[论文解读] Monte Carlo modeling photon-tissue interaction using on-demand cloud infrastructure

Ethan P. M. LaRochelle, P. Arce+1 more|arXiv (Cornell University)|May 3, 2020

Optical Imaging and Spectroscopy Techniques参考文献 38被引用 4

一句话总结

本文提出了一种可扩展的、基于容器的蒙特卡洛模拟框架，用于光子-组织相互作用模拟，利用按需云基础设施，实现了对非线程安全且非GPU优化的应用程序的并行执行。通过在4台服务器上部署64个容器运行154个模拟任务，与串行处理相比，执行时间最高减少了97%，展示了该方法在云环境中进行医学物理建模的高效率。

ABSTRACT

Purpose: This work advances a Monte Carlo (MC) method to combine ionizing radiation physics with optical physics, in a manner which was implicitly designed for deployment with the most widely accessible parallelization and portability possible. Methods: The current work updates a previously developed optical propagation plugin for GEANT4 architecture for medically oriented simulations (GAMOS). Both virtual-machine (VM) and container based instances were validated using previously published scripts, and improvements in execution time using parallel simulations are demonstrated. A method to programmatically deploy multiple containers to achieve parallel execution using an on-demand cloud-based infrastructure is presented. Results: A container-based GAMOS deployment is demonstrated using a multi-layer tissue model and both optical and X-ray source inputs. As an example, the model was split into 154 simulations which were run simultaneously on 64 separate containers across 4 servers. Conclusions: The container-based model provides the ability to execute parallel simulations of applications which are not inherently thread-safe or GPU-optimized. In the current demonstration, this reduced the time by at most 97% compared to sequential execution. The code and examples are available through an interactive online interface through links at: https://sites.dartmouth.edu/optmed/research-projects/monte-carlo-software/

研究动机与目标

• 通过按需云资源，实现高效、可扩展的光子-组织相互作用模拟。
• 克服高性能计算环境中非线程安全和非GPU优化应用程序的局限性。
• 利用容器和虚拟机开发一种可移植且可重复的部署模型，用于基于GAMOS的模拟。
• 通过在云基础设施上并行执行，展示模拟时间的显著加速。
• 提供代码和交互式示例的公开访问，以增强可复现性和社区使用。

提出的方法

• 作者在基于GEANT4的GAMOS平台上扩展了光学传播插件，以模拟多层组织模型中X射线和光学光子的相互作用。
• 使用Docker部署容器化实例，以确保在异构云环境中的可移植性和隔离性。
• 通过先前发表的基准脚本验证了虚拟机和容器化实例的准确性。
• 实现了程序化部署管道，以动态启动和管理跨多个云服务器的多个容器。
• 将并行模拟分布在4台服务器上的64个容器中，工作负载被划分为154个独立的模拟任务。
• 云基础设施支持自动扩展和负载均衡，适用于高吞吐量的蒙特卡洛模拟。

实验结果

研究问题

• RQ1 基于容器的云部署能否显著加速光子-组织相互作用的蒙特卡洛模拟？
• RQ2 该方法在减少非线程安全和非GPU优化应用程序的模拟时间方面效果如何？
• RQ3 该框架在实现跨分布式云资源的高并行化的同时，能否保持模拟的准确性？
• RQ4 在使用按需云基础设施从串行执行扩展到并行执行时，性能提升如何？
• RQ5 该模拟框架在不同计算环境中的可移植性和可复现性如何？

主要发现

• 基于容器的部署相比串行执行，最高可将模拟时间减少97%。
• 该方法成功通过容器化实现了对非线程安全和非GPU优化应用程序的并行执行。
• 通过先前发表的脚本进行验证，确认了虚拟机和容器实例的模拟结果均具有准确性。
• 该框架通过在云环境中将154个模拟任务分配到64个容器（分布在4台服务器上）展示了可扩展性。
• 代码和交互式示例可通过网页界面公开获取，增强了可复现性和社区访问性。
• 该方法实现了医学物理应用中光子-组织相互作用模拟的高效、可移植和高吞吐量。