学際大規模情報基盤共同利用・共同研究拠点

採択課題 【詳細】

jh180012-NAHI Hierarchical low-rank approximation methods on distributed memory and GPUs
Hierarchical Low-Rank Approximation Methods on Distributed Memory and GPUs
課題代表者 横田理央(東京工業大学) /
Rio Yokota(Tokyo Institute of Technology)
概要 本研究では,エクサスケールを視野に入れた階層的低ランク近似法の分散メモリ・GPU上での高性能な実装を行うことを目的とする。このとき重要になるのが比較的小さな密行列の高速な処理である。 Tennessee大学のDongarraグループではまさにこのような小さな密行列のバッチ処理をGPU上で高速に行うライブラリを開発しており、JHPCNの国際共同研究として行うことでこの技術をいち早く導入できる。

昨年度はマルチGPU化とスケーラビリティの向上を目指すとともに、block MAGMAを用いた単体GPU性能の更なる向上を図ったが,今年度はマルチGPU上で行列分解を行う際の負荷分散アルゴリズムやbatch MAGMAを用いる際の階層的データのストリーム化について開発を行う。
報告書等 研究紹介ポスター / 最終報告書
関連Webページ  
無断転載禁止
JHPCN : Japan High Performance Computing and Networking plus Large-scale Data Analyzing and Information Systems
Update:2018.4.1