2018 Fiscal Year Annual Research Report
Supporting performance-aware programming with machine learning techniques
| Project/Area Number |
16H02822
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
滝沢 寛之 東北大学, サイバーサイエンスセンター, 教授 (70323996)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
片桐 孝洋 名古屋大学, 情報基盤センター, 教授 (40345434)
横川 三津夫 神戸大学, 先端融合研究環, 教授 (70358307)
南 一生 国立研究開発法人理化学研究所, 計算科学研究センター, ユニットリーダー (70501998)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 性能最適化 / 機械学習 / 自動チューニング |
|---|
| Outline of Annual Research Achievements |
本研究ではプログラム中の潜在的に性能への悪影響が大きいアンチパターンを特定し、さらにはそれを改善する「性能最適化作業」の知能化を目指している。平成29年度までの検討から、機械学習技術を用いることによって演算カーネルの実装選択や、反復解法アルゴリズムの前処理選択、コンパイラオプション選択等、性能最適化作業において熟練者が経験的に行ってきた判断の一部を機械学習によって代替できる可能性を示した。
平成30年度には、SpMVカーネルの実装選択を機械学習で実現する方法について詳細に検討・評価し、学術論文としてまとめた。また、多くの機械学習では多数のハイパーパラメータを学習の前に経験的に決めなければならないことから、その自動チューニングにも取り組み、成果をまとめた論文が最優秀論文賞を受賞した。
平成29年度に得られた知見を基に、平成30年度にはディープラーニングを活用した反復解法アルゴリズムの前処理選択方式の自動チューニング方式を改良し、多種の疎行列事例に対して性能評価を行った。その結果、実用に耐えうる精度で最適な前処理方式が選択できることを明らかにした。その成果は当該分野の国際ワークショップにて最優秀論文賞を受賞するなど、有用性が高く評価された。
静的解析ツールSTViewによる乱流シミュレーションコードを解析した結果を用いて、性能評価すべきコード部分、特にファイル入出力部分の抽出が容易に行え、計算システムの性能評価に用いることができた。また、その評価を通じてSTViewに関する今後の課題が明らかとなった．
性能化最適手法の体系化に関しては、メモリやL2キャッシュのビジー時間に注目し、アプリケーションタイプごとのビジー時間の傾向を整理した。これまでの体系化の結果を英語の本としてまとめ、現在出版作業中であり2019年に出版されることが決まっている。
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
-
-
-
-
-
-
-
-
-
[Journal Article] Performance Evaluation of a Vector Supercomputer SX-Aurora TSUBASA2018
Author(s)
K. Komatsu, S. Momose, Y. Isobe, O. Watanabe, A. Musa, M. Yokokawa, T. Aoyama, M. Sato, H. Kobayashi
-
Journal Title
International Conference for High Performance Computing, Networking, Storage and Analysis (SC ’18)
Volume: -
Pages: 685-696
DOI
Peer Reviewed
-
-
-
-
-
-
-
-
-
-
-
-
-
