검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Accelerating LiNGAM Causal Discovery with Massive Parallel Execution on Supercomputer Fugaku 슈퍼컴퓨터 Fugaku에서 대규모 병렬 실행을 통해 LiNGAM 인과관계 발견 가속화

Kazuhito MATSUDA, Kouji KURIHARA, Kentaro KAWAKAMI, Masafumi YAMAZAKI, Fuyuka YAMADA, Tsuguchika TABARU, Ken YOKOYAMA

  • 조회수

    0

  • 이것을 인용

요약 :

정적 인과관계 발견은 인과관계가 밝혀지지 않은 관찰변수들 사이의 인과관계를 추론하는 접근방식이다. 인과관계 발견을 위한 알고리즘인 LiNGAM(Linear Non-Gaussian Acycling Model)은 변수의 독립성분이 비가우시안이라고 가정하면 고유하게 인과관계를 계산할 수 있습니다. 그러나 LiNGAM의 사용 사례는 다음과 같은 이유로 제한됩니다. O(d3x) 계산 복잡성, 여기서 dx 변수의 개수입니다. 본 논문에서는 LiNGAM 인과관계 발견을 가속화하기 위한 두 가지 접근법, 즉 LiNGAM의 수학적 행렬 연산을 위한 SIMD 활용과 MPI 병렬화를 보여줍니다. 우리는 슈퍼컴퓨터 Fugaku를 사용한 구현을 평가합니다. Fugaku의 96개 노드를 사용하여 개선된 버전은 원래 OSS 구현보다 17,531배 빠른 속도를 달성할 수 있습니다(17.7시간 만에 완료).

발행
IEICE TRANSACTIONS on Information Vol.E105-D No.12 pp.2032-2039
발행일
2022/12/01
공개일
2022/06/09
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022PAP0007
원고의 종류
Special Section PAPER (Special Section on Forefront Computing)
범주

작성자

Kazuhito MATSUDA
  Fujitsu Limited
Kouji KURIHARA
  Fujitsu Limited
Kentaro KAWAKAMI
  Fujitsu Limited
Masafumi YAMAZAKI
  Fujitsu Limited
Fuyuka YAMADA
  Fujitsu Limited
Tsuguchika TABARU
  Fujitsu Limited
Ken YOKOYAMA
  Fujitsu Limited

키워드