GPU計算応用 — CAE用語解説

根本的な違いは「並列処理の向き」です。CPUは数個の高性能なコアで複雑な逐次処理をこなしますが、GPUは数千個の小さなコアで単純な演算を同時に実行します。例えば、NVIDIAのA100 GPUは6,912個のCUDAコアを持ち、メモリ帯域幅は1.5TB/s以上。一方、高級サーバーCPUのメモリ帯域幅は300GB/s程度です。CAEで言えば、有限要素法の要素剛性マトリクスの生成や、CFDのセルごとの流束計算のような、独立した大量の演算が得意です。

良い着眼点です。支配方程式を離散化すると、最終的に大規模な疎行列の連立一次方程式

はい、CPU用の標準的なCSR（Compressed Sparse Row）形式は、GPUのSIMTアーキテクチャではメモリアクセス効率が悪い場合があります。そのため、ELL（ELLPACK）やHybrid（HYB）形式など、GPUのスレッドが規則的にデータにアクセスできる形式が使われます。NVIDIAのcuSPARSEライブラリは、これらの形式間の変換や、各種演算を提供しています。行列の非ゼロパターンによって最適な形式は変わるため、ソフトウェア内部で自動選択するのが一般的です。

その通りです。大きく3つのレベルがあります。1) 描画のみ（ポスト処理の高速化）、2) ソルバーの一部（アセンブルや前処理）、3) ソルバー全体（エンドツーエンド）。実用的な高速化を得るにはレベル3が必要です。例えば、Ansys Fluentでは「GPU Accelerator」オプションで、圧力-速度連成のAMG線形ソルバーをGPUで実行できます。ただし、メッシュ生成や初期化は依然としてCPUで行われます。

はい、Lanczos法やSubspace Iteration法といった反復型の固有値ソルバーは並列化に適しています。Siemens Simcenter NastranやMSC Nastranの一部のソルバーでは、モーダル解析の主要計算部分をGPUにオフロードできます。特に、大規模モデルで多数のモードを抽出する場合、数倍から十数倍の高速化が報告されています。ただし、密行列を扱う直接法に基づく部分は、GPU化が難しい場合もあります。

これが最大の制約の一つです。例えばNVIDIA RTX 4090は24GB VRAM、データセンター向けのH100は80GB VRAMです。一方、システムRAMは1TB以上が普通です。ソルバーがエンドツーエンドでGPU実行する場合、問題のマトリクスとベクトルは全てVRAMに収まる必要があります。収まらない場合、ソフトウェアは自動的にCPUフォールバックするか、Out-of-Core（ディスクを使う）技術で対応しますが、大幅に遅くなります。モデル規模の見積もりは必須です。

「あなたが解きたい問題の規模」で決まります。第一優先はVRAM容量です。使用するCAEソフトのベンチマークやドキュメントを参照し、あなたの典型的なモデル（例えば、500万節点の構造解析）に必要なVRAM量を確認してください。次に、メモリ帯域幅（ビデオメモリの速度）です。HBM2eメモリを搭載したデータセンターGPU（NVIDIA A100, H100）は、ゲーミングGPU（GeForce RTXシリーズ）より帯域幅が圧倒的に高く、CAE計算ではこれが性能を左右します。コア数はその次です。

ベンダーにより様々です。Ansysの場合、「HPCパック」という追加ライセンスが必要で、これがCPUコア数に応じて増えますが、GPU1枚あたりに換算するコア数（例えば1GPU=4CPUコア分）が決まっており、CPUのみよりコスト効率が良くなるケースがあります。Altairでは、RadiossのGPUソルバーが標準ライセンスに含まれている場合もあります。必ず営業に確認し、自社の解析規模でTCO（総所有コスト）を比較検討してください。

可能ですが、ソフトウェアの実装に依存します。理想的には、ソルバーがCPUとGPUの両方のリソースを認識し、ワークロードを自動分散する「ヘテロジニアス計算」です。例えば、LS-DYNAのMPP（並列処理）バージョンでは、CPUプロセスとGPUプロセスを混在させて実行できます。ただし、CPU-GPU間のデータ転送（PCIeバス）がボトルネックにならないよう、アルゴリズムレベルで設計されているかが鍵です。単純にCPUとGPUで別々のジョブを走らせるのは、リソース管理ソフト（Altair PBS Professionalなど）で可能です。

Dassault Systèmes Abaqusは、従来はGPU対応が限定的という評価がありましたが、近年は強化されています。Abaqus/Standardの iterative solver がGPUをサポートし、大規模な接触問題を含む非線形解析で効果を発揮します。一方、Abaqus/Explicit（動的解析）は、CPUのMPP並列が主力で、GPU対応の優先度は低い印象です。競合のAnsys MechanicalやLS-DYNAと比べると、対応範囲と成熟度ではやや後れを取っていると言えるかもしれません。常に最新のリリースノートを確認する必要があります。

COMSOLはバージョン6.0から本格的なGPUサポートを開始しました。直接ソルバー（PARDISO）および反復ソルバーの前処理と行列-ベクトル積の計算をNVIDIA GPUで加速できます。特に、3Dの電磁界解析や流体-構造連成（FSI）のような、大規模で複雑な線形システムを解く場合に効果的です。ただし、全ての物理場と全ての要素タイプで最適化されているわけではないので、自らの問題でベンチマークを取ることが推奨されます。

非常に活発です。例えば、CFDコードのOpenFOAMには、CUDAやOpenACCを使用して主要なソルバー（icoFoam, simpleFoam等）をGPU化するプロジェクトが複数存在します。FEMでは、MFEMやFEniCSxといったライブラリが、バックエンドとしてGPUアクセラレーテッドな線形代数ライブラリ（CUDA, HIP, MAGMA）をサポートしています。研究レベルでは、コードを一からGPU向けに設計する事例も多く、例えば、粒子法コードやディープラーニングと融合した手法では、GPUがほぼ必須の環境になっています。

まず試すべきは「ソルバー設定の変更」です。多くのGPUソルバーは、使用する精度を単精度（FP32）に下げるオプションがあります。これだけでメモリ使用量がほぼ半分になります。Ansys Fluentなら「Double Precision」のチェックを外します。また、反復ソルバーの前処理（例えば、ILUのフィルインレベル）を軽くする設定も有効です。それでも駄目な場合、ソルバーがマルチGPUをサポートしていれば、2枚のGPUでメモリをプールできる場合があります（NVIDIA NVLink接続が理想）。最終手段がモデル簡略化です。

数値演算の順序や精度の違いが原因です。GPUは数千のコアで並列演算するため、加算や乗算の結合順序がCPUと確定性的に一致しません。この非結合性が、特に条件数が悪い（ill-conditioned）行列の反復解法に影響し、収束性を変えることがあります。対策としては、1) ソルバーの収束基準を少し緩める、2) 前処理を変更する（GPU用に最適化された前処理を選ぶ）、3) 可能であれば計算精度を倍精度（FP64）に上げる、などがあります。ベンダーのサポートに、そのソルバー/問題タイプでの推奨設定を聞くのが早道です。

これはよくある問題です。以下のチェックリストを確認してください。