[論文レビュー] A parallel Heap-Cell Method for Eikonal equations

Adam Chacon, Alexander Vladimirsky|arXiv (Cornell University)|Jun 20, 2013

Advanced Numerical Methods in Computational Mathematics参考文献 24被引用数 4

ひとこと要約

本稿では、共有メモリアーキテクチャ上でEikonal方程式を解くための並列ヒープ・セル手法（pHCM）を提案する。これは、逐次的ヒープ・セル手法（HCM）の効率性と、セル間での並列化を組み合わせたものである。pHCMは、特に1セルあたりの作業量が多い問題において、高いスケーラビリティとスルーブプットを達成しており、3Dグリッド上での数値実験において、逐次的ソルバーや並列化された高速スイーピング法（FSM/LSM）を上回る性能を示している。

ABSTRACT

Numerous applications of Eikonal equations prompted the development of many efficient numerical algorithms. The Heap-Cell Method (HCM) is a recent serial two-scale technique that has been shown to have advantages over other serial state-of-the-art solvers for a wide range of problems. This paper presents a parallelization of HCM for a shared memory architecture. The numerical experiments in $R^3$ show that the parallel HCM exhibits good algorithmic behavior and scales well, resulting in a very fast and practical solver. We further explore the influence on performance and scaling of data precision, early termination criteria, and the hardware architecture. A shorter version of this manuscript (omitting these more detailed tests) has been submitted to SIAM Journal on Scientific Computing in 2012.

研究の動機と目的

• 共有メモリアーキテクチャ上でEikonal方程式を解くためのスケーラブルな並列アルゴリズムの開発。
• 大規模3D問題におけるHCMや並列化された高速スイーピング法（FSM/LSM）といった逐次的ソルバーの性能を上回ること。
• データ精度、早期終了、ハードウェアアーキテクチャがpHCMの性能とスケーリングに与える影響の調査。
• ロボットナビゲーションや地震画像処理など、高い計算スルーブプットを要する応用分野におけるEikonal方程式の効率的解法の実現。
• pHCMを非等方的ハミルトニアン・ジャコビ方程式やハイブリッドCPU-GPUアーキテクチャへ拡張可能かどうかの検討。

提案手法

• pHCMは計算領域を空間的セルに分割し、各セルをHCMと同様にヒープベースのラベル設定戦略で独立して処理する。
• 各スレッドはセルのサブセットを管理し、各セル内で逐次的スイーピングを実行しながら、アクティブノードを共有するグローバルヒープを維持する。
• 本手法は二段階アプローチを採用する：セル内での局所的スイーピングと、因果関係と収束性を保証するためのヒープデータ構造によるグローバルな伝搬。
• 不連続な速度関数の非整合な配置に特に有効な、冗長作業を削減するための新規セル値ヒューリスティック（式4）を導入する。
• 収束基準に基づくセル内での早期終了をサポートし、不要なスイーピングを削減する。
• メモリアクセスは空間的・時間的局所性ヒューリスティックにより最適化され、キャッシュに配慮したアクセスパターンを想定した共有メモリシステム向けに設計されている。

実験結果

リサーチクエスチョン

• RQ1 3D Eikonal問題において、共有メモリシステム上で複数コアにわたるpHCMのスケーリング特性はいかほどか？
• RQ2 データ精度（例：32ビット対64ビット）がpHCMの性能と精度に与える影響は？
• RQ3 早期終了基準がpHCMの総作業量と実行時間に与える影響は？
• RQ4 問題サイズとハードウェアに応じた最適なセル分解戦略（例：セルサイズ、セル数）は何か？
• RQ5 pHCMは、並列化されたFSM/LSMといった既存の並列Eikonalソルバーを、スルーブプットと作業効率の面で上回ることができるか？

主な発見

• pHCMは64³の3Dグリッドまで強力なスケーリングを達成し、問題サイズと1セルあたりの作業量が増加するにつれてスルーブプットが向上する。
• M=64³の場合、新しいセルヒューリスティック（式4）を用いたpHCM32は、ヒューリスティック3を用いた場合の1セルあたり平均スイープ回数8366回を20.4回にまで削減し、顕著な作業量削減を実現した。
• pHCM32はHCM32に比べ作業効率（AvS）が優れていたが、オーバーヘッドのため実行時間はわずかに増加しており、これはより優れたアルゴリズム的挙動を示している。
• 新しいセルヒューリスティック（式4）は、特に速度関数に非整合な不連続性がある問題において、スケーリングを向上させた。
• セルサイズが大きく、またはセル内スイーピングに複数回の反復が必要な場合に性能向上が顕著に現れ、1セルあたりの作業量が多い状況が最も恩恵を受ける。
• 非等方的ハミルトニアン・ジャコビ方程式やハイブリッドCPU-GPUアーキテクチャへの拡張可能性は有望であるが、分散メモリスケーリングは依然として課題である。