A study of massively parallel high-performance graph partitioning using continuous relaxation-based algorithms

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K20280
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 60090:High performance computing-related
• Research Institution: University of Tsukuba
• Principal Investigator: Futamura Yasunori 筑波大学, システム情報系, 助教 (30736210)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: グラフ解析 / 固有値解析

Outline of Final Research Achievements

In this study, we have developed a fast parallel algorithm for solving graph partitioning problems for large graphs. This study targets algorithms based on global optimization of the graph partitioning problem with continuous relaxation. As a notable achievement, we developed a fast eigenspace approximation method using a geodesic distance-based projection, and showed that it has the comparable accuracy and parallel performance as mt-Metis, a standard parallel graph partitioning software, and at the same time has reproducible parallelism, which mt-Metis does not have. Our paper was accepted to IEEE HPEC 2021 and received the Outstanding Paper Award.

Free Research Field

高性能計算, 数値線形代数, 機械学習

Academic Significance and Societal Importance of the Research Achievements

グラフ分割問題は、科学技術計算における偏微分方程式求解や、ソーシャルネットワーク解析、バイオインフォマティクスなど、多様な分野で応用されている。特に高性能計算分野では、タスク割当における負荷バランスと通信コストの最適化に用いられている。新たに提案したアルゴリズムは、高性能計算分野で重点的に研究されている計算カーネルが主要部となっており、それらの高性能実装を活用することで、さらなる高速化が期待できる。近年、解析結果の再現性が重要視されているが、提案法は再現可能な並列性をもつための各種応用分野での再現性保証に資する。本研究成果が波及することにより、科学技術計算や人工知能技術の高度化に寄与する。