| 大島 聡史（おおしま さとし） | データ更新日：2024.04.10 |
准教授 ／
情報基盤研究開発センター
先端計算科学研究部門
| 1. | 大島聡史, 九大新スパコン玄界による限界のないコンピューティングへの挑戦, Supercomputing JAPAN 2024, 2024.03. |
| 2. | Satoshi Ohshima, Considering multi process calculations on current GPU, ATAT in HPSC 2024, 2024.03. |
| 3. | 大島聡史, 一万計算コア超時代のGPUに向けたプログラム最適化と自動チューニングを考える, 第15回 自動チューニング技術の現状と応用に関するシンポジウム（ATTA2023）, 2023.12. |
| 4. | Satoshi Ohshima, QR Factorization of Block Low-rank Matrices on Multiple-/Multi-Instance GPUs, ATAT in HPSC 2023, 2023.03. |
| 5. | Satoshi Ohshima, Akihiro Ida, Rio Yokota, Ichitaro Yamazaki, QR Factorization of Block Low-Rank Matrices on Multi-Instance GPU, The 23rd International Conference on Parallel and Distributed Computing, Applications and Technologies (PDCAT' 22), 2022.12. |
| 6. | 大島聡史, 伊田明弘, 横田理央, 山崎市太郎, BLR-QR on GPU：マルチインスタンスGPUを用いた多数の小密行列計算の高速化, 第14回 自動チューニング技術の現状と応用に関するシンポジウム（ATTA2022）, 2022.12. |
| 7. | 大島聡史, 大規模分散医用画像処理アプリケーションの実用化に向けた研究, JHPCN: 学際大規模情報基盤共同利用・共同研究拠点 第14回 シンポジウム, 2022.07. |
| 8. | 大島聡史, 大規模分散医用画像処理に向けた医用画像処理アプリケーションの最適化, JHPCN: 学際大規模情報基盤共同利用・共同研究拠点 第14回 シンポジウム, 2022.07. |
| 9. | 大島聡史, スーパーコンピュータ「不老」の"クラウド的な"利用の状況について, PCクラスタワークショップin 神戸2022「クラウドとHPC」, 2022.05. |
| 10. | 藤家, 空太郎, 多部田, 敏樹, 藤井, 昭宏, 田中, 輝雄, 加藤, 由花, 大島, 聡史, 片桐, 孝洋, マルチGPU環境における機械学習ハイパーパラメータの自動チューニング（２）, 第83回全国大会講演論文集, 2021.03, 我々は反復一次元探索を用いた自動チューニングの研究に取り組んでおり，マルチGPU環境を用いた機械学習のプログラムのハイパーパラメータの最適化を進めている．機械学習は同一のハイパーパラメータを用いても毎回教師データが変わるなど同一の結果にならないため，自動チューニングの結果にブレが生じる．このブレに対して，これまで，我々は推定したパラメータに対して追加測定を行い自動チューニングの安定性を高める手法を提案してきた．本研究では，歩行者経路予測アプリケーションに用いる機械学習プログラムに適用しマルチGPU環境で推定したハイパーパラメータの値を並列化し複数回まとめて追加測定することによる，自動チューニングの精度向上について示す．. |
| 11. | 多部田, 敏樹, 藤家, 空太郎, 藤井, 昭宏, 田中, 輝雄, 加藤, 由花, 大島, 聡史, 片桐, 孝洋, マルチGPU環境における機械学習ハイパーパラメータの自動チューニング（１）, 第83回全国大会講演論文集, 2021.03, 我々は複数のパラメータを同時に推定する手法として，パラメータ空間における反復一次元探索を提案している．この手法はパラメータの組み合わせを自動的に選択し，その実行性能を実測，さらに別の組み合わせの選択を繰り返すことで探索を行う．この提案手法を機械学習プログラムに適用する．機械学習には複数のハイパーパラメータが存在し，適切なハイパーパラメータの組み合わせを推定するには時間がかかる．本研究は歩行者経路予測アプリケーションに用いる機械学習のハイパーパラメータについて適切な組み合わせを推定し，マルチGPU環境を利用して実測処理を並列化することで，約15日かかる推定が約12時間で完了することを示す．. |
| 12. | Satoshi Ohshima, Effectiveness of Low-/Mixed-Precision Computation on Parareal Method, ATAT in HPSC 2021 (2021 Conference on Advanced Topics and Auto Tuning in High-Performance Scientific Computing), 2021.03. |
| 13. | Naruya Kitai, Daisuke Takahasi, Franz Franchetti, Takahiro Katagiri, Satoshi Ohshima, Toru Nagai, Adaptation of A64 Scalable Vector Extension for Spiral, 情報処理学会 研究報告(HPC-178), 2021.03. |
| 14. | 藤家空太郎, 多部田敏樹, 藤井昭宏, 田中輝雄, 加藤由花, 大島聡史, 片桐孝洋, GPUクラスタを用いて並列化した自動チューニングの機械学習プログラムへの適用と安定性の検証, 情報処理学会 研究報告(HPC-178), 2021.03. |
| 15. | 枦木慎也, 大島聡史, 片桐孝洋, 永井亨, RTコアによるハードウェアレイトレーシングの性能評価, 情報処理学会 第83回全国大会, 2021.03. |
| 16. | 多部田敏樹, 藤家空太郎, 藤井昭宏, 田中輝雄, 加藤由花, 大島聡史, 片桐孝洋, マルチGPU環境における機械学習ハイパーパラメータの自動チューニング（１）, 情報処理学会 第83回全国大会, 2021.03. |
| 17. | 藤家空太郎, 多部田敏樹, 藤井昭宏, 田中輝雄, 加藤由花, 大島聡史, 片桐孝洋, マルチGPU環境における機械学習ハイパーパラメータの自動チューニング（２）, 情報処理学会 第83回全国大会, 2021.03. |
| 18. | 大山基樹, 森下誠, 片桐孝洋, 大島聡史, 永井亨, 量子アニーリングマシンにおける組み合わせ最適化問題の適用可能性の調査, 情報処理学会 第83回全国大会, 2021.03. |
| 19. | 青木将太, 片桐孝洋, 大島聡史, 永井亨, 高精度行列-行列積における疎行列演算実装選択の自動チューニングの検討, 情報処理学会 第83回全国大会, 2021.03. |
| 20. | Bowen Liu, Masao Ogino, Mitsuteru Asai, Takahiro Katagiri, Satoshi Ohshima, Large-scale numerical simulation of fluid-rigid body interactions simulation based on a stabilized ISPH method with Chebyshev basis CG solver, COMPSAFE 2020, 2020.12. |
| 21. | 北澤修太, 沼波政倫, 大谷寛明, 片桐孝洋, 大島聡史, 永井亨, ジャイロ運動論シミュレーションにおける位相空間上の分布関数構造の可視化および自動類似度判定システムの開発に向けて, 先進的描画技術を用いた可視化情報の研究会（VR2020）, 2020.12. |
| 22. | 北澤修太, 沼波政倫, 大谷寛明, 片桐孝洋, 大島聡史, 永井亨, ジャイロ運動論シミュレーションにおける位相空間上の分布関数構造の可視化と類似度判定, 閉じ込め・輸送研究会2020, 2020.12. |
| 23. | 田村守淑, 今野雅, 大島聡史, LNGタンク内の異密度LNGの混合流動解析, オープンCAE・FrontISTR合同シンポジウム2020, 2020.12. |
| 24. | 秋山善克, 池田拓士, 今野雅, 大島聡史, OpenFOAMへのカスタムキャビテーションモデルの実装, オープンCAE・FrontISTR合同シンポジウム2020, 2020.12. |
| 25. | 池田拓士, 秋山善克, 今野雅, 大島聡史, カスタムキャビテーションモデルを用いたNACA0015水中翼周りの数値解析, オープンCAE・FrontISTR合同シンポジウム2020, 2020.12. |
| 26. | 大島聡史, 永井亨, 片桐孝洋, スーパーコンピュータ「不老」のシステム構成と性能, 大学ICT推進協議会 2020年度 年次大会, 2020.12. |
| 27. | 田島嘉則, 山田一成, 高橋一郎, 毛利晃大, 片桐孝洋, 大島聡史, 永井亨, スーパーコンピュータ「不老」のサービスとエコシステム, 大学ICT推進協議会 2020年度 年次大会, 2020.12. |
| 28. | 高橋一郎, 大島聡史, 片桐孝洋, スーパーコンピュータ「不老」における光ディスクライブラリを用いたコールドストレージシステムの構築, 大学ICT推進協議会 2020年度 年次大会, 2020.12. |
| 29. | 大島聡史, 今野雅, スーパーコンピュータ「不老」におけるOpenFOAMの性能評価, オープンCAE・FrontISTR合同シンポジウム2020, 2020.12. |
| 30. | 大谷 寛明, 石黒 静児, 宮澤 順一, 大野 暢亮, 陰山 聡, 三浦 英昭, 森高 外征雄, 田村 祐一, 北澤 修太, 片桐 孝洋, 大島 聡史, 永井 亨, 沼波 政倫, 名倉 成輝, 川原 慎太郎, 胡 昆祁, 小山田 耕二, 後藤 拓也, 嘉無木 昇, 高丸 尚教, PETROSKY Tomio, 田中 智, 可視化技術—Visualization Technology—プロジェクトレビュー 核融合科学研究所における数値実験炉研究プロジェクト ; 基礎物理シミュレーション研究と可視化技術の進展, プラズマ・核融合学会誌 = Journal of plasma and fusion research / プラズマ・核融合学会編集委員会 編, 2020.10. |
| 31. | 大谷寛明, 大谷寛明, 石黒静児, 石黒静児, 宮澤順一, 宮澤順一, 大野暢亮, 陰山聡, 三浦英昭, 森高外征雄, 森高外征雄, 田村祐一, 北澤修太, 片桐孝洋, 大島聡史, 永井亨, 沼波政倫, 沼波政倫, 名倉成輝, 川原慎太郎, HU Kunqi, 小山田耕二, 後藤拓也, 嘉無木昇, 高丸尚教, PETROSKY Tomio, 田中智, 3.基礎物理シミュレーション研究と可視化技術の進展 3.2 可視化技術, プラズマ・核融合学会誌, 2020.10. |
| 32. | 大島聡史, 「不老」の特徴的な機能とベンチマーク結果の紹介, 第1回 スーパーコンピュータ「不老」 ユーザ会, 2020.08. |
| 33. | 大島聡史, ユーザプログラム利用状況の紹介, 第1回 スーパーコンピュータ「不老」 ユーザ会, 2020.08. |
| 34. | Satoshi Ohshima, Soichiro Suzuki, Tatsuya Sakashita, Masao Ogino, Takahiro Katagiri, Yoshimichi Andoh, Performance evaluation of the MODYLAS application on modern multi-core and many-core environments, The Fourteenth International Workshop on Automatic Performance Tuning (iWAPT2019, IPDPS2019 Workshop), 2019.05. |
| 35. | Satoshi Ohshima, Trying to accelerate many small BLAS calculations on GPU, ATAT in HPSC (2019 Conference on Advanced Topics and Auto Tuning in High-Performance Scientific Computing), 2019.02. |
| 36. | Ichitaro Yamazaki, Ahmad Abdelfattah, Akihiro Ida, Satoshi Ohshima, Stanimire Tomov, Rio Yokota, Jack Dongarra, Performance of Hierarchical-matrix BiCGStab Solver on GPU Clusters, 32nd IEEE International Parallel and Distributed Processing Symposium, IPDPS 2018, 2018.08, [URL], HACApK is a software package for solving dense linear systems of equations and is used in other software packages, like ppohBEM for solving boundary integral equations. To enable the solution of large-scale boundary value problems, HACApK hierarchically compresses the coefficient matrix and uses the BiConjugate Gradient Stabilized (BiCGStab) method for solving the linear system. To extend HACApK's capability, this paper outlines how we ported the HACApK linear solver onto GPU clusters. Though the potential of GPUS has been widely accepted in high-performance computing, it is still a challenge to utilize the GPUS for a solver, like HACApK, that requires fine-grained irregular computation and global communication. To utilize the GPUS, we integrated the variable-size batched GPU kernel that was recently released in the MAGMA software package. This is the first time the variable-size batched kernels were used in a solver or application code. We discuss several techniques to improve the performance of the batched kernel and demonstrate the effects of these techniques on two state-of-The-Art GPU clusters. For instance, with two 14-core Intel Xeon CPUs and four NVIDIA P100 GPUS per node, the GPU kernel obtained a solver speedup of 8× on one node and 4× on eight nodes. We also show that when the inter-GPU communication becomes significant, the solution time can be further reduced by a factor of 2× by carefully designing the communication layer with the underlying node architecture in mind.. |
| 37. | 大島聡史, 山崎市太郎, 伊田明弘, 横田理央, 階層型行列計算におけるソフトウェア自動チューニング, 第23回計算工学講演会, 2018.06. |
| 38. | Satoshi Ohshima, Ichitaro Yamazaki, Akihiro Ida, Rio Yokota, Optimization of Hierarchical matrix computation on GPU, SC-Asia 2018, 2018.03. |
| 39. | 石黒 史也, 片桐 孝洋, 大島 聡史, 永井 亨, 荻野 正雄, 高精度行列-行列積アルゴリズムにおけるbatched BLASの適用, 第80回全国大会講演論文集, 2018.03, 行列-行列積に代表される基本線形計算を集約したライブラリBLAS (Basic Linear Algebra Subprograms) は、多くの数値計算で必須の処理である。しかし、従来の数値計算ライブラリは、演算速度の向上は考慮しているが演算精度の向上に関する考慮が不十分である。一方、尾崎が提案した高精度行列-行列演算アルゴリズム(以降、尾崎の方法)は、利用している浮動小数点演算型の精度限界まで高精度演算ができる。本研究では尾崎の方法の実装に対して、複数の小さな行列-行列積を高速に行うことができるBatched BLASを適用した実装方式を提案する。性能評価では、Batched BLASの有効性を検証し、CPU環境だけでなくGPU環境についても提案する実装方式の有効性を検証する。. |
| 40. | 大島聡史、南里豪志、渡部善隆、天野浩文、小野謙二, スーパーコンピュータシステムITOの性能評価, 情報処理学会 第162回ハイパフォーマンスコンピューティング研究発表会, 2017.12. |
| 41. | 南里豪志、大島聡史、小野謙二, 非ブロッキング集団通信の通信隠蔽効果に関する調査, 情報処理学会 第162回ハイパフォーマンスコンピューティング研究発表会, 2017.12. |
| 42. | 大島聡史, 通信削減CG法の性能評価@OFP, ATマイクロワークショップ@鳥羽, 2017.10. |
| 43. | Satoshi Ohshima, Auto-tuning of directives: tuning directives of OpenMP and OpenACC, Second International Workshop on Deepening Performance Models for Automatic Tuning (DPMAT), 2017.08. |
| 44. | 大島聡史, 山崎市太郎, 伊田明弘, 横田理央, GPUクラスタ上における階層型行列計算の最適化, 情報処理学会 第160回ハイパフォーマンスコンピューティング研究発表会, 2017.07. |
| 45. | 片桐孝洋，大島聡史，松本正晴, KNLを用いたFDMコードの自動チューニングとGPU適用の最新動向, 2017年ハイパフォーマンスコンピューティングと計算科学シンポジウム(HPCS2017), 2017.06. |
| 46. | Takahiro Katagiri, Satoshi Ohshima Masaharu Matsumoto, Auto-tuning on NUMA and Many-core Environments with an FDM code, The Twelfth International Workshop on Automatic Performance Tuning (iWAPT2017) (In Conjunction with the IEEE IPDPS2017), 2017.06. |
| 47. | Takahiro Katagiri, Masaharu Matsumoto, Satoshi Ohshima, Auto-Tuning of Hierarchical Computations with ppOpen-AT, SIAM Conference on Parallel Processing for Scientific Computing (PP16), MS55 Auto-Tuning for the Post Moore's Era - Part I of II, 2016.04. |
| 48. | 大島 聡史, 未踏ユースから育ったタレントたち【PART 1 若い未踏クリエータからのメッセージ】：13.発掘し，育成し，つなぐ場所, 情報処理, 2011.11. |
| 49. | 片桐 孝洋, 大島 聡史, SIAM AN10(Conference Reports), 応用数理, 2010.12. |
| 50. | 大島聡史, GPUが支えるDX 変革の今、この先を考える－ GPUスパコンとOpenACC ー（パネリスト）, GPU Computing Workshop 2020. |
| 51. | 大島聡史, パネルディスカッション「スーパーコンピュータの産業利用と今後の産学共創のあり方」（パネリスト）, Cyber HPC Symposium 2021. |
本データベースの内容を無断転載することを禁止します。