[논문 리뷰] FEAST Eigenvalue Solver v3.0 User Guide

Eric Polizzi, James Kestyn|arXiv (Cornell University)|2012. 03. 19.

Matrix Theory and Algorithms참고 문헌 1인용 수 5

한 줄 요약

FEAST v3.0은 대규모 고유값 문제를 해결하기 위한 고성능 수치 라이브러리로, 고급 경로 적분과 다중 구적법을 통해 에르미트 행렬, 비에르미트 행렬, 복소수 대칭 행렬을 모두 지원한다. 사용자 정의 경로, 확률적 고유값 수 계산, 향상된 로드 밸런싱 기능을 도입하여 대칭 및 비대칭 문제 모두에서 정확도와 확장성에 크게 기여한다.

ABSTRACT

The FEAST library package represents an unified framework for solving various family of eigenvalue problems and achieving accuracy, robustness, high-performance and scalability on parallel architectures. Its originality lies with a new transformative numerical approach to the traditional eigenvalue algorithm design - the FEAST algorithm. The algorithm gathers key elements from complex analysis, numerical linear algebra and approximation theory, to construct an optimal subspace iteration technique using approximate spectral projectors. FEAST can be used for solving both standard and generalized forms of the Hermitian or non-Hermitian problems (linear or non-linear), and it belongs to the family of contour integration eigensolvers. FEAST's main computational task consists of a numerical quadrature computation that involves solving independent linear systems along a complex contour, each with multiple right hand sides. In v4.0, FEAST has been reimplemented using an inverse residual iteration algorithm which enables the linear systems to be solved with very low accuracy (in single precision) with no impact on the FEAST double precision convergence rate. As a result, v4.0 is on average 3-4 times faster than v2.1 and v3.0 using new default optimization parameters (v2.1 has been featured as Intel-MKL's principal HPC eigensolver since 2013). v4.0 also implements new important features such as IFEAST (using Inexact Iterative solver), Non-linear polynomial FEAST, and PFEAST with its 3-MPI levels of parallelism. FEAST is both a comprehensive library package, and an easy to use software. It includes flexible reverse communication interfaces and ready to use driver interfaces for dense, banded and sparse systems.

연구 동기 및 목표

• 비에르미트 행렬을 지원하도록 FEAST 고유값 솔버를 확장하여, 복소수 대칭 문제 및 일반적인 복소수 고유값 문제를 해결할 수 있도록 한다.
• 최적화된 구적법(예: 조로타레프, 가우스, 트라페즈형)과 로드 밸런싱 기법을 통해 수치적 효율성과 확장성을 향상시킨다.
• 유연한 경로 설계 기능을 제공하여, 타깃 고유값 추출을 위한 타원형 및 사용자 정의 경로를 지원한다.
• 전문 모드 루틴, 확률적 고유값 수 추정, 사용자 정의 통합 노드 및 가중치 지원을 통해 사용성과 성능을 향상시킨다.
• 기존 기능과의 후행 호환성을 확보하면서도, 전체 경로 적분 및 FEAST 프레임워크 내 개선된 수렴 기준과 같은 신규 기능을 도입한다.

제안 방법

• FEAST 알고리즘은 복소 평면에서의 경로 적분을 사용하여 고유값 문제를 특정 구간 내의 고유값을 격리하는 부분공간으로 투영한다.
• 비에르미트 문제의 경우, 오른쪽 및 왼쪽 고유벡터를 각각 계산하기 위해 이중 부분공간(Q 및 Q̂)을 활용한다.
• 통합 정확도와 계산 부하 밸런싱을 최적화하기 위해 다중 구적법(Gauss, Trapezoidal, Zolotarev)을 구현한다.
• 전문 모드 루틴을 통해 사용자 정의 경로를 지원하며, 노드, 가중치, 기하학적 파라미터를 사용해 분할된 경로를 지정할 수 있다.
• 초기 검색 부분공간 크기 M₀를 설정하는 데 도움을 주기 위해, 주어진 구간 내 고유값 수를 예측하는 확률적 추정 루틴을 통합한다.
• 드라이버 수준 및 전문 수준 인터페이스를 제공하며, fpm 매개변수를 통해 통합 유형, 경로 형태, 수렴 행동을 제어할 수 있다.

실험 결과

연구 질문

• RQ1 FEAST 알고리즘은 어떻게 비에르미트 고유값 문제를 해결할 수 있도록 확장될 수 있는가? 특히 복소수 고유값과 고유벡터를 정확하게 계산할 수 있도록 하는가?
• RQ2 어떤 구적법과 경로 형태가 대규모 고유값 계산에서 정확도와 부하 밸런싱을 최적화하는가?
• RQ3 확률적 추정은 FEAST 프레임워크 내 고유값 수 예측의 강건성과 효율성을 어떻게 향상시키는가?
• RQ4 사용자 정의 경로는 비에르미트 문제에서 특정 고유값 클러스터를 정확하게 타겟팅하는 데 어떤 영향을 미치는가?
• RQ5 다양한 통합 방식과 매개변수 설정은 FEAST v3.0의 수렴 및 성능에 어떤 영향을 미치는가?

주요 결과

• FEAST v3.0은 이중 부분공간 공식과 복소수 경로 적분을 통해 비에르미트 고유값 문제를 성공적으로 지원하여, 복소수 고유값과 고유벡터의 정확한 계산을 가능하게 한다.
• 에르미트 문제에 대해 조로타레프 구적법을 통합함으로써 통합 정확도와 로드 밸런싱이 크게 향상되었으며, 특히 고유값이 군집된 경우에 유의미한 개선 효과가 있다.
• 확률적 고유값 수 추정은 초기 부분공간 차원 M₀를 설정하기 위한 시행착오의 필요성을 줄여 사용성과 수렴 강건성을 향상시킨다.
• 사용자 정의 경로를 통해 복소 평면 상의 고유값 클러스터를 정밀하게 타겟팅할 수 있으며, 비대칭 스펙트럼 분포를 가진 비에르미트 문제에 특히 유용하다.
• 사용자 정의 노드 및 가중치를 지원하는 전문 모드 인터페이스를 통해 통합에 대한 세밀한 제어가 가능해져 다양한 문제 유형에 대한 성능 향상과 적응성 향상을 이룬다.
• fpm(10) 매개변수를 통해 통합 중 요소 분해를 저장함으로써, 특히 밀도 높은 행렬 해법에서 성능 향상이 관찰되었다.