[論文レビュー] FTK: A High-Dimensional Simplicial Meshing Framework for Robust and Scalable Feature Tracking.

Hanqi Guo, David Lenz+8 more|arXiv (Cornell University)|Nov 17, 2020

Advanced Data Storage Technologies被引用数 1

ひとこと要約

FTK は、高次元の単体メッシュ構成を用いたフレームワークであり、正則メッシュと非構造的メッシュを時空単体に一般化することで、科学的データに対する堅牢でスケーラブルかつ並列処理可能な特徴追跡を可能にする。特徴抽出の曖昧性を低減し、記号的摂動を用いて退化状態を処理し、VTK/ParaView統合とオープンソース提供により、臨界点、量子渦、等高面をサポートする。

ABSTRACT

We present the Feature Tracking Kit (FTK), a framework that simplifies, scales, and delivers various feature-tracking algorithms for scientific data. The key of FTK is our high-dimensional simplicial meshing scheme that generalizes both regular and unstructured spatial meshes to spacetime while tessellating spacetime mesh elements into simplices. The benefits of using simplicial spacetime meshes include (1) reducing ambiguity cases for feature extraction and tracking, (2) simplifying the handling of degeneracies using symbolic perturbations, and (3) enabling scalable and parallel processing. The use of simplicial spacetime meshing simplifies and improves the implementation of several feature-tracking algorithms for critical points, quantum vortices, and isosurfaces. As a software framework, FTK provides end users with VTK/ParaView filters, Python bindings, a command line interface, and programming interfaces for feature-tracking applications. We demonstrate use cases as well as scalability studies through both synthetic data and scientific applications including Tokamak, fluid dynamics, and superconductivity simulations. We also conduct end-to-end performance studies on the Summit supercomputer. FTK is open-sourced under the MIT license: this https URL

研究の動機と目的

• 多様な科学的データにおいて、特徴追跡の曖昧さと退化状態の課題に対処すること。
• 高次元時空領域における特徴追跡アルゴリズムのスケーラブルかつ並列処理を可能にすること。
• 臨界点、量子渦、等高面の特徴追跡手法を、共通の幾何的基盤を用いて統一的に実装すること。
• VTK/ParaViewフィルタ、Pythonバインディング、コマンドラインツールを備えたプロダクション運用可能なソフトウェアフレームワークを提供すること。

提案手法

• フレームワークは、時空を単体にタイル張りする高次元単体メッシュ構成を採用しており、正則メッシュと非構造的空間メッシュを一般化する。
• 時空単体は、空間メッシュを時間方向に拡張することで構築され、空間と時間の両方における統一的な幾何的表現が得られる。
• 特徴抽出中に生じる退化状態を解消するために記号的摂動が適用され、アルゴリズムの堅牢性と一貫性が確保される。
• 臨界点、量子渦、等高面といった複数の特徴タイプを、単体メッシュ内にそのトポロジー的および幾何的性質を符号化することでサポートする。
• VTK/ParaViewフィルタ、Pythonバインディング、コマンドラインインターフェースを備えたソフトウェアスタックを実装し、広範な利用可能性と拡張性を実現する。
• スパコン「Summit」を用いて、合成データおよび実世界の科学的データを用いて、性能とスケーラビリティを評価する。

実験結果

リサーチクエスチョン

• RQ1 科学的データにおける退化状態や曖昧な構成に強く、特徴追跡を堅牢に行うにはどうすればよいか？
• RQ2 単体メッシュ構成を用いることで、特徴追跡アルゴリズムのスケーラビリティおよび並列化にどのような影響を与えるか？
• RQ3 一様な幾何的フレームワークは、臨界点、量子渦、等高面といった多様な特徴タイプを効果的にサポートできるか？
• RQ4 現代のハイパフォーマンスコンputングシステムにおいて、エンドツーエンドのワークロードでこのフレームワークはどのように動作するか？

主な発見

• 単体時空メッシュ構成により、一貫したトポロジー的基盤を提供することで、特徴抽出の曖昧さが顕著に低減された。
• 記号的摂動を用いることで、退化状態の処理が簡素化され、多様なデータセットにおけるアルゴリズムの安定性が向上した。
• フレームワークは、特徴追跡のスケーラブルかつ並列処理を可能にし、Summitスパコンを用いた性能評価で実証された。
• 合成および実際の科学的データ（トカマク、流体動力学、超伝導シミュレーションなど）を用いたエンドツーエンドのスケーラビリティが検証された。
• VTK/ParaViewフィルタおよびPythonバインディングを備えたオープンソースのFTKフレームワークにより、科学的応用分野における広範な採用と拡張性が可能になった。