機械学習とAMR法フレームワークで実現する様々なスパコンでの高精細な大規模計算

• 研究課題/領域番号: 24K02947
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分60090:高性能計算関連; 小区分60040:計算機システム関連; 合同審査対象区分:小区分60040:計算機システム関連、小区分60090:高性能計算関連
• 研究機関: 東京大学
• 研究代表者: 下川辺 隆史 東京大学, 情報基盤センター, 准教授 (40636049)
• 研究期間 (年度): 2024-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円); 2027年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円); 2026年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円); 2025年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円); 2024年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
• キーワード: 高性能計算 / 適合細分化格子法 / 機械学習 / フレームワーク

研究開始時の研究の概要

複雑な構造を再現する乱流モデルは、局所的に細かい格子を必要とし、計算資源の効率的な割り当てと最大限の加速が必要である。 本研究では、多様なスパコン環境を想定して、計算・通信・データ入出力の差異を吸収し、自動的に最適な手法を選択する高生産AMR(適合細分化格子)法フレームワークを構築する。これに加え、計算コストが高い乱流計算を深層学習ベースの代理モデルで置き換える。アプリ全体を最適化するAMR法フレームワークと深層学習による加速を併用することで、AI-for-Science型ワークロードを実現し、最先端スパコンの計算資源を最大限に利用した高精細で大規模な流体計算を実現する。