[ScaleX] A Guide to GPU-Accelerated CAE and the Cost-Performance Benefits

jmkim0110
8월 29일
4분 분량

"CPU에서 GPU로, 왜 클라우드가 속도와 비용 절감의 최적 경로인가"

By Sarah Palfreyman / April 17, 2025 (원문보기)

GPU 가속 컴퓨팅은 오늘날 모델링과 시뮬레이션에서 가장 혁신적인 트렌드 중 하나입니다. 주요 엔지니어링 소프트웨어 제공업체들은 기존 CPU뿐만 아니라 GPU 아키텍처도 지원하고 있으며, 이는 확실한 이유가 있습니다.

유한 요소 해석(FEA), 전산 유체 역학(CFD), 입자 시뮬레이션(DEM), 전자기 해석(EM) 등을 실행할 때 GPU를 활용하면 속도 향상과 비용 절감이라는 큰 이점을 얻을 수 있습니다. 성능 향상 정도는 Solver의 기능, 물리적 복잡성, 모델 크기, 하드웨어 구성과 같은 요소에 따라 달라지지만, 보수적인 벤치마크에서도 일관되게 획기적인 개선을 보여줍니다. 실제 사례에서도 GPU 가속 Solver를 적용하면 단순히 하드웨어를 변경하는 것 만으로도 5배에서 20배의 속도 향상이 이루어지고, 시뮬레이션당 비용이 절감됩니다.

하지만 이러한 이점을 활용하려면 적절한 GPU에 접근할 수 있어야 하고, 사용 중인 소프트웨어가 이를 효과적으로 활용할 수 있어야 합니다.

그렇다면 사용 중인 Solver가 GPU와 호환되는지, 그리고 어떤 GPU가 CAE 작업에 적합한지 어떻게 알 수 있을까? 그리고 GPU로 전환하면 어떤 결과를 기대할 수 있을까?

아래에서 알아보도록 하겠습니다.

With a GPU, How Fast is Fast?

GPU는 연산 집약적인 작업에서 뛰어난 성능을 발휘하며, 꾸준한 성능 향상을 이끌어 왔습니다. 일반적으로 새로운 소프트웨어 버전과 GPU 아키텍처가 출시될 때마다 점진적인 개선이 이루어지는 것이 일반적이었습니다.

하지만 NVIDIA GTC 2025는 중요한 변화를 가져왔습니다. AI 기술 발전이 가속화되면서 엔지니어들은 이제 과거에는 상상조차 할 수 없었던 수준의 성능 향상을 경험하고 있으며, 이를 입증하는 다양한 성과와 벤치마크 결과를 공유하고 있습니다.

예를 들어, Ansys는 고주파 구조 시뮬레이션(HFSS) 전자기 솔버에 NVIDIA의 cuDSS 라이브러리를 통합하여 GPU 가속을 적용함으로써 최대 11배의 속도 향상을 이루었습니다.

"얼마나 빠를까?"라는 의문이 남으신다면, 몇 시간 혹은 며칠이 걸리던 작업이 이제 몇 분 만에 완료된다는 사실을 생각해 보세요. 이러한 이유로 Ansys, Altair, Cadence, Siemens, Synopsys 등 주요 CAE 소프트웨어 제공업체들은 NVIDIA와 협력하여 성능 기대치를 다시 설정하고, 기술의 가능성을 새롭게 정의하고 있습니다.

What Does GPU-Accelerated Really Mean?

Solver가 "GPU 가속"이라고 설명될 때는, 해당 소프트웨어가 CPU만을 사용하는 대신 GPU로 시각화 또는 연산 작업을 분산하도록 개발되었다는 의미입니다.

가속화는 일반적으로 두 가지 주요 범주로 나뉩니다. 하나는 그래픽 가속으로, 시각적 렌더링과 디스플레이 성능을 향상시키는 역할을 합니다. 다른 하나는 Solver 가속으로, 시뮬레이션, 머신러닝, 데이터 분석과 같은 복잡한 연산 작업을 더욱 빠르게 처리할 수 있도록 돕습니다.

Visualization: Graphics Acceleration

고성능 컴퓨팅 분야에서 Elastic Cloud Workstations(ECW)는 Desktop Cloud Visualization(NICE DCV)을 활용하여 보안성과 성능을 모두 갖춘 원격 시각화 솔루션으로 널리 사용되고 있습니다.

ECW는 GPU 기반 가상 데스크톱에 저지연으로 접속할 수 있도록 지원하여 Abaqus/CAE, ANSYS Workbench, Siemens STAR-CCM+ 같은 그래픽 집약적인 애플리케이션을 엔지니어와 연구자가 클라우드에서 직접 실행할 수 있도록 합니다.

원격 시각화, 즉 가상 머신(VM)은 모델 회전, 줌, 애니메이션 재생과 같은 작업을 가속하는 데 이상적입니다. NVIDIA Quadro 같은 GPU가 내장된 노트북을 사용하면 이러한 연산을 빠르게 처리해 주며, 가벼운 로컬 장치에서도 부드럽고 반응성이 뛰어난 사용자 경험을 제공합니다.

Modeling and Simulation: Solver Acceleration

일부 엔지니어링 및 과학용 솔버는 주요 수치 연산 Matrix assembly, sparse matrix factorization, linear/interative solvers를 GPU로 오프 로드하여 더욱 빠르게 실행되도록 설계됩니다.

CAE에서 GPU 가속이 일반적으로 활용되는 분야는 다음과 같습니다:

Sparse matrix factorization
Conjugate gradient solvers
Explicit dynamics steps
Particle and Lagrangian methods
High-fidelity CFD meshing and turbulence modeling

매년 소프트웨어 개발업체들은 더 다양한 물리 및 시뮬레이션 애플리케이션을 대상으로 GPU 지원을 확장하고 있습니다. Ansys Fluent 2025 R1은 이제 연소, 입자, 방사 모델을 GPU에서 가속할 수 있으며, Simcenter STAR-CCM+ 2502는 열 및 배터리 시뮬레이션에서 GPU 네이티브 솔버를 활용해 성능을 더욱 향상시킵니다.

Will Any GPU Do for Cloud HPC?

일부 GPU는 소비자 또는 게임 시장을 대상으로 설계되어 그래픽 및 단정 밀도(Single-Precision) 연산에 최적화되어 있습니다. 반면, HPC(고성능 컴퓨팅) 분야의 GPU는 AI 추론 및 대형 언어 모델(LLM) 처리를 위해 개발되었으며, 이들은 배정밀도(Double-Precision) 연산보다는 텐서(Tensor) 연산을 우선적으로 지원합니다.

CAE에서 꼭 필요한 3가지 GPU 기능

배정밀도 연산(FP64)
CAE에서 정확하고 안정적인 솔버를 구현하려면 FP64 지원이 필수적입니다. 특히 대규모 시뮬레이션에서는 높은 수치적 정밀도가 중요한 요소입니다.
고속 메모리 대역폭 및 용량
복잡한 메시와 대형 모델을 다루려면 빠른 데이터 전송과 충분한 GPU 메모리가 필요합니다. 본격적인 CAE 작업을 위해서는 600GB/s 이상의 메모리 대역폭과 최소 24GB의 메모리를 갖춘 GPU를 선택하는 것이 좋습니다.
CUDA 지원
대부분의 CAE 소프트웨어는 NVIDIA의 CUDA를 활용하여 GPU 가속을 구현하므로, 주요 solver 및 맞춤형 GPU 코드와의 호환성을 위해 CUDA 지원이 필수적입니다.

GPU 가속 CAE solver는 NVIDIA의 cuBLAS, cuSPARSE, cuSolver 같은 저수준 GPU 최적화 라이브러리를 활용합니다. 이 라이브러리들은 최신 GPU의 대량 병렬 아키텍처를 활용하도록 정밀하게 조정되어 있으며, 기존의 CPU 기반 라이브러리(BLAS 등)에 비해 대규모 수치 계산 작업에서 훨씬 높은 효율성을 발휘합니다.

이러한 라이브러리들은 64비트 배정밀도 연산 및 대용량 메모리가 필요하며, 높은 정밀도를 요구하는 수학 연산을 효율적으로 처리합니다. 이러한 이유로 CAE 워크로드는 일반적으로 NVIDIA V100, A100, H100, RTX 시리즈와 같이 높은 병렬성과 부동소수점 연산 성능을 갖춘 GPU에서 실행됩니다.

CAE에서 GPU 성능을 정확히 파악하기 위해 Rescale GPU HPC 전문가들은 하드웨어의 성숙도를 평가하는 지수를 유지하고, 멀티 클라우드 가용성, 성능 및 비용을 추적합니다. 또한 새로운 아키텍처가 일반 시장에 출시되기 전에 벤치마킹 및 검증을 수행하여 실제 사용 가능한 GPU만 추천하도록 관리합니다.

Which CAE Solvers Are GPU-Enabled?

Solver가 GPU를 지원하는지 확인하는 가장 쉬운 방법은 공식 릴리스 노트나 소프트웨어 문서를 확인하는 것입니다. GPU 지원은 빠르게 확대되고 있으며, 아래에는 GPU를 지원하는 주요 엔지니어링 solber 목록입니다.

The Business Case for GPUs, Why it Matters

GPU 가속은 단순히 속도를 높이는 것만이 아닙니다. 기존에는 불가능했던 문제를 해결할 수 있도록 도와주는 기술입니다.

예를 들어, NASA는 GPU 네이티브 가속 기술을 선도적으로 도입해 왔습니다. Rescale에서 제공되는 NASA의 CFD 코드들은 공기역학, 열전달, 연소, 음향, 구조적 응력 등 여러 물리적 요소를 긴밀하게 결합해 동시에 모델링할 수 있습니다. 즉, 초음속 CFD 전체 차량 분석이나 수십억 개의 셀을 포함하는 재진입 열 보호 시스템 시뮬레이션까지 가능해졌습니다.

지난번 시뮬레이션 실행을 포기했던 순간을 떠올려 보세요. 시간이 부족하거나, 메모리 한계에 부딪히거나, 높은 컴퓨팅 비용 때문에 실행이 어려웠던 경험이 있었을 겁니다. 고해상도 CFD(RANS/LES), 대규모 충돌 시뮬레이션, 복잡한 다중 물리학, DEM 워크로드는 기존 CPU 하드웨어의 한계를 극복해야만 가능한 작업들입니다.

이러한 경우 GPU 가속을 활용하면 며칠이 걸리던 작업을 단 몇 시간 만에 완료할 수 있습니다. 고성능 GPU에 대한 수요는 지속적으로 증가할 것이므로, 지금이 바로 전략적인 워크로드 계획과 자원 할당을 고려해야 할 시기입니다. 올바른 GPU를 선택하고 적절한 리소스를 확보하는 것이 엔지니어링 팀의 생산성과 효율성을 높이는 핵심 요소가 됩니다.

CPU에서 GPU로 전환할 준비가 되었다면, Rescale의 전문가들이 워크로드 분석을 통해 최적의 GPU 구성을 찾아 실행 속도와 비용을 최적화하는 데 도움을 줄 수 있습니다.