| 研究課題/領域番号 |
22K19764
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
滝沢 寛之 東北大学, サイバーサイエンスセンター, 教授 (70323996)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| キーワード | ジョブスケジューリング / 高性能計算システム / デジタルツイン |
|---|
| 研究実績の概要 |
本研究では、実運用システムのジョブスケジューラを忠実に模擬するデジタルツインを開発する。ジョブスケジューリングを模擬するシミュレータはすでに多数開発されているが、デジタルツインと呼べるほどには実運用システムの挙動と一致しないことが事前の検討で分かっている。このため、令和4年度は影響が大きい要因を明確化し、実運用スーパーコンピュータにおけるジョブスケジューリングをより忠実に再現することを目標として取り組んだ。その結果として、東北大学のスーパーコンピュータAOBAで実際に行われた既知のジョブスケジューリングとできるだけ一致するジョブスケジューリングシミュレータを開発した。また、強化学習によって電力制御に関するジョブスケジューラのパラメータを自動調整する研究や、AOBAで実運用されているリアルタイム津波浸水被害推計システムを想定して、津波シミュレーションの緊急実行の効率化のためのジョブスケジューリング手法を検討した。リアルタイムシミュレーションに必要な計算資源量を予測して動的に割り当てるジョブスケジューリング手法も提案し、その有用性を示すことができた。これらはより複雑なジョブスケジューリングが求められる場合を想定した研究開発であり、ジョブスケジューラやそのシミュレータの現在の機能と限界、および将来の開発の方向性を明確化することができた。さらには、来年度以降の研究内容の予備調査として、ジョブスケジューリングに機械学習技術を導入する際に課題となる学習データ不足を、敵対的生成ネットワーク(Generative Adversarial Network, GAN)を用いたデータ拡張により解消する研究も先行して行っている。実データのみを学習データとして利用する場合と比較して、拡張データを用いることで機械学習モデルによる要求資源量予測の精度が向上することが示されている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
ジョブスケジューリングシミュレータの開発が進んでおり、それを用いたジョブスケジューリング手法の研究でも数多くの成果を残すことができた。また、令和5年度以降に検討を予定していたデータ拡張に関しても予備評価を行っており、本研究課題全体としておおむね順調に進展していると判断している。
|
| 今後の研究の推進方策 |
引き続きジョブスケジューリングのシミュレータでより多くの機能を取り込み、実運用のジョブスケジューリングをより忠実に再現できるように拡張していく。また、機械学習技術を用いて利用者の動向などをモデル化することを目指した評価も進める。データ拡張に関しては、間接的にその効果を議論することはできるものの、直接的な効果の検証は難しいこともわかっている。このため、まずはジョブスケジューリングシミュレーションの高機能化を先行して進めることを計画している。現状では依存関係がある複数のジョブ(ワークフロー)の実行のシミュレータによる再現にも困難があり、ワークフロー管理手法そのものも重要な研究課題であり未確立である。このため、令和5年度はワークフロー管理手法やそれを忠実に再現するためのシミュレータの改良に取り組むことを予定している。
|
| 次年度使用額が生じた理由 |
12月開催の国際会議(PDCAT)で本研究課題の成果発表を行う予定であり、航空券代が高騰している状況だったために旅費を意図的に大きく確保していた。しかし、会議直前に発表者が新型コロナウイルスに感染してしまい、海外出張ができなくなった。このために、当初予定していた旅費の支出がなくなってしまい、全体的に支出が極端に少なくなった。当該成果はオンライン発表で対応した。また、本研究課題では成果が数多く出ているため、成果発表の他の機会で旅費を支出することを計画している。
|
