Scalable Data Assimilation with Message Passing

要約

データ同化は、数値気象予測システムの中核コンポーネントです。
同化中に処理される大量のデータでは、ますます多くの計算ノードに計算を分散する必要がありますが、この設定では既存のアプローチでは同期オーバーヘッドが発生します。
この論文では、データ同化の定式化をベイジアン推論問題として利用し、メッセージパッシングアルゴリズムを適用して空間推論問題を解決します。
メッセージ パッシングは本質的にローカル計算に基づいているため、このアプローチは並列分散計算に適しています。
GPU アクセラレーションの実装と組み合わせることで、良好な精度とコンピューティング要件とメモリ要件を維持しながら、アルゴリズムを非常に大きなグリッド サイズに拡張できます。

要約(オリジナル)

Data assimilation is a core component of numerical weather prediction systems. The large quantity of data processed during assimilation requires the computation to be distributed across increasingly many compute nodes, yet existing approaches suffer from synchronisation overhead in this setting. In this paper, we exploit the formulation of data assimilation as a Bayesian inference problem and apply a message-passing algorithm to solve the spatial inference problem. Since message passing is inherently based on local computations, this approach lends itself to parallel and distributed computation. In combination with a GPU-accelerated implementation, we can scale the algorithm to very large grid sizes while retaining good accuracy and compute and memory requirements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google