11月10日の課題 koganeiblog/ウェブリブログ

11月10日の課題

<< 作成日時： 2005/11/14 18:03 >>

◎相互結合網(並列処理における)
相互結合網(interconnection network）に並列計算機を構成する複数のプロセッサやメモリを相互に結合し、その間における交信路を提供する。目標は、通信遅延(レイテンシ；latency)を最小にし、スループット（throughput；処理能力）を最大にすることである。SRT、PECなどの再帰的相互結合網は、トーラスなどにある規則に基づきバイパスを再帰的に設けた結合網であり、直径、平均距離などの面で優れた性能を持っている。また、ノード間のルーティング手法も性能を大きく左右する重要な要素であるため、これまでに多くの手法が提案されている。
しかし、再帰的相互結合網で提案されているルーティング手法（再帰的ルーティング）は、固定型で適応性や耐故障性も有していない。

◎MIMD（multiple instruction stream and multiple data stream）
複数のマイクロプロセッサを搭載した並列コンピュータ上で、複数のプロセッサが複数の異なるデータを並行処理する方式。SISD（マイクロプロセッサにおいて、1つの命令で1つのデータを扱う処理方式。SIMDやMIMDとの対比に用いられる用語）やSIMD（マイクロプロセッサにおいて、1つの命令で複数のデータを扱う処理方式。DSPやスーパーコンピュータで利用されている。Intel社のマイクロプロセッサに組みこまれているMMXやSSEなどのマルチメディア拡張機能もSIMDの応用）との対比に用いられる用語である。

◎Numerical solver(数値ソルバー)
並列処理を行う際、決定論的方法で処理を行うソルバーの総称。問題とやり方を決め
ればあとは機械的に計算が進んで、いつでも同じ答がでるものである。FE法、FV法、
CG法(共役勾配法)などがある。

◎natural solver(自然ソルバー)
シミュレーテッドアニーリング、遺伝的アルゴリズム、ニューラルネットワークなど
の、確率的方法で並列処理を行うソルバーの総称。探索や最適化の問題に広く応用で
きる手法であるが、良さそうな答を捜す時に乱数等を使ってある意味「適当」にやる
ものであるため、良好な結果が得られない場合もある。

◎シミュレーションアーキテクチャ（simulation architecture）
アーキテクチャとはコンピュータの内部の論理的な構造、すなわちコンピュータがどのような機能ユニットからどのように組み立てられているかを示す概念のこと。シミュレーションアーキテクチャとはDODのシミュレーションのコミュニティーの共同作用を提供する再使用のための技術である。そしてモデル開発をするためのソフトウェアに影響を与える。

◎サブサンプションアーキテクチャ (subsumption architecture)
一種の並列処理で、検知(sensing)と行動(action)という単純な組み合わせで成り立つ、エージェント(agent)と呼ばれるものをたくさん用意し、このエージェント群を並列に動作させる。サブサンプションアーキテクチャの最大の利点は、すべてのエージェントが同時に実行されていて、実際の動作には、優先順位に基づいて行われるため、状況を見定めて全体を制御するための複雑なプログラムを用意しなくてすむことである。一つの制御プログラムに複雑な状況判断をさせようとすると、状況ごとに実に様々な選択を迫られ、いわゆる組み合わせ的爆発が起こってしまい、ロボットが実際に行動をするためには膨大な処理を行わなければならなくなってしまう。サブサンプションアーキテクチャなら複雑な制御プログラムは必要なく、単純なエージェントを複数用意してやればあとは優先順位に従って勝手に行動してくれる。サブサンプションアーキテクチャは中枢となる物を持たないため、行動型ＡＩとも呼ばれる。

◎Amdahlの式
Gene Amdahl氏が提唱したプログラムの処理性能の改善に関する法則のこと。
プログラムを部分的に性能改善したときのプログラム全体の性能の向上の度合いはそ
の改善された性能が使われる割合に制限されるという物。式で表すと下のようになる。
Amdahlの式　　　R(f)＝1/{(1-f)+f/R}
R 並列プロセッサの数（実効数）
f 並列化できる処理の割合（0～1）
R(f) 並列化の効果

◎遺伝的アルゴリズム
プログラムである問題に対する最適な解、方法を求める手段の一つであり生物特有の
遺伝のメカニズムに似た操作を取り入れているアルゴリズム。生成論的アルゴリズム
とも呼ばれ１975年に米ミシガン大学のJohn Holland氏によって提唱された。
具体的な手順としては複数解をセットとして一つのデータにまとめ、これを遺伝子に
見立て、はじめにいくつもの遺伝子型のデータを用意して各データを評価関数にかけ
て最も適合度の高いと思われる遺伝子型データを残す。残った遺伝子型データを複数
合わせて新しい遺伝子型データをつくり、これも同じように評価する。この操作を何
回も繰り返すことにより、最適な解に近づけていく手段である。新しい遺伝子を作る
時、低確率でランダムにデータを変化させる「突然変異」のシステムも組み込まれる。
メリットとしてはあらゆる問題に対応できる手段、デメリットとしては対象とするデー
タや評価関数をどのようなものにするかというところによっては良い結果が得られな
い場合もあると言うことだろう。

◎ニューロコンピュータ
ニューロコンピュータとは、脳を構成する神経細胞(ニューロン)や、それらが結合した神経回路網(ニューラルネット)の構造や情報処理メカニズムを基礎とし、脳の持つ情報処理能力の人工的実現を目的としたコンピュータ。ニューラルコンピュータともいう。ニューラルネットワーク制御（知的制御の１つ。システムの入出力信号をもとにしてニューラルネットによって非線形な入出力関係を再現し、それを制御対象とする制御手法。）を基礎理論とする。

2)Numerical solverとNumerical solverの使い分け方
前者は膨大なベクトル計算等を処理するのに適していて、後者は物理や化学分野での
最適な方法を見つけ出すプログラム等を処理するのに適している。

参考文献
http://mikilab.doshisha.ac.jp/dia/smpp/cluster2000/PDF/chapter06.pdf
http://www.jaist.ac.jp/~ms-kawai/purpose.html
http://www.itmedia.co.jp/dict/semicon/mpu/architecture/inner/00989.html
http://e-words.jp/w/MIMD.html
http://ja.wikipedia.org/wiki/%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%AD%E3%82%B3%E3%83%B3%E3%83%94%E3%83%A5%E3%83%BC%E3%82%BF

感想
今回は課題をグループで分担してやったのだがアーキテクチャの意味調べは相当難しいようだった
アーキテクチャ自体はそこまで難しい言葉ではないのだがシミュレーションアーキテクチャとなると複雑活インターネットでもなかなか調べにくかったようだった。自分も少し手助けをしたがグループ個人の仕事量が均一にならなかったので効率よく課題を終わらせたいと思った。