Hierarchical Low-Rank Approximation Methods on Distributed Memory and GPUs
Rio Yokota(Tokyo Institute of Technology)

本研究では,エクサスケールを視野に入れた階層的低ランク近似法の分散メモリ・GPU上での高性能な実装を行うことを目的とする。このとき重要になるのが比較的小さな密行列の高速な処理である。 Tennessee大学のDongarraグループではまさにこのような小さな密行列のバッチ処理をGPU上で高速に行うライブラリを開発しており、JHPCNの国際共同研究として行うことでこの技術をいち早く導入できる。

昨年度はマルチGPU化とスケーラビリティの向上を目指すとともに、block MAGMAを用いた単体GPU性能の更なる向上を図ったが，今年度はマルチGPU上で行列分解を行う際の負荷分散アルゴリズムやbatch MAGMAを用いる際の階層的データのストリーム化について開発を行う。

研究紹介ポスター／最終報告書