【研究分野】高性能計算

【研究領域課題番号】17K00165 (KAKENデータベースで見る）

【研究キーワード】

適合細分化格子 / 動的負荷分散 / 高生産フレームワーク / 高性能計算 / スーパーコンピュータ / GPU / 適合細分化格子法 / ステンシル計算 / 時間ブロッキング法 / ハイパフォーマンス・コンピューティング / アルゴリズム / フレームワーク / 計算科学 / 大規模計算

【研究成果の概要】

近年、大規模GPU計算が可能となり、広大な計算領域の場所によって求められる精度が異なる問題に有効な手法が要求されている。本研究では、GPUが得意なステンシル計算を活用しながら、高精度が必要な領域を局所的に高精細にできる適合細分化格子法(AMR法) を様々なアプリケーションへ適用できるAMRフレームワークを構築した。GPU スパコンに適した動的負荷分散手法、通信削減技術、時間発展の最適化などを開発し導入した。AMRフレームワークに基づいた3 次元圧縮性流体計算で高い並列化効率を達成し、その有用性を示した。

【研究の社会的意義】

ペタスケールのスパコンでは、低消費電力かつ高性能を達成するため数千台を超えるGPUが搭載され、日本、 米国などで稼働している。格子計算はスパコンを利用する代表的なアプリケーションで、局所的に高精細な大規模計算を実現させる意義は大きい。 大規模な格子計算に向けて、通信やデータ移動の少ないアルゴリズムの開発は必須であり、スパコンに必須な通信隠蔽・削減技術と併用して、高性能AMR法を達成する試みの意義は大きい。本研究は、個別アプリケーションに特化したAMR法を構築するものでなく、汎用フレームワークを構築するものであり、大規模GPUアプリケーションの開発を支援する基盤技術となり、波及範囲は広い。

【研究種目】基盤研究(C)

【研究期間】2017-04-01 - 2020-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】高性能計算

【研究領域課題番号】17H01749 (KAKENデータベースで見る）

【研究キーワード】

近似計算 / 低ランク / H行列法 / ライブラリ / アルゴリズム / 並列計算 / 高性能計算 / ハイパフォーマンスコンピューティング / H行列 / 低ランク行列 / 行列近似 / メニーコア / GPU / Ｈ行列法 / ＧＰＵ / 低ランク行列近似

【研究成果の概要】

Ｈ行列法ライブラリHACApKの高機能化に関する研究を行った。H行列生成に動的負荷分散を導入し、H行列・ベクトル積計算に対してGPU向けアルゴリズムの開発・実装し、混合精度演算を導入した計算法を確立した。これらの新手法を用いた実装は、既存実装の数倍～十数倍の高速化を実現した。従来H行列に比べて効率的な演算・通信パターンを構築可能な新しい低ランク構造行列法である格子H行列法を提案した。数千プロセスを用いた実験では格子H行列・ベクトル積計算は既存実装の数十倍高速化を達成した。格子H行列に基づくLU分解法を開発し、BLR行列（単純な格子H行列）のQR分解法を開発した。これら分解手法の並列化も行った。

【研究の社会的意義】

本研究で高機能化を行ったH行列法ライブラリHACApKは、多くの科学技術シミュレーション（超電導解析、地震波動解析、マイクロマグネティクス計算など）で利用されている。本研究の成果として、HACApKを利用している科学技術計算を、GPUなど最新アーキテクチャを搭載したスパコンにおいても効率よく行うことができるようになる。また、従来のマルチコアCPUクラスタにおいても、さらなる解析の大規模化・高速化を達成できる。HACApKはソースのWeb公開や講習会開催を通して広く普及を図っており、本研究の成果は科学技術計算の発展に大きく寄与する。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】18,850千円 (直接経費: 14,500千円、間接経費: 4,350千円)

【研究分野】高性能計算

【研究領域課題番号】16H05859 (KAKENデータベースで見る）

【研究キーワード】

H行列 / FMM / GPU / LU分解 / ハイパフォーマンス・コンピューティング / アルゴリズム / 数値解法 / 反復法 / 前処理

【研究成果の概要】

平成28年度にはFMMのH行列への拡張とH行列によるLU分解コードの開発を行った。この際、exaFMMで採用しているdual tree traversalをH行列のadmissibilityの判定に用いることでタスクベースの並列化を容易に行うことができた。平成29年度には内部カーネルのチューニングと実アプリケーションによるmultigrid法との比較を行った。Batched MAGMAを採用することにより小規模な行列をGPU上で高速に処理することができた。Multigrid法に対する優位性は行列の条件数に依存し、並列度がますとH行列が優位になることが分かった。

【研究種目】若手研究(A)

【研究期間】2016-04-01 - 2018-03-31

【配分額】6,630千円 (直接経費: 5,100千円、間接経費: 1,530千円)

【研究分野】知能情報学

【研究領域課題番号】21240011 (KAKENデータベースで見る）

【研究キーワード】

知識発見 / データマイニング / 機械学習 / テキストマイニング / Web / ネットワークデータ / 統計 / 曖昧正解消 / プライバシー保護 / 言語学習 / クラスタリング / 曖昧性解消 / テキスト / 非負行列分解 / GPU / アルゴリズム

【研究成果の概要】

2009年度は当初の予定通り、Webにおける人名検索結果を同姓同名であるが異なる人物ごとにまとめるクラスタリングシステムを開発し、実験的に評価した。2010年度は大規模データ処理のために非負の確率行列分解アルゴリズムを提案し、既存のLDAと同様な性能を得ることを実証し、並列化アルゴリズムにおいては変分ベイズ法をロングテールに対応するPitMan-Yoモデルに適用し高い性能を得た。2011年度は最近注目されているプライバシー保護データマイニングをネットワークデータに応用した。2012年度は、プライバシー保護データマイニングの応用手法と大規模データに適したオンライン学習で、新規な正則化手法を提案した。

【研究種目】基盤研究(A)

【研究期間】2009 - 2012

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)