[論文レビュー] High Performance Computer Acoustic Data Accelerator: A New System for Exploring Marine Mammal Acoustics for Big Data Applications

Peter J. Dugan, John A. Zollweg+5 more|arXiv (Cornell University)|Sep 11, 2015

Underwater Acoustics Research参考文献 20被引用数 12

ひとこと要約

本論文では、機械学習を用いた海洋哺乳類の音響データ分析を高速化するための高性能分散システムDeLMAおよびADAを紹介する。64コアのHPCクラスタを活用することで、シングルデスクトップ処理に比べ最大44倍の高速化を達成し、19件の東海岸での展開から得られた300万以上のチャネルアワーにのぼる音声データの効率的分析を可能にした。

ABSTRACT

This paper presents a new software model designed for distributed sonic signal detection runtime using machine learning algorithms called DeLMA. A new algorithm--Acoustic Data-mining Accelerator (ADA)--is also presented. ADA is a robust yet scalable solution for efficiently processing big sound archives using distributing computing technologies. Together, DeLMA and the ADA algorithm provide a powerful tool currently being used by the Bioacoustics Research Program (BRP) at the Cornell Lab of Ornithology, Cornell University. This paper provides a high level technical overview of the system, and discusses various aspects of the design. Basic runtime performance and project summary are presented. The DeLMA-ADA baseline performance comparing desktop serial configuration to a 64 core distributed HPC system shows as much as a 44 times faster increase in runtime execution. Performance tests using 48 cores on the HPC shows a 9x to 12x efficiency over a 4 core desktop solution. Project summary results for 19 east coast deployments show that the DeLMA-ADA solution has processed over three million channel hours of sound to date.

研究の動機と目的

• 大規模な海洋哺乳類音響データアーカイブの処理における計算ボトルネックを解消すること。
• 機械学習に基づく音響信号検出を高速化できるスケーラブルで分散型のシステムを開発すること。
• 海洋哺乳類モニタリング展開から得られるビッグデータ音声アーカイブの効率的かつリアルタイムでの探索を可能にすること。
• ハイパフォーマンスコンピューティング（HPC）と分散コンピューティングフレームワークを活用して、大規模バイオアコースティックデータセットの処理時間を短縮すること。
• コロンビア大学のバイオアコースティクス研究プログラムが実施するような大規模で長期的なバイオアコースティックモニタリングプロジェクトを支援すること。

提案手法

• DeLMAフレームワークは、複数のコンピューティングノードに跨る機械学習アルゴリズムの分散ランタイム実行を可能にし、音響信号検出を実現する。
• 音響データマイニングアクセラレータ（ADA）アルゴリズムは、並列コンピューティングアーキテクチャを効率的に活用して大規模音声アーカイブを処理することを目的として設計されている。
• システムはクライアント・サーバーモデルを採用し、64コアのクラスタに跨る音声処理タスクを分散することで、負荷バランスとデータスルーレートを最適化する。
• ADAは最適化された信号処理パイプラインと機械学習推論ルーチンを採用し、海洋哺乳類の発声の検出を加速する。
• システムはハイパフォーマンスコンピューティング（HPC）インfrastrucuture上にデプロイされており、ビッグデータワークロードに向けた水平スケーリングを可能にしている。
• パフォーマンスは、実世界の音声データセットを用いて、シングルデスクトップ実行と分散HPC実行を比較することでベンチマーク化されている。

実験結果

リサーチクエスチョン

• RQ1 大規模音声アーカイブに跨る海洋哺乳類発声の機械学習ベース検出を、スケールアップしてどのように高速化できるか？
• RQ2 ハイパフォーマンスコンピューティングクラスタに跨る音響信号処理を分散することで、どの程度のパフォーマンス向上が達成できるか？
• RQ3 スケーラブルで分散型のシステムが、マルチテラバイト規模のバイオアコースティックデータセットの処理時間をどの程度短縮できるか？
• RQ4 従来のシングルデスクトップハードウェア上で実行されるシリアル処理と比較して、DeLMA-ADAパイプラインは効率性とスルーレートでどの程度優れているか？
• RQ5 本システムは、実世界の海洋モニタリングアプリケーションにおける長期的で大規模な展開において、高いパフォーマンスと信頼性を維持できるか？

主な発見

• 64コアのHPCクラスタ上で実行したDeLMA-ADAシステムは、シングルデスクトップ構成と比較して最大44倍の高速実行が達成された。
• HPCシステムで48コアを活用した場合、4コアデスクトップソリューションと比較して9〜12倍のパフォーマンス向上が得られた。
• システムは、19件の東海岸展開から得られた300万以上のチャネルアワーにのぼる海洋音響データを正常に処理した。
• 分散アーキテクチャにより、連続的で長時間にわたる音声記録の効率的かつ高スルーレートの処理が可能になった。
• システムは強い線形スケーラビリティを示しており、コア数が増加するにつれて一貫したパフォーマンス向上が得られた。
• DeLMA-ADAパイプラインはプロダクション環境で使用可能であり、コロンビア大学のバイオアコースティクス研究プログラムが実世界の海洋哺乳類モニタリングに積極的に活用している。