[논문 리뷰] Efficient Neighbor-Finding on Space-Filling Curves

David Holzmüller|arXiv (Cornell University)|2017. 10. 17.

Computational Geometry and Mesh Generation참고 문헌 5인용 수 4

한 줄 요약

이 논문은 등급군의 구조를 가진 동치 클래스 위에서 전이 행렬을 사용하여 공간 메모리 곡선 상의 이웃 찾기 알고리즘을 효율적으로 제안한다. 몫 공간 위에 오른쪽 군 작용을 정의함으로써, 이론적으로 정당화된 정확성과 성능 보장을 갖는 빠른 공간 이웃 쿼리를 가능하게 하며, 다차원 색인링에서 난류 방법에 비해 크게 향상시킨다.

ABSTRACT

Space-filling curves (SFC, also known as FASS-curves) are a useful tool in scientific computing and other areas of computer science to sequentialize multidimensional grids in a cache-efficient and parallelization-friendly way for storage in an array. Many algorithms, for example grid-based numerical PDE solvers, have to access all neighbor cells of each grid cell during a grid traversal. While the array indices of neighbors can be stored in a cell, they still have to be computed for initialization or when the grid is adaptively refined. A fast neighbor-finding algorithm can thus significantly improve the runtime of computations on multidimensional grids. In this thesis, we show how neighbors on many regular grids ordered by space-filling curves can be found in an average-case time complexity of $O(1)$. In general, this assumes that the local orientation (i.e. a variable of a describing grammar) of the SFC inside the grid cell is known in advance, which can be efficiently realized during traversals. Supported SFCs include Hilbert, Peano and Sierpinski curves in arbitrary dimensions. We assume that integer arithmetic operations can be performed in $O(1)$, i.e. independent of the size of the integer. We do not deal with the case of adaptively refined grids here. However, it appears that a generalization of the algorithm to suitable adaptive grids is possible. To formulate the neighbor-finding algorithm and prove its correctness and runtime properties, a modeling framework is introduced. This framework extends the idea of vertex-labeling to a description using grammars and matrices. With the sfcpp library, we provide a C++ implementation to render SFCs generated by such models and automatically compute all lookup tables needed for the neighbor-finding algorithm. Furthermore, optimized neighbor-finding implementations for various SFCs are included for which we provide runtime measurements.

연구 동기 및 목표

• 고차원 공간에서 공간 메모리 곡선 상의 이웃 찾기의 계산 비효율성 문제를 해결하기 위해.
• 전이 행렬의 구조를 동치 클래스 위에서 등급군으로 형식화하기 위해.
• 몫 공간 위에서 대수적 군 작용을 활용하여 빠르고 정확한 이웃 쿼리를 가능하게 하기 위해.
• 확장 가능한 공간 색인을 지원하는 수학적으로 엄밀한 프레임워크를 제공하기 위해.

제안 방법

• 논문은 ℝ^{d×m} 위에 동치 관계 ∼를 정의하고 몫 공간 ℝ^{d×m}/{∼}를 고려한다.
• ℝ^{m×n} 내 전이 행렬의 집합 ℳ을 도입하며, 이는 행렬 연산에 대해 등급군를 이룬다.
• 행렬 곱셈을 통해 몫 공간 [Q] 위에 ℳ의 오른쪽 군 작용을 정의한다: [Q]⋅M.
• 작용은 공간 국소성을 유지하도록 구성되어 있어, 곡선 상의 이웃이 가까운 인덱스에 대응하도록 보장한다.
• 등급군의 대수적 성질을 활용하여 이웃 찾기를 행렬 연산으로 간소화한다.
• 전이 행렬의 구조를 이용해 이웃 계산을 효율적으로 수행할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 어떻게 대수적 구조를 사용하여 공간 메모리 곡선 상의 이웃 찾기를 형식화할 수 있는가?
• RQ2 전이 행렬의 어떤 대수적 성질이 효율적인 공간 쿼리 가능성을 보장하는가?
• RQ3 몫 공간 위의 군 작용이 다차원 색인에서 공간 국소성을 유지할 수 있는가?
• RQ4 전이 행렬의 등급군 구조는 쿼리 성능을 어떻게 향상시키는가?

주요 결과

• 행렬 곱셈에 대해 전이 행렬의 집합 ℳ은 등급군를 이루며, 이는 구조화된 계산을 가능하게 한다.
• ℳ의 오른쪽 군 작용은 몫 공간 ℝ^{d×m}/{∼} 위에서 이웃 찾기의 공간 국소성을 유지한다.
• 프레임워크는 동치 클래스 위의 행렬 연산으로 이웃 쿼리를 간소화하여 효율적인 이웃 쿼리 가능성을 제공한다.
• 이 방법은 고차원에서 확장 가능한 공간 색인을 위한 수학적으로 타당한 기반을 제공한다.