抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
極端な規模の科学シミュレーションは,すでに保存されて,分析されることができるより多くのデータを作り出している。データ洪水は,将来の外部システムによってさらに悪くなる。これは出力データとチェックポイント/再スタートデータに対しても正しい。科学的データ削減は,I/Oを大幅に加速し,ストレージに関するデータフットプリントを低減し,また,2017Gordon Bell award winnerにより実証されたように,有意に計算を高速化する必要がある。しかし,実行の正当性(チェックポイント/リスタート)のために,そして,科学者にとっての事項を維持するために,減少を実行しなければならない。著者らは,アプリケーション特有の損失データ削減技術を開発することを試みることができて,高度な一般的無損失圧縮アルゴリズムによってデータセットを圧縮することができた。残念ながら,これらの2つのアプローチはほとんどのアプリケーションに対して非実用的か,あるいは科学的データセットに対する十分なデータ削減を提供しない。Bigデータにより既に知られている他の領域は,データサイズを低減するために損失圧縮を用いる。しかし,損失圧縮は科学的シミュレーションデータにほとんど適用されておらず,結果としてよく理解されていない。本論文では,圧縮アルゴリズムに関する挑戦と機会,および科学データへの損失圧縮の応用について述べた。ここでは,最良クラス圧縮アルゴリズムだけでなく,損失圧縮により導入された誤差を包括的に評価するツールも詳細に述べた。可視化とチェックポイント/リスタートへの応用による科学データセットの損失圧縮の例を示した。科学データの損失圧縮は,新しい技術を探索し発見する多くの機会を持つ魅力的な若い研究領域としてそれ自身を明らかにする。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
