自動性能チューニング機能を持つ高性能グラフライブラリの開発

Research Project

Project/Area Number	23K21672
Project/Area Number (Other)	21H03450 (2021-2023)
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Multi-year Fund (2024) Single-year Grants (2021-2023)
Section	一般
Review Section	Basic Section 60090:High performance computing-related
Research Institution	Institute of Physical and Chemical Research
Principal Investigator	中尾昌広国立研究開発法人理化学研究所, 計算科学研究センター, 技師 (50582871)
Co-Investigator(Kenkyū-buntansha)	藤澤克樹九州大学, マス・フォア・インダストリ研究所, 教授 (40303854) 児玉祐悦国立研究開発法人理化学研究所, 計算科学研究センター, 上級技師 (80356998)
Project Period (FY)	2021-04-01 – 2025-03-31
Project Status	Declined (Fiscal Year 2024)
Budget Amount *help	¥9,880,000 (Direct Cost: ¥7,600,000、Indirect Cost: ¥2,280,000) Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2022: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000) Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Keywords	高性能計算 / グラフアルゴリズム / 自動チューニング / 並列処理 / 自動性能チューニング
Outline of Research at the Start	ソーシャルネットワークや創薬などの様々な分野において、計算機上でデータの関係性をグラフ構造として表現し、それを高速に解析する試みが盛んに行われている。しかしながら、既存のグラフライブラリの研究の多くは特定のグラフや計算機システムを対象としているため、ユーザの性能チューニングの負担が問題となっている。そこで、本研究課題では自動性能チューニング機能を持つグラフライブラリを開発する。ユーザが利用したいグラフおよび計算機システムに応じて、適切なグラフアルゴリズムと高速化手法を自動的に選択・利用可能にする。この機能により、ユーザの性能チューニングの負担を省くことが可能になる。
Outline of Annual Research Achievements	ソーシャルネットワークや創薬などの幅広い分野において、計算機上でデータの関係性をグラフ構造として表現し、それを高速に解析する試みが盛んに行われている。しかしながら、既存研究の多くは特定のグラフや計算機システムを対象としているため、ユーザの性能チューニングの負担が問題となっている。そこで、その負担をなくすため、本研究課題では自動性能チューニング機能を持つグラフライブラリを開発している。 2021年度は、既存研究の調査およびベースとなる複数のグラフライブラリの開発を行った。具体的には、基本的なグラフアルゴリズムであるBreadth-First Search（BFS）およびSingle-Source Shortest Path（SSSP）をターゲットとし、それぞれをマルチプロセス・マルチスレッド化することで、分散メモリシステム上で動作すること確認した。世界最大規模の並列計算機システムである理化学研究所の「富岳」を用いて性能評価を行った結果、BFSについては十分な性能を発揮することを確認した。SSSPについては、性能向上の余地があると考えており、来年度も引き続き性能チューニングを行っていく予定である。また、本研究では省電力についても考慮するため、富岳が持つ省電力機能について調査し、性能を落とさずに消費電力を削減する方法についての検討を行った。その結果、性能は変わらないにも関わらず、電力を30%程度改善できる手法を開発した。来年度は、IoT機器も対象とし、性能電力比の改善に引き続き取り組む予定である。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 本年度の目標はBFSとSSSPの開発、およびBFSの自動性能チューニング機能の開発であった（SSSPの自動性能チューニング機能の開発は再年度の予定）。SSSPの開発は2年をかけて行う予定であったが、予定以上に開発は進んでいる。しかし、BFSの自動性能チューニング機能についてはやや遅れているため、トータルの進捗は当初の予定通りであった。
Strategy for Future Research Activity	2021年度と2022年度に行う予定であったSSSPの開発について、2021年度に予定よりも大きく進んだため、その余った時間をBFSの自動性能チューニング機能の開発に当てる予定である。