[論文レビュー] Technical Note: Radiotherapy dose calculations using GEANT4 and the Amazon Elastic Compute Cloud

Christopher Poole, I. Cornelius+2 more|arXiv (Cornell University)|May 7, 2011

Advanced Radiotherapy Techniques参考文献 16被引用数 5

ひとこと要約

本論文は、Amazon EC2のスポットインスタンスを活用して、GEANT4を用いた放射線治療モンテカルロ線量計算のコスト効率の高いクラウドベースのフレームワークを提案している。この手法により、従量課金価格と比較してコストを35–60％削減できる。本手法は、最小限のハードウェア投資でスケーラブルかつオンデマンドのシミュレーションを可能にし、リソース制限のある地域の診療機関が高精度な放射線治療線量計算にアクセスできるようにする。クラウドコンピューティングが、こうした環境におけるシミュレーションの高速化とアクセスの民主化を実現できることを示している。

ABSTRACT

Cloud computing allows for vast computational resources to be leveraged quickly and easily in bursts as and when required. Using the Amazon Elastic Compute Cloud and the Amazon Simple Storage Solution, we describe a technique that allows for Monte Carlo radiotherapy dose calculations to be performed using GEANT4 and executed in the cloud. Simulation cost and completion time was evaluated as a function of instance count using compute instances acquired via biding on the Elastic Compute Cloud spot market. Bidding for instances on the instance spot market was found to be 35-60% of the cost of on-demand instances of the same type. Using the technique, we demonstrate the potential usefulness of cloud computing as a solution for rapid Monte Carlo simulation for radiotherapy dose calculation.

研究の動機と目的

• クラウドコンピューティングリソースを活用して、低コストかつスケーラブルなモンテカルロ線量計算を実現すること。
• Amazon EC2のスポットマーケットインスタンスを用いたGEANT4ベースの放射線治療シミュレーションの実現可能性とコスト効率を評価すること。
• 特に、専用の計算インfraストラクチャを持たない診療機関（特に発展途上国）に対して、ハードウェアに依存しない実用的ソリューションを提供すること。
• クラウドベースの実行が、ローカルクラスタと同等のシミュレーション時間を達成しながら、運用コストを最小限に抑えることができるかどうかを示すこと。
• シミュレーション時間と予算制約を考慮した最適なコンピューティングインスタンス数を決定するためのコスト最適化モデルを開発すること。

提案手法

• 研究では、正確な放射線治療線量計算を可能にするために、臨床用線形加速器の光子ビーム出力をGEANT4でシミュレートした。
• シミュレーションは、AWS APIを介してインスタンスをプロビジョニングするカスタムスクリプトを用いてAmazon EC2にデプロイされた。ユーザーデータは実行環境の設定に使用された。
• データ永続性およびインスタンス間のデータ転送には、Amazon Simple Storage Service (S3) と Elastic Block Store (EBS) を活用した。
• コンピューティングインスタンスはEC2スポットマーケットを通じて取得され、ユーザーが価格に応じて入札し、スポット価格が入札価格を超えると自動的に終了される。
• 予測されたインスタンス使用時間と時間単価に基づいてコストモデルを導出し、特定のシミュレーション時間に対して総コストを最小化することを目的とした。
• シミュレーション時間とコストのバランスを取るために、インスタンス数を動的に調整するスケーリングをサポートしており、課金は小数点以下を切り上げて1時間単位で行われる。

実験結果

リサーチクエスチョン

• RQ1 GEANT4ベースの放射線治療線量計算を、クラウドベースのハイパフォーマンスコンピューティングリソースを用いて、効率的かつ経済的に実行できるか？
• RQ2 従量課金価格と比較して、Amazon EC2スポットマーケットはモンテカルロ線量計算のコストをどの程度削減できるか？
• RQ3 コンピューティングインスタンスの数が、クラウド環境におけるGEANT4シミュレーションの総コストと完了時間にどのように影響するか？
• RQ4 シミュレーション実行時間に満足できる水準を確保しつつ、コストを最小限に抑えるために最適なインスタンス数は何か？
• RQ5 本クラウドベースのアプローチは、インfraストラクチャが限られた診療機関にとって、ローカルコンピュータクラスタの実用的代替手段となり得るか？

主な発見

• Amazon EC2スポットマーケットを用いることで、全テスト対象インスタンスタイプにおいて、従量課金価格と比較してシミュレーションコストが35–60％削減された。
• EC2インスタンスの平均スポット価格は、従量課金レートのおよそ35–60％であり、cc1.4xlargeタイプでは35％のコスト削減が確認された。
• インスタンス数を増やすに従い、シミュレーション時間は概ね1/nの割合で短縮され、並列化による期待される線形スルーブレイトが確認された。
• シミュレーション時間がインスタンス数より短い場合、時間単位で課金されるため（プロラートされない）、コストはインスタンス数に比例して線形に増加した。
• 本フレームワークにより、専用のローカルハードウェアを必要とせずに、GEANT4の完全なシミュレーションを分散クラウド環境で実行できるようになった。
• 本手法は、ハイパフォーマンスコンピューティングリソースにアクセスできない発展途上国や地方の診療機関にとって特に有益である。