[論文レビュー] An In Situ Approach for Approximating Complex Computer Simulations and Identifying Important Time Steps

Kary Myers, Earl Lawrence+4 more|arXiv (Cornell University)|Sep 2, 2014

Advanced Data Storage Technologies参考文献 11被引用数 4

ひとこと要約

本論文は、実時間での複雑なシミュレーションの近似に、区分的線形フィッティングを用いたイン・サイトでオンラインな手法を提案している。この手法により、データ転送および保存の必要を減らすために、重要な時間ステップを特定し、効率的な後処理および再構築を可能にしている。このアプローチにより、シミュレーションワークフローに分析を統合することで、エクサスケールシミュレーションのスケーラブルな解析が可能になる。

ABSTRACT

As computer simulations continue to grow in size and complexity, they provide a particularly challenging example of big data. Many application areas are moving toward exascale (i.e. 1018 FLOPS, or FLoating-point Operations Per Second). Analyzing these simulations is difficult because their output may exceed both the storage capacity and the bandwidth required for transfer to storage. One approach is to embed some level of analysis in the simulation while the simulation is running, often called in situ analysis. This paper describes an online in situ method for approximating a complex simulation using piecewise linear fitting. Our immediate goal is to identify important time steps of the simulation. We then use those time steps and the linear fits both to significantly reduce the data transfer and storage requirements and to facilitate post processing and reconstruction of the simulation. We illustrate the method using an example that tracks the development of evolving simulation behavior by monitoring various aspects of the simulation over time.

研究の動機と目的

• ますます複雑化するコンピュータシミュレーションに伴い、エクサスケールコンピューティングに近づく中で、膨大なデータ出力を管理する課題に対処すること。
• 利用可能なリソースを上回るシミュレーション出力が引き起こすストレージおよび帯域幅のボトル neck を軽減すること。
• 実行中に動的に、シミュレーション内で顕著な変化が生じる重要な時間ステップを同定することで、データ圧縮と分析を支援すること。
• 識別された重要な時間ステップとその線形近似のみを用いて、シミュレーションデータの効率的な後処理および再構築を可能にすること。
• シミュレーションパイプラインに直接統合可能な、スケーラブルでオンラインなイン・サイト分析手法を開発すること。

提案手法

• 本手法は、リアルタイムでシミュレーションデータストリームに区分的線形フィッティングを適用し、時間間隔全体でのシミュレーション行動の近似を実現する。
• 変化の著しい時間ステップを、線形トレンドからの逸脱に基づいて動的に同定する。
• オンライン学習を用いることで、新しいデータが到着するたびに線形フィットを継続的に更新し、正確性と適応性を確保する。
• 保存または転送に使用するのは、重要な時間ステップとそれに対応する線形フィットのみであり、これによりデータ量が著しく削減される。
• 識別された重要なステップ間を、フィッティングされた線形モデルを用いて補間することで、シミュレーションデータの再構築が可能になる。

実験結果

リサーチクエスチョン

• RQ1 複雑なシミュレーションにおいて、データ転送および保存要件を削減するために、最も重要な時間ステップをどのように同定できるか？
• RQ2 最小限のデータ損失で、区分的線形フィッティングがシミュレーション行動をどれほど正確に近似できるか？
• RQ3 オンライン線形フィッティングを用いたイン・サイト分析は、後処理および再構築に十分な精度を維持できるか？
• RQ4 シミュレーションの複雑さおよびデータ量の増加に伴って、この手法はどのようにスケーリングするか？
• RQ5 エクサスケールスケールのシミュレーションにおいて、このアプローチが帯域幅およびストレージのオーバーヘッドに及ぼす影響は何か？

主な発見

• 本手法は、シミュレーション行動に顕著な変化が生じる重要な時間ステップを的確に同定でき、最小限のデータ保持量で高精度な近似を実現した。
• 重要な時間ステップとその線形フィットのみを保持することで、データ量が著しく削減され、ストレージおよび転送の制約が緩和された。
• フィットされたセグメントを用いた再構築されたシミュレーションデータは、元のデータと非常に近似しており、高い忠実度の近似が実証された。
• オンラインでイン・サイトに実装された本手法により、完全なシミュレーション出力を保存する必要がなく、リアルタイムでの分析が可能になった。
• 本手法はスケーラブルであり、従来のデータ出力処理が非現実的となるエクサスケールシミュレーションに適している。
• 本手法により、計算リソースを最も情報量の多い時間間隔に集中させることで、効率的な後処理が可能になった。