[論文レビュー] An exploration of CUDA and CBEA for a gravitational wave source-modelling application

Gaurav Khanna, Justin McKennon|ArXiv.org|Sep 22, 2009

Pulsars and Gravitational Waves Research参考文献 6被引用数 5

ひとこと要約

この論文は、極端質量比降下（EMRI）Teukolskyコード—極端質量比降下からの重力波波形を数値的に解くための数値ソルバー—をCUDA GPUおよびCell Broadband Engine Architecture (CBEA)を用いて高速化する。有限差分時域計算におけるデータ並列性を活用することで、Tesla GPUを用いて倍精度浮動小数点演算で50倍以上の性能向上を達成し、高精度な重力波源モデリングにおけるハードウェアアクセラレータの有効性を示した。

ABSTRACT

In this paper, we accelerate a gravitational physics numerical modelling application using hardware accelerators -- Cell processor and Tesla CUDA GPU. We describe these new technologies and our approach in detail, and then present our final performance results. We obtain well over an order-of-magnitude performance gain in our application by making use of these many-core architectures.

研究の動機と目的

• ハードウェアアクセラレータを用いて、計算負荷の高い重力波源モデリングアプリケーションを高速化すること。
• CUDA GPUおよびCell Broadband Engine Architecture (CBEA)が、非同次Teukolsky方程式の有限差分ソルバーにおいて、どの程度の性能を示すかを評価すること。
• EMRI Teukolskyコードのデータ並列性に特化した低レベルの並列化戦略を検討すること。
• 数値相対論における科学的計算において、CPU、CBEA、GPUアクセラレータの相対的な性能とコストパフォーマンスを比較すること。
• 近い将来の宇宙望遠鏡重力波ミッション（例：LISA）で使用可能な、パフォーマンス最適化済みの実装を提供すること。

提案手法

• EMRI Teukolskyコードは、Kerr時空において非同次Teukolsky方程式を有限差分時域法で解く。
• 著者は、CUDA GPUおよびCBEAの両方に対してデータ並列カーネルを実装し、計算グリッドをスレッドブロックおよびベクトルユニットにマッピングする。
• メモリアクセスパターンを最適化し、共有メモリおよびレジスタ使用を活用することで、GPUアーキテクチャにおける遅延低減とオブザーバビリティの向上を図った。
• 単精度および倍精度浮動小数点演算を対象とし、物理的精度を重視して倍精度に重点を置いた。
• コードはPowerXCell 8i（CBEA）およびNVIDIA Tesla GPUに移植され、それぞれのプログラミングモデル（CBEAのSPEおよびPPE、CUDAのスレッド階層）を活用した。
• パフォーマンスは、1コアのAMD Phenom 2.5 GHz CPUを基準として測定され、さまざまな精度形式で結果が報告された。

実験結果

リサーチクエスチョン

• RQ1 CUDA GPUおよびCBEAなどのハードウェアアクセラレータは、重力波源モデリングのためのEMRI Teukolskyコードを著しく高速化できるか？
• RQ2 このアプリケーションにおいて、倍精度浮動小数点演算の観点から、CUDA GPUおよびCBEAは標準CPUと比較してどの程度の性能を示すか？
• RQ3 これらのアクセラレータ上で高いパフォーマンスを達成するために必要な主な実装上の課題と最適化は何か？
• RQ4 これらのアクセラレータを取得するコストは、科学的シミュレーションにおけるパフォーマンス向上と比較してどの程度か？
• RQ5 Teukolsky方程式のデータ並列性は、大規模並列アーキテクチャ上でどの程度活用できるか？

主な発見

• CUDA GPU実装は、倍精度浮動小数点演算において、1コアのAMD Phenom 2.5 GHz CPUに対して50倍の性能向上を達成した。
• CBEA実装は高い性能を発揮し、CPUを10倍以上上回ったが、GPUのピーク性能には及ばなかった。
• CUDA GPUは単精度演算において顕著に高いパフォーマンスを示し、10倍を超える高速化が達成された。
• AMD Phenom CPUの4コアをフルに活用しても、CBEAまたはGPUアクセラレータのパフォーマンスには著しく劣った。
• Tesla GPUは最高の全体的パフォーマンスを発揮し、将来のGPU世代の倍精度スループット向上に伴い、さらなる高速化が期待できる。
• 本研究は、ハードウェアアクセラレータが、アルゴリズムが基盤アーキテクチャに適切にマッピングされる場合、データ並列な科学的ワークロードに極めて効果的であることを確認した。