 C++ 객체 간의 데이터 복사를 효율적으로 처리해 사용자가 기존 R 코드에 최소한의 수정만으로 MPCR 함수를 호출하도록 만든다.

테스트 프레임워크로 Catch2를 채택한 점은 주목할 만하다. 단위 테스트가 풍부히 제공되어 새로운 연산을 추가하거나 하드웨어 환경을 바꿀 때 회귀 오류를 빠르게 탐지할 수 있다. 논문에서는 SVD, Cholesky, 행/열 결합 등 주요 선형대수 연산에 대한 정확도와 성능을 비교했으며, FP16 기반 GPU 연산이 동일 정확도 범위 내에서 3‑5배의 속도 향상을 보인다고 보고한다.

마지막으로, MPCR은 마코프 체인 몬테카를로, 공간 통계, 주성분 분석, 베이지안 추론 등 실제 통계 워크플로우에 적용 사례를 제시한다. 각 사례에서 낮은 정밀도로 변환해도 추정값의 차이가 통계적 유의성을 해치지 않으며, 메모리 사용량 감소와 실행 시간 단축 효과가 뚜렷했다. 전체적으로 MPCR은 R 생태계에 고성능 저정밀 연산을 도입하는 데 필요한 기술적 기반을 충실히 제공한다.