이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
GPU 컴파일러를 직접 설계한 경험은 없지만, 컴파일러 수업과 GPU 아키텍처 자료를 통해 GPU 타겟 컴파일러 설계 원칙에 대한 기초를 다졌습니다. GPU는 CPU와 달리 수천 개의 작은 코어가 SIMT 방식으로 동작하기 때문에, 컴파일러가 분기와 메모리 접근 패턴을 GPU 실행 모델에 맞게 최적화하는 것이 핵심입니다.
LLVM 인프라를 이용해 GPU 백엔드를 추가하는 구조를 공부했는데, 중간 표현(IR)에서 하드웨어 특성을 반영하는 패스 설계가 핵심이었습니다. GPU 아키텍처를 깊이 이해할수록 컴파일러가 생성하는 코드 품질이 달라진다는 점이 흥미로웠는데, 워프 발산이나 메모리 뱅크 충돌 같은 GPU 특성을 모르면 최적화 방향을 잘못 잡을 수 있습니다. 앞으로 실제 GPU 하드웨어와 컴파일러를 함께 다루는 경험을 쌓고 싶습니다.
GPU 컴파일러에 관심을 갖게 된 건 셰이더 코드가 GPU에서 어떻게 기계어가 되는지 궁금했기 때문이었습니다. LLVM 구조를 공부하면서 IR(중간 표현)을 거쳐 타겟 코드를 생성하는 흐름을 이해했는데, GPU 아키텍처에 맞는 최적화가 CPU와 어떻게 다른지는 이론으로는 감이 잘 안 왔습니다.
학교 컴파일러 수업 프로젝트에서 간단한 IR 최적화 패스를 직접 구현하는 과제를 했습니다. constant folding 패스를 작성하면서 변환 전후에 IR이 달라지는 것을 테스트 케이스로 고정하는 것이 컴파일러 개발의 핵심임을 배웠습니다. GPU 백엔드는 레지스터 수와 메모리 접근 패턴이 달라 최적화 기준 자체가 달라진다는 것도 알게 됐습니다.
이 경험으로 컴파일러 최적화는 변환 결과를 테스트로 먼저 고정해야 안심하고 바꿀 수 있다는 걸 배웠습니다.
컴파일러 프로젝트에서 GPU 레지스터 할당 패스를 구현하다 막힌 부분이 있었습니다. CPU와 달리 GPU는 레지스터 수가 많지만, 워프(warp) 점유율과 레지스터 수 사이의 균형을 코드로 어떻게 반영할지 감이 오지 않았습니다. 논문을 읽어봤는데 수식은 이해했지만 실제 IR 변환 단계에서 어디에 끼워야 하는지가 막막했습니다.
지도 교수님께 문의해서 LLVM의 레지스터 할당 패스 코드를 직접 읽어보는 것을 권유받았습니다. 처음엔 MachineFunction 레벨의 코드가 복잡해서 겁났는데, 핵심 함수 하나씩 따라가면서 주석을 달아보니 전체 흐름이 보였습니다.
이 경험으로 막히면 먼저 참고 구현 코드를 읽는 것이 논문보다 빠른 경우가 있다는 걸 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 반도체·디스플레이 연구 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.