[論文レビュー] Finding Neighbors in a Forest: A b-tree for Smoothed Particle Hydrodynamics Simulations

Aurélien Cavelan, Rubén M. Cabezón+2 more|arXiv (Cornell University)|Oct 7, 2019

Fluid Dynamics Simulations and Interactions参考文献 23被引用数 12

ひとこと要約

本論文は、滑らかな粒子法（SPH）シミュレーションのための新しい適応的木構造、$b$-treeを紹介する。この構造は、動的に調整可能な高い分岐次数を用いて木の深さを最小化する。均一な分布において、$O(n)$の近傍探索計算量を実現（オクトリーの$O(n\log n)$と比較）することで、木の構築が最大12倍速くなり、近傍探索が1.6倍速くなる。実際のSPHコード（SPHYNX）では最大5倍の高速化が達成された。

ABSTRACT

Finding the exact close neighbors of each fluid element in mesh-free computational hydrodynamical methods, such as the Smoothed Particle Hydrodynamics (SPH), often becomes a main bottleneck for scaling their performance beyond a few million fluid elements per computing node. Tree structures are particularly suitable for SPH simulation codes, which rely on finding the exact close neighbors of each fluid element (or SPH particle). In this work we present a novel tree structure, named extit{$b$-tree}, which features an adaptive branching factor to reduce the depth of the neighbor search. Depending on the particle spatial distribution, finding neighbors using ree has an asymptotic best case complexity of $O(n)$, as opposed to $O(n \log n)$ for other classical tree structures such as octrees and quadtrees. We also present the proposed tree structure as well as the algorithms to build it and to find the exact close neighbors of all particles. We assess the scalability of the proposed tree-based algorithms through an extensive set of performance experiments in a shared-memory system. Results show that b-tree is up to $12 imes$ faster for building the tree and up to $1.6 imes$ faster for finding the exact neighbors of all particles when compared to its octree form. Moreover, we apply b-tree to a SPH code and show its usefulness over the existing octree implementation, where b-tree is up to $5 imes$ faster for finding the exact close neighbors compared to the legacy code.

研究の動機と目的

• 大規模な粒子数におけるSPHシミュレーションの性能ボトル neck を解消するため、正確な近傍探索に起因する問題を解決すること。
• 特に非均一かつ動的な粒子分布における、メッシュフリーなSPH手法の近傍探索にかかる計算コストを低減すること。
• 木の深さを最小化し、負荷バランスとメモリ効率を維持しながら、近傍照合の高速化を実現する木構造を設計すること。
• 木の構築および近傍探索アルゴリズムの最適化を通じて、共有メモリシステム上でのSPHシミュレーションのスケーラビリティとパフォーマンスを向上させること。
• 新規木構造を実運用用の天体物理学的SPHコードに統合し、実世界でのパフォーマンス向上を検証すること。

提案手法

• 粒子密度および空間的分布に基づいて動的に調整される分岐次数を持つ、新しい木構造、$b$-treeを提案する。
• 定数時間（$O(1)$）のセル照合を実現するための定期的グリッドマッピングを用い、木の構築および走査中にサブセルへの高速アクセスを可能にする。
• 成長を制御し、過剰なメモリ使用を防ぐために、2つの制約を適用する：セルあたりの最大粒子数（バケツサイズ）および最大空セル数。
• ブロック化され、キャッシュに配慮したアプローチ（ブロック行列乗算にインspired）を用いて、木の構築および近傍探索アルゴリズムを実装する。
• 2つの主要な最適化を適用する：木の走査曲線に沿った粒子のメモリ再配置、およびブロック化されたループスケジューリングにより、キャッシュ再利用と負荷バランスを向上させる。
• $b$-treeをSPHYNXコードベースに統合し、実世界のSPHテストケースを用いて、従来のオクトリー実装と性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 適応的かつ高い分岐次数を持つ木構造は、SPHシミュレーションにおける近傍探索の漸近的計算量を$O(n\log n)$未満に低下させることができるか？
• RQ2 均一および非均一な粒子分布の両方において、$b$-treeの構築および近傍探索時間は、古典的なオクトリーと比べてどのように振る舞うか？
• RQ3 $b$-treeは、実世界のSPHシミュレーションコード（例：SPHYNX）において、どの程度パフォーマンスを向上させるか？
• RQ4 OpenMPスケジューリング戦略の選択は、$b$-treeの近傍探索ワークロードにおける負荷バランスとパフォーマンスにどのように影響するか？
• RQ5 $b$-treeは、さまざまな粒子密度領域およびシミュレーションワークロードにおいて、高いパフォーマンスとスケーラビリティを維持できるか？

主な発見

• 3次元の均一な粒子集合において、$b$-treeは木の構築および近傍探索の両方で$O(n)$の計算量を達成するが、オクトリーは$O(n\log n)$となる。
• 再帰の深さが低く、再配分ステップが少ないため、$b$-treeの構築はオクトリーと比較して最大12倍速い。
• 非均一な分布において、$b$-treeの近傍探索パフォーマンスはオクトリーと比較して最大1.6倍速い。
• SPHYNXコードに統合した結果、$b$-treeは従来のオクトリー実装と比較して、FindNeighborsカーネルの実行を最大5倍高速化した。
• すべてのOpenMPスケジューリング戦略において、$b$-treeはオクトリーを上回る性能を示したが、動的スケジューリングはより良い負荷バランスを実現した反面、顕著なオーバーヘッドを伴った。
• ブロック化され、キャッシュに配慮した$b$-treeアルゴリズムの実装は、データ局所性を著しく向上させ、メモリアクセスの遅延を低減し、パフォーマンス向上に寄与した。