PARCEL SYCL v1.2 検索 ダウンロード English

PARCEL SYCL v1.2 マニュアル

2 つの文書からなる. 各ページ上部のリンクで日本語版と英語版を切り替えられる.

文書内容
利用者ガイドライブラリを使う人向け. クイックスタート, 基本構成, SYCL 対応コンパイラとインストール (spack, macOS の Homebrew を含む), C++・C言語・Fortran・Python からの使用方法, アルゴリズム (線形ソルバ・固有値ソルバ・前処理・QR 分解), ソルバの選び方, 性能, 版と互換性.
API リファレンス公開クラスと関数の仕様. 言語によらない共通事項 (ソルバ, 入力の行列, 設定の意味と既定値, 定数, 結果, 収束状態, ソルバごとの収束判定) と, C++ (データ型, comm, matrix, vector, 各ソルバのメンバ関数), C言語, Fortran, Python の API を, 関数ごとに同じ書式で示す. 共通事項と使う言語の章だけで読める. 言語はページの上のタブで切り替える. 関数索引付き.
検索文書 (利用者ガイド・API リファレンス) 全体のキーワード検索.

ダウンロード

最新版 (v1.2, 公開日 2026-10-23) は PARCEL-release に置く.

過去のバージョン: SYCL 版の v1.0 は PARCEL-release, SYCL 版より前の PARCEL 1.0〜1.2 (Fortran, CUDA) は PARCEL-legacy に置く.

ライセンス

オープンソースとし, GNU Lesser General Public License (LGPL-3.0) とする.

プログラム開発の目的及び概要

現在の計算環境では, CPU に加え, GPU, FPGA, AI アクセラレータなど, さまざまな種類のハードウェアが活用されている. これらのデバイスはそれぞれ異なるプログラミングモデル (CUDA, OpenCL など) を必要とするため, 個別に開発を行う必要があり, プログラムの移植性や保守性に課題がある. この課題を解決するため, Khronos Group によって策定されたオープンな標準規格 SYCL が登場した. SYCL は C++ をベースとしており, CPU や GPU をはじめとする異種計算プラットフォーム上での並列プログラミングを単一ソースで実現できる.

PARallel Computing ELements (PARCEL) ライブラリは, 演算性能に優れる一方でノード間通信性能が相対的に低い並列計算機に適した並列 Krylov 部分空間法ソルバを提供するライブラリである. これまで PARCEL は CPU 向けと NVIDIA GPU 向けのバージョンがそれぞれ独立に開発されてきたが, これを SYCL によって再実装することで, 性能可搬性とプログラムの保守性を高めることが可能となった. v1.2 では Intel / Arm CPU (A64FX, Apple M4 を含む) および NVIDIA / AMD GPU の計算環境で動作を確認しており, 将来的にはさらに Intel GPU, FPGA などへの対応も行っていく予定である.

さらに, ハードウェアごとに演算性能や特性が異なるため, 半精度, 単精度, 倍精度, 4 倍精度相当 (double-double) といった適切な精度の選択が重要である. SYCL 版 PARCEL は計算アルゴリズムやデータ型に応じて異なる精度を柔軟に組み合わせて使用できる混合精度処理をサポートしており, これにより演算精度を維持しつつメモリアクセスのコストを抑えた, 高速かつ数値的に安定なソルバを実現している.

v1.2 の変更点

提供ソルバ

種類ソルバ問題
線形ソルバpcg: 前処理付共役勾配法対称正定値行列の線形方程式. 最も軽い
pbicgstab: 前処理付安定化双共役勾配法非対称行列の線形方程式. 1 反復を軽くしたい場合
pgmres: 前処理付一般化最小残差法非対称行列, または対称だが正定値でない行列の線形方程式. 収束を安定させたい場合
pcagmres: 前処理付通信削減型一般化最小残差法pgmres と同じ問題で, ランク数が多く集団通信が律速する場合
固有値ソルバpower: べき乗法絶対値最大の固有値 1 個
inverse_power: 逆べき乗法絶対値最小の固有値 1 個
ks_arnoldi: Krylov-Schur 法複数の固有値, 複素共役対の固有値 (非対称行列), shift-invert によるシフトに近い固有値
前処理ポイント Jacobi 前処理最も安価. 効果は小さい
ブロック Jacobi 前処理CPU 向け. 作用はランク数と分割数で変わる
Jacobi 前処理GPU 向け. 作用は分割によらない

これらのソルバを C++, C言語, Fortran, Python から呼ぶ API を提供する. C++ はヘッダだけのライブラリとして, C言語・Fortran は API のライブラリとして, Python はパッケージ parcel として使う (API リファレンス).

動作確認環境

マシン名CPU / GPUOSSYCL 環境バックエンド環境
SGI8600 CPUIntel Xeon Gold 6242R (20 コア) ×2RHEL 8.10AdaptiveCpp 24.10.0 (LLVM 18.1.8)OpenMP
Open MPI 4.1.6
SGI8600 GPUIntel Xeon Gold 6248R (24 コア) ×2
NVIDIA V100-SXM2-32GB ×4
RHEL 8.10AdaptiveCpp 24.10.0 (LLVM 18.1.8)CUDA 12.6
Open MPI 4.1.6
Miyabi-CIntel Xeon CPU Max 9480 (56 コア) ×2RHEL 9.8AdaptiveCpp 24.10.0 (clang 17.0.6, Intel oneAPI 2023.2.0 でビルド)OpenMP
Open MPI 4.1.6
Miyabi-GNVIDIA GH200 (Grace 72 コア + H100 96GB)RHEL 9.8 (aarch64)AdaptiveCpp 24.10.0 (LLVM 18.1.8)CUDA 12.6
Open MPI 4.1.6 (CUDA 対応版)
OdysseyFUJITSU A64FX (48 コア)RHEL 8AdaptiveCpp 24.10.0 (omp.library-only, 富士通コンパイラ FCC 1.2.43)OpenMP (富士通)
富士通 MPI 1.2.43
AquariusIntel Xeon Platinum 8360Y (36 コア) ×2
NVIDIA A100-SXM4-40GB ×8
RHEL 8.10AdaptiveCpp 24.10.0 (LLVM 18.1.8)CUDA 12.2
Open MPI 4.1.1
Plasma Simulator AIntel Xeon 6980P (128 コア) ×2RHEL 9.6AdaptiveCpp 24.10.0 (LLVM 18.1.8)OpenMP
Intel MPI 2021.18.1
Plasma Simulator BAMD MI300A (CPU 24 コア + GPU) ×4RHEL 9.6AdaptiveCpp 24.10.0 (LLVM 18.1.8)HIP (ROCm 6.3.3)
Open MPI 5.0.7
MacApple M4 (10 コア: 高性能 4, 高効率 6)macOS 15AdaptiveCpp 25.10 (omp.library-only, Apple clang 17)OpenMP
Open MPI 5.0
Linux Workstation (WSL2)Intel Xeon Gold 6226R (16 コア) ×2
NVIDIA RTX A6000 ×2
Ubuntu 24.04AdaptiveCpp 24.10.0 (LLVM 18.1.8)OpenMP, CUDA 12.6
Open MPI 4.1.6
Linux Workstation (WSL2)Intel Xeon Gold 6226R (16 コア) ×2
NVIDIA RTX A6000 ×2
Rocky Linux 9.8AdaptiveCpp 24.10.0 (LLVM 18.1.8)OpenMP, CUDA 12.6
Open MPI 4.1.1

マシン名から利用者ガイドの各環境の節 (コンパイラ, ライブラリの版, 導入方法) に移れる. 表に無い一般的な Linux にも, spack (配布パッケージのスクリプト) で LLVM から PARCEL までを導入できる.

プログラムの性能

v1.2, v1.0, PETSc 3.22 の処理時間と 1 装置あたりのメモリ (Jacobi 前処理付き共役勾配法, 3 次元 Poisson 方程式, 格子 512×512×512, 倍精度, 16 装置). 条件の詳細と他のソルバの結果は利用者ガイドの「性能」の章に示す.

処理時間 [秒] v1.2 は v1.0 より最大 1.56 倍, PETSc より最大 1.76 倍高速 SGI8600 CPU (Xeon Gold 6242R) 24.2 秒 30.3 秒 v1.0 比 1.25 倍高速 42.6 秒 PETSc 比 1.76 倍高速 Odyssey (A64FX) 9.64 秒 15.0 秒 v1.0 比 1.55 倍高速 11.5 秒 PETSc 比 1.19 倍高速 Miyabi-C (Xeon CPU Max 9480) 6.82 秒 7.32 秒 v1.0 比 1.07 倍高速 7.77 秒 PETSc 比 1.14 倍高速 Plasma Simulator A (Xeon 6980P) 5.73 秒 6.62 秒 v1.0 比 1.15 倍高速 5.76 秒 PETSc 比 同等 SGI8600 GPU (V100) 7.18 秒 9.47 秒 v1.0 比 1.32 倍高速 7.67 秒 PETSc 比 1.07 倍高速 Miyabi-G (GH200) 1.34 秒 1.47 秒 v1.0 比 1.09 倍高速 1.35 秒 PETSc 比 1.01 倍高速 Aquarius (A100) 3.92 秒 4.02 秒 v1.0 比 1.02 倍高速 4.45 秒 PETSc 比 1.13 倍高速 Plasma Simulator B (MI300A) 2.11 秒 3.29 秒 v1.0 比 1.56 倍高速 2.13 秒 PETSc 比 1.01 倍高速 v1.2 v1.0 PETSc 3.22
1 装置あたりのメモリ [GiB] (CPU はホスト, GPU はデバイス) v1.2 は v1.0 より最大 45%, PETSc より最大 80% メモリを削減 SGI8600 CPU (Xeon Gold 6242R) 2.89 GiB 3.41 GiB v1.0 比 15% 削減 6.20 GiB PETSc 比 53% 削減 Odyssey (A64FX) 2.97 GiB 3.93 GiB v1.0 比 24% 削減 4.55 GiB PETSc 比 35% 削減 Miyabi-C (Xeon CPU Max 9480) 2.37 GiB 2.93 GiB v1.0 比 19% 削減 9.39 GiB PETSc 比 75% 削減 Plasma Simulator A (Xeon 6980P) 4.74 GiB 4.65 GiB v1.0 比 2% 増 23.9 GiB PETSc 比 80% 削減 SGI8600 GPU (V100) 1.73 GiB 2.80 GiB v1.0 比 38% 削減 1.56 GiB PETSc 比 11% 増 Miyabi-G (GH200) 1.97 GiB 3.05 GiB v1.0 比 35% 削減 1.82 GiB PETSc 比 9% 増 Aquarius (A100) 1.84 GiB 2.92 GiB v1.0 比 37% 削減 1.69 GiB PETSc 比 9% 増 Plasma Simulator B (MI300A) 1.46 GiB 2.67 GiB v1.0 比 45% 削減 1.50 GiB PETSc 比 3% 削減 v1.2 v1.0 PETSc 3.22

開発者

日本原子力研究開発機構システム計算科学センター

連絡先

質問・不具合の報告は GitHub の Issues へ: https://github.com/parcel-jaea/PARCEL-release/issues