[論文レビュー] Divide-and-Conquer 3D Convex Hulls on the GPU

Jeffrey M. White, Kevin Wortman|arXiv (Cornell University)|May 6, 2012

Computational Geometry and Mesh Generation参考文献 13被引用数 5

ひとこと要約

この論文は、3次元凸包を計算するためのGPU最適化済みのボトムアップ分割統治アルゴリズムを提示している。再帰的なトップダウン手法をデータ並列なカーネルベースのパイプラインに変換した。独立したカーネル起動によるイベントログのマージを活用し、動的データ構造や同期を回避することで、CPUとの連携を最小限に抑え、GPU上で完全に実行される。その結果、CPU実装と比較して最大6倍の高速化を達成した。

ABSTRACT

We describe a pure divide-and-conquer parallel algorithm for computing 3D convex hulls. We implement that algorithm on GPU hardware, and find a significant speedup over comparable CPU implementations.

研究の動機と目的

• 3次元凸包問題は計算的に重要であるが、純粋なGPU実装が不足している現状に対処する。
• GPUの制限（再帰の欠如、動的メモリ、同期プリミティブの欠如）を克服し、並列実行を可能にする。
• CPUベースの凸包計算やハイブリッド実行に依存しない実用的で高性能なアルゴリズムを開発する。
• チャンの最小限の3次元凸包アルゴリズムをボトムアップに再実装することで、GPUのピーク性能に近い性能を達成できることを示す。

提案手法

• チャンのトップダウン的で再帰的な3次元凸包アルゴリズムを、GPU実行に適したボトムアップ的で反復的なプロセスに再定式化する。
• 各点の凸包の進化を「ムービーアレイ」と呼ばれるデータ構造を用いてイベントの系列として表現し、各点のイベントログを保存する。
• 隣接するイベントログを並列にマージするため、独立したGPUカーネル起動を活用し、2つのログを1つに統合し、長さを2倍にする。
• ログのマージを⌈log₂n⌉ステップにわたり二分木の形で実行し、最終的に1つのイベントログ（全凸包を表す）を得る。
• 各カーネルインスタンスを入力および出力インデックスの不重複範囲にマッピングし、カーネル間の同期や通信を完全に回避する。
• 動的データ構造（例：双方向接続エッジリスト（DCEL））を避けるために、凸包の進化をイベントシーケンスとしてエンコードする。

実験結果

リサーチクエスチョン

• RQ1 再帰や動的メモリが利用できないGPUハードウェア上で、純粋な分割統治的3次元凸包アルゴリズムを効率的に実行できるか？
• RQ2 ボトムアップ的でカーネル並列なアプローチは、ハイブリッドまたはCPUアクセラレートされた代替手法に比べ、性能と単純さの面で優位性を示せるか？
• RQ3 GPUカーネル起動のオーバーヘッドやメモリアクセスパターンは、非自明に並列化が難しい幾何アルゴリズムに、どの程度影響を与えるか？
• RQ4 外れ値の点が存在する場合を含め、さまざまな入力サイズにおいても、アルゴリズムが高い性能を維持できるか？

主な発見

• GPU実装は、中程度のハードウェア環境下でCPU実装と比較してピークで約6倍の高速化を達成した。
• 4点（小規模）および840万点（大規模）のデータセットにおいても、速度向上が一貫して高く（約6倍）維持されるが、中規模（32,768点）では約2.5倍に低下する。
• 最終段階のマージステップは、並列化が困難であると予想されたが、合計実行時間に1ms未満しか寄与しないため、ハイブリッドCPU-GPUアプローチは不要である。
• 動的データ構造や同期を回避することで、CPUの関与を最小限に抑え、GPU上で完全に実行可能となった。
• GPUの低レベルな複雑さ（メモリ階層、スレッドスケジューリング）にもかかわらず、理論的なGPUとCPUの9ギガFLOPSの利点に近い性能を達成した。
• 3次元凸包のような複雑な幾何アルゴリズムであっても、独立したデータ並列演算に再構築することで、GPUカーネルに効率的にマッピング可能であることが示された。