[논문 리뷰] Accelerating cellular automata simulations using AVX and CUDA

Sebastian Szkoda, Zbigniew Koza외 1명|arXiv (Cornell University)|2012. 08. 12.

Cellular Automata and Applications참고 문헌 4인용 수 6

한 줄 요약

이 논문은 AVX/SSE 벡터 지시어와 CUDA를 지원하는 GPU를 사용하여 프리시-하슬러처-포모(Feisch-Hasslacher-Pomeau, FHP) 세포자동기계 시뮬레이션을 가속화한다. AVX 또는 SSE는 CPU 성능을 최대화하는 데 필수적임을 입증하였으며, GPU는 더 높은 계산 효율성을 제공하지만, AVX/SSE 최적화된 CPU는 비용 및 전력 효율성에서 GPU와 유사한 성능을 달성한다. 특히 AVX는 이 작업 하중에 대해 SSE보다 유의미한 성능 향상을 제공하지 못한다.

ABSTRACT

We investigated various methods of parallelization of the Frish-Hasslacher-Pomeau (FHP) cellular automata algorithm for modeling fluid flow. These methods include SSE, AVX, and POSIX Threads for central processing units (CPUs) and CUDA for graphics processing units (GPUs). We present implementation details of the FHP algorithm based on AVX/SSE and CUDA technologies. We found that (a) using AVX or SSE is necessary to fully utilize the potential of modern CPUs; (b) CPUs and GPUs are comparable in terms of computational and economic efficiency only if the CPU code uses AVX or SSE instructions; (c) AVX does not offer any substantial improvement relative to SSE.

연구 동기 및 목표

• FHP 세포자동기계 시뮬레이션을 가속화하기 위한 세분화된 병렬 처리 기법을 조사하기 위해.
• AVX/SSE 최적화된 CPU와 CUDA 가속화된 GPU 간의 계산 및 경제적 효율성을 비교하기 위해.
• 최신 CPU 벡터 확장 기능(AVX/SSE)과 GPU 컴퓨팅(CUDA)이 데이터 병렬 세포자동기계 워크로드에 대해 성능을 유의미하게 향상시킬 수 있는지 평가하기 위해.
• 최적화된 지시어 세트와 병렬 프로그래밍 모델을 사용할 때 CPU 및 GPU 플랫폼 간의 성능 및 비용 효율성 상충 관계를 규명하기 위해.

제안 방법

• 현대 CPU에서 SIMD 병렬 처리를 활용하기 위해 AVX 및 SSE 인트린식을 사용하여 FHP 모델을 구현하였다.
• CPU에서 다중 코어 병렬 처리를 가능하게 하기 위해 POSIX 스레드(PThreads)를 사용하였으며, AVX/SSE와 결합하여 최고 성능를 달성하였다.
• NVIDIA GPU에서 막대한 데이터 수준 병렬 처리를 활용하기 위해 CUDA 기반 GPU 구현을 개발하였다.
• 효율적인 메모리 접근과 벡터 연산을 위해 FHP 모델의 삼각 격자를 직사각형 격자로 매핑하였다.
• 메모리 접근 패턴을 최적화하고, 비트 연산을 효율적으로 수행하기 위해 노드 상태를 8비트 정수로 표현하였다.
• 다양한 플랫폼에서 성능을 벤치마크하였으며, 시간 단위당 시간 단계 소요 시간과 전력 효율성을 측정하였다: Intel Xeon E3, E5, E5-2680(CPU), GTX 480 및 Tesla M2075(GPU).

실험 결과

연구 질문

• RQ1 AVX는 CPU 기반 FHP 시뮬레이션에서 SSE에 비해 어떻게 성능을 향상시키는가?
• RQ2 현대 CPU에서 AVX 또는 SSE를 사용할 경우 순차적 코드에 비해 성능 향상은 어느 정도인가?
• RQ3 CUDA를 통한 GPU 가속화는 최적화된 CPU 코드에 비해 계산 및 경제적 효율성 측면에서 어떻게 비교되는가?
• RQ4 AVX/SSE 및 GPU 최적화가 완전히 적용되었을 때 CPU와 GPU가 유사한 성능과 비용 효율성을 달성할 수 있는가?
• RQ5 메모리 대역폭은 다양한 아키텍처에서 FHP 시뮬레이션의 성능을 결정하는 데 어떤 역할을 하는가?

주요 결과

• CPU에서 AVX 또는 SSE를 사용하면 순차적 코드 대비 약 3배의 가속도를 달성한다.
• AVX/SSE를 POSIX 스레드와 조합하면 다중 코어 CPU에서 12~18배의 속도 향상을 달성한다.
• GTX 480 GPU는 순차적 CPU 코드 대비 최대 50배의 속도 향상을 보이며, 테스트된 GPU 중에서 가장 높은 계산 효율성을 확보한다.
• 프로세서 대 프로세서 성능 비교에서 단일 Tesla M2075 GPU는 단일 Xeon E5 CPU보다 약 2배 빠르다.
• 이 작업 하중에 대해 AVX는 SSE에 비해 유의미한 성능 향상을 제공하지 않으며, 이는 이 하중에 대해 SSE를 초월한 성능 향상의 수익 감소를 시사한다.
• CPU가 AVX/SSE로 완전히 최적화되지 않은 경우 GPU는 속도 및 효율성 측면에서 CPU를 능가한다. 그러나 최적화가 완료된 경우 CPU와 GPU는 경제적 및 에너지 효율성 측면에서 유사한 성능을 달성한다.