• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 実績報告書

自動性能チューニング機能を持つ高性能グラフライブラリの開発

研究課題

研究課題/領域番号 21H03450
配分区分補助金
研究機関国立研究開発法人理化学研究所

研究代表者

中尾 昌広  国立研究開発法人理化学研究所, 計算科学研究センター, 技師 (50582871)

研究分担者 藤澤 克樹  九州大学, マス・フォア・インダストリ研究所, 教授 (40303854)
児玉 祐悦  国立研究開発法人理化学研究所, 計算科学研究センター, 上級技師 (80356998)
研究期間 (年度) 2021-04-01 – 2025-03-31
キーワード高性能計算 / グラフアルゴリズム
研究実績の概要

ソーシャルネットワークや創薬などの幅広い分野において、計算機上でデータの関係性をグラフ構造として表現し、それを高速に解析する試みが盛んに行われている。しかしながら、既存研究の多くは特定のグラフや特定の計算機システムを対象としているため、ユーザの性能チューニングの負担が問題となっている。そこで、その負担をなくすため、本研究課題では自動性能チューニング機能を持つグラフライブラリを開発している。

本年(2022年)度は、最先端の幅優先探索アルゴリズムであるHybrid-BFS(Scott Beamer et al. ``Direction-Optimizing Breadth-First Search’’, 2012)に対する自動性能チューニング機能の開発を行った。Hybrid-BFSは2つの幅優先探索アルゴリズムを探索の途中で切り替えることで優れた性能を発揮する。しかし、どのタイミングで切り替えるかについてはヒューリステックであったため、切り替えのタイミングを自動的に決定するアルゴリズムを開発した。そのアルゴリズムを用いることで、既存の論文の方法(経験的に良いとされる切り替えの方法を採用)と比較して、概ね30%の性能向上を達成することを明らかにした。アルゴリズムの工夫点として、少ない試行回数で適切な切り替えのタイミングを発見するため、幅優先探索のテスト実行を本番実行の前に複数回行い、そのテスト実行における最適なタイミングをパラメータ化し、そのパラメータを本番実行に利用することが挙げられる。その自動性能チューニングに要する時間は数十秒程度である。

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

当初の予定通り、幅優先探索アルゴリズムに対する自動性能チューニング機能の開発を終えることができた。

今後の研究の推進方策

来年度は今年度に開発したアルゴリズムを理化学研究所が持つスーパーコンピュータ「富岳」などの大規模並列環境を用いて性能評価する予定である。

  • 研究成果

    (3件)

すべて 2022

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (2件) (うち国際学会 1件)

  • [雑誌論文] Graph optimization algorithm using symmetry and host bias for low-latency indirect network2022

    • 著者名/発表者名
      Nakao Masahiro、Tsukamoto Masaki、Hanada Yoshiko、Yamamoto Keiji
    • 雑誌名

      Parallel Computing

      巻: 114 ページ: 102983~102983

    • DOI

      10.1016/j.parco.2022.102983

    • 査読あり / オープンアクセス
  • [学会発表] Order/Radix Problemにおけるスイッチ数自動調整機能を持つ最適化アルゴリズムの提案2022

    • 著者名/発表者名
      塚本雅生,花田良子,中尾昌広,山本啓二
    • 学会等名
      第27回計算工学講演会
  • [学会発表] Performance of the supercomputer Fugaku for graph500 benchmark2022

    • 著者名/発表者名
      Masahiro Nakao
    • 学会等名
      The 6th RIKEN-IMI-ISM-NUS-ZIB-MODAL-NHR Workshop on Advances in Classical and Quantum Algorithms for Optimization and Machine Learning
    • 国際学会

URL: 

公開日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi