Fugu-MT 論文翻訳(概要): Scaling through abstractions -- high-performance vectorial wave simulations for seismic inversion with Devito

論文の概要: Scaling through abstractions -- high-performance vectorial wave simulations for seismic inversion with Devito

arxiv url: http://arxiv.org/abs/2004.10519v1
Date: Wed, 22 Apr 2020 12:20:07 GMT
ステータス: 処理完了
システム内更新日: 2022-12-10 18:30:54.528873
Title: Scaling through abstractions -- high-performance vectorial wave simulations for seismic inversion with Devito
Title（参考訳）: 抽象化によるスケーリング -- devitoを用いた地震インバージョンのための高性能ベクトル波シミュレーション
Authors: Mathias Louboutin, Fabio Luporini, Philipp Witte, Rhodri Nelson, George Bisbas, Jan Thorbecke, Felix J. Herrmann, and Gerard Gorman
Abstract要約: Devitoは、ドメイン固有の言語とコンパイラ技術に基づく、オープンソースのPythonプロジェクトである。本稿では、傾斜した横方向等方性媒体における擬音響波動方程式に対するMPI並列プロパゲータの生成とシミュレーションについて述べる。
参考スコア（独自算出の注目度）: 0.6745502291821955
License: http://creativecommons.org/licenses/by/4.0/
Abstract: [Devito] is an open-source Python project based on domain-specific language and compiler technology. Driven by the requirements of rapid HPC applications development in exploration seismology, the language and compiler have evolved significantly since inception. Sophisticated boundary conditions, tensor contractions, sparse operations and features such as staggered grids and sub-domains are all supported; operators of essentially arbitrary complexity can be generated. To accommodate this flexibility whilst ensuring performance, data dependency analysis is utilized to schedule loops and detect computational-properties such as parallelism. In this article, the generation and simulation of MPI-parallel propagators (along with their adjoints) for the pseudo-acoustic wave-equation in tilted transverse isotropic media and the elastic wave-equation are presented. Simulations are carried out on industry scale synthetic models in a HPC Cloud system and reach a performance of 28TFLOP/s, hence demonstrating Devito's suitability for production-grade seismic inversion problems.
Abstract（参考訳）: Devitoは、ドメイン固有の言語とコンパイラ技術に基づくオープンソースのPythonプロジェクトです。地震探査における高速HPCアプリケーション開発の要件により、言語とコンパイラは開始以来大きく進化してきた。高度化境界条件、テンソル収縮、スパース演算、スタッガーグリッドやサブドメインといった機能はすべてサポートされており、本質的に任意の複雑性を持つ演算子を生成することができる。この柔軟性を保ちながら、データ依存分析をスケジュールループに利用し、並列性などの計算能力を検出する。本稿では、傾斜した横方向等方性媒体における擬音響波動方程式と弾性波動方程式に対するMPI並列プロパゲータの生成とシミュレーションについて述べる。 HPCクラウドシステムにおける産業規模の合成モデルを用いてシミュレーションを行い,28TFLOP/sの性能を達成した。

関連論文リスト

AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
論文参考訳（メタデータ） (2024-07-17T18:38:48Z)
Universal Physics Transformers: A Framework For Efficiently Scaling Neural Operators [12.165876595927452]
ユニバーサル物理変換器(Universal Physics Transformer、UPT)は、幅広い問題に対して効率的かつ統一的な学習パラダイムである。 UPTはグリッドやパーティクルベースの潜在メッシュを使わずに動作し、構造や粒子間の柔軟性を実現する。メッシュ型流体シミュレーションおよび定常レイノルズ平均Navier-StokesシミュレーションにおけるUTTの適用性と有効性を示した。
論文参考訳（メタデータ） (2024-02-19T18:52:13Z)
InVAErt networks: a data-driven framework for model synthesis and identifiability analysis [0.0]
inVAErtは物理システムのデータ駆動分析と合成のためのフレームワークである。これは、前方および逆写像を表す決定論的デコーダ、系の出力の確率分布を捉える正規化フロー、入力と出力の間の単射性の欠如についてコンパクトな潜在表現を学ぶ変分エンコーダを使用する。
論文参考訳（メタデータ） (2023-07-24T07:58:18Z)
Learning in latent spaces improves the predictive accuracy of deep neural operators [0.0]
L-DeepONetは標準のDeepONetの拡張であり、高次元PDE入力の潜在表現と適切なオートエンコーダで識別される出力関数を利用する。 L-DeepONetは時間依存PDEの精度と計算効率の両面で標準手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-04-15T17:13:09Z)
Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文参考訳（メタデータ） (2023-02-14T23:50:53Z)
DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文参考訳（メタデータ） (2023-01-23T15:18:54Z)
Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文参考訳（メタデータ） (2022-03-29T21:00:39Z)
SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文参考訳（メタデータ） (2021-12-22T14:45:37Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
A Doubly Stochastic Simulator with Applications in Arrivals Modeling and Simulation [8.808993671472349]
本稿では,モンテカルロシミュレータとワッサーシュタイン生成逆数ネットワークを統合して,広範囲の到着過程をモデル化し,推定し,シミュレーションするフレームワークを提案する。古典的モンテカルロシミュレータはポアソンオブジェクトの解釈可能な「物理」を捉えるのに利点があるが、ニューラルネットベースのシミュレータは高次元分布における解釈できない複雑な依存を捉えるのに利点がある。
論文参考訳（メタデータ） (2020-12-27T13:32:16Z)
Data Augmentation at the LHC through Analysis-specific Fast Simulation with Deep Learning [4.666011151359189]
本稿では,大規模解析用データセットを作成するために設計されたディープニューラルネットワークに基づく高速シミュレーションアプリケーションを提案する。本稿では,大量のジェネレータレベルのイベントから始まる高速シミュレーションワークフローを提案する。
論文参考訳（メタデータ） (2020-10-05T07:48:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。