[论文解读] Decomposition of stencil update formula into atomic stages

Qiqi Wang|arXiv (Cornell University)|Jun 2, 2016

Diamond and Carbon-based Materials Research参考文献 36被引用 3

一句话总结

本文提出了一种高效算法，将求解偏微分方程时使用的复杂stencil更新公式分解为仅访问相邻元素的原子阶段序列。通过将分解问题表述为最小费用网络流问题的对偶形式，该方法实现了快速且最优的分解，如在标准CPU上于0.25秒内将一个复杂的三维Euler方程stencil分解为8个阶段所示。

ABSTRACT

In parallel solution of partial differential equations, a complex stencil update formula that accesses multiple layers of neighboring grid points sometimes must be decomposed into atomic stages, ones that access only immediately neighboring grid points. This paper shows that this requirement can be formulated as constraints of an optimization problem, which is equivalent to the dual of a minimum-cost network flow problem. An optimized decomposition of a single stencil on one set of grid points can thereby be computed efficiently.

研究动机与目标

• 为在大规模并行计算中高效分解复杂stencil更新公式为原子阶段提供解决方案。
• 支持需要仅访问相邻元素的原子更新公式的先进并行算法（如swept分解）的应用。
• 为stencil编译器和循环优化工具（如OP2、Patus和Simit）提供预处理步骤。
• 通过将大stencil公式转换为一系列紧凑且可管理的阶段，降低基于stencil的PDE模拟的计算复杂度。
• 实现分解过程的自动化与优化，避免对复杂stencil进行暴力组合搜索。

提出的方法

• 将stencil分解问题表述为一个约束优化任务，其中每个阶段必须是原子的（仅访问相邻元素）并保持输入输出语义。
• 将问题重新表述为最小费用网络流问题的对偶形式，从而通过线性规划实现高效求解。
• 将stencil更新公式建模为计算图，其中顶点（节点）表示操作，边表示数据依赖关系，节点值表示中间结果。
• 利用网络流对偶性推导出一个线性规划模型，以最小化阶段数量，同时满足数据依赖关系和原子性约束。
• 应用高效的线性规划求解器计算最优分解，利用问题的特殊结构实现高速计算。
• 使用Python实现该算法，并作为stencil编译器和数值模拟框架的预处理器进行集成。

实验结果

研究问题

• RQ1 能否系统且高效地将具有大stencil的复杂stencil更新公式分解为仅访问相邻元素的原子阶段？
• RQ2 是否存在一种数学公式，能将组合复杂度高的分解问题转化为可处理的优化问题？
• RQ3 该分解能否足够快地计算，以满足高性能计算工作负载的实际需求？
• RQ4 最小费用网络流问题的对偶是否能为stencil分解提供精确且最优的解？
• RQ5 该方法能否应用于真实世界中的高阶PDE求解器，如三维Euler方程的四阶Runge-Kutta格式？

主要发现

• 在标准笔记本电脑CPU上，对一个包含8层邻居的复杂三维Euler方程更新公式的分解耗时约0.25秒。
• 所得分解由8个原子阶段组成，每个阶段平均包含186.625个节点，相邻阶段之间平均有6.785个共享节点。
• Euler方程公式对应的计算图包含1424个顶点和2106条边，其中432条为swept边，表明各阶段间存在显著的数据重用。
• 通过求解最小费用网络流问题的对偶，实现了最优分解，避免了暴力搜索带来的不可行组合复杂度。
• 该算法为stencil编译器和并行执行框架提供了自动且高效的预处理能力，显著简化了复杂数值格式的部署。
• 该方法具有通用性，适用于任何stencil更新公式，包括高阶时间积分格式和具有复杂stencil的守恒有限差分格式。