[論文レビュー] Optimized M2L Kernels for the Chebyshev Interpolation based Fast Multipole Method

Matthias Messner, Bérenger Bramas+2 more|arXiv (Cornell University)|Oct 27, 2012

Electromagnetic Scattering and Analysis参考文献 13被引用数 17

ひとこと要約

この論文は、チェビシェフ補間に基づく高速多重極展開法（bbFMM/dFMM）における複数対局所（M2L）カーネルを、クラスターパーアごとの個別低ランク近似と対称性に基づく順列を導入することで最適化し、前処理時間を最大340倍短縮するとともに、最適化されたBLASレベルの行列-行列演算により行列-ベクトル積の処理を4–6倍高速化した。IAblkバリアントは、特に単一の行列-ベクトル積において、前処理時間とメモリ使用量の点でSArcmpを上回った。

ABSTRACT

A fast multipole method (FMM) for asymptotically smooth kernel functions (1/r, 1/r^4, Gauss and Stokes kernels, radial basis functions, etc.) based on a Chebyshev interpolation scheme has been introduced in [Fong et al., 2009]. The method has been extended to oscillatory kernels (e.g., Helmholtz kernel) in [Messner et al., 2012]. Beside its generality this FMM turns out to be favorable due to its easy implementation and its high performance based on intensive use of highly optimized BLAS libraries. However, one of its bottlenecks is the precomputation of the multiple-to-local (M2L) operator, and its higher number of floating point operations (flops) compared to other FMM formulations. Here, we present several optimizations for that operator, which is known to be the costliest FMM operator. The most efficient ones do not only reduce the precomputation time by a factor up to 340 but they also speed up the matrix-vector product. We conclude with comparisons and numerical validations of all presented optimizations.

研究の動機と目的

• ブラックボックスFMM（bbFMM）と方向性FMM（dFMM）におけるM2L演算子の高い前処理コストを低減すること。これはFMMの最もコストの高いコンponentである。
• クラスタ相互作用における幾何的対称性を活用して、M2L演算子の重複計算とストレージを最小限に抑えることで性能を向上させること。
• 対称性誘導順列を用いて繰り返し発生する行列-ベクトル積を最適化された行列-行列積に変換することで、行列-ベクトル積の処理速度を向上させること。
• 滑らか（bbFMM）と振動的（dFMM）なカーネルの両状況において、異なるM2Lバリアントの前処理コストと実行時効率のトレードオフを評価すること。
• 単一の行列-ベクトル積（高速な前処理）と反復的線形方程式系の解法（高速なM2L応用）という2つの異なるユースケースに最適なアルゴリズムバリアントを特定すること。

提案手法

• 従来のグローバルSVDに代わり、クラスターパーアごとの個別低ランク近似を導入し、各相互作用に対して最適な圧縮を達成する。
• 空間的対称性（例：x=0、y=0、z=0平面における反射）を特定・活用し、bbFMMの316個のすべてのM2L演算子をたった16個の固有演算子の順列として表現する。
• 対称性順列を用いて189個の行列-ベクトル積を16個の行列-行列積に変換し、Intel MKLのような高度に最適化されたBLASライブラリの利用を可能にする。
• 2つの新しいバリアントを提案する：IAblk（個別近似＋対称性に基づくブロッキング）とSArcmp（劣化SVDベースM2Lの再圧縮）。両者とも元のSA手法を改善する。
• 移動ベクトルを用いてM2L演算子を一意に特定し、カーネルタイプ（滑らかまたは振動的）を相互作用リスト構造と演算子の挙動にマッピングする。
• 3つの幾何形状（球体、扁平楕円体、縦長楕円体）を用いて性能を検証し、前処理時間、M2L応用時間、さまざまな精度レベルにおける精度を測定する。

実験結果

リサーチクエスチョン

• RQ1 クラスターパーアごとのM2L演算子の個別低ランク圧縮は、グローバルSVDベースの手法を下回る計算コストを達成できるか？
• RQ2 FMMツリー構造における幾何的対称性は、前処理が必要な固有M2L演算子の数をどの程度削減できるか？
• RQ3 対称性に基づく順列はどのように最適化された行列-行列演算の利用を可能にし、どのような性能向上をもたらすか？
• RQ4 bbFMMとdFMMの両状況において、異なるM2Lバリアントの前処理時間とM2L応用速度のトレードオフはどのようなものか？
• RQ5 単一の行列-ベクトル積と反復的線形方程式系の解法という2つのユースケースにおいて、IAblkとSArcmpのどちらが最適か？

主な発見

• IAblkバリアントは、元のSA手法と比較して前処理時間を最大340倍短縮した。主な要因は、316個から16個にまで減少した固有M2L演算子の対称性に基づく削減である。
• IAblkはbbFMMでM2L応用を4–6倍、dFMMで1.2–2.7倍高速化した。これはBLASライブラリを活用した最適化された行列-行列演算によるものである。
• 単一の行列-ベクトル積においては、IAblkが最適である：前処理時間は0.4 s（SArcmpは69.1 s）、合計時間は10.4 s（SArcmpは75.4 s）である。
• 反復的線形方程式系の解法では、精度Acc=5では約19回の行列-ベクトル積後、Acc=6では約26回の積後にSArcmpがIAblkを上回るようになる。
• IAblkバリアントは、計算コストとメモリフットプリントが最小であり、特に非方向的展開（bbFMMおよび低周波数dFMM）において顕著な利点を示す。
• 個別低ランク近似（IAバリアント）は、グローバルSVDベースの手法（SA）を前処理および実行時両面で上回り、単一利用シナリオにおいてIAblkが最も効率的である。