[論文レビュー] An Efficient SIMD Implementation of Pseudo-Verlet Lists for Neighbour Interactions in Particle-Based Codes

James S. Willis, Matthieu Schaller+3 more|arXiv (Cornell University)|Apr 17, 2018

Fluid Dynamics Simulations and Interactions参考文献 3被引用数 3

ひとこと要約

本論文は、セルペアの軸に沿った粒子の投影を用い、正確なループ境界とマスクを用いたベクトル化された距離計算を実装することで、粒子ベースのシミュレーションにおける擬似ヴェルレリストアルゴリズムの高度最適化されたSIMD実装を提示している。Swift宇宙論的シミュレーションフレームワークにおけるスカラーコードと比較して、AVX、AVX2、AVX-512でそれぞれ2.24倍、2.43倍、4.07倍の高速化を達成した。

ABSTRACT

In particle-based simulations, neighbour finding (i.e finding pairs of particles to interact within a given range) is the most time consuming part of the computation. One of the best such algorithms, which can be used for both Molecular Dynamics (MD) and Smoothed Particle Hydrodynamics (SPH) simulations, is the pseudo-Verlet list algorithm. This algorithm, however, does not vectorise trivially, and hence makes it difficult to exploit SIMD-parallel architectures. In this paper, we present several novel modifications as well as a vectorisation strategy for the algorithm which lead to overall speed-ups over the scalar version of the algorithm of 2.24x for the AVX instruction set (SIMD width of 8), 2.43x for AVX2, and 4.07x for AVX-512 (SIMD width of 16).

研究の動機と目的

• 擬似ヴェルレリストにおける非効率な隣接粒子探索が引き起こす粒子ベースのシミュレーションの性能ボトルネックを解消すること。
• 分岐と不規則なメモリアクセスパターンのため、擬似ヴェルレリストにおけるSIMDベクトル化に課される課題を克服すること。
• 現代のCPUアーキテクチャ上でデータ並列性を最大限に活用しながら、アルゴリズムの正しさを保つベクトル化戦略を開発すること。
• Swiftコードベースを用いた実世界の宇宙論的シミュレーションにおいて顕著な高速化を達成すること。
• 単純なSIMD適用よりも、アルゴリズム最適化と低レベルのベクトル化を組み合わせることで優れた性能が得られることを示すこと。

提案手法

• 隣接セルの粒子位置を、それらの中心を結ぶ軸に投影することで、順序付きの隣接粒子探索を可能にする。
• セル内の粒子をセルペアの軸に沿った投影距離でソートし、ループの早期終了を可能にする。
• ループの実行回数の上限を事前に計算（dist_a[i] + h + max_dx）することで、余分な距離計算を削減する。
• AVX、AVX2、AVX-512のインストラクションセットを用い、マスク付き演算を実装することで、部分的なベクターランを処理するベクトル化ループを実装する。
• 結果をバッチ処理するための累算ベクタを用い、隣接粒子相互作用計算におけるメモリ帯域幅の圧迫を軽減する。
• ハイブリッドアプローチを採用：コーナーセルペア（相互作用数が少ない）にはスカラーコードを適用し、エッジおよびフェースペアにはベクトル化コードを適用することで、全体の性能を最適化する。

実験結果

リサーチクエスチョン

• RQ1 分岐と不規則なメモリアクセスのため、擬似ヴェルレリストのSIMD命令による効果的なベクトル化が可能かどうか。
• RQ2 実世界の宇宙論的シミュレーションワークロードにおいて、AVX、AVX2、AVX-512を用いた擬似ヴェルレリストのベクトル化による性能向上はどの程度か。
• RQ3 インストラクションセットの選択（AVX 対 AVX2 対 AVX-512）が、隣接粒子探索性能の向上に与える影響は何か。
• RQ4 ソートされた投影とループ境界の最適化が、ベクトル化コードにおける余分な距離計算の削減に与える影響は何か。
• RQ5 低活動状態の設定ではベクトル化のオーバーヘッドを避けるために、ハイブリッドスカラーベクトル化戦略が全体の性能向上に寄与するか。

主な発見

• SIMD最適化された擬似ヴェルレリストは、Swiftシミュレーションフレームワークにおけるスカラーコードと比較して、AVX（SIMD幅8）で2.24倍の高速化を達成した。
• AVX2を用いることで2.43倍の高速化が達成され、より高い命令レベル並列性と優れたマスクサポートのおかげでAVXよりも性能が向上した。
• AVX-512は、より広いベクターラン（16ワイド）、改善されたFMA命令、専用のマスク機能のおかげで、最高の高速化率4.07倍を達成した。
• 性能向上は、相互作用数が多いフェースおよびエッジセルペアの構成で顕著であり、ベクトル化のオーバーヘッドをよりよく相殺できる。
• コーナーセルペアの相互作用では最小の高速化（0.49倍）にとどまり、これはこれらのケースではスカラーコードを適用することでベクトル化コストを回避する正当性を示している。
• 理想的な8倍のSIMD高速化が得られたとしても、単純なO(N²)の隣接粒子探索アプローチは、最適化された擬似ヴェルレリストよりも12倍以上遅く、アルゴリズム効率の重要性を浮き彫りにしている。