[論文レビュー] An Efficient Cell List Implementation for Monte Carlo Simulation on GPUs

Loren Schwiebert, Eyad Hailat+3 more|arXiv (Cornell University)|Aug 16, 2014

Advanced Data Storage Technologies参考文献 21被引用数 5

ひとこと要約

本論文は、グランドカノニカルアンサンブルにおけるGPUアクセceleratedモンテカルロシミュレーションのための新規マイクロセルリストアルゴリズムを提案する。空間を細分化されたマイクロセルに分割することでスレッドレベルの並列性を最適化する。本手法は、重複する距離計算を最小限に抑え、現代のGPUにおける効率的かつコalescedメモリアクセスを可能にすることで、あらゆる系のサイズにおいて優れた性能を発揮する。従来のセルリストやGPU最適化されたシリアルコードを上回る性能を達成する。

ABSTRACT

Maximizing the performance potential of the modern day GPU architecture requires judicious utilization of available parallel resources. Although dramatic reductions can often be obtained through straightforward mappings, further performance improvements often require algorithmic redesigns to more closely exploit the target architecture. In this paper, we focus on efficient molecular simulations for the GPU and propose a novel cell list algorithm that better utilizes its parallel resources. Our goal is an efficient GPU implementation of large-scale Monte Carlo simulations for the grand canonical ensemble. This is a particularly challenging application because there is inherently less computation and parallelism than in similar applications with molecular dynamics. Consistent with the results of prior researchers, our simulation results show traditional cell list implementations for Monte Carlo simulations of molecular systems offer effectively no performance improvement for small systems [5, 14], even when porting to the GPU. However for larger systems, the cell list implementation offers significant gains in performance. Furthermore, our novel cell list approach results in better performance for all problem sizes when compared with other GPU implementations with or without cell lists.

研究の動機と目的

• 1ステップあたり通常1粒子しか変化しないグランドカノニカルアンサンブルにおいて、並列性が限られているという課題に対処すること。
• GPU上で従来のセルリスト実装が、負荷バランスやメモリアクセスパターンの悪さにより、小規模系ではほとんど性能向上を示さないという非効率性を克服すること。
• GPUのアーキテクチャの細粒度並列性とメモリ階層をより効果的に活用できる、GPU特有のアルゴリズムを設計し、大規模分子シミュレーションの高速化を実現すること。
• 最小限のリソース使用で高い性能を達成し、1つのGPU上で複数の大型シミュレーションを同時に実行可能にすること。
• ギブズアンサンブルなど、セルリスト再構築が必要だが頻度が低い体積や粒子数の挿入・削除移動を効率的に処理できること。

提案手法

• シミュレーション空間を小さな固定サイズのセル（マイクロセル）に分割するマイクロセルリストデータ構造を提案し、各マイクロセルをGPUスレッドブロックに対応させることで細粒度並列性を実現する。
• 単純なインデックス方式を用いて、粒子が属するマイクロセルおよびペアワイズエネルギー計算に必要な隣接マイクロセルを特定する。
• 距離計算の対象を径方向カットオフ内にあるマイクロセルに限定することで、不要な距離計算の数を削減する。
• 粒子データとマイクロセルインデックスを最適化して配置することで、GPU上のメモリ帯域幅を最大限に活用するメモリコalescingを実現する。
• モンテカルロシミュレーションにおける粒子移動が稀であることに着目し、効率的なセルリストの動的更新戦略を実装する。
• 各粒子移動を独立して処理するファーム型エネルギー分解アプローチを採用し、複数のSMにわたる大規模並列処理を可能にする。

実験結果

リサーチクエスチョン

• RQ1 従来のセルリストがほとんど恩恵をもたらさないグランドカノニカルモンテカルロシミュレーションにおいて、GPU最適化されたセルリストアルゴリズムが著しい性能向上を達成できるか？
• RQ2 マイクロセルリスト構造は、さまざまな系のサイズにおいて、従来のセルリストおよびGPU最適化されたシリアル実装と比較して、どのように性能を発揮するか？
• RQ3 マイクロセルリストは、GPUアーキテクチャ上で、どれほど冗長な距離計算を削減し、メモリアクセスパターンを改善できるか？
• RQ4 マイクロセルリストは、1つのストリーミングマルチプロセッサ（SM）のみを用いても、大規模系（例：100,000粒子以上）を効率的にシミュレート可能か？
• RQ5 ギブズアンサンブルなど、セルリストを再構築する必要があるが頻度が低い体積変更時、マイクロセルリストはどれほど効率的に更新できるか？

主な発見

• マイクロセルリスト実装は、あらゆる系のサイズにおいて顕著な性能向上を達成し、従来のセルリストおよびGPU最適化されたシリアルコードを上回る性能を発揮する。
• 小規模系（例：約85K粒子）に対しても、マイクロセルリストは測定可能な高速化を実現するが、従来のセルリストでは恩恵が得られない。
• 最適化されたマイクロセルリストコードは、1つのストリーミングマルチプロセッサ（SM）での実行でも効率的に動作し、1つのGPU上で複数の大型シミュレーションを同時に実行可能である。
• 径方向カットオフが拡大しても、マイクロセルリストは優れた性能を維持する。速度向上は徐々に低下するが、他のGPU実装よりも一貫して高い水準を保つ。
• カットオフ内にある関連するマイクロセルのみを効率的に特定することで、不要な隣接セルチェックを削減し、冗長な距離計算を最小限に抑える。
• 本手法により、ギブズアンサンブルにおける体積移動の処理が効率的に行える。セルリスト再構築コストは、体積変更の頻度が低いため、約200回の移動にわたって平均化される。