[論文レビュー] Reliable Initialization of GPU-enabled Parallel Stochastic Simulations Using Mersenne Twister for Graphics Processors

Jonathan Passerat‐Palmbach, Claude Mazel+2 more|arXiv (Cornell University)|Jan 30, 2015

Chaos-based Image/Signal Encryption参考文献 4被引用数 13

ひとこと要約

本稿では、GPUベースの並列確率的シミュレーションに最適化された、グラフィックスプロセッサ向けメルセンヌ・ツイスターランダム・ジェネレータ（MTGP）の信頼性の高い初期化パラメータを提案する。TestU01に含まれるBigCrushテストバッテリーを用いた厳密なMTGP設定のテストを通じて、複数のGPUスレッドにおいても偏りを最小限に抑える高品質な乱数列を生成するパラメータセットを同定した。

ABSTRACT

Parallel stochastic simulations tend to exploit more and more computing power and they are now also developed for General Purpose Graphics Process Units (GP-GPUs). Conse-quently, they need reliable random sources to feed their applications. We propose a survey of the current Pseudo Random Numbers Generators (PRNG) available on GPU. We give a particular focus to the recent Mersenne Twister for Graphics Processors (MTGP) that has just been released. Our work provides empirically checked statuses designed to initialize a particular configuration of this generator, in order to prevent any potential bias introduced by the parallelization of the PRNG.

研究の動機と目的

• GPUアーキテクチャ上で実行される並列確率的シミュレーションにおける偏りのある乱数生成の課題に対処すること。
• 高性能GPUコンputィングにおけるPRNGとしてのメルセンヌ・ツイスターランダム・ジェネレータ（MTGP）の品質を評価すること。
• 複数の並列ストリームにわたる統計的頑健性を保証する、実験的に検証済みのMTGPパラメータセットを特定・提供すること。
• 最小周期のMTGP設定を選択することで、ハイブリッドシミュレーションにおけるメモリオーバーヘッドを低減し、厳密な統計的テストに合格する。
• GPUアクセcelレートドシミュレーションにおいてアルゴリズム的バイアスを導入しない安全なMTGP初期化を研究者に可能にすること。

提案手法

• GPU向けPRNG実装の現状を調査し、MTGPのようなパラメータ化可能な生成器に焦点を当てる。
• TestU01に含まれるBigCrushテストスイートを用いてMTGPを評価し、利用可能な最も厳密な統計的テストバッテリーを適用する。
• 周期長、テンパリング行列、内部状態構成といった主要パラメータを体系的に変化させる。
• MTGPの性能を元のメルセンヌ・ツイスターランダム・ジェネレータ（MT）と比較し、アルゴリズム固有の弱みを特定する。
• BigCrushテストを全テスト通過したMTGPパラメータ設定のみを特定・保持し、統計的信頼性を確保する。
• 異なるシードとパラメータを持つPRNGを表現する汎用的なオブジェクトモデルを提案し、再現可能な初期化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのMTGPパラメータ設定が、GPUベースの並列確率的シミュレーションに適した統計的に頑健な乱数列を生成するか？
• RQ2 MTGPの周期長は、厳密なテスト下でその統計的品質にどのように影響するか？
• RQ3 MTGPと元のメルセンヌ・ツイスターランダム・ジェネレータとの間のアルゴリズム的差異が、並列実行におけるPRNGの信頼性に及ぼす影響はどの程度か？
• RQ4 最小周期のMTGP設定は、統計的バイアスを導入せずにGPUシミュレーションで安全に使用可能か？
• RQ5 異なる初期化戦略は、マルチブロックGPUスレッド環境における乱数ストリームの品質にどのように影響するか？

主な発見

• 2^23209の周期を持つMTGP設定のうち、99.5%がBigCrushテスト35（sknuth_gap）およびテスト100に失敗せずに通過した。
• BigCrushテストスイートにおいて、MTGPステータスの0.05%のみが疑わしいp値を示し、長周期設定の信頼性が極めて高いことが示された。
• 元のメルセンヌ・ツイスターランダム・ジェネレータと比較したところ、99.9%のMT設定が同じテストに合格した一方、周期が短いMTGP設定（2^3217）では僅か64%の合格率にとどまった。
• 本研究では、より長い周期がMTGPにおけるシーケンス分布品質を著しく向上させ、統計的バイアスのリスクを低減することを確認した。
• MTGPは、短周期で設定された場合、GPU並列処理を想定して設計されているにもかかわらず、アルゴリズム的弱みを示した。
• 研究者らは、BigCrushを通過する、検証済みの最小周期MTGPパラメータセットを同定・公開した。これにより、ランダムネスの品質を損なわずにメモリ効率の良いGPUシミュレーションが可能になった。