Análise de Escalabilidade em um Código de Inversão de Forma de Onda Completa

• Felipe H. Santos-da-Silva UFERSA
• João B. Fernandes UFRN
• Samuel Xavier-de-Souza UFRN
• Ítalo A. S. Assis UFERSA

DOI: https://doi.org/10.5753/sscad.2024.244789

Resumo

A Inversão de Forma de Onda Completa (FWI) é conhecida por sua alta demanda computacional. A fim de otimizar seu desempenho e o uso dos recursos computacionais, é necessária uma análise cuidadosa da sua escalabilidade. Este artigo avalia a escalabilidade de um código de FWI em um sistema de memória compartilhada. Para tal avaliação, utilizamos a ferramenta Parallel Scalability Suite (PaScal Suite) a fim de identificar gargalos. O PaScal Suite foi utilizado para automatizar testes de escalabilidade e visualizar seus resultados. Além da identificação de gargalos, o estudo inclui a otimização desses trechos no código.

Referências

da Silva, A. B. N., Cunha, D. A. M., Silva, V. R. G., de A. Furtunato, A. F., and Xavier-de Souza, S. (2019). Pascal viewer: A tool for the visualization of parallel scalability trends. In Bhatele, A., Boehme, D., Levine, J. A., Malony, A. D., and Schulz, M., editors, Programming and Performance Visualization Tools, pages 250–264, Cham. Springer International Publishing.

da Silva, F. H., Fernandes, J. B., Sardina, I. M., Barros, T., Xavier-de Souza, S., and Assis, I. A. (2024). Auto tuning for openmp dynamic scheduling applied to fwi. arXiv preprint arXiv:2402.16728.

da Silva, V. R. G., da Silva, A. B. N., Valderrama, C., Manneback, P., and Xavier-de Souza, S. (2022). A minimally intrusive approach for automatic assessment of parallel performance scalability of shared-memory hpc applications. Electronics, 11(5).

Etienne, V., Tonellot, T., Thierry, P., Berthoumieux, V., and Andreolli, C. (2014). Speeding-up fwi by one order of magnitude. In EAGE Workshop on High Performance Computing for Upstream, pages cp–426. European Association of Geoscientists & Engineers.

Griewank, A. and Walther, A. (2000). Algorithm 799: Revolve: An implementation of checkpointing for the reverse or adjoint mode of computational differentiation. ACM Trans. Math. Softw., 26(1):19–45.

Okita, N., Camargo, A., Ribeiro, J., Benedicto, C., Coimbra, T., Faccipieri, J., and Tygel, M. (2020). Highly scalable full-waveform inversion on the cloud using graphics processing units. EarthDoc, 2020(1):1–5.

Plessix, R. E. (2006). A review of the adjoint–state method for computing the gradient of a functional with geophysical applications. Geophysical Journal International, 167(2):495–503.

Symes, W. W. (2010). Reverse time migration with optimal checkpointing. Geophysics, 75(5):S49–S60.

Tarantola, A. (1984). Inversion of seismic reflection data in the acoustic approximation. Geophysics, 49(8):1259–1266.

Zeng, Q., Feng, S., Wohlberg, B., and Lin, Y. (2022). Inversionnet3d: Efficient and scalable learning for 3-d full-waveform inversion. IEEE Transactions on Geoscience and Remote Sensing, 60:1–16.