Benchmarking of Massively Parallel Phase-Field Codes for Directional Solidification

본 논문은 실험적 관련 조건 하에서 Al-Cu 및 SCN-카프롤 합금의 방향성 응고를 시뮬레이션하기 위해 GPU 가속 유한차분 위상장 코드 (GPU-PF) 와 CPU 병렬 유한요소 적응형 메쉬 코드 (PRISMS-PF) 를 비교하는 포괄적인 벤치마크를 제시하여, 덴드라이트 형상 및 팁 역학을 예측하는 정확성을 검증하고 통합 계산 재료 공학 워크플로우를 지원하기 위해 계산 성능을 평가합니다.

핵심

얼어붙은 호수가 얼음 결정체를 어떻게 형성하는지, 혹은 금속이 어떻게 식어 강한 빔이 되는지 예측한다고 상상해 보세요. 과학자들은 이를 위해 "위상장 (Phase-Field)"이라고 불리는 특수한 컴퓨터 시뮬레이션을 사용합니다. 이러한 모델들을 고체화되는 물질을 위한 디지털 기상 예보라고 생각하세요. 비를 예측하는 대신, 액체가 고체로 변할 때 액체 내부에서 자라는 작은 나무 모양의 구조물 (덴드라이트라고 함) 이 어떻게 성장하는지 예측합니다.

그러나 다양한 기상 모델이 있듯이 (일부는 슈퍼컴퓨터에서 실행되고, 일부는 노트북에서 실행되며, 일부는 다른 수학을 사용함), 이러한 시뮬레이션을 실행하는 다양한 컴퓨터 코드도 있습니다. 큰 질문은 다음과 같습니다: 그들이 모두 같은 이야기를 전달합니까?

이 논문은 물질이 어떻게 고체화되는지 시뮬레이션하도록 설계된 두 가지 매우 다른 컴퓨터 코드 간의 시식 테스트 또는 경주 대회입니다. 목표는 정확히 동일한 레시피와 재료를 입력했을 때 동일한 결과를 산출하는지 확인하는 것이었습니다.

두 명의 레이서

저자들은 두 가지 다른 "레이싱 카 (컴퓨터 코드)"를 비교했습니다:

1. GPU-PF (스피드스터): 이 코드는 GPU(게임용 컴퓨터에 있는 강력한 그래픽 카드) 를 위해 구축되었습니다. 이는 정사각형 타일의 격자를 보는 것과 같은 "유한 차분 (finite difference)" 방법을 사용합니다. 특히 많은 수의 GPU 가 함께 작동할 때 놀라울 정도로 빠르고 효율적입니다. 번개 속도로 숫자를 계산하도록 설계되었습니다.
2. PRISMS-PF (정밀 항해자): 이 코드는 대부분의 컴퓨터에 있는 표준 프로세서인 CPU를 위해 구축되었으며, **적응형 메시 (adaptive meshing)**를 사용하는 "유한 요소 (finite element)" 방법을 사용합니다. 확대 및 축소되는 지도를 상상해 보세요. 이는 빈 공간에는 거친 격자를 사용하지만, 결정 성장의 가장자리와 같이 행동이 일어나는 곳에만 자동으로 작고 고해상도의 타일을 추가합니다. 더 유연하지만 관리하기 위해 더 많은 컴퓨팅 파워가 필요합니다.

레이스 트랙: 현실 세계 조건

일반적으로 이러한 코드는 완벽한 원이나 진공과 같은 단순하고 이상화된 트랙에서 테스트됩니다. 하지만 저자들은 실제 울퉁불퉁한 레이스 트랙에서 어떻게 수행되는지 보고 싶었습니다.

그들은 국제우주정거장 (ISS) 에서의 NASA 실험 데이터를 사용했습니다. 우주에는 중력이 없으므로 액체 금속은 소용돌이치지 (대류) 않고, 확산에 의해서만 순수하게 얼어붙습니다. 이는 코드를 테스트할 수 있는 "깨끗한" 환경을 조성합니다. 그들은 두 가지 시나리오를 시뮬레이션했습니다:

• 스프린트: 매우 빠르게 얼어붙는 알루미늄 - 구리 합금 (고속 경주와 유사).
• 마라톤: 미세 중력 상태에서 천천히 얼어붙는 투명한 유기 합금 (장거리 달리기와 유사).

결과: 동의합니까?

저자들은 두 코드를 나란히 실행하고 세 가지를 확인했습니다:

1. 얼음의 모양: 두 코드 모두 동일한 결정 모양을 그렸습니까?

   • 판정: 네. 초기 조건이 올바르게 설정되었을 때, 두 코드 모두 거의 동일한 결정 패턴을 그렸습니다. "나무"들이 같은 방향으로 자라고, 같은 시간에 갈라지며, 같은 간격을 가졌습니다. 같은 사진에서 같은 나무를 그리는 두 명의 다른 예술가와 같았습니다. 결과는 구별할 수 없었습니다.

2. "혼돈" 함정: 저자들은 까다로운 함정을 발견했습니다. 매우 구체적이고 불안정한 흔들림으로 시뮬레이션을 시작하면 시스템이 혼돈 (나비 효과와 유사) 상태가 됩니다. 이 상태에서는 수학의 미세한 차이로 인해 두 코드가 극적으로 달라지며 완전히 다른 나무를 성장시킵니다.

   • 교훈: 공정한 비교를 하려면 경주를 안정적인 설정으로 시작해야 합니다. 초기 조건을 수정하자마자 코드는 다시 완벽하게 일치했습니다.

3. 속도: 누가 경주를 더 빨리 끝냈습니까?

   • 판정: **GPU-PF(스피드스터)**는 일반적으로 더 빨랐으며, 특히 여러 GPU 가 함께 작동할 때 그랬습니다. 시뮬레이션의 "속도"를 매우 잘 처리했습니다.
   • **PRISMS-PF(정밀 항해자)**는 약간 느렸지만 표준 컴퓨터 클러스터에서도 작업을 잘 처리할 수 있음을 보여주었습니다. 정확한 결과를 얻기 위해 비싼 그래픽 카드가 필요하지는 않지만 시간이 더 걸린다는 것을 증명했습니다.

주요 교훈

이 논문은 품질 관리 점검입니다. 이는 다음을 증명합니다:

• 올바르게 설정하면 이러한 서로 다른 컴퓨터 코드들이 동일한 답을 줄 것이라고 신뢰할 수 있습니다.
• "스피드스터 (GPU)"는 방대하고 빠른 시뮬레이션에 적합합니다.
• "정밀 항해자 (CPU/적응형)"는 유연성과 상세한 해상도에 적합합니다.
• 둘 다 이제 **ICME(통합 계산 재료 공학)**를 위한 신뢰할 수 있는 도구로 사용될 준비가 되었습니다. 이는 엔지니어들이 물리적 프로토타입을 먼저 제작하고 파괴하지 않고도 더 나은 재료 (더 강한 항공기 부품이나 더 나은 배터리 등) 를 설계하기 위해 컴퓨터 모델을 사용하는 프레임워크입니다.

요약하자면, 저자들은 표준화된 테스트 트랙을 구축하여 두 가지 매우 다른 유형의 시뮬레이션 엔진이 동일한 정밀도로 이를 주행할 수 있음을 보여주었으며, 이는 과학자들이 실제 재료 설계에 이를 사용할 수 있도록 확신을 주었습니다.

기술 요약

"방향성 응고에 대한 대규모 병렬 위상장 코드 벤치마킹" 논문에 대한 상세 기술 요약입니다.

1. 문제 제기

통합 계산 재료 공학 (ICME) 은 재료 특성을 예측하기 위해 여러 스케일에 걸친 물리 기반 모델의 통합을 요구합니다. 그러나 실험적으로 관련 있는 길이 (밀리미터) 및 시간 (초) 스케일에서 합금 응고를 시뮬레이션하는 것은 여전히 상당한 계산적 장벽으로 남아 있습니다.

• 과제: 수많은 위상장 (PF) 코드 (예: PRISMS-PF, MOOSE, GPU-PF) 가 존재하지만, 이들은 종종 서로 다른 수치적 공식 (유한 요소법 대 유한 차분법), 이산화 방식 (적응형 대 균일), 그리고 병렬화 전략 (CPU 대 GPU) 을 사용합니다.
• 격차: 기존 벤치마킹은 실제 실험의 계산 및 모델링 과제를 반영하지 않는 이상화된 소규모 또는 단순화된 사례에 주로 초점을 맞추고 있습니다. 실험적으로 검증된 조건 하에서 유연한 모듈식 프레임워크와 성능 최적화 코드 간의 엄격하고 "동일 조건 (apples-to-apples)" 비교가 부족합니다.
• 구체적 목표: 동일한 물리 모델과 실험적으로 관련 있는 조건 하에서 두 가지 서로 다른 최첨단 PF 구현체—GPU-PF(유한 차분, 균일 격자, GPU 가속) 와 PRISMS-PF(유한 요소, 적응형 격자, CPU 병렬화)—를 정량적으로 벤치마킹하는 것입니다.

2. 방법론

A. 통합 물리 모델

공정한 비교를 보장하기 위해 두 코드 모두 희석 합금 응고를 위한 동일한 정량적 위상장 공식을 풀도록 강제되었습니다.

• 모델: Echebarria 등이 제안한 한쪽 면 희석 합금 모델로, 위조 용질 포획을 제거하기 위한 **포획 방지 전류 (anti-trapping current)**를 포함합니다.
• 근사: 매칭 점근 분석을 통해 날카로운 계면 한계를 회복하기 위해 "얇은 계면 (thin-interface)" 근사가 사용되었습니다.
• 물리: 시스템은 Lyapunov 함수에 의해 지배되는 위상장 ($\phi$) 과 무차원 과포화도 ($U$) 에 대한 결합된 편미분 방정식을 풉니다.
• 경계 조건: 고정된 1 차원 온도 구배를 가정하는 얼어붙은 온도 근사 (Frozen Temperature Approximation, FTA) 가 적용되었습니다.

B. 벤치마크 시스템

서로 다른 영역을 테스트하기 위해 두 가지 구별된 재료 시스템이 시뮬레이션되었습니다.

1. Al-3wt%Cu (2D): 고속 응고. 소비자급 하드웨어에서 빠른 수렴 테스트를 위한 기준선으로 사용되었습니다.
2. SCN-0.46wt% Camphor (2D 및 3D): NASA DECLIC-DSI-R 실험에 기반한 무중력 방향성 응고. 이 시스템은 부력 구동 대류를 제거하여 우주 비행 데이터에 대한 팁 역학, 1 차 간격 및 형상 검증을 위한 "청정" 벤치마크를 제공합니다.

C. 수치 구현

• GPU-PF:
  • 방법: 구조화된 균일 격자에서의 유한 차분법 (FDM).
  • 하드웨어: NVIDIA V100 GPU 에서 CUDA 가속.
  • 특징: 거친 해상도와 큰 시간 단계에서 안정성을 향상시키기 위해 **전조건 위상장 (preconditioned phase field, $\psi$)**을 사용합니다. 격자 이방성을 완화하기 위해 2D 에서 등방성 이산화를 적용합니다.
• PRISMS-PF:
  • 방법: **적응형 격자 세분화 (AMR)**를 갖춘 유한 요소법 (FEM).
  • 하드웨어: AMD EPYC CPU 에서 MPI 병렬화.
  • 특징: 합계 인수 분해 (sum-factorization) 와 Gauss-Lobatto 구적법을 사용하는 행렬 자유 (matrix-free) 접근법을 사용합니다. 임의의 기하학적 형상과 고차 정확도를 지원합니다.

D. 실험 설계

저자들은 수치적 견고성을 시험하기 위해 초기 조건을 특별히 설계했습니다.

• 혼돈 대 비혼돈 영역: 특정 초기 교란 (장파장) 이 작은 수치적 차이를 기하급수적으로 증폭시켜 혼돈 역학을 초래하여 직접적인 비교를 불가능하게 만든다는 것을 입증했습니다.
• 안정 영역: 의미 있는 정량적 비교 (팁 반경 및 간격) 를 가능하게 하는 안정적이고 주기적인 덴드라이트 배열을 생성하는 특정 초기 조건 (더 짧은 파장의 교란) 을 확인했습니다.

3. 주요 기여

1. 최초의 "동일 조건" 벤치마크: 이 연구는 동일한 물리 모델을 사용하여 고성능 하드 코딩된 GPU 솔버 (GPU-PF) 와 유연한 오픈 소스 적응형 FEM 프레임워크 (PRISMS-PF) 간의 첫 번째 엄격한 비교를 제공합니다.
2. 우주 비행 데이터에 대한 검증: 벤치마크는 이상화된 이론적 벤치마크를 넘어 실험적으로 관련 있는 시나리오로 이동하여 NASA 의 DECLIC-DSI-R 무중력 데이터를 직접 검증합니다.
3. 수치적 혼돈에 대한 통찰: 이 논문은 초기 조건이 비교 가능성을 결정한다는 중요한 발견을 강조합니다. 방향성 응고 시뮬레이션이 초기 교란에 대해 혼돈적으로 민감할 수 있음을 보여줍니다. 초기 조건이 불안정 모드를 자극하면 해가 기하급수적으로 발산하여 코드 비교가 부적절해집니다.
4. 성능 확장 분석: 다양한 하드웨어 아키텍처 (GPU 대 CPU) 및 도메인 크기에 대한 강한 확장 (strong scaling) 과 계산 효율성에 대한 상세 분석.

4. 결과

A. 형상 및 정량적 일치

• 2D Al-Cu: 두 코드 모두 팁 분할 및 측면 가지 형성 (side-branching) 을 포함한 계면 진화에서 탁월한 일치를 보여주어, 수렴된 FEM 결과에 대한 GPU 구현을 검증했습니다.
• 2D 및 3D SCN-Camphor:
  • 혼돈 초기 조건(장파장)을 사용할 경우, 수치적 노이즈에 대한 민감도로 인해 코드가 크게 발산했습니다.
  • 안정 초기 조건(더 짧은 파장, $n=6$)을 사용할 경우, 코드는 거의 완벽한 일치를 달성했습니다.
  • 팁 반경: 덴드라이트 팁 반경 ($\rho$) 은 **4.3%**만 차이 났습니다 ($\rho_{GPU} = 13.30 W_0$ 대 $\rho_{PRISMS} = 13.87 W_0$).
  • 평균 제곱근 오차 (RMSD): 종방향 팁 프로파일 간의 차이는 $0.63 W_0$로, 단일 격자 간격보다 작아 팁 스케일에서의 수렴을 확인했습니다.
  • 1 차 간격: 두 코드 모두 $\Lambda \approx 200 \mu m$의 안정적인 1 차 간격을 예측했으며, 이는 SCN-Camphor 시스템에 대해 이론적으로 예측된 안정성 대역 내에 있었습니다.

B. 계산 성능

• GPU-PF:
  • 대규모 도메인에 대해 우수한 처리량을 입증했습니다.
  • 다중 GPU 설정에서 아선형 (sublinear) 확장을 달성했지만, 전조건화로 인해 더 큰 시간 단계를 사용할 수 있어 높은 효율성을 유지했습니다.
  • 전체 3D 도메인의 경우, 4 개의 GPU 가 시뮬레이션을 3.08 시간에 완료했습니다.
• PRISMS-PF:
  • 256 코어까지 거의 이상적인 확장을 보였으나, 통신 오버헤드 및 격자 적응성 복잡성으로 인해 더 많은 코어 수 (2048 코어) 에서 확장 효율이 감소했습니다.
  • 동일한 3D 도메인의 경우 훨씬 더 많은 시간이 소요되었습니다: 2048 코어에서 6.42 시간.
  • 등방성 스텐실 없이 격자에 대한 계면 오정렬을 처리하고 날카로운 특징을 해결하는 데 탁월합니다.

5. 의의 및 결론

이 작업은 ICME 워크플로우에서 위상장 코드 성능을 평가하기 위한 실용적인 프레임워크를 확립합니다.

• ICME 를 위해: 물리 모델이 일관되고 초기 조건이 혼돈적 발산을 피하도록 선택된다면, 유연한 오픈 소스 도구 (PRISMS-PF) 와 최적화된 사내 코드 (GPU-PF) 모두 높은 충실도로 실험적 현실을 재현할 수 있음을 검증합니다.
• 코드 개발을 위해: 코드 아키텍처의 트레이드오프를 강조합니다.
  • GPU-PF는 균일 격자가 허용되는 대규모 고처리량 스크리닝에 이상적입니다.
  • PRISMS-PF는 적응형 해상도, 복잡한 기하학적 형상, 또는 계면 근처의 고차 정확도가 필요한 문제에 더 우수합니다.
• 미래 전망: 저자들은 PF 모델과 기계 학습 및 실험 파이프라인의 통합을 촉진하기 위해 표준화된 벤치마크를 요구합니다. 이 연구에 사용된 데이터와 코드는 커뮤니티의 재현성 및 추가 개발을 지원하기 위해 공개적으로 제공됩니다.

요약하자면, 이 논문은 이론적 위상장 모델링과 실험적 검증 간의 간극을 성공적으로 연결하여, 현대의 대규모 병렬 코드가 우주 관련 응고 조건에서 미세구조 진화를 정확하게 예측할 수 있음을 입증했습니다.