[论文解读] Parallel Implementations of the Split-Step Fourier Method for Solving Nonlinear Schrödinger Systems

Scott M. Zoldi, V. P. Ruban+2 more|ArXiv.org|Nov 14, 1997

Optical Network TechnologiesEngineering参考文献 12被引用 20

一句话总结

本文提出了一种在共享内存和分布式内存架构上使用1D FFT的2D矩阵分解方法，对非线性薛定谔方程（NLSE）的分裂步傅里叶（SSF）方法进行了并行实现。通过最小化通信开销并优化数据局部性，该方法在SGI/Cray Origin 200上实现了接近完美的加速比，对于使用四个处理器的大规模问题，最高加速比达到3.4×。

ABSTRACT

We present a parallel version of the well-known Split-Step Fourier method (SSF) for solving the Nonlinear Schrödinger equation, a mathematical model describing wave packet propagation in fiber optic lines. The algorithm is implemented under both distributed and shared memory programming paradigms on the Silicon Graphics/Cray Research Origin 200. The 1D Fast-Fourier Transform (FFT) is parallelized by writing the 1D FFT as a 2D matrix and performing independent 1D sequential FFTs on the rows and columns of this matrix. We can attain almost perfect speedup in SSF for small numbers of processors depending on both problem size and communication contention. The parallel algorithm is applicable to other computational problems constrained by the speed of the 1D FFT.

研究动机与目标

• 解决光纤通信中大尺度NLSE模拟的计算瓶颈，特别是针对WDM和色散管理系统的模拟。
• 克服串行SSF实现的局限性，后者在需要大量傅里叶模态的高分辨率模拟中变得过慢。
• 开发一种可扩展的并行SSF算法，适用于受1D FFT性能限制的系统，而不仅限于NLSE。
• 通过最小化通信开销并提升共享内存和分布式内存模型中的数据局部性，优化多处理器工作站上的性能。

提出的方法

• 将1D FFT重新表述为2D矩阵运算，通过行和列上独立的1D FFT实现并行化。
• 在SGI/Cray Origin 200上，使用共享内存（OpenMP风格指令）和分布式内存（MPI）范式实现SSF算法。
• 在分布式内存中采用静态数据分布，以减少通信竞争，并在计算阶段提升缓存局部性。
• 通过将1D数组划分为子数组并分配给处理器实现负载均衡，使用MPI显式重新分配数据以保持数据独立性。
• 通过调整问题规模和处理器数量，平衡计算增益与通信开销，实现性能优化。
• 利用厂商优化的1D FFT库和子数组处理，提升L1缓存利用率并减少转置开销。

实验结果

研究问题

• RQ1 能否通过2D矩阵分解有效并行化SSF中的1D FFT这一计算瓶颈，以实现高加速比？
• RQ2 在共享内存与分布式内存的并行SSF实现中，性能如何随问题规模和处理器数量而变化？
• RQ3 通信量和数据竞争对共享内存SSF与分布式内存中静态数据分布SSF的加速比有何影响？
• RQ4 该并行SSF算法在多大程度上可实现大规模NLSE模拟的近似完美加速？
• RQ5 所提出的并行化策略能否推广到其他依赖快速1D FFT的数值算法？

主要发现

• 在分布式内存（MPI）实现中，对于N=2^18和S=125步，使用四个处理器时达到最大3.4×加速比，T_4pr = 26.8秒，相比T_1pr = 92.4秒。
• 在共享内存实现中，对于N=2^16和S=500步，使用四个处理器时达到最大2.7×加速比，T_4pr = 20.1秒，相比T_1pr = 59.4秒。
• 在分布式模型中，随着问题规模增大，加速比提升，原因在于每处理器的通信量减少，且静态分布带来了更好的数据局部性。
• 共享内存模型由于动态子数组分配和处理器间数据共享导致竞争加剧，限制了可扩展性。
• 即使在单个处理器上，该并行SSF算法仍比优化后的串行1D FFT实现获得10–20%的加速比，原因在于缓存利用率提升和去除了转置阶段。
• 通过调整问题规模和处理器数量，尤其在分布式内存模型中，通过静态数据分区最小化通信开销，可实现接近完美的加速比。