Mercury-Opal: the GPU-accelerated version of the n-body code for planet formation Mercury-Arxes

기술 요약: Mercury-Opal

문제 정의
완전 상호작용하는 천체들을 포함하는 대규모 $n$-체 시뮬레이션은 계산 행성 형성 연구의 핵심적인 최전선이다. 범용 인테그레이터인 Mercury(Chambers, 1999)와 그 특화된 병렬 확장 버전인 Mercury-Arχes(Turrini et al., 2019, 2021)는 행성 형성에 대한 상세한 모델링을 가능하게 해왔으나, 이들은 계산적 알고리즘과 가용 하드웨어 자원의 효율성 측면에서 제약을 받는다. 현재의 CPU 기반 병렬화(예: OpenMP 활용)는 약 $10^5$개의 천체에 대해 약 $10^7$년 동안의 시뮬레이션을 수행할 수 있지만, 약 $10^5$개의 완전 상호작용하는 천체 집합을 관리하는 것은 중력 상호작용의 $O(N^2)$ 스케일링 문제로 인해 여전히 도전적인 과제이다. GPU 가속 컴퓨팅으로의 전환은 계산 밀도와 에너지 효율성을 높여주지만, GPU 내부 RAM 및 호스트-디바이스 대역폭의 한계를 극克服하기 위한 세심한 데이터 관리와 코드 구조 재편을 요구한다.

방법론
저자들은 OpenACC 3.3 사양을 사용하여 개발된 Mercury-Arχes의 GPU 가속 버전인 Mercury-Opal을 제시한다. OpenACC를 선택한 이유는 깊은 코드 구조 재편을 최소화하면서 성능 향상을 유지하고 교차 플랫폼 지원을 보장하기 위 위함이었다.

주요 방법론적 단계는 다음과 같다:

1. 프로파일링: 다양한 질량체 수($N_{big}$)에 대해 Mercury-Arχes의 직렬 실행을 프로파일링하였다. 분석 결과, mdt_hy 서브루틴(중력 및 비중력 힘을 처리)이 주요 계산 병목 지점으로 식별되었으며, 큰 $N$에 대해 전체 실행 시간의 최대 68%를 차지했다.
2. GPU 포팅 전략:
   • 병렬화: mdt_hy 루틴을 GPU로 포팅하였으며, 여기에는 힘 계산(중력 및 가스 항력), 케플러 드리프트, 충돌 체크가 포함된다.
   • Bulirsch-Stoer 제외: 근접 조우(close encounters)를 처리하는 mdt_hkce 루틴은 CPU(호스트)에 남겨두었다. 이 결정은 근접 조우가 소수의 불규칙한 천체 집합(<1%)을 포함하므로 부하 불균형(load imbalance)과 제한된 병렬화 이득을 초래하며, 데이터 전송량을 낮게 유지하기 위해 내려졌다.
   • 코드 구조 재편: OpenACC 스택 크기 제한(512 kB)을 수용하기 위해, 대규모 루틴(mfo_drct, arxes_gas, mce_snif)을 언팩하여 mdt_hy로 직접 이동시켰다.
   • 언어 변환: 통합된 WHFAST 라이브러리를 C99에서 Fortran으로 변환하여 Fortran-C 인터페이스에서의 컴파일 오류를 해결하고 직렬 실행 효율을 약간 개선하였다.
3. 데이터 관리: mdt_hy를 아우르는 데이터 영역을 정의하였다. 스칼라 디스크 파라미터는 한 번만 복사되며, 위치, 속도, 질량 배열은 해당 영역의 시작과 끝에서 전송된다. 만약 GPU에서 근접 조우가 감지되면, 상호작용하는 천체의 인덱스 등 특정 배열이 CPU 기반 적분을 위해 호스트로 전송되고, 업데이트된 위치가 다시 전송된다.
4. 테스트 환경: GPU 코드가 CPU에 유리한 조건(특히 GPU의 낮은 배정밀도 성능) 하에서 어떻게 작동하는지 스트레스 테스트하기 위해 소비자급 하드웨어(Intel Core i5-10200H CPU 및 Nvidia GeForce RTX 3060 mobile GPU)에서 테스트를 수행하였다.

주요 기여

• Mercury-Opal: 완전 상호작용하는 천체들을 통한 행성 형성 시뮬레이션을 가능하게 하는, Mercury-Arχes 코드의 첫 번째 GPU 가속 구현체이다.
• OpenACC 구현: OpenACC가 물리적 레시피(디스크-행성 상호작용 및 공기역학적 항력 포함)를 유지하면서도 최소한의 구조 재편으로 복잡한 다중 물리 $n$-체 코드를 효과적으로 포팅할 수 있음을 입증한다.
• 하이브리드 실행 모델: $O(N^2)$ 힘 계산의 대부분은 GPU에서 실행되도록 하고, 근접 조우 적분의 복잡하고 불규칙한 로직은 데이터 전송 병목과 부하 불균형을 피하기 위해 CPU에 남겨두는 하이브리드 접근 방식을 확립한다.

결과

• 성능:
  • 적은 수의 천체($N \lesssim 100$)의 경우, 커널 실행 오버헤드와 데이터 전송 비용으로 인해 GPU 실행이 직렬 CPU 실행보다 느리다.
  • $N=1000$일 때, GPU 병렬 실행은 직렬 CPU 실행 대비 **2.2배의 가속도($S_w$)**를 달 achieves 한다.
  • 1개 천체 케이스로 정규화했을 때($S_1$ 상대 가속도), $N=1000$에서 GPU는 16배 더 빠르다.
  • Nvidia Nsight Systems를 통한 프로파일링 결과, 큰 $N$에 대해 데이터 전송 작업은 전체 실행 시간의 1% 미만을 차지하며, 주요 효율 저하는 CPU 중심의 mdt_hkce 루틴에 기인함을 확인하였다.
• 정확도 및 안정성:
  • $10^5$년에 걸친 에너지 보존 테스트에서 직렬 및 GPU 실행 모두에서 상대적 에너지 진동이 $\sim 10^{-13}$ 이내로 나타났으며, 이는 기존 Mercury-Arχes의 성능과 일치한다.
  • $N=10$ 및 $N=100$ 시스템의 궤도 파라미터 진화(이심률 및 장반경)는 직렬 및 GPU 실행 간에 무시할 만한 편차를 보였으며, 이는 GPU 포트가 유의미한 수치적 오류를 도입하지 않음을 확인시켜 준다.

의의
본 논문은 Mercury-Opal이 행성 과학계에 물리적으로 현실적이고 효율적인 인테그레이터를 제공하며, 특히 ESA Ariel 미션 준비를 지원한다고 주장한다. GPU 가속을 활용함으로써, 이 코드는 CPU 전용 병렬화로는 이전에 불가능했던 더 많은 수의 완전 상호작용 천체 모델링을 가능하게 하여 $O(N^2)$ 상호작용의 계산 병목 문제를 해결한다. 저자들은 OpenACC 사용이 코드의 접근성과 이식성을 보장하여, 저수준 GPU 프로그래밍에 대한 깊은 전문 지식 없이도 광범위한 커뮤니티가 이를 채택할 수 있도록 돕는다는 점을 강조한다. 본 연구는 최적화되지 않은 배정밀도 성능을 가진 소비자급 하드웨어에서도 GPU 가속이 대규모 $n$-체 시뮬레이션에 실질적인 이점을 제공한다는 것을 검증한다.