文献

J-GLOBAL ID：201802226960028965   整理番号：18A0443459

MPI LiFE:MPIを用いた脳コネクトームの高性能線形束評価の設計【Powered by NICT】

MPI-LiFE: Designing High-Performance Linear Fascicle Evaluation of Brain Connectome with MPI

著者 (5件)： Gugnani Shashank ,  Lu Xiaoyi ,  Pestilli Franco ,  Caiafa Cesar ,  Panda Dhabaleswar K.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： HiPC  ページ： 213-222  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,計算神経科学法を用いた高速計算科学を脳接合部の大規模ネットワークのマッピングと評価のための最先端の方法をスピードアップする方法を示した。より詳しくいえば,ここでは,脳connectomesの統計的評価を可能にする線形束評価モデル(すなわち,LiFE[1],[2])の最近の因数分解法を用いた。ENCODE[3],[4]と呼ぶ方法をLiFEモデルを表現するためにスパースTucker分解法を用いた。MPIおよびOpenMPプログラミングパラダイムを用いたENCODE法の最適化を実現できることを示した。我々のアプローチは,ENCODE法の増殖段階の並列化を含んでいる。は,著者らの設計をモデル化理論と設計は,異なるハードウェアプラットフォーム上でのENCODE法によりLiFEモデル最適化のための最適配置を同定するために使用できることを経験的に示した。さらに,LiFEモデルを用いたMPI実行時間をCo設計顕著な高速化を達成した。多重クラスタに関する著者らの設計の包括的評価により著者らの理論モデルを確証した。TACC Stampede2上の単一ノードに,元のアプローチと比較して,xが8.7までの高速化を達成できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高速化 ,  *線形性 ,  高速計算 ,  分割法 ,  因数分解 ,  モデリング ,  クラスタ ,  透視図法 ,  最適化
準シソーラス用語： 理論モデル ,  実行時間 ,  最適配置 ,  OpenMP ,  大規模ネットワーク ,  計算神経科学 , 【Automatic Indexing@JST】

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  数値計算  (JE02000J)

タイトルに関連する用語 (8件)： MPI ,  脳 ,  コネクトーム ,  高性能 ,  線形 ,  束 ,  評価 ,  設計