Improvement in interactive remote in situ visualization using SIMD-aware function parser and asynchronous data I/O
Improvement in interactive remote in situ visualization using SIMD-aware function parser and asynchronous data I/O
复制标题
使用 SIMD 感知函数解析器和异步数据 I/O 改进交互式远程现场可视化
DOI：
10.1007/s12650-020-00652-z
复制
发表时间：
2020
影响因子：
1.7
通讯作者：
Idomura Yasuhiro
中科院分区：
文献类型：
--
作者：
Kawamura Takuma;Idomura Yasuhiro
摘要基于粒子的体绘制技术的原位可视化系统提供了一个可扩展的、灵活的、基于多元体绘制的可视化分析环境。尽管它在传统CPU平台上表现出出色的计算性能，但在最新的许多核心平台上的加速计算揭示了与函数解析器和粒子I/O相关的性能瓶颈。函数解析器处理多维传递函数，但是常规实现没有针对宽SIMD宽度进行优化。I/O瓶颈来自粒子数据文件输出的延迟。在本文中，我们开发了一个新的SIMD感知的功能解析器和异步数据I/O方法基于任务的线程并行化。粒子生成过程通过循环阻塞来优化，以利用新的函数解析器。Oakforest-PACS由8208个Intel Xeon Phi 7250（Knights Landing）处理器组成，在保持强劲扩展到核心的情况下，其数值实验显示了数量级的加速。图形摘要
AbstractAn in situ visualization system based on the particle-based volume rendering offers a highly scalable and flexible visual analytics environment based on multivariate volume rendering. Although it showed excellent computational performance on the conventional CPU platforms, accelerated computation on the latest many core platforms revealed performance bottlenecks related to a function parser and particles I/O. The function parsers handle multidimensional transfer functions, but conventional implementation was not optimized for wide SIMD widths. The I/O bottleneck comes from the latency of output of particle data files. In this paper, we develop a new SIMD-aware function parser and an asynchronous data I/O method based on task-based thread parallelization. The particle generation process is optimized by loop blocking to take advantage of the new function parser. Numerical experiments on the Oakforest-PACS, which consists of 8208 Intel Xeon Phi7250 (Knights Landing) processors, demonstrate an order of magnitude speedup with keeping improved strong scaling up tocores.Graphic abstract
登录
查看更多内容
使用粒子的大规模不规则体数据集的细节层次渲染
DOI：
--
发表时间：
2010
期刊：
Journal of Computer
影响因子：
--
作者：
Takuma Kawamura;Naohisa Sakamoto;Koji Koyamada
通讯作者：
Koji Koyamada
基于粒子体绘制的多元体数据原位可视化探索
DOI：
10.1109/isav.2016.9
发表时间：
2016
期刊：
2016 Second Workshop on In Situ Infrastructures for Enabling Extreme-Scale Analysis and Visualization (ISAV)
影响因子：
--
作者：
Takuma Kawamura;Tomoyuki Noda;Y. Idomura
通讯作者：
Y. Idomura
集成万亿级仿真和可视化的远程运行时控制
DOI：
10.1145/1188455.1188767
发表时间：
2006
期刊：
Proceedings of the 2006 ACM/IEEE conference on Supercomputing
影响因子：
--
作者：
Tiankai Tu;Hongfeng Yu;J. Bielak;O. Ghattas;Julio C. López;K. Ma;D. O'Hallaron;L. Ramírez;N. Stone;Ricardo Taborda;J. Urbanic
通讯作者：
J. Urbanic
针对大规模非结构化体数据集的高质量基于粒子的体渲染
影响因子：
1.8
作者：
Naohisa Sakamoto;Naoya Maeda;Takuma Kawamura;K. Koyamada
通讯作者：
K. Koyamada
VTK-m：加速大规模线程架构的可视化工具包
影响因子：
1.8
作者：
K. Moreland;Christopher M. Sewell;W. Usher;Li;J. Meredith;D. Pugmire;James Kress;Hendrik A. Schroots;K. Ma;H. Childs;Matthew Larsen;Chun;Robert Maynard;Berk Geveci
通讯作者：
Berk Geveci