[論文レビュー] A spectral sequence for parallelized persistence

David B. Lipsky, Primož Škraba+1 more|arXiv (Cornell University)|Dec 6, 2011

Topological and Geometric Data Analysis参考文献 28被引用数 20

ひとこと要約

この論文は、空間を重複する部分に分割し、局所的なホモロジーを計算してから一般化された Mayer-Vietoris 諸分岐系列を用いて結果を統合することで、大規模データセットのための持続的ホモロジーを計算するスペクトル系列に基づく手法を提案する。このアプローチにより並列処理が効率的になり、核、像、余核の持続的ホモロジーの代数的定式化が可能となり、ホモロジーおよび持続的ナーヴィング補題の簡略化された証明が得られる。

ABSTRACT

We approach the problem of the computation of persistent homology for large datasets by a divide-and-conquer strategy. Dividing the total space into separate but overlapping components, we are able to limit the total memory residency for any part of the computation, while not degrading the overall complexity much. Locally computed persistence information is then merged from the components and their intersections using a spectral sequence generalizing the Mayer-Vietoris long exact sequence. We describe the Mayer-Vietoris spectral sequence and give details on how to compute with it. This allows us to merge local homological data into the global persistent homology. Furthermore, we detail how the classical topology constructions inherent in the spectral sequence adapt to a persistence perspective, as well as describe the techniques from computational commutative algebra necessary for this extension. The resulting computational scheme suggests a parallelization scheme, and we discuss the communication steps involved in this scheme. Furthermore, the computational scheme can also serve as a guideline for which parts of the boundary matrix manipulation need to co-exist in primary memory at any given time allowing for stratified memory access in single-core computation. The spectral sequence viewpoint also provides easy proofs of a homology nerve lemma as well as a persistent homology nerve lemma. In addition, the algebraic tools we develop to approch persistent homology provide a purely algebraic formulation of kernel, image and cokernel persistence (D. Cohen-Steiner, H. Edelsbrunner, J. Harer, and D. Morozov. Persistent homology for kernels, images, and cokernels. In Proceedings of the twentieth Annual ACM-SIAM Symposium on Discrete Algorithms, pages 1011-1020. Society for Industrial and Applied Mathematics, 2009.)

研究の動機と目的

• 大規模データセットにおける標準的な持続的ホモロジーアルゴリズムのメモリ制限およびスケーラビリティの制限を克服すること。
• 空間を重複する部分複体に分解することで、持続的ホモロジーの分散および並列計算を可能にすること。
• 局所的なホモロジー情報を最小限のメモリオーバーヘッドでグローバルな持続的ホモロジーに統合するスペクトル系列フレームワークの構築。
• 核、像、余核の持続的ホモロジー・モジュールを統一的に代数的に定式化すること。
• 古典的な結果（ホモロジーおよび持続的ナーヴィング補題を含む）の新しい、簡略化された代数的証明を提供すること。

提案手法

• フィルトレーションされた空間の被覆を用いて、持続的ホモロジー計算を局所化する。
• 被覆のナーヴィングから導かれる二重複体構成を用いて、グローバルな持続的ホモロジーに収束するスペクトル系列を生成する。
• スペクトル系列は Mayer-Vietoris の長完全系列を一般化し、局所データからのグローバルホモロジーの反復的近似を可能にする。
• 微分は環 k[t] 上の行列演算を用いて E^r ページで計算され、フィルトレーションのレベルに沿った持続的追跡が可能になる。
• グローバルと局所の持続的ホモロジー・モジュール間の整合性を保つために、階数付きモジュール準同型を活用する。
• フレームワークは、境界行列への階層的アクセスにより、並列処理とメモリ効率の良いシングルコア実行の両方をサポートする。

実験結果

リサーチクエスチョン

• RQ1 限られたメモリリソースで大規模データセットに対する持続的ホモロジーをどのように効率的に計算できるか？
• RQ2 重複する部分複体からの局所的持続的ホモロジー計算を、スペクトル系列フレームワークを用いてグローバル結果に統合できるか？
• RQ3 核、像、余核の持続的ホモロジー・モジュールを完全に代数的設定で定式化するために必要な代数的構造は何か？
• RQ4 スペクトル系列アプローチは、古典的および持続的ナーヴィング補題をどのように簡略化または一般化するか？
• RQ5 この手法を用いた持続的ホモロジーの効果的な並列化に必要な通信および同期のパターンは何か？

主な発見

• スペクトル系列アプローチにより、空間を重複するコンポonentに分割し、代数的演算で結果を統合することで、持続的ホモロジーの並列計算が可能になる。
• 局所的部分複体およびその交差に制限して計算することで、ピークメモリ使用量を削減し、メモリ効率が向上する。
• 核、像、余核の持続的ホモロジー・モジュールを完全に代数的に定式化するフレームワークを提供し、従来のトポロジカル構成を拡張する。
• 持続的ナーヴィング補題は、持続的にアセイクルな交差が成り立つ条件下で、E^1 ページでのスペクトル系列の崩壊により代数的に証明される。
• ホモロジーおよび持続的ナーヴィング補題は、より単純な代数的証明により再導出され、ナーヴィング条件を満たすために明示的なホモトピーが不要であることが示された。
• このアプローチは、コンポーネント間で独立して計算を行い、スペクトル系列の収束段階で制御された通信を実行する自然な並列化戦略を示唆する。