[論文レビュー] Developing and Deploying Advanced Algorithms to Novel Supercomputing Hardware

Róbert Brunner, Volodymyr Kindratenko+1 more|ArXiv.org|Nov 21, 2007

Galaxies: Formation, Evolution, Phenomena参考文献 9被引用数 12

ひとこと要約

本論文は、再構成可能コンピューティングハードウェア—特にFPGAとGPU—が、従来のCPUベースのシステムと比較して、宇宙論的二点相関関数計算において最大2桁の速度向上を達成できることを示している。SRC-6 MAP-CやGPUベースの実装を活用することで、著者たちは顕著な性能向上を達成した。同時に、非専門家が科学計算分野におけるこれらの高度なハードウェア技術を採用するための実用的ガイドを提供している。

ABSTRACT

The objective of our research is to demonstrate the practical usage and orders of magnitude speedup of real-world applications by using alternative technologies to support high performance computing. Currently, the main barrier to the widespread adoption of this technology is the lack of development tools and case studies that typically impede non-specialists that might otherwise develop applications that could leverage these technologies. By partnering with the Innovative Systems Laboratory at the National Center for Supercomputing, we have obtained access to several novel technologies, including several Field-Programmable Gate Array (FPGA) systems, NVidia Graphics Processing Units (GPUs), and the STI Cell BE platform. Our goal is to not only demonstrate the capabilities of these systems, but to also serve as guides for others to follow in our path. To date, we have explored the efficacy of the SRC-6 MAP-C and MAP-E and SGI RASC Athena and RC100 reconfigurable computing platforms in supporting a two-point correlation function which is used in a number of different scientific domains. In a brute force test, the FPGA based single-processor system has achieved an almost two orders of magnitude speedup over a single-processor CPU system. We are now developing implementations of this algorithm on other platforms, including one using a GPU. Given the considerable efforts of the cosmology community in optimizing these classes of algorithms, we are currently working to implement an optimized version of the basic family of correlation functions by using tree-based data structures. Finally, we are also exploring other algorithms, such as instance-based classifiers, power spectrum estimators, and higher-order correlation functions that are also commonly used in a wide range of scientific disciplines.

研究の動機と目的

• 新規ハイパフォーマンスコンピューティング（HPC）技術の採用を妨げる、開発ツールや事例研究の不足という障壁を克服すること。
• FPGA、GPU、STI Cell BEといった代替ハードウェアプラットフォームを用いて、実世界の科学的応用における顕著な性能向上を実証すること。
• 新興HPCアーキテクチャへのデプロイメントプロセスと性能結果を文書化することで、研究者や開発者にガイドとして機能させること。
• 特に相関関数を含む基本的な科学的アルゴリズムを、再構成可能およびデータ並列処理プラットフォームに最適化し、移植すること。
• 相関関数に限らず、分類器やパワースペクトル推定器といった、科学計算で広く使われる他のアルゴリズムへのアプローチの拡張

提案手法

• SRC-6 MAP-CおよびMAP-E FPGA、SGI RASC AthenaおよびRC100再構成可能システム、NVIDIA GPUを含む新規ハードウェアプラットフォームへのアクセスを活用した。
• 単一FPGAプロセッサ上でブルートフォース計算を用いた二点相関関数を実装し、単一CPUプロセッサとの性能を比較した。
• スケーラビリティと効率の向上を図るため、二点相関関数アルゴリズムの最適化に木構造データ構造の利用を検討した。
• このような計算に内在するデータ並列性を活かすために、GPUベースの二点相関関数実装を開発した。
• 宇宙論で一般的に用いられるアルゴリズム最適化技術を応用し、代替ハードウェアプラットフォームにおける性能向上を図った。
• パワースペクトル推定器や高次相関関数といった追加のアルゴリズムを評価・移植し、より広範な適用可能性を検証した。

実験結果

リサーチクエスチョン

• RQ1 FPGAベースのシステムは、二点相関関数のような計算負荷の高い科学的ワークロードで顕著な高速化を達成できるか？
• RQ2 FPGAの性能特性は、宇宙論的データ解析アルゴリズムの高速化において、従来のCPUやGPUと比べてどのように異なるか？
• RQ3 新規HPCプラットフォームに高度なアルゴリズムをデプロイする際、非専門家が直面する実用的課題や開発の障壁は何か？
• RQ4 木構造データ構造のようなアルゴリズム最適化は、再構成可能およびGPUベースのシステムにおける性能向上にどの程度寄与するか？
• RQ5 相関関数で観察された性能向上は、天文学や関連分野における他の一般的な科学的アルゴリズムへ一般化可能か？

主な発見

• FPGAベースの単一プロセッサシステムは、ブルートフォース計算による二点相関関数処理において、単一プロセッサCPUシステムと比較してほぼ2桁（約100倍）の高速化を達成した。
• SRC-6 MAP-CおよびMAP-E FPGAプラットフォームは、データ並列処理に適した科学的ワークロードに対して優れた性能を示し、宇宙論におけるハイパフォーマンスコンピューティングに適していることが裏付けられた。
• GPUベースの実装は、相関関数計算におけるデータ並列性をさらに活用するために、現在も開発が進められている。
• 木構造データ構造の利用は、相関関数アルゴリズムの最適化と、さまざまなハードウェアプラットフォームにおけるスケーラビリティの向上を図るため、検討が進められている。
• 本研究は、非専門家が新興HPCアーキテクチャに高度なアルゴリズムをデプロイする際の障壁を下げる、事例駆動の実用的かつ実践的な手法を提供している。
• 結果から、宇宙論に限らず、広く使われる科学的アルゴリズムに対しても、代替ハードウェアプラットフォームが顕著な性能向上をもたらす可能性があると示唆されている。