In-Situ 方程式推定を用いたサロゲートモデル構築の研究

利用原位方程估计构建代理模型的研究

基本信息

批准号：
22H03604
负责人：
小野謙二
金额：
$ 4.49万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本年度は、サロゲートモデル構築の中核技術である方程式推定システムの高速版プロトタイプを開発した。本課題申請時の準備段階で、Pythonにより方程式発見のコードを作成していたが、それまでの取り組みの結果から推定の試行回数や計算時間が多大になることが明らかとなっていた。原因としては、開発効率の高いPythonではあるが、実行時間が遅い点、および効率的な並列処理が難しい点が考えられる。本研究の最終的な目的は、大規模データから方程式を発見することである。この点を考慮すると、システムの中核となる方程式発見コードの実行時間を大幅に短縮する必要がある。このため、既存システムをリファクタリングすると共に、高速な実行が可能な高性能なスクリプト言語Juliaへの移植実装を行った。Juliaでの実装は、シミュレーション実行時のハイブリッド並列処理（スレッド＋MPI並列）との親和性の点でもメリットが大きい。今年度は、既存Pythonプログラムのコア部分をJuliaに置き換え、実行結果の妥当性をPythonの実行結果と比較し、結果の同一性を確認した。逐次（非並列）実行での実行性能については、現状でPythonと同程度の実行速度となっていることを確認した。注意点として、Juliaの場合は高速実行に適した記述方法がある点である。簡単なプログラムでその記述方法と性能については調査を行い、記述方針を確認した。また、並列処理に対応した実装を行い動作確認を行った。並列性能と高速化については、次年度にコード改修と検証を実施する。

今年，我们开发了方程估计系统的高速原型，这是代理模型构建的核心技术。在申请这个项目的准备阶段，我们使用Python创建了一个方程发现的代码，但我们之前的努力结果表明，估计试验的次数和计算时间会很大。可能的原因是Python虽然开发效率高，但执行时间慢，高效并行处理困难。这项研究的最终目的是从大规模数据中发现方程。考虑到这一点，作为系统核心的方程发现代码的执行时间需要显着减少。为此，我们对现有系统进行了重构，并将其移植到Julia这种可以高速执行的高性能脚本语言上。 Julia 中的实现在模拟执行过程中与混合并行处理（线程 + MPI 并行）的兼容性方面也具有很大的优势。今年，我们用Julia替换了现有Python程序的核心部分，并将执行结果与Python执行结果的有效性进行了比较，确认结果是一致的。关于顺序（非并行）执行的执行性能，我们确认执行速度目前与Python相当。请注意，在 Julia 的情况下，有一种适合高速执行的写入方法。我们研究了一个简单程序的描述方法和性能，并确定了描述策略。我们还实现了支持并行处理的实现并确认了其操作。关于并行性能和加速，明年将进行代码修改和验证。