[論文レビュー] Monte Carlo simulations on Graphics Processing Units

Vadim Demchik, Alexei Strelchenko|ArXiv.org|Mar 17, 2009

Parallel Computing and Optimization Techniques被引用数 9

ひとこと要約

本論文では、Compute Abstraction Layer (CAL) を用いて、ATI Graphics Processing Units (GPU) 上にローカルモンテカルロアルゴリズム（メトロポリスおよびヘイトバス）を実装し、2次元イジング模型および純粋な SU(2) ゲージ理論のシミュレーションを高速化した。シリアルCPU実行と比較して顕著な性能向上を示し、格子場理論および統計物理学へのGPU高速化の有効性を裏付けた。

ABSTRACT

Implementation of basic local Monte-Carlo algorithms on ATI Graphics Processing Units (GPU) is investigated. The Ising model and pure SU(2) gluodynamics simulations are realized with the Compute Abstraction Layer (CAL) of ATI Stream environment using the Metropolis and the heat-bath algorithms, respectively. We present an analysis of both CAL programming model and the efficiency of the corresponding simulation algorithms on GPU. In particular, the significant performance speed-up of these algorithms in comparison with serial execution is observed.

研究の動機と目的

• 格子場理論およびスピン系の分野において、ATI GPU上で標準的なローカルモンテカルロアルゴリズム（メトロポリスおよびヘイトバス）を実装すること。
• 低レベルのCALプログラミングモデルを用いてGPUに移植されたこれらのアルゴリズムの性能および効率を評価すること。
• より一般的に使われるCUDAフレームワークとは異なり、ATI Stream SDKおよびCALに焦点を当てることで、文献における空白を埋めること。
• 一般目的のGPU計算（GPGPU）が統計物理学および量子ゲージ理論の科学的シミュレーションにおいて、実現可能性と性能向上を評価すること。
• 将来の非局所的アルゴリズムやより複雑なモデルのGPUアーキテクチャ上での探求の基盤を提供すること。

提案手法

• 低レベルのGPUカーネルプログラミングを可能にするATI Stream SDKのCompute Abstraction Layer (CAL) を使用し、スレッドグループおよびメモリ階層に対する直接制御を可能にした。
• 単精度浮動小数点演算を用い、スレッドローカルな状態を持つ独自の疑似乱数生成器（PRNG）を備えたメトロポリスアルゴリズムを2次元イジング模型に実装した。
• GPU最適化された乱数生成および行列演算を活用し、純粋な SU(2) ゲージ理論のシミュレーションにヘイトバスアルゴリズムを適用した。
• グローバルバッファおよび定数バッファをデータ保存に使用し、スレッドブロックを格子サイトにマッピングすることで、データ並列実行を実現した。
• コンピュートシェーダーおよびSIMDコア内でのローカルデータ共有（LDS）を活用し、メモリアクセスを最適化し、遅延を低減した。
• 160個のストリームプロセッサ（RV770Pro）、512MBのGDDR3メモリ、256ビットバスを搭載したGPUを用い、高スループット計算をターゲットにした。

実験結果

リサーチクエスチョン

• RQ1 CALプログラミングモデルを用いたATI GPU上で、メトロポリスおよびヘイトバスといったローカルモンテカルロアルゴリズムをどの程度効率的に実装できるか？
• RQ2 シリアルCPU実行と比較して、格子シミュレーションをGPUにオフロードすることで、どの程度の性能向上が達成できるか？
• RQ3 Brook+などの高レベルツールと比較して、低レベルのCALを選択することで、GPGPUシミュレーションにおける性能と制御性にどのような影響があるか？
• RQ4 GPU高速化が、統計的場の理論におけるモンテカルロシミュレーションの計算コストをどの程度軽減できるか？
• RQ5 同じGPUカーネルフレームワークを用いて、イジングモデルとSU(2)モデルの両方で一貫した性能向上が得られるか？

主な発見

• 2次元イジング模型に対するメトロポリスアルゴリズムは、シリアルCPU実行と比較して顕著な高速化を達成し、格子サイズに応じて効果的にスケーリングされた。
• SU(2) ゲージ理論に対するヘイトバスアルゴリズムは、最適化されたメモリアクセスと並列乱数生成の恩恵を受けて、高い効率を示した。
• CALの使用により、メモリおよびスレッド構成に対する細かい制御が可能となり、Brook+のような高レベル抽象化よりも優れた性能が得られた。
• GPUはピーク単精度性能で1 TFlopsを超えており、二重精度性能も約250 GFlopsに達し、ハイエンドCPUを著しく上回った。
• 本実装は、格子場理論およびスピン系におけるローカルモンテカルロ更新のGPU高速化が実現可能で、効率的であることを示した。
• ランタイムデバッグ機能の欠如やSDKのベータ版であるという制限はあったが、フレームワークはテストされたシミュレーションにおいて安定的かつ効果的であった。