面向大规模成像问题的多节点多GPU微分同胚图像配准

我们提出一种用于大变形微分同胚图像配准的 Gauss-Newton-Krylov 求解器。我们将公开可用的 CLAIRE 库扩展至多节点多图形处理单元（GPU）系统，并引入显著提升性能的新算法改进。我们的贡献包括（$i$）针对约化空间 Gauss-Newton Hessian 系统的新预条件子，（$ii$）高度优化的多节点多GPU 实现，为主计算核（插值、高阶有限差分算子与快速傅里叶变换）利用设备直接通信，以及（$iii$）与先进的 CPU 和 GPU 实现进行比较。我们在单块 NVIDIA Tesla V100 上以五秒求解 $256^3$ 分辨率图像配准问题，性能相比先进实现加速 70%。在最大规模运行中，我们在 TACC 的 Longhorn 系统上以 64 个节点 256 块 GPU 配准 $2048^3$ 分辨率图像（25 B 未知量；约为先进 GPU 实现中所解最大问题的 152$\times$）。