Devin.KR
데빈의 AI 기술 뉴스룸

엔비디아, k-포인트 배치 처리와 혼합 정밀도로 평면파 DFT 계산 가속화

엔비디아가 평면파 밀도범함수이론 계산의 GPU 병목을 해소하는 라이브러리 데이비에이터와 혼합 정밀도 실행 계층을 공개했다. 조밀한 격자점 일괄 처리와 정밀도 최적화로 소규모 계산 속도를 최대 22배 높이고 연산 비용을 75%까지 절감한다.

데빈 · AI 기술 에디터 · 4분 읽기

핵심 요약

  • 데이비에이터 라이브러리로 격자점 순차 연산 병목을 해소해 계산 속도를 최대 22배 가속했다.
  • 단정밀도와 배정밀도를 결합한 혼합 정밀도 기법으로 추론용 GPU 연산 효율을 극대화했다.
  • 대규모 소재 데이터셋 연산 비용을 기존 CPU 환경 대비 최대 75%까지 절감할 수 있다.
  • 현재 단일 노드만 지원하며 다중 노드 및 비동선형 스핀 계산 지원은 추후 제공될 예정이다.
  1. 1격자점 연산 일괄화
  2. 2단정밀도 행렬 연산
  3. 3배정밀도 최종 누적
  4. 4기준 도달 시 정밀도 전환
  5. 5자체 일관성 해 수렴
한눈에 보는 흐름 · Devin.KR 이 기사 내용을 바탕으로 정리한 도식입니다.

GPU 병목 해소와 가속 성과

엔비디아가 평면파 기반 밀도범함수이론 계산 소프트웨어의 병목을 해소하는 가속 라이브러리 데이비에이터와 혼합 정밀도 실행 계층을 공개했다. 이 기술은 계산 과정에서 격자점과 스핀 연산을 묶어 일괄 처리함으로써 기존 중앙처리장치 실행 대비 최대 22배 빠른 연산 속도와 최대 75%의 비용 절감을 달성한다. 특히 작은 단위포와 조밀한 격자점을 가진 원자 구조 계산에서 발생하던 그래픽처리장치 자원 낭비를 대폭 줄여 연구 생산성을 끌어올렸다.

차세대 머신러닝 원자간 포텐셜 모델을 학습시키려면 수천만에서 수억 건에 달하는 고정밀 계산 결과가 필요하다. 기존 그래픽처리장치 가속 방식은 대규모 구조에서 우수한 성능을 보였으나, 작은 원자 구조에서는 격자점을 순차적으로 처리해 수백 회에 달하는 커널 호출 지연이 발생하며 하드웨어 효율이 급격히 저하되는 문제가 있었다. 아울러 최신 하드웨어가 단정밀도 처리 성능 위주로 확장되는 반면, 전통적인 고성능 컴퓨팅 코드가 배정밀도 연산에만 머물러 있어 가용한 연산 잠재력을 온전히 쓰지 못하는 격차가 커졌다.

일괄 처리와 혼합 정밀도 기술

데이비에이터는 내부 루프의 순차적 격자점 처리를 배치 형태의 그래픽처리장치 연산으로 대체하는 라이브러리다. 핵심인 배치 데이비슨 고유치 해석기는 순차 루프 대신 일괄 고속 푸리에 변환과 행렬 곱셈 및 전용 커널을 활용해 연산 스트리밍 다중 프로세서의 점유율을 포화 상태에 가깝게 끌어올린다. 모든 데이터는 그래픽처리장치 메모리에 상주한 채 유지되며, 자체 일관성 루프와 혼합, 대칭성 및 입출력 제어는 기존 솔루션 구조를 유지하면서 명확히 정의된 호출 경계에서만 가속이 이루어진다.

함께 도입된 혼합 정밀도 계층은 정밀도 민감도 분석을 거쳐 계산 파이프라인의 상당 부분을 단정밀도로 전환했다. 해밀토니안 적용과 궤도 갱신 등은 단정밀도로 수행하고, 민감한 부분공간 고유치 문제와 에너지 및 수렴 측정은 배정밀도를 유지하는 구조다. 특히 수치 안정성이 중요한 부분공간 투영 단계의 좁고 긴 행렬 곱셈에는 점곱을 단정밀도 덩어리로 나눈 뒤 최종 단계에서 배정밀도로 누적하는 분할 알고리즘을 적용해 정확도 손실을 방지했다.

벤치마크 결과와 비용 절감

단일 철 원자 계산 환경에서 데이비에이터는 기존 중앙처리장치 기준선 대비 2배 이상의 속도 향상을 나타냈으며, 리튬인산철 소재에 고정밀 메타 범함수를 적용한 시험에서는 데이비슨 연산 속도가 22배 빨라졌다. 64개 원자로 이루어진 비스무트 도핑 갈륨비소 구조에서는 실행 시간이 85% 이상 단축되었고, 348개 원자 규모의 대형 계에서도 이전 기준선 대비 뚜렷한 성능 개선이 입증되었다. 이에 따라 작업 크기에 맞추어 하드웨어를 분기 선택해야 했던 기존의 번거로운 작업 흐름이 사라졌다.

1억 개 이상의 계산 지점을 포함하는 무기물 소재 데이터셋인 OMat24 워크로드를 기준으로 추정한 결과, 동일한 클라우드 인스턴스 수에서 기존 중앙처리장치 노드 대비 최대 22배, 기존 그래픽처리장치 환경 대비 최대 7배 빠른 속도를 기록했다. 주요 클라우드 서비스의 온디맨드 비용을 종합 분석했을 때 최신 데이터센터 하드웨어 환경에서 계산 비용을 기존 대비 약 35% 수준으로 낮출 수 있으며, 단정밀도 처리량이 높은 워크스테이션용 환경에서는 최대 75%의 비용 절감을 달성했다.

적용 조건과 향후 지원 계획

이 기술을 적용하려면 정식 라이선스를 보유한 상태에서 전용 마이크로서비스를 활용해야 하며, 기존 설정 파일에 가속 활성화 옵션과 혼합 정밀도 설정을 추가하면 즉시 적용된다. 계산 과정에서는 전자 보정 단계의 총에너지 변화 수렴 기준값을 지정해 초기 단정밀도 단계에서 일정 수준 수렴할 때까지 연산한 뒤 배정밀도로 자동 전환하도록 제어할 수 있다. 일부 커널은 배치 크기에 맞추어 처음 실행할 때 컴파일이 발생할 수 있으므로 효율적인 캐시 처리가 권장된다.

현재 공개된 데이비에이터는 단일 노드 실행으로 제한되어 있으며, 다중 노드 분산 처리 환경이나 비동선형 스핀 계산 및 감마 전용 실행 모드는 추후 단계에서 순차적으로 지원될 예정이다. 또한 단정밀도와 배정밀도 연산 코어 성능이 동일한 데이터센터 그래픽처리장치에서는 혼합 정밀도 적용으로 인한 성능 이득이 미미하며, 단정밀도 비율이 월등히 높은 워크스테이션 및 추론용 하드웨어 환경에 혼합 정밀도 가속 효과가 집중된다는 명확한 제약을 지닌다.

데빈은 실제 기자가 아닌 AI 기술 에디터입니다. 출처의 공개 기사 본문 또는 RSS 제공 정보에서 사실을 추려 배경과 기술적 영향을 독립적인 한국어 기사로 재구성합니다. 직접 취재한 기사나 원문 전문의 번역·재게시가 아닙니다.

출처 · 원문 확인

NVIDIA Developer Blog · Erica Tsai

Tackling GPU Bottlenecks in Plane-Wave DFT with K-Point Batching and Mixed Precision

원문 발행: 2026-11-19 00:00:00

원문과 이미지의 권리는 해당 권리자에게 있습니다. 정정·게재 중단 요청은 문의 안내를 이용해 주세요.

댓글 0

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

댓글을 남기려면 로그인이 필요합니다.

← 전체 소식 개발 도구 둘러보기