[論文レビュー] Monte Carlo modeling photon-tissue interaction using on-demand cloud infrastructure

Ethan P. M. LaRochelle, P. Arce+1 more|arXiv (Cornell University)|May 3, 2020

Optical Imaging and Spectroscopy Techniques参考文献 38被引用数 4

ひとこと要約

本論文は、オンデマンドクラウドインfra構造を活用して、非スレッドセーフかつGPU最適化されていないアプリケーションの並列実行を可能にする、スケーラブルでコンテナ化されたモンテカルロシミュレーションフレームワークを提示する。64台のコンテナを4台のサーバーに展開し、154件のシミュレーションを実行した結果、逐次処理と比較して実行時間が最大97%短縮された。これは、クラウド環境における医療物理学モデリングにおいて高い効率性を示している。

ABSTRACT

Purpose: This work advances a Monte Carlo (MC) method to combine ionizing radiation physics with optical physics, in a manner which was implicitly designed for deployment with the most widely accessible parallelization and portability possible. Methods: The current work updates a previously developed optical propagation plugin for GEANT4 architecture for medically oriented simulations (GAMOS). Both virtual-machine (VM) and container based instances were validated using previously published scripts, and improvements in execution time using parallel simulations are demonstrated. A method to programmatically deploy multiple containers to achieve parallel execution using an on-demand cloud-based infrastructure is presented. Results: A container-based GAMOS deployment is demonstrated using a multi-layer tissue model and both optical and X-ray source inputs. As an example, the model was split into 154 simulations which were run simultaneously on 64 separate containers across 4 servers. Conclusions: The container-based model provides the ability to execute parallel simulations of applications which are not inherently thread-safe or GPU-optimized. In the current demonstration, this reduced the time by at most 97% compared to sequential execution. The code and examples are available through an interactive online interface through links at: https://sites.dartmouth.edu/optmed/research-projects/monte-carlo-software/

研究の動機と目的

• オンデマンドクラウドリソースを活用して、医療物理学分野におけるフォトン-組織相互作用の効率的かつスケーラブルなシミュレーションを可能にすること。
• ハイパフォーマンスコンピューティング環境における非スレッドセーフかつGPU最適化されていないアプリケーションの制限を克服すること。
• GAMOSベースのシミュレーションに適した、コンテナおよび仮想マシンを用いたポータブルで再利用可能なデプロイメントモデルの開発。
• オンデマンドクラウドインfra構造上で並列実行を実施することで、シミュレーション時間の顕著な短縮を実証すること。
• 再現可能性およびコミュニティ利用を促進するため、コードとインタラクティブな例題を公開すること。

提案手法

• 著者らは、GEANT4ベースのGAMOSプラットフォームに、光伝播プラグインを拡張して、マルチレイヤー組織モデルにおけるX線および光学フォトンの相互作用をシミュレートした。
• Dockerを用いてコンテナ化されたインスタンスを展開し、異種のクラウド環境間でのポータビリティと隔離性を確保した。
• 仮想マシンおよびコンテナベースのインスタンスは、以前に発表されたベンチマークスクリプトを用いて検証され、シミュレーションの正確性が確認された。
• 複数のクラウドサーバーに跨る複数のコンテナを動的に起動・管理できる、プログラム可能なデプロイメントパイプラインを実装した。
• 並列シミュレーションは、4台のサーバーに跨り64台のコンテナに分散され、154件の個別シミュレーションタスクが負荷分散された。
• クラウドインfra構造により、自動スケーリングとロードバランシングが可能となり、高スルーレートのモンテカルロシミュレーションが実現された。

実験結果

リサーチクエスチョン

• RQ1 コンテナ化されたクラウドベースのデプロイメントは、フォトン-組織相互作用のモンテカルロシミュレーションを顕著に高速化できるか？
• RQ2 本手法は、非スレッドセーフかつGPU最適化されていないアプリケーションのシミュレーション時間短縮にどの程度効果的か？
• RQ3 分散クラウドリソース上で高並列処理を実現しながらも、シミュレーションの正確性を維持できるか？
• RQ4 オンデマンドクラウドインfra構造を用いて逐次実行から並列実行にスケーリングした際のパフォーマンス向上はどの程度か？
• RQ5 異なるコンピューティング環境間での本フレームワークのポータビリティおよび再現可能性はどの程度か？

主な発見

• コンテナベースのデプロイメントにより、逐次実行と比較して最大97%のシミュレーション時間短縮が達成された。
• コンテナ化により、非スレッドセーフかつGPU最適化されていないアプリケーションの並列実行が成功裏に実現された。
• 以前に発表されたスクリプトを用いた検証により、仮想マシンおよびコンテナインスタンスの両方でシミュレーション結果の正確性が確認された。
• 154件のシミュレーションを4台のサーバー上に64台のコンテナに分散することで、本フレームワークのスケーラビリティが実証された。
• コードとインタラクティブな例題はWebインターフェースを通じて公開されており、再現性の向上とコミュニティへのアクセス促進に寄与している。
• 本手法により、医療物理学アプリケーションにおけるフォトン-組織相互作用の効率的で、ポータブルかつ高スルーレートのシミュレーションが可能になった。