Acceleration of kernel with random access and data recurrence on many computer architectures

点击翻译按钮获取中文摘要

計算科学アプリケーションにおいて頻繁に現れるランダムアクセス・データレカレンスを含む計算は近年の計算機アーキテクチャとの親和性が低く、多くのアプリケーションの性能ボトルネックとなっている。本研究ではこのようなランダムアクセス・データレカレンスを含むカーネルを対象に、実行パターンに含まれる先見情報を活用し対象とする計算機アーキテクチャの特性を踏まえた計算手法を開発することでCPU/GPUを含む多種の計算機アーキテクチャにおいて高速化を目指している。本年度においては、ランダムアクセス・データレカレンスを多く含むカーネルの一例として、地震シミュレーションに用いられる非構造格子有限要素法におけるマトリクスフリーの行列ベクトル積カーネル(Element-by-Elementカーネル)に注目し、各社で開発が進むCPU・GPUにおけるアルゴリズム開発・性能分析を実施した。CPU/GPU間では計算機アーキテクチャが大きく異なるため最適な計算方法が変わるが、同じCPUやGPUでも種類によってその特性は大きく変わることとなる。そこで、これらの特性をベンチマークで調査しそれぞれのアーキテクチャに適したアルゴリズムを開発した。この研究結果はSCにて併設されるワークショップの一つである2022 Workshop on Accelerator Programming Using Directives (WACCPD)において論文発表した。