基于GPU的未知形状周期信号搜索
天体物理仪器与方法
2021-11-16 v1
摘要
近期及未来一代的观测设施将通过其时域能力来研究天体的变源现象。高时间保真度将使得对变源天体——即亮度随时间变化的天体——本质的空前探究成为可能。数据处理流程中的一个主要瓶颈是为变源天体星表构建光变曲线解，因为众所周知周期搜索算法计算代价高昂。此外，许多周期搜索算法通常只适用于特定的科学情形。在本文中，我们提出首个GPU加速的Super Smoother算法。Super Smoother是通用目的的，使用交叉验证将线段拟合到时间序列上，因此比其他算法（如Lomb-Scargle）计算代价更高。由于该算法需要对输入时间序列在待测频率上做多次扫描，我们还提出了一种新颖的Super Smoother广义验证变体，其仅需对数据做一次扫描。我们在三个数据星表上将我们的算法性能与类似的多核CPU并行实现进行比较，表明使用GPU算法通常优于对应的CPU实现。此外，我们证明Super Smoother的单遍变体在寻找正确周期解方面与原始算法精度大致相当。我们的软件支持若干特性，例如批处理计算以消除超出GPU全局内存的可能、处理单个天体或天体批次，并且我们允许在多个GPU间扩展该算法。
引用
@article{arxiv.2111.07396,
title = {GPU-Enabled Searches for Periodic Signals of Unknown Shape},
author = {Michael Gowanlock and Nathaniel R. Butler and David E. Trilling and Andrew McNeill},
journal= {arXiv preprint arXiv:2111.07396},
year = {2021}
}
备注
Accepted for publication in Astronomy and Computing. 19 pages, 13 figures, 6 tables. Source code is publicly available at https://github.com/mgowanlock/gpu_supersmoother