[論文レビュー] Circuitscape in Julia: High Performance Connectivity Modelling to Support Conservation Decisions

Ranjan Anantharaman, Kimberly R. Hall+2 more|arXiv (Cornell University)|Jun 8, 2019

Wildlife-Road Interactions and Conservation参考文献 25被引用数 31

ひとこと要約

本論文では、広く使用されている Circuitscape ソフトウェアを Julia プログラミング言語で再実装した高パフォーマンスな実装である Circuitscape.jl を提示する。これにより、最大 1800% の高速化が達成され、最大 43700 万個のグリッドセルを扱えるランドスケープの解析が可能になった。このアップグレードは、Julia の高度な並列処理機能と効率的なソルバーを活用し、保全計画における接続性モデリングを高速化し、迅速な感度分析と高解像度データを用いた大規模な生態学的モデリングを可能にする。

ABSTRACT

Connectivity across landscapes influences a wide range of conservation-relevant ecological processes, including species movements, gene flow, and the spread of wildfire, pests, and diseases. Recent improvements in remote sensing data suggest great potential to advance connectivity models, but computational constraints hinder these advances. To address this challenge, we upgraded the widely-used Circuitscape connectivity package to the high performance Julia programming language. Circuitscape.jl allows users to solve problems faster via improved parallel processing and solvers, and supports applications to larger problems (e.g., datasets with hundreds of millions of cells). We document speed improvements of up to 1800\%. We also demonstrate scaling of problem sizes up to 437 million grid cells. These improvements allow modelers to work with higher resolution data, larger landscapes and perform sensitivity analysis effortlessly. These improvements accelerate the pace of innovation, helping modelers address pressing challenges like species range shifts under climate change. Our collaboration between ecologists and computer scientists has led to the use of connectivity models to inform conservation decisions. Further, these next generation connectivity models will produce results faster, facilitating stronger engagement with decision-makers.

研究の動機と目的

• 高解像度のリモートセンシングデータに伴う、ランドスケープ接続性モデリングの計算要求の増大に対処すること。
• 従来の Circuitscape バージョンでは、数億個のグリッドセルを含むデータセットを効率的に処理できなかった性能制限を克服すること。
• 時間的に敏感な保全意思決定を支援するため、より速くスケーラブルで並列処理可能な接続性モデリングを実現すること。
• エコロジストや保全科学者にとって使いやすく、オープンソースなツールに高性能コンピューティング機能を統合すること。
• 実行時間を数日から数時間に劇的に短縮することで、抵抗マップの感度分析やシナリオテストを現実的に行えるようにすること。

提案手法

• Julia プログラミング言語を用いて Circuitscape ソフトウェアを再実装し、その高パフォーマンスコンパイラとネイティブな並列処理サポートを活用すること。
• 回路理論的接続性モデルに生じる大規模なスパース線形系を高速に解くために、代数的マルチグリッド（AMG）およびコレスキーに基づく CHOLMOD などの高度な線形ソルバーを活用すること。
• 複数の問題インスタンスに対する並列実行を可能とし、複数の CPU コアを用いた大規模ランドスケープのタイル処理を実現すること。
• 単一ノードおよび複数ノードの並列実行をサポートするようにソフトウェアを設計し、Linux、macOS、Windows プラットフォームとの互換性を確保すること。
• Julia のパッケージマネージャーおよびエコシステムと統合することで、インストールの容易さと他の科学計算ツールとの合成性を確保すること。
• すべての主要な Circuitscape 応用事例、特にすべてのノードから1つのノードへの接続性分析とすべてのノード間の接続性分析を完全に並列化可能にサポートすること。

実験結果

リサーチクエスチョン

• RQ1 Julia で再実装された Circuitscape は、従来の Python や MATLAB バージョンと比較して顕著なパフォーマンス向上を達成できるか？
• RQ2 特に数億個のグリッドセルを含むデータセットに対して、Julia を用いた Circuitscape のパフォーマンスは問題サイズの増大に伴いどのようにスケーリングするか？
• RQ3 Julia における並列処理は、すべてのノードから1つのノードへの分析のような複雑な接続性モデリングタスクの実行時間をどの程度短縮できるか？
• RQ4 長時間の計算時間が要因でかつては現実的ではなかった抵抗マップの感度分析を、新しい実装はどの程度迅速に可能にするか？
• RQ5 Julia における高性能ソルバーや並列処理の統合は、保全意思決定におけるユーザビリティとステークホルダーの関与をどの程度向上させるか？

主な発見

• Julia を用いた Circuitscape（Circuitscape.jl）は、前回バージョンと比較して最大 1800% の高速化を達成し、モデル実行の大幅な高速化を実現した。
• ソフトウェアは最大 43700 万個のグリッドセルを扱えるスケーリングを達成し、細かい解像度での大陸規模のランドスケープ解析を可能にした。
• サハラ砂漠のランドスケープデータセットを用いたすべてのノードから1つのノードへの接続性分析において、旧バージョンでは 2 日以上かかっていたが、新しい並列処理が施された Julia 実装では 3 時間未満で完了し、17.5 倍の高速化を達成した。
• 新しい実装は、複数のタイルおよび複数の問題インスタンスにわたる完全な並列処理をサポートしており、標準的なハードウェアでも大規模ランドスケープの効率的処理が可能になった。
• Julia の高度なコンパイラおよびソルバー統合のおかげで、抵抗マップのプロトタイピングと反復的テストが高速化され、かつては実用的ではなかった感度分析が可能になった。
• Circuitscape.jl は現在オープンソースであり、Julia のパッケージマネージャー経由で利用可能で、オペレーティングシステムに跨って簡単にデプロイ可能なバイナリが提供されている。