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。
多次元数値積分のタスクは,物理システムおよびBayesパラメータ推定における系統的不確実性の影響のモデリングにおいて,物理学および他の科学分野でしばしば遭遇する。多次元統合はCPU上でしばしば時間抑制的である。多くのコアアーキテクチャに関する効率的な実装は,統合空間にわたる作業負荷が先験的に予測できないので挑戦的である。GPU上で実行するためのよく知られたVegasアルゴリズムの新しい実装であるm-Cubeを提案した。Vegas変換積分変数とそれに続く得られた空間m-Cubeの適応型分割を用いたモンテカルロ積分推定の計算は,プロセッサを横断して比較的均一な作業負荷を維持することによりGPU上の性能を改善した。結果として,Nvidia GPUsに対する最適化Cuda実装は,過去の文献で提案された並列化アプローチより優れている。さらに,宇宙論アプリケーションから6次元積分を評価することによりm-Cubeの効率を実証し,VEGASのCUBAライブラリCPU実装よりも大幅な高速化と大きな精度を達成した。また,標準積分と試験スイートのm-CubesはCubaとGSLライブラリの直列実装を,同程度の精度を維持しながら,大きさ高速化の次数で,より性能的に評価する。また,M-Cubesは,CubaとGSLライブラリの逐次実装を凌駕する。本アプローチは,公的に利用可能なモンテカルロベースのGPU実装と比較して少なくとも10の高速化をもたらした。要約すれば,m-Cubesは,標準ライブラリとカスタム実装を用いて禁止的に高価である積分を解決できる。現代のC++インタフェイスヘッダのみの実装は,m-Cubeを携帯可能にし,複雑なパイプラインでの利用を可能にし,ステートフルな積分を定義するのが容易である。Kokkosフレームワークを用いたm-Cubesの初期実装により,非Nvidia GPUとの互換性を達成した。【JST・京大機械翻訳】