ABSTRACT. The climate and earth sciences have recently undergone a rapid transformation from a data-poor to a data-rich environment. In particular, massive amount of data about Earth and its environment is now continuously being generated by a large number of Earth observing satellites as well as physics-based earth system models running on large-scale computational platforms.  These massive and information-rich datasets offer huge potential for understanding how the Earth's climate and ecosystem have been changing and how they are being impacted by humans actions.  This talk will discuss various challenges involved in analyzing these massive data sets as well as opportunities they present for both advancing machine learning as well as the science of climate change.

ABSTRACT. データセンタは著しいペースでエネルギー消費を増大させている。所謂ビッグデータブームに牽引され、多くの応用分野に於いて、大規模データを戦略的に活用するべく新たなシステムが続々と構築されてきており、データの格納と管理を中心とすることから、莫大なストレージ資源の投入が進められている。当該システムのエネルギー効率の向上は極めて重要な課題と言える。本論文では、関係データベースシステムを対象として、ストレージシステムの消費エネルギーを考慮したコスト計算に基づくデータベース問合せ最適化手法を提案する。従前のデータベースシステムに於ける問合せ最適化が、利用可能な資源量の制約下に於いて、実行時間の最小化を主に指向していたのに対し、消費エネルギーなる軸を取り入れることにより、データベースシステムの新たな付加価値となることが期待される。本論文では、従前の手法との比較により、消費エネルギーを考慮したコストベース型最適化手法の枠組みを示すと共に、その核となるストレージシステムの消費エネルギーを考慮したコスト計算手法を示し、データベースシステムのエネルギー効率の向上を目指す際に有力なストレージシステムの能動的エネルギー制御ならびに問合せ分解技法へ適用する。即ち、問合せ最適化がこれらを一元的に制御することが可能であることを示す。多数の磁気ディスクドライブから構成されるJBODストレージ環境と高精度電力計を用いた計測実験を示し、提案手法によって0.4-4.2%程度の誤差で問合せの消費エネルギーコストの推定が可能であることを明らかにする。

ABSTRACT. メニーコアシステムにおけるトランザクションの並行実行制御は、 小さいオーバーヘッドでデッドロックや飢餓状態を回避し、 CPUコア数の増加に対して性能がスケーラブルに増加するだけでなく、アクセスの集中にも耐えるなど、 様々なワークロードにおいて高性能であることを求められる。 近年の研究で、楽観的な並行実行制御により小さいオーバーヘッドでスケーラブルなトランザクション実行が可能となり、 さらに、悲観的な手法を組み合わせることで、スケーラビリティとアクセス集中への耐性を両方供える手法も登場した。 しかし、それらの手法を用いても書き込みを含むロングトランザクションを効率良く実行することは難しい。 本論文は、公平さを重視し、ロングトランザクションの飢餓状態を回避する並行実行制御手法 Lock Interception を提案する。 プロトタイプを用いた簡易評価により、スケーラビリティとアクセス集中への耐性を供えるだけでなく、 書き込みを含むロングトランザクションが効率良く実行されることを確認した。

ABSTRACT. Spark は機械学習やデータマイニングなどの反復計算を高速に実行できる並列データ処理フレームワークである.RDD(Resilient Distributed Dataset)と呼ばれる仕組みを利用してインメモリでの並列処理や中間データのキャッシング，耐障害性の確保を実現している点に特徴がある.扱うデータが大きくメモリ容量が 不足する場合には，一部または全部のデータを処理ノードのディスクに置いて処理を行うことも可能である.しかし，ディスクを用いることにより，Spark アプリケーションの実行性能が低下する可能性がある上，このディスク利用の有無をユーザが指示しないといけない問題がある.そこで本研究では，ディスク利用時の RDD キャッシングの効果と性能を調査し，ディスクを効果的に利用するために，メモリとディスクを併用する方式において明らかになった性能低下の問題の解決を試みた.また，ディスクを利用したキャッシング操作自体の高速化を検討するため，性能の異なるディスクを用いた場合の性能比較を行った.これらの結果により，ディスクを用いた RDD キャッシングを利用する際の問題点や注意点を明らかにした.

ABSTRACT. The region that includes the register file is a hot spot in high-performance cores that limits the clock frequency. Although multibanking drastically reduces the area and energy consumption of the register files of superscalar processor cores, it suffers from low IPC due to bank conflicts.

This paper proposes a bank-aware instruction scheduler which selects instructions so that no bank conflict occurs. The evaluation results show that, compared with NORCS, which is the latest research on a register file for area and energy efficiency, a proposed register file with 24 banks achieves a 21.3% and 56.5% reduction in circuit area and in energy consumption, while maintaining a relative IPC of 97.2%, and the latency of the instruction scheduler.

ABSTRACT. シミュレーション・ポイント (SP) とは，そこのみをシミュレーションすればプログラム実行の全体の性能が推定できる箇所のことである．その選出に用いられる既存の手法は演繹的であり，プログラムの同じ静的区間を実行する動的区間は同じフェーズであるという仮定に基づいている．しかし，この仮定には反例がある．我々は，複数の特徴的なプロセッサすべてが同じInstruction Per Cycle (IPC) を持つ区間が同じフェーズであるという仮定に基づいて，事前にそれらをシミュレートすることによって得たIPCから SP を選出する帰納的な手法を提案してきた．本稿では，この手法に対して2つの改良手法を提案する．SPEC CPU 2006の29プログラムの29ｘ100G命令に対して評価した結果，おおむね良好な結果を得た．

ABSTRACT. 近年のNoC ではVirtual Channel 方式によるフロー制御が一般的であるが，ルータ上のバッファによる消費電力増大が問題となる．本稿では，アプリケーションのトラフィックに合わせて，NoC ルータ，およびルータ間のリンクを仮想的に分割し，それぞれをCircuit Switching (CS) と Virtual Channel (VC) 方式によるフロー制御に分けて利用するハイブリッドスイッチング手法を提案する．本手法では，動的にプロファイリングを行いつつ，頻繁に使用される経路をある期間固定的にCS のデータパスを構築し転送する．CS フロー制御のチャネルでは，VC 方式で必要となるバッファアクセスの必要がなく，ルータ上の経路制御も単純になることから，転送レイテンシの削減も期待され，高性能と省電力化を達成することが可能となる．シミュレーションによる評価の結果，VC 方式のみに比べ，提案手法では転送するフリットあたりの消費エネルギーを平均で64%程度，レイテンシを平均で32%程度削減できることがわかった．