25만 행 이상의 레거시 기상 시뮬레이션 코드를 위한 검증 중심의 AI 보조 GPU 포팅

최근 LLM 기반의 CLI 에이전트가 대규모 레거시 과학 애플리케이션의 **GPU 포팅(GPU Porting)**을 가속화하는 실질적인 도구로 부상하고 있다. 본 연구는 25만 행 이상의 Fortran 기반 기상 시뮬레이션 코드인 CReSS를 사례로, 과학적 타당성을 유지하며 GPU 환경에 적응시키는 검증 중심(Validation-centric) AI 보조 워크플로우를 제안한다.

이 워크플로우는 AI 에이전트를 활용하여 다음과 같은 과정을 수행한다:

• OpenMP 영역 추출 및 OpenACC 변환 적용
• 물리적으로 유의미한 시뮬레이션 상태로부터 덤프 기반 커널 벤치마크 생성
• 참조 데이터와의 요소별(element-wise) 비교 및 애플리케이션 수준의 검증 수행

실험 결과, 해당 워크플로우를 통해 162개의 타겟 커널에 대해 수치적으로 검증된 GPU 구현을 생성했으며, 실제 개발 비용 대비 5.1배의 애플리케이션 수준 성능 향상을 달성했다. 특히, 부동 소수점 및 내장 함수 차이로 인해 발생하는 5개 커널의 수치적 불일치를 감지하여 개발자에게 피드백을 제공하는 성과를 거두었다.

연구는 대규모 레거시 코드의 AI 보조 포팅이 단순한 코드 생성을 넘어, 세션 전반의 컨텍스트 관리, 런타임 상태 재구성, 그리고 검증 중심의 워크플로우 설계가 필수적임을 시사한다.