|
本研究は，シミュレーションと同時に研究者が結果を見るためのIn-situ可視化手法を研究した。そのため，スパースモデリングを用いて，ビッグデータの内在構造を分析して圧縮比と誤差を制御するとともに，高並列性を持つデータ圧縮手法を提案した｡
今年度は，提案した並列圧縮手法と実際のシミュレーションを組み合わせた，In-situ可視化手法を提案した。その実現のために，圧縮アルゴリズム，データ共有方法，インタラクティブなレンダリング手法の三つの課題を研究した。まず，圧縮アルゴリズムは，去年提案したポスト処理用の「m－swap」という並列圧縮手法をローカル空間に適用した。つまり，シミュレーションしながら，最初の数タイムステップに対して小さなグループを作り，グループ内でデータを圧縮する。その後もグループ毎に順次圧縮する。最終的には，グループとグループ間も再帰的に処理を繰り返して圧縮を行う。次に，シミュレーションと圧縮の間のデータ共有手法を提案した。データの規模に応じて「コード共有」，「メモリ共有」，「ハードディスク共有」三つのデータ共有の手法を提案した。この三つは効率が異なる。最後のインタラクティブなレンダリングについては，「HIVE（The Heterogeneously Integrated Visualization Environment System）」可視化フレームワークを利用した。
上記に提案した手法を「京」コンピューターで評価実験を行った。
|
