[論文レビュー] Model Exploration Using OpenMOLE - a workflow engine for large scale distributed design of experiments and parameter tuning

Romain Reuillon, Mathieu Leclaire+1 more|arXiv (Cornell University)|Jun 12, 2015

Scientific Computing and Data Management参考文献 11被引用数 3

ひとこと要約

本論文では、高レベルのScalaベースのDSLを用いて大規模な分散実験設計およびパラメータチューニングを可能にする科学的ワークフロー・エンジン、OpenMOLEを提示する。NSGA-IIおよびアイランド・モデルを用いた遺伝的アルゴリズムによる、エージェントベースのアリシミュレーションモデルの効率的な多目的最適化を実証し、ヨーロッパ・グリッドインfraestructure（EGI）上で1時間に200,000個の個体評価を達成した。

ABSTRACT

OpenMOLE is a scientific workflow engine with a strong emphasis on workload distribution. Workflows are designed using a high level Domain Specific Language (DSL) built on top of Scala. It exposes natural parallelism constructs to easily delegate the workload resulting from a workflow to a wide range of distributed computing environments. In this work, we briefly expose the strong assets of OpenMOLE and demonstrate its efficiency at exploring the parameter set of an agent simulation model. We perform a multi-objective optimisation on this model using computationally expensive Genetic Algorithms (GA). OpenMOLE hides the complexity of designing such an experiment thanks to its DSL, and transparently distributes the optimisation process. The example shows how an initialisation of the GA with a population of 200,000 individuals can be evaluated in one hour on the European Grid Infrastructure.

研究の動機と目的

• 複雑なシミュレーションモデルにおける高次元パラメータ空間の探索という課題に対処すること。
• 計算的に高コストな実験に対して、単一マシンでの実行の限界を克服すること。
• 異種のハイパフォーマンスコンピューティング環境にわたるパラメータチューニングワークロードの透明な分散を可能にすること。
• シミュレーション研究における科学的ワークフローのためのスケーラブルで再現可能かつ使いやすいフレームワークを提供すること。
• 生産用グリッドインfraストラクチャ上でOpenMOLEを用いた大規模な進化的計算の実現可能性と効率性を実証すること。

提案手法

• 科学的ワークフローと実験設計を表現するために、Scalaに構築されたドメイン固有言語（DSL）を採用すること。
• さまざまな分散環境（SSH、クラスタマネージャ、EGIグリッドなど）にアクセスするために、GridScaleライブラリを活用すること。
• 再評価を組み込んだ、入力・目的関数が設定可能な多目的最適化のためのNSGA-IIアルゴリズムを実装すること。
• 進化的計算のアイランド・モデルを採用し、リモートノードに並列で個体群を分散させることでスケーラビリティを向上させること。
• Paretoフロンティアの保存および実行中の進行状況のモニタリングのためのフックを統合すること。
• EGI環境のメモリ制限およびウォールタイム制限を考慮して、同時に2,000のアイランドを並列に実行すること。

実験結果

リサーチクエスチョン

• RQ1 OpenMOLEは、分散コンピューティングインfraストラクチャ上での大規模な実験のデプロイの複雑さを効果的に抽象化できるか？
• RQ2 アイランド・モデルを用いてグリッド環境全体でパラメータチューニングワークロードをどの程度効率的にスケーリングできるか？
• RQ3 科学的ワークフローの分散実行において、OpenMOLEはデプロイおよび管理のオーバーヘッドをどの程度低減できるか？
• RQ4 OpenMOLEは、再現可能でスケーラブルな実行を可能にしながら、複雑な多目的最適化をエージェントベースのモデルに適用できるか？
• RQ5 200,000個の個体を持つ遺伝的アルゴリズムを生産用グリッドに分散することで、どの程度のパフォーマンス向上が達成できるか？

主な発見

• OpenMOLEはヨーロッパ・グリッドインfraストラクチャ（EGI）上で1時間に200,000個の個体を評価する、エージェントベースのアリモデルの多目的最適化を成功裏に実行した。
• アイランド・モデルにより、50個体の個体群を有する2,000の並列進化的プロセスが実行され、ワークフロー全体で200,000件の評価が達成された。
• 再評価（1％）を組み込んだNSGA-IIアルゴリズムにより、過大評価された個体を排除することで、堅牢で統計的に妥当な結果が得られた。
• DSLおよびワークフロー構成モデルにより、複雑な実験設計がプラットフォームに依存しない形で簡潔かつポータブルに表現可能となった。
• 単一マシン性能に対する実行時間のニアーライニアなスルーブプットが達成され、分散実行の理想に近い結果が得られた。
• OpenMOLEのゼロデプロイ戦略およびオンザフライソフトウェアプロビジョニングにより、ローカルインストールなしで異種環境においても信頼性の高い実行が可能になった。