이 논문에서는 계산 속도를 개선한 확산모형 분석 도구 SNUDM-G를 소개한다. 확산모형은 다양한 인지 과제를 설명하는 데에 적용되어 왔음에도 불구하고 계산적 어려움으로 인해 사용에 제한이 있었다. 특히 확산모형 분석 도구 중 하나인 SNUDM(고성룡 등, 2020)은 확산과정을 근사할 때 2만 개의 자료를 순차적으로 생성하기 때문에 처리 속도 면에서 단점이 있다. 이러한 한계를 극복하기 위해 확산과정을 무작위걷기 방법으로 근사하는 과정에서 그래픽처리장치(GPU)를 사용할 것을 제안한다. 그래픽처리장치를 사용하면 2만 개의 자료를 병렬로 생성할 수 있기 때문에 순차처리로 자료를 생성하는 것에 비해 분석의 속도를 높일 수 있다. GPU를 사용한 SNUDM-G와 CPU를 사용한 SNUDM으로 Ratcliff 등 (2004)의 실험 1 자료를 분석하고 매개변수 복구를 한 결과 SNUDM-G가 SNUDM보다 특정 매개변수에서 다소 높은 값을 추정하였으나, 계산 속도 면에서는 큰 차이로 SNUDM-G가 SNUDM보다 더 빠르게 매개변수를 추정하였다. 이 결과는 이 도구를 이용하여 다양한 인지 과제에 대해 보다 효율적인 확산모형 분석이 가능할 것임을 보여주며, 더 나아가 앞으로 그래픽처리장치를 이용하여 다양한 인지 모형의 처리 속도를 개선할 수 있음을 시사한다.