2017 Fiscal Year Research-status Report
新しい動的負荷分散を用いたGPUスパコン向け適合細分化格子法フレームワークの開発
| Project/Area Number |
17K00165
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
下川辺 隆史 東京大学, 情報基盤センター, 准教授 (40636049)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ステンシル計算 / 高性能計算 / 高生産フレームワーク / スーパーコンピュータ / 適合細分化格子法 / 時間ブロッキング法 / 動的負荷分散 |
|---|
| Outline of Annual Research Achievements |
本研究では、アプリケーション開発者の視点で、GPUスパコン上で高精度が必要な領域をより高精細な格子で計算できる高生産・高性能フレームワークを開発する。本研究では数千台を超えるGPUを搭載したスパコン上で機械学習と通信隠蔽技術により実行時間の最小化を目的とした動的負荷分散技術を確立する。 これを基盤として、 GPUスパコン上で適合細分化格子法(AMR法)を確立し、局所的に100倍の高解像度となる計算を実現することを目指す。この手法を様々なアプリケーションへ適用可能にするGPUスパコンに向けた高性能・高生産AMR法フレームワークを構築する。フレームワークの開発を通して、AMR法の適用技術を確立する。
本年度においては、ほぼ当初の計画通りに、動的負荷分散手法の開発と複数GPUで実行可能なAMR法フレームワークを構築した。複数の時間ステップを通信なしでまとめて計算する時間ブロッキング法がステンシル計算において有効であることを確認し、これをこれまでに開発を進めてきたステンシル計算フレームワークへ効果的に取り込む方法を考案し実現した。これを発展させ、AMR法フレームワークへ導入することで、性能向上を実現した。複数の木構造により物理空間を表現することで、複数GPU計算では各プロセスの管理するリーフノードを局所化することが可能となり、これを基盤とした動的負荷分散を実現した。また、AMR法を適用した実アプリケーションで必須となるデータ入出力機構、リスタートファイル作成機能、リダクション計算を簡便に行う基盤を開発し導入した。本フレームワークを用い2次元および3次元の圧縮性流体計算コードの開発を完了し、流体中を流れ成長する金属凝固成長計算への本フレームワークの適用を進めた。フレームワークの開発を通して、GPUで高性能なAMR法アプリケーションを高生産に開発する方法についての有益な知見が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は、研究計画に示した通り、動的負荷分散手法の開発と複数GPUで実行可能なAMR法フレームワークを構築した。本年度は、特に複数の木構造を利用し各プロセスの管理するリーフノードを局所化することによる動的負荷分散の実現、複数の時間ステップを通信なしでまとめて計算する時間ブロッキング法のAMR法フレームワークへの導入、AMR法を適用した実アプリケーションで必須となるデータ入出力機構、リスタートファイル作成機能、リダクション計算を簡便に導入する基盤の開発を行ない、AMR法フレームワークを構築した。流体中を流れ成長する金属凝固成長計算に対して本フレームワークの適用を進めた。平成30年度以降にフレームワークの有限体積法による流体計算への適用を計画していたが、これを前倒し行い、複数の計算手法でのフレームワークの有用性の検証を進めた。研究計画では、本年度までに機械学習の枠組みを用いた動的負荷分散手法を開発することとなっていたが、AMR法のデータ構造の複雑さや別の簡便な手法による動的負荷分散の実現を進めたことから、機械学習の枠組みを用いた動的負荷分散手法の開発は当初計画よりもやや遅れており、平成30年度も継続して開発を進める。研究課題全体としては、計画通り進展している。
|
| Strategy for Future Research Activity |
複数GPUで実行可能なAMR法フレームワークの構築および実アプリケーションを開発する上での周辺技術の開発がほぼ完了したため、平成30年度の前半は、本年度からの継続として、流体中を流れ成長する金属凝固成長計算への本フレームワークの適用を進め、これを完成させることを目指す。また、並行して、機械学習の枠組みを用いた動的負荷分散手法の開発を進め、構築したAMR法フレームワークとの統合を進めていく。平成30年度の後半は、当初の計画通り、予測型動的負荷分散手法の開発を始める。本手法の実現にはシミュレーションを学習し、その結果をシミュレーションすることなく推論する技術の開発が必要である。まず、AMR法よりもデータ構造や計算方法が比較的単純である直交格子上のステンシル計算で、この方法論が有効であることを示す。具体的には、凝固成長計算や流体計算のシミュレーションを学習し、これを推論できる深層学習ネットワークの構築を進める。ステンシル計算に対してこの方法を確立したのち、AMR法を適用した計算（凝固成長計算や流体計算など）に適用し、これを推論できる基盤を構築する。平成31年度にかけて、これを応用した予測型動的負荷分散手法の開発を進めていく予定である。
|
