[論文レビュー] Bonsai: A GPU Tree-Code

Jeroen Bédorf, Evghenii Gaburov+1 more|arXiv (Cornell University)|Apr 10, 2012

Algorithms and Data Compression参考文献 2被引用数 3

ひとこと要約

Bonsai は、すべてのアルゴリズム的コンponents—木構造の構築、多重極モーメントの計算、木構造の走査—を GPU 上で完全に実行する、完全に GPU アクセelerated な重力ツリー・コードであり、CPU-GPU 間のデータ転送を排除している。GTX480 で 1 秒あたり 280 万粒子以上の処理を達成し、階層的 N 体シミュレーションにおける GPU の並列処理と効率的なメモリアクセスパターンを活用することで、最適化された CPU コードと比較して 20 倍の性能向上を達成している。

ABSTRACT

We present a gravitational hierarchical N-body code that is designed to run efficiently on Graphics Processing Units (GPUs). All parts of the algorithm are executed on the GPU which eliminates the need for data transfer between the Central Processing Unit (CPU) and the GPU. Our tests indicate that the gravitational tree-code outperforms tuned CPU code for all parts of the algorithm and show an overall performance improvement of more than a factor 20, resulting in a processing rate of more than 2.8 million particles per second.

研究の動機と目的

• CPU-GPU 間のデータ転送ボトルネックを解消するため、Barnes-Hut ツリー・コードの全処理を GPU 上で実行すること。
• GPU の並列処理を活用して、大規模な重力的 N 体シミュレーションにおいて優れた性能を達成すること。
• 再帰的でない木構造の再構築を最小限に抑え、アクティブな粒子に集中して計算を行うことで、効率的なブロック・タイムステップ統合を可能にすること。
• GPU 最適化されたツリー・アルゴリズムが、粒子数に比例して線形にスケーリング可能でありながらも、正確性を維持できることを示すこと。
• 重力的 N 体問題にとどまらず、一般用途の GPU アクセelerated ツリー構造フレームワークを提供すること。

提案手法

• Barnes-Hut ツリー・コードの全コンponents—粒子の並べ替え、木構造の構築、多重極モーメントの計算、木構造の走査—をすべて CUDA カーネルを用いて GPU 上に直接実装している。
• 木構造の構築中にメモリのコalescing とキャッシュ効率を向上させるために、粒子を空間を満たす Morton 曲線に沿って並べ替えている。
• 木構造の構築には、並列のプレフィックススキャンとアトミック操作を用い、GPU 上で完全にオクタイトリー・データ構造を構築している。
• 多重極モーメントは、セル内での粒子寄与を合算するためにリダクション・カーネルを並列で使用して計算している。
• 木構造の走査では、多重極受容基準（MAC）を θ = 0.75 で使用し、視角サイズと距離に基づいてセルを適応的に開くことができる。
• ブロック・タイムステップ法により、アクティブな粒子の更新のみを実行し、計算量を削減している。木構造の再構築は、セルサイズの増大に伴い性能が低下した場合にのみトリガーされる。

実験結果

リサーチクエスチョン

• RQ1 CPU-GPU 間のデータ転送を一切行わない状態で、完全な重力的ツリー・コードを GPU 上で効率的に実装できるか？
• RQ2 粒子数 N が増加するに従って、GPU 最適化されたツリー構築と走査のスケーリング特性はどうなるか？
• RQ3 完全な GPU 実行が、ハイブリッド CPU-GPU 実装と比較して、どの程度の性能向上をもたらすか？
• RQ4 粒子-セル相互作用の平均数が、ツリー走査のスケーリングにどの程度影響を及えるか？
• RQ5 GPU ベースのツリー構造を時間ステップ間で再利用することで、再構築のオーバーヘッドを最小限に抑えられるか？

主な発見

• GPU 最適化された Bonsai コードは、GTX480 GPU を使用して、θ = 0.75 時に 1 秒あたり 280 万粒子の処理速度を達成している。
• GPU 実装は、すべてのアルゴリズム的コンponents において、最適化された CPU コードを 20 倍以上に上回っている。
• N ≥ 10^6 の範囲で、木構造の構築と多重極計算は N に比例して線形にスケーリングしており、GPU の効率的利用を示している。
• 理論的複雑度が O(N log N) であるにもかかわらず、粒子 1 個あたりの平均相互作用数がほぼ一定であるため、木構造の走査はほぼ線形にスケーリングしている。
• ウォールクロック時間の 90% 以上が木構造の走査に費やされており、ブロック・タイムステッピングにより顕著な高速化が可能である。
• N < 10^6 の場合でもアルゴリズムは効率的であるが、GPU リソースの未利用が原因でスケーリングは非線形的となる。