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

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.

关键词

敏感性分析, 是对复杂的适应空间系统进行以行动者为基础的模式化的重要一步, 以评估具有影响的变项对于模式回应的贡献。但是以行动者为基础的模型的敏感性分析, 对计算机有着高度要求, 而该分析对于以行动者为基础的大规模模型而言相当棘手。此一计算的挑战, 大幅限缩了我们运用以行动者为基础的大规模模型来探讨复杂空间动态的能力。本研究的目标, 便是透过聚焦以行动者为基础的大规模空间意见交换敏感性分析, 该空间交换以多元绘图处理器 (GPUs) 加速之, 藉此对上述的计算问题提出洞见。我们为全球敏感性分析模型, 呈现根据巢状对应的异质对应计算方法。以行动者为基础的意见模型, 透过运用超多核心 GPUs 进行对应, 以模拟大量对空间有所知觉且彼此互动的行动者。这些行动者透过寻找空间邻里与意见更新的过程, 相互交换意见以建立议题的共识。本研究运用以变异数为基础的方法, 进行意见模型的全球敏感性分析, 该方法需要为了蒙地卡罗整合执行无数次模式。本研究并引进模型间的对应, 用来促成蒙地卡罗执行敏感性分析。我们在 GPU 簇群上进行全球敏感性分析。实验结果显示, 以 GPU 加速的一般用途计算, 为以行动者为基础的大规模敏感性分析模型, 提供了有效且具有弹性的解决方案。异质的对应计算方法, 透过平衡信息基础设施所促成的计算能力, 对于解决大规模空间时间之问题, 提供了可贵的洞见。

Palabras clave

El análisis de sensibilidad es un paso importante en el modelaje de complejos sistemas espaciales adaptables, con base en agente, para evaluar la contribución de variables influyentes en la respuesta del modelo. Sin embargo, el análisis 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 desafío computacional limita en gran medida nuestra capacidad de investigar dinámicas espaciales complejas que utilicen modelos grandes basados en agente. El objetivo del presente estudio es compenetrarnos en mayor grado con esta cuestión computacional, enfocándonos sobre el análisis de sensibilidad del modelaje grande basado en agente del intercambio de opinión espacial, análisis acelerado con el uso de unidades de procesamiento gráfico múltiples (GPU). Presentamos un enfoque de cómputo paralelo heterogéneo basado en paralelismo anidado para el análisis global de sensibilidad del modelo. El modelo de opinión basado en agente se hace paralelo usando GPUs de múltiple núcleo para la simulación de un gran número de agentes interactuantes y espacialmente conscientes. Estos agentes intercambian opiniones para lograr consenso sobre tópicos a través de procesos de búsqueda del vecindario espacial y actualización de opinión. El análisis global de sensibilidad del modelo de opinión se efectúa utilizando un enfoque basado en varianza, lo que demanda correr muchas veces el modelo para la integración de Monte Carlo. La paralelización entre modelos es incorporada para habilitar las corridas de análisis de sensibilidad de Monte Carlo. Llevamos a cabo análisis globales de sensibilidad en una concentración de GDUs. Los resultados experimentales indican que la computación GPU-acelerada de propósito general provee una solución eficaz y factible para el análisis de sensibilidad de modelos grandes basados en agente. El enfoque computacional heterogéneo paralelo provee una valiosa comprensión en la solución de problemas espacio-temporales a escala grande aprovechando las ventajas computacionales de una ciber-infraestructura adaptada.

Key Words:

• graphics processing units
• large agent-based models
• parallel computing
• sensitivity analysis
• spatial opinion exchange