GPU 가속 실시간 방음향 시뮬레이션을 위한 파이썬 라이브러리 gpuRIR

본 논문은 방 음향 시뮬레이션에서 핵심적인 역할을 하는 방 임펄스 응답(RIR) 생성 과정을 가속화하기 위해, 이미지 소스 방법(ISM)을 GPU 기반으로 완전 병렬화한 파이썬 라이브러리 gpuRIR을 제안한다. 기존 ISM은 이미지 소스의 수가 방의 부피와 목표 RT₆₀(60 dB 감쇠 시간)에 비례해 기하급수적으로 증가함에 따라 계산 복잡도가 급격히 상승한다. 특히 머신러닝을 위한 대규모 데이터셋 생성이나 실시간 AR/VR 환경에서는 수천~수만 개의 RIR을 짧은 시간 안에 생성해야 하는데, 전통적인 CPU 구현은 이러한 요구를 충족시키기에 한계가 있다. 논문은 먼저 ISM의 수학적 배경을 정리한다. 이미지 소스는 방을 3차원 격자 형태로 거울 반사시켜 생성되며, 각 이미지의 좌표는 방 크기와 원본 소스 위치를 이용해 식 (1) 로 계산된다. 이미지와 수신기 사이의 거리 dₙ은 유클리드 거리로 구하고, 지연 τₙ은 dₙ/c 로 변환한다. 반사 계수 βₙ은 이미지가 통과한 각 벽의 반사 계수 곱으로 정의되며, 최종 감쇠는 Aₙ = βₙ/(4πdₙ) 로 표현된다. 디지털 구현 시 fractional delay 를 정확히 반영하기 위해 sinc 함수에 Hanning 창을 적용한 식 (6)을 사용한다. 또한, 부정 반사 계수와 확산 반향 모델을 도입해 실제 방의 음향 특성을 보다 정밀하게 재현한다. GPU 구현은 CUDA를 기반으로 세 가지 주요 커널로 구성된다. 첫 번째 calcAmpTau 커널은 각 이미지에 대해 거리·지연·감쇠를 병렬 계산한다. 이미지 수가 일반적인 RIR 수보다 훨씬 많기 때문에, 이 단계에서 이미 높은 수준의 병렬성을 확보한다. 두 번째 generateRIR 커널은 각 이미지에 대한 sinc 파형을 로컬 메모리에서 계산하고, 이를 임시 버퍼에 저장한다. 여기서는 룩업 테이블(LUT)을 활용해 sinc 값과 fractional delay 보정을 사전에 계산해 두어, 실행 시 복잡한 삼각함수 연산을 회피한다. 세 번째 reduceRIR 커널은 블록 단위 부분 합을 수행한 뒤, 최종 RIR 배열에 누적한다. 이 과정은 전통적인 원자 연산을 피하고, 공유 메모리를 이용해 메모리 병목을 최소화한다. 성능 최적화를 위해 두 가지 추가 기법을 적용한다. 첫째, 최신 GPU가 지원하는 혼합 정밀도 연산을 활용해 16‑bit 부동소수점 연산으로 전환한다. 실험에서는 정확도 손실이 인간 청감 수준에서 무시될 정도임을 확인했으며, 연산량이 약 50 % 감소해 전체 시뮬레이션 시간이 크게 단축되었다. 둘째, 확산 반향 부분은 초기 ISM 결과를 기반으로 Sabine 공식에 의해 계산된 지수 감쇠 곡선에 로지스틱 분포 잡음을 곱하는 방식으로 구현한다. 이때 난수 생성은 cuRAND를 이용해 GPU 내에서 직접 수행한다. 라이브러리 인터페이스는 순수 파이썬 API를 제공한다. 사용자는 `gpuRIR.generate(room_dim, absorption, source_pos, mic_pos, fs, rt60, ...)` 와 같은 함수 호출만으로 GPU 가속 RIR을 얻을 수 있다. 내부적으로는 CUDA Toolkit이 설치된 환경을 자동 감지하고, 호환 GPU가 없을 경우 CPU fallback 모드로 전환한다. 설치는 pip 또는 conda 패키지를 통해 간단히 수행 가능하며, 오픈소스 라이선스(GNU GPL) 하에 제공된다. 성능 평가에서는 대표적인 CPU 기반 RIR 생성 라이브러리인 pyroomacoustics, RIR‑generator, 그리고 MATLAB 기반 구현과 비교했다. 테스트 환경은 RTX 3080, GTX 980Ti, 그리고 8코어 Intel i7 CPU이며, 방 크기 10 m × 8 m × 3 m, RT₆₀ = 1 s, 샘플링 레이트 48 kHz 조건에서 6개의 서로 다른 소스‑마이크 조합을 동시에 시뮬레이션했다. 결과는 GPU 구현이 평균 95배(RTX 3080)에서 110배(GTX 980Ti) 빠른 실행 시간을 보였으며, 메모리 사용량도 효율적으로 관리되었다. 음향 품질 측면에서는 초기 반사 에너지 비율(EDR), RT₆₀ 추정값, 그리고 주파수 응답 스펙트럼이 CPU 구현과 통계적으로 유의미한 차이가 없었다. 결론적으로, gpuRIR은 ISM 기반 RIR 생성의 계산 병목을 GPU 병렬화와 혼합 정밀도, LUT 최적화를 통해 크게 해소했으며, 오픈소스 파이썬 라이브러리 형태로 제공함으로써 연구자와 개발자가 별도의 GPU 프로그래밍 지식 없이도 대규모 음향 시뮬레이션을 손쉽게 수행할 수 있게 되었다. 향후 작업으로는 다중 방 시뮬레이션, 실시간 파라미터 변조를 위한 스트리밍 API, 그리고 GPU 클러스터를 이용한 초대규모 데이터셋 생성 파이프라인 구축 등이 제안된다.