Global Sensitivity Analysis of a Large Agent-Based Model of Spatial Opinion Exchange: A Heterogeneous Multi-GPU Acceleration Approach

Authored by Wenwu Tang, Meijuan Jia

Date Published: 2014-05-04

DOI: 10.1080/00045608.2014.892342

Sponsors: No sponsors listed

Platforms: No platforms listed

Model Documentation: Other Narrative Mathematical description

Model Code URLs: Model code not found

Abstract

Sensitivity analysis is an important step in agent-based modeling of complex adaptive spatial systems to evaluate the contribution of influential variables to model response. Sensitivity analysis of agent-based models is computationally demanding, however, and this analysis tends to be intractable for large agent-based modeling. This computational challenge greatly limits our ability to investigate complex spatial dynamics using large agent-based models. The objective of this study is to gain insight into this computational issue by focusing on the sensitivity analysis of large agent-based modeling of spatial opinion exchange, accelerated using multiple graphics processing units (GPUs). We present a heterogeneous parallel computing approach based on nested parallelism for the global sensitivity analysis of the model. The agent-based opinion model is parallelized using many-core GPUs for the simulation of a large number of spatially aware and interacting agents. These agents exchange opinions for developing consensus on topics through processes of spatial neighborhood search and opinion update. Global sensitivity analysis of the opinion model is conducted using a variance-based approach, requiring numerous model runs for Monte Carlo integration. Intermodel parallelization is introduced to enable Monte Carlo runs of sensitivity analysis. We conduct global sensitivity analysis on a multi-GPU cluster. Experimental results indicate GPU-accelerated general-purpose computation provides an efficacious and feasible solution for the sensitivity analysis of large agent-based models. The heterogeneous parallel computing approach provides valuable insight into large-scale spatiotemporal problem solving by leveraging cyberinfrastructure-enabled computational capabilities. ????????, ?????????????????????????????, ??????????????????????????????????????, ??????????, ?????????????????????????????????, ????????????????????????????????????????, ????????????????????????????, ????????????? (GPUs) ???, ??????????????????????????, ??????????????????????????????, ???????? GPUs ????, ???????????????????????????????????????????, ?????????????????????????????, ?????????????, ????????????????????????????????, ??????????????????? GPU ??????????????????, ? GPU ?????????, ???????????????????, ?????????????????????????, ??????????????????, ??????????????, ????????? Palabras claveEl analisis de sensibilidad es un paso importante en el modelaje de complejos sistemas espaciales adaptables, con base en agente, para evaluar la contribucion de variables influyentes en la respuesta del modelo. Sin embargo, el analisis de sensibilidad con modelos basados en agente es muy exigente desde el punto de vista computacional, y tiende a ser intratable en modelaje grande basado en agente. Tal desafio computacional limita en gran medida nuestra capacidad de investigar dinamicas espaciales complejas que utilicen modelos grandes basados en agente. El objetivo del presente estudio es compenetrarnos en mayor grado con esta cuestion computacional, enfocandonos sobre el analisis de sensibilidad del modelaje grande basado en agente del intercambio de opinion espacial, analisis acelerado con el uso de unidades de procesamiento grafico multiples (GPU). Presentamos un enfoque de computo paralelo heterogeneo basado en paralelismo anidado para el analisis global de sensibilidad del modelo. El modelo de opinion basado en agente se hace paralelo usando GPUs de multiple nucleo para la simulacion de un gran numero de agentes interactuantes y espacialmente conscientes. Estos agentes intercambian opiniones para lograr consenso sobre topicos a traves de procesos de busqueda del vecindario espacial y actualizacion de opinion. El analisis global de sensibilidad del modelo de opinion se efectua utilizando un enfoque basado en varianza, lo que demanda correr muchas veces el modelo para la integracion de Monte Carlo. La paralelizacion entre modelos es incorporada para habilitar las corridas de analisis de sensibilidad de Monte Carlo. Llevamos a cabo analisis globales de sensibilidad en una concentracion de GDUs. Los resultados experimentales indican que la computacion GPU-acelerada de proposito general provee una solucion eficaz y factible para el analisis de sensibilidad de modelos grandes basados en agente. El enfoque computacional heterogeneo paralelo provee una valiosa comprension en la solucion de problemas espacio-temporales a escala grande aprovechando las ventajas computacionales de una ciber-infraestructura adaptada.

Tags

Sensitivity Analysis Graphics processing units Parallel computing Spatial opinion exchange large agent-based models