2015 Fiscal Year Research-status Report
大規模ベイジアンネットワーク構造探索並列アルゴリズムの研究
| Project/Area Number |
15K20965
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
玉田 嘉紀 東京大学, 情報理工学(系)研究科, 助教 (80435495)
|
|---|
| Project Period (FY) |
2015-04-01 – 2017-03-31
|
| Keywords | 最適DAG探索アルゴリズム / 並列アルゴリズム / ベイジアンネットワーク / 大規模並列計算 |
|---|
| Outline of Annual Research Achievements |
平成２７年度の計画は、最初に既存アルゴリズムのハイブリッド並列化、通信遅延隠蔽、およびソフトウェアパイプライニングによる高速化を行う予定であったが、着想していた１次元トーラスネットワーク向けのアルゴリズム（以下、１Dトーラスアルゴリズム）を詳細に検討したところ実現に目処が立ったため、その開発・実装をまず行った。その際に、既存アルゴリズムに対して行う予定であったハイブリッド並列化および通信遅延隠蔽を１Dトーラスアルゴリズム上で実装した。これらは並列アルゴリズムにおける高速化技術であり、既存アルゴリズムで試験することが計画の一部であったが、本研究では最終的には２次元、３次元トーラスネットワーク向けアルゴリズムの開発を目標としていること、及び１Dトーラスアルゴリズムも試験的な実装であるため、その実装時に十分に試験が可能であると判断した。
離散モデルによる１Dトーラスアルゴリズムの実装を無事完了させ、京を用いて試験したところ良好な結果が得られた。次に東京大学情報基盤センターの京互換機 FX10 (oakleaf) を用いて２次元トーラスネットワーク向けアルゴリズムの開発に着手した。２次元化することにより、１次元では生じなかった問題がいくつか判明したが、それらを解決し無事設計・開発・実装を終えた。oakleaf 一般ユーザ利用枠では1,440ノードの利用が上限である。この規模の実行で問題なく動作したため、Oakleaf 全 4800ノードを24時間利用可能な「大規模HPCチャレンジ」第二回募集分に応募したところ無事採択された。これまでの試験実行から 4800ノードでは 36 変数 200 サンプルでの実行が限界であったため、それに挑戦した結果、無事 11 時間 38 分 21 秒で実行を終了した。
現在は論文化に必要なデータを取得し、これまでの成果をまとめているところである。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初の計画では初年度に１次元トーラスネットワーク向けのアルゴリズムを開発し、必要な課題を抽出することにしていたが、予想よりも問題が少なく２次元トーラスネットワーク向けアルゴリズムへの拡張も順調に行うことができ、目標としていた33変数を超えるDAG探索の実証も初年度で達成することができた。一方で予定していた連続値モデルであるBNRCスコアを用いた実装には、前述の２次元トーラスネットワーク向けアルゴリズムの開発を優先したため、平成２７年度中には着手できなかった。
|
| Strategy for Future Research Activity |
平成２７年度の研究により２次元トーラスネットワーク向けアルゴリズムで現在の並列規模では十分な性能が得られることがわかった。またメモリを予想より大量に使用することもわかり、そのため現時点では３次元化のメリットは少ないと考えている。一方、離散モデルではなく、連続値モデルによる実データへの応用の重要性を感じており、平成２８年度は、この対応を進める。
現在の大型計算機のほとんどは、いわゆるPCクラスタであり、内部ネットワークはfat tree型が主流である。一方でトーラスネットワーク構造を採用している大型計算機は京とその互換機など一部の超高性能なものに限られる。したがって、実データへの応用を考えた場合、本アルゴリズムを利用できるユーザは限られてしまう。当初の目標はすでに達成できているため平成２８年度は一般的なPCクラスタにおいても高効率な高並列化が可能かどうか検討したい。
これまでの研究からトーラスネットワーク向けに考案したデータ分割方法がfat tree型のPCクラスタにおいても、高速化に有効ではないかとの着想を得ている。具体的には、トーラスネットワーク向けアルゴリズム同様にデータを分割する一方で、データを隣接通信を用いてバケツリレー式に配送するのではなく、必要な計算ノードに直接 point-to-point で配送するのである。これならば既存アルゴリズムのような全対全通信を避けられるのでfat tree型のPCクラスタでもある程度までは高効率な高並列化が可能だと期待している。
|
-
-
[Journal Article] Elevated β-catenin pathway as a novel target for patients with resistance to EGF receptor targeting drugs2015
Author(s)
A. Nakata, R. Yoshida, R. Yamaguchi, M. Yamauchi, Y. Tamada, A. Fujita, T. Shimamura, S. Imoto, T. Higuchi, M. Nomura, T. Kimura, H. Nokihara, M. Higashiyama, K. Kondoh, H. Nishihara, A. Tojo, S. Yano, S. Miyano & N. Gotoh
-
Journal Title
Scientific Reports
Volume: 5
Pages: 13076
DOI
Peer Reviewed / Open Access
-
-
-
