[論文レビュー] Towards new solutions for scientific computing: the case of Julia

M. Tomasi, Mosé Giordano|arXiv (Cornell University)|Dec 4, 2018

Scientific Computing and Data Management被引用数 3

ひとこと要約

この論文は、天文学および天体物理学における科学的計算のための高パフォーマンスで表現力に富んだプログラミング言語としてJuliaの有効性を評価している。Juliaは即時コンパイル（Just-In-Time compilation）とループ統合を用いることで、C/Fortran並みのパフォーマンスを達成している一方で、Jupyterノートブックを介したインタラクティブ開発を可能としており、CMB宇宙ミッションのような大規模な天体物理学プロジェクトの効率的なデータ分析とシミュレーションを可能としている。

ABSTRACT

This year marks the consolidation of Julia (https://julialang.org/), a programming language designed for scientific computing, as the first stable version (1.0) has been released, in August 2018. Among its main features, expressiveness and high execution speeds are the most prominent: the performance of Julia code is similar to statically compiled languages, yet Julia provides a nice interactive shell and fully supports Jupyter; moreover, it can transparently call external codes written in C, Fortran, and even Python and R without the need of wrappers. The usage of Julia in the astronomical community is growing, and a GitHub organization named JuliaAstro takes care of coordinating the development of packages. In this paper, we present the features and shortcomings of this language and discuss its application in astronomy and astrophysics.

研究の動機と目的

• Juliaが天文学および天体物理学における科学的計算に適しているかどうかを評価すること。
• Python、C++、Fortranといった既存の言語と比較して、Juliaのパフォーマンスと使いやすさを評価すること。
• Juliaが大規模なデータワークロードおよびインタラクティブ分析を処理する能力を調査すること。
• 科学的ワークフローにおけるJuliaの主な利点と制限を特定すること。
• Juliaを用いた宇宙ミッションのシミュレーションや天文データ処理の実用的応用を示すこと。

提案手法

• Juliaの即時コンパイル（JITコンパイル）と型推論を活用して実行時パフォーマンスを高めること。
• Juliaのネイティブな配列演算とドット記法（例：.+）によるループ統合を用いて数値計算を最適化すること。
• 同型性（homoiconicity）とZygoteパッケージを用いてコンパイル時における自動記号微分を実現すること。
• ccallやラッパー（例：PyPlot.jl, FITSIO.jl）を介してC、Fortran、Python、Rとのインターフェースを実現し、外部ライブラリを統合すること。
• モノリシックなC++コードをJupyterノートブックでのインタラクティブ利用を想定したモジュラーなJuliaコンponentsに再構築すること。
• CMBミッションのタイムラインなど大規模データシミュレーションにおいて、Juliaのパフォーマンスを既存のC++およびPython/Numpyコードと比較してベンチマークすること。

実験結果

リサーチクエスチョン

• RQ1 JuliaはCやFortranといったコンパイル言語と同等のパフォーマンスを発揮しつつ、高水準の表現力を維持できるか？
• RQ2 Juliaのループ統合とJITコンパイルは、数値計算および配列処理が中心の科学的計算をどれほど高速化できるか？
• RQ3 Juliaは、モノリシックな科学的コードを、インタラクティブでモジュラーかつ保守性の高い代替手段に置き換えられるか？
• RQ4 コンパイル時間とエコシステムの成熟度の観点から、Juliaの科学的ワークフローにおける実用的制限は何か？
• RQ5 Juliaは、宇宙ミッションからの大規模な天文データセット（例：CMBミッションデータ）の効率的かつインタラクティブな分析を可能にするか？

主な発見

• CMB宇宙ミッションのデータタイムラインをシミュレートする際、Juliaは最適化されたC++コードと比較して10%以内のパフォーマンスで実行された。
• ドット演算子（例：.+）によるJuliaのループ統合により、単一ループでの実行が可能となり、Fortran並みの効率性を達成し、NumPyの複数ループアプローチを上回った。
• Celesteプロジェクトでは、8192ノードで178TBのSDSSデータを14.6分で処理し、大規模データセットにおけるスケーラビリティを実証した。
• JuliaのJupyterノートブックとの統合により、パrameter空間のインタラクティブな探索が可能となり、モノリシックコードと比較してワークフローの柔軟性が著しく向上した。
• 短い関数を多数呼び出す場合、Juliaのコンパイル時間はボトルネックとなり、一部のインタラクティブスクリプトが同等のPythonやインタプリタコードよりも遅延することがある。
• スタンドアロン実行可能ファイルの欠如と、成熟したライブラリエコシステムの不足は、生産環境における科学的ワークフローへの導入・採用の主な課題のままである。