嵌入式集成传播用于提升新兴计算架构上不确定性量化的性能、可移植性和可扩展性
数学软件
2015-11-13 v1 计算工程、金融与科学
摘要
量化模拟不确定性是严格预测模拟的关键组成部分。其关键环节是将模拟输入数据中的不确定性前向传播至感兴趣的输出量。典型方法涉及在不确定输入数据上重复采样模拟，当从大量来源准确传播不确定性时可能需要众多样本。通常各样本间的模拟过程相似，且每次样本评估生成的许多数据可重复使用。我们探索了一种实现采样方法的新方法，以嵌入式方式同时传播样本组，称之为嵌入式集成传播（embedded ensemble propagation）。我们展示了该方法如何利用现代计算机架构的特性，通过实现样本间重用、降低内存带宽需求、改善内存访问模式、增加细粒度并行化机会以及减少通信成本来提升性能。我们描述了一种基于C++模板实现嵌入式集成传播的软件技术，并阐述了其与Trilinos中各种科学计算库的集成。我们展示了该方法在多种CPU、GPU和加速器架构（包括Cray XK7 (Titan)上多达131,072个核心）上应用于偏微分方程模拟时，具有改进的性能、可移植性和可扩展性。
引用
@article{arxiv.1511.03703,
title = {Embedded Ensemble Propagation for Improving Performance, Portability and Scalability of Uncertainty Quantification on Emerging Computational Architectures},
author = {E. Phipps and M. D'Elia and H. C. Edwards and M. Hoemmen and J. Hu and S. Rajamanickam},
journal= {arXiv preprint arXiv:1511.03703},
year = {2015}
}