情報爆発時代のロバストな自動チューニングシステムに向けた数理的基盤技術の研究

信息爆炸时代鲁棒自整定系统数学基础技术研究

• 批准号: 19024018
• 负责人: 須田 礼仁
• 金额: $ 4.22万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2008
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19024018/
• 关键词: 自動チューニング; 逐次実験計画; Bayes統計; 機械学習; 性能モデル; 統計科学; 数理工学; 行列計算アルゴリズム; 実験計画; 逐次統計; ハイパフォーマンスコンピューティング; 情報爆発; 性能評価; 反復法

情報爆発時代のソフトウェアは, 質・量とも爆発的に大きくなる情報を有効に活用するため, それとおなじくらい爆発的に拡大する計算・通信・記憶資源の多様性に, 柔軟かつロバストに適応する能力を備えなければならない. このような適応能力(以下総じて「自動チューニング機能」と呼ぶ)は, 一般に情報収集→推定→最適化→実行制御という流れで実現される. 本研究では上記の流れの4つの部分のうち, 計算環境や応用分野への依存が少なく, 数理の世界で表現できる推定と最適化の部分に焦点を当て, 自動チューニングの数理の普遍的構造を明らかにし, 情報爆発時代の資源とデータに柔軟かつ確実に適応するシステムを実現するために必要となるロバストな自動チューニング機構の数理的基盤を構築することを目的とする.平成20年度は2つのサブテーマについて特に注力して研究を推進した. 「オンライン自動チューニングのための逐次実験計画」では,一般のBayesモデルにおいて性能を適切に学習できなくなる場合があることを指摘し, そのような事態を確実に回避できるようなBayesモデルの定式化を行った. また, そのようなBayesモデルを具体的に示すことにより, 確実に性能を学習して, 最適解に近づいてゆける手法を確立した. また, 「未知の組み合わせにおける性能の推定」では, 連立一次方程式の反復解法ライブラリであるLisをターゲットとして, 部分的な実験データから未測定のパラメタの組み合わせにおける収束・発散および所要時間を予測することを試みた. その結果, パラメタ探索を効率化する複数の手法が得られた. これらの手法は, 実験および最適化の目的関数によって使い分けるものである. このほか, 自動チューニングとその周辺のさまざまな研究課題に取り組み, また, 3年連続で国際ワークショップを主催し, 自動チューニング研究を世界的にけん引した.

为了有效地利用质量和数量上易于爆炸性的信息，软件必须具有牢固地适应相同的计算，通信和内存资源的爆炸性多样性的能力。这种适应能力（以下简称为“自动调整功能”）通常在信息收集，估计，优化和执行控制的流程中实现。这项研究的重点是上述四个部分的估计和优化部分，几乎不依赖在数学世界中可以表达的计算环境或应用领域，并阐明了自动调整的数学数学的普遍结构，并且可以为了使能够适应系统和适应能够适应的功能启发的数学基础，以构建数学基础，以适应适合系统的适应。 2008年，研究尤其重点介绍了两个子主题。在“在线自动调整的顺序实验设计”中，我们指出，在一般贝叶斯模型中无法正确学习性能，并制定了贝叶斯模型，以确保可以避免这种情况。通过专门显示这种贝叶斯模型，我们建立了一种方法，该方法使我们能够可靠地学习性能并更接近最佳解决方案。在“估计未知组合中的性能”中，我们尝试预测来自部分实验数据所需的收敛，差异和时间，该组合使用LIS（同时线性方程的迭代解决方案库）。结果，我们获得了多种方法来简化参数搜索。根据实验和优化的目标功能，这些方法的使用不同。此外，我们还解决了自动调整及其周边地区的各种研究主题，并连续三年举办了国际研讨会，领导着全球自动调整研究。

项目成果

A Dynamic Programming Approach to Optimizing the Blocking Strategy for the Householder QR Decomposition

优化户主二维码分解拦截策略的动态规划方法

• 发表时间: 2008
• 作者: T.Fukaya;Y.Yamamoto;S.-L.Zhang
• 通讯作者: S.-L.Zhang

LOBPCGにおける段階的収束とwindowの効果について

关于LOBPCG中的逐渐收敛和窗口效应

• 发表时间: 2008
• 作者: Nowak D;Ogawa S;Muschen M;Kato M;Kawamata N;Meixel A;Nowak V;Kim HS;Kang S;Paquette R;Chang MS;Thoenissen NH;Mossner M;Hofmann WK;Kohlmann A;Weiss T;Haferlach T;Haferlach C;Koeffler HP.;今村俊幸
• 通讯作者: 今村俊幸

Performance/Scalability Tuning of LOBPCG, Sequential, Simultaneous or Hybrid?

LOBPCG 的性能/可扩展性调整、顺序、同步或混合？

• 发表时间: 2007
• 作者: A. Fujii;R. Suda;A. Nishida;Y. Oyanagi;R. Suda;T. Imamura
• 通讯作者: T. Imamura

オンライン自動チューニングのためのBayes逐次実験計画の解析モデルによる性能評価

使用贝叶斯顺序实验设计分析模型进行在线自动调整性能评估

• 发表时间: 2008
• 作者: 藤井昭宏;小柳義夫;T. Imamura;R. Suda;須田 礼仁
• 通讯作者: 須田 礼仁

特異値計算のためのさまざまなシフト戦略に対する漸近的収束牲解析

奇异值计算的各种平移策略的渐近收敛分析

• 发表时间: 2007
• 作者: 山本 有作;木村 欣司;中村 佳正
• 通讯作者: 中村 佳正