[논문 리뷰] Efficient pseudo-random number generators for biomolecular simulations on graphics processors

Artem Zhmurov, K. Rybnikov외 2명|arXiv (Cornell University)|2010. 03. 04.

Chaos-based Image/Signal Encryption참고 문헌 37인용 수 4

한 줄 요약

이 논문은 생물분자 시뮬레이션의 가속화를 위해 GPU에 최적화된 두 가지 의사난수 생성기(RNG) 전략—스레드당 RNG와 공유 RNG—을 제안한다. Ran2, 하이브리드 타우스, 그리고 지연 피보나치 알고리즘을 GPU에 구현하여 높은 성능와 통계적 품질을 확보했으며, CPU 방법 대비 최대 50배의 성능 향상을 이룩했고, 랑주반 역학 시뮬레이션에서도 강력한 난수성을 유지했다.

ABSTRACT

Langevin Dynamics, Monte Carlo, and all-atom Molecular Dynamics simulations in implicit solvent, widely used to access the microscopic transitions in biomolecules, require a reliable source of random numbers. Here we present the two main approaches for implementation of random number generators (RNGs) on a GPU, which enable one to generate random numbers on the fly. In the one-RNG-per-thread approach, inherent in CPU-based calculations, one RNG produces a stream of random numbers in each thread of execution, whereas the one-RNG-for-all-threads approach builds on the ability of different threads to communicate, thus, sharing random seeds across the entire GPU device. We exemplify the use of these approaches through the development of Ran2, Hybrid Taus, and Lagged Fibonacci algorithms fully implemented on the GPU. As an application-based test of randomness, we carry out LD simulations of N independent harmonic oscillators coupled to a stochastic thermostat. This model allows us to assess statistical quality of random numbers by comparing the simulation output with the exact results that would be obtained with truly random numbers. We also profile the performance of these generators in terms of the computational time, memory usage, and the speedup factor (CPU/GPU time).

연구 동기 및 목표

• GPU 가속 생물분자 시뮬레이션에서 고성능이면서 통계적으로 안정된 난수 생성이 필요하다는 문제를 해결하기 위해.
• CPU 기반 RNG의 한계를 고려해 GPU 네이티브 RNG 설계를 통해 병렬 GPU 아키텍처에서의 성능을 향상시키기 위해.
• 분자역학 및 랑주반 역학 시뮬레이션에서 GPU 최적화 RNG의 통계적 품질과 계산 효율성을 평가하기 위해.
• 스레드당 하나의 RNG와 모든 스레드가 하나의 RNG를 공유하는 두 가지 다른 GPU RNG 전략을 비교하기 위해.
• 정확한 해석적 해가 존재하는 N개의 독립적 조화 진동자 모델을 활용해 난수 품질을 검증하기 위해.

제안 방법

• 스레드당 RNG 상태 관리를 사용하고 시뮬레이션 단계 간 전역 메모리 영속성을 확보하여 GPU에서 실행 가능한 Ran2 알고리즘을 변형한다.
• 세 개의 독립적 타우스워스트 스트림과 선형 동치 생성기(LCG)를 결합한 하이브리드 타우스워스트 생성기를 구현하여 통계적 성질을 향상시킨다.
• 모든 GPU 스레드가 동일한 상태 배열을 공유하는 지연 피보나치 생성기를 개발하며, 원형 버퍼를 시뮬레이션하기 위해 모듈러 인덱싱을 사용한다.
• 스레드 인덱싱을 활용해 각 스레드가 공유 RNG 상태 배열 내 고유한 시작 위치를 할당받도록 하여 동시에 난수 생성을 가능하게 한다.
• 각 스레드가 로컬 상태와 전역 메모리 접근을 통해 한 시뮬레이션 단계에서 다수의 난수를 생성하는 단일명령다중데이터(SIMD) 실행 모델을 적용한다.
• 라운주반 역학의 N개의 조화 진동자에 기반한 통계적 테스트를 수행하여 시뮬레이션 에너지 분포를 정확한 해석적 결과와 비교한다.

실험 결과

연구 질문

• RQ1 GPU 최적화 RNG가 생물분자 시뮬레이션에서 높은 성능와 강력한 통계적 품질을 동시에 달성할 수 있는가?
• RQ2 GPU 아키텍처에서 스레드당 하나의 RNG와 모든 스레드가 하나의 RNG를 공유하는 방식 간 성능 및 난수 품질 측면에서의 비교 결과는 어떠한가?
• RQ3 Ran2, 하이브리드 타우스, 지연 피보나치와 같은 GPU 구현 RNG가 CPU 구현과 비교해 통계적 성질을 얼마나 잘 유지하는가?
• RQ4 분자역학 시뮬레이션에서 GPU 기반 RNG가 CPU 기반 RNG보다 최대 몇 배의 성능 향상을 달성할 수 있는가?
• RQ5 생성된 난수들이 조화 진동자 테스트 시스템에서 이론적으로 예측된 정확한 통계적 행동을 얼마나 잘 재현하는가?

주요 결과

• GPU 최적화된 Ran2, 하이브리드 타우스, 지연 피보나치 RNG는 통계적으로 타당한 난수를 생성하였으며, N개의 조화 진동자에 대한 정확한 해석적 해와 시뮬레이션 결과가 밀도 있게 일치했다.
• 모든 스레드가 하나의 RNG를 공유하는 지연 피보나치 생성기를 사용한 '모든 스레드 공유 RNG' 전략이 가장 높은 성능을 기록했으며, CPU 대비 최대 50배의 성능 향상을 보였다.
• 스레드당 하나의 RNG를 사용하는 전략은 스레드 간 통계적 독립성을 보다 잘 확보했지만, 스레드별 상태 저장으로 인해 더 높은 메모리 사용량을 유발했다.
• 모든 GPU 구현 RNG는 조화 진동자 모델의 정확한 결과와의 비교를 통해 높은 통계적 품질을 유지함을 확인했다.
• 전역 메모리 접근 횟수를 최소화하고 코alesced 메모리 접근 패턴을 활용함으로써 GPU RNG의 계산 효율성이 극대화되었다.
• 성능 프로파일 분석 결과, GPU 기반 RNG는 단일 GPU 칩에서 최대 1 TFLOP/s의 성능를 기록하여 대규모 생물분자 시뮬레이션에 적합함을 입증했다.