DSpace Repository

Параллельный алгоритм разложения функций по волновым пакетам для GPU и его применение в геофизике

Show simple item record

dc.contributor.author Никитин, Виктор Валерьевич ru_RU
dc.contributor.author Дучков, Антон Альбертович ru_RU
dc.contributor.author Романенко, Алексей Анатольевич ru_RU
dc.contributor.author Андерссон, Фредрик
dc.creator Новосибирский государственный университет ru_RU
dc.creator Novosibirsk State University en_EN
dc.creator Институт нефтегазовой геологии и геофизики СО РАН ru_RU
dc.creator Institute of Petroleum Geology and Geophysics SB RAS en_EN
dc.creator Lund University ru_RU
dc.creator Lund University en_EN
dc.date.accessioned 2014-06-04T10:23:50Z
dc.date.available 2014-06-04T10:23:50Z
dc.date.issued 2013-03
dc.identifier.citation Никитин В. В., Дучков А. А., Романенко А. А., Андерссон Ф. Параллельный алгоритм разложения функций по волновым пакетам для GPU и его применение в геофизике // Вестник НГУ. Серия: Информационные технологии. 2013. Т. 11, вып. 1. С. 93–104. ru_RU
dc.identifier.issn 1818-7900
dc.identifier.uri https://lib.nsu.ru/xmlui/handle/nsu/1314
dc.description.abstract Данные, получаемые при проведении сейсмических работ методом отраженных волн, характеризуются многомерностью, большим объемом, а также своей нерегулярностью. Возникает необходимость их оптимального представления, а именно разложения по базису, наиболее подходящему для их дальнейшей обработки. В качестве такого представления в данной работе используется (переопределенный) базис волновых пакетов. При помощи технологии NVIDIA CUDA на базе GPU был реализован быстрый алгоритм прямого и обратного преобразования по трехмерным волновым пакетам. Проведен целый ряд оптимизаций, не только связанных с физическим устройством графического процессора, но и со структурой исходного алгоритма. Достигнуто ускорение до 45 раз на одной карте, выполнен анализ масштабируемости для нескольких видеокарт. Программа тестировалась на синтетических сейсмических данных для реализации процедур сжатия, подавления шума и регуляризации трехмерных данных в случае пропущенных трасс. ru_RU
dc.description.abstract Seismic data is characterized by multidimensionality, large size and irregular structure. There is a need for optimal representation of this data by decomposing it using appropriate basis. In this paper we consider (redundant) basis of wave packets. With NVIDIA CUDA technology for programming on GPU we implemented a fast algorithm of forward and inverse 3D wave-packet transform. The code was optimized based on physical device characteristics and structure of the algorithm. We obtained speed-up ~45 for one GPU, and analyzed scalability for several GPUs. The program was tested on synthetic seismic data for their compression, de-noising and regularization. en_EN
dc.description.sponsorship В работе использовались ресурсы Сибирского суперкомпьютерного центра. Работа проводилась при частичной поддержке Шведского фонда по международному сотрудничеству в науке и высшем образовании (Swedish Foundation for International Cooperation in Research and Higher Education) и Сибирского отделения РАН. ru_RU
dc.language.iso ru
dc.publisher Новосибирский государственный университет ru_RU
dc.subject GPU ru_RU
dc.subject волновые пакеты, ru_RU
dc.subject быстрое преобразование Фурье ru_RU
dc.subject сейсмика ru_RU
dc.subject seismic en_EN
dc.subject fast Fourier transform en_EN
dc.subject wave packets en_EN
dc.subject GPU en_EN
dc.title Параллельный алгоритм разложения функций по волновым пакетам для GPU и его применение в геофизике ru_RU
dc.title.alternative Implementing algorithm of wave-packet decomposing on GPUS and its applications in geophysics en_EN
dc.type Article
dc.description.reference 1. Гурвич И. И., Боганик Г. Н. Сейсмическая разведка. М.: Недра, 1980. 551 с. 2. Candes E., Demanet L., Donoho D., Ying L. Fast discrete curvelet transforms // SIAM Multiscale Model. Simul. 2006. Vol. 5–3. P. 861–899. 3. Candes E. J., Donoho D. L. New Tight Frames of Curvelets and Optimal Representations of Objects with Piecewise-C2 Singularities // Comm. Pure Appl. Math. 2002. Vol. 57. P. 219–266. 4. Hennenfent G., Herrmann F. Seismic Denoising with Non-Uniformly Sampled Curvelets // Computing in Science and Engineering. 2006. Vol. 8 (3). P. 16–25. 5. Naghizadeh M., Sacchi M. D. Beyond Alias Hierarchical Scale Curvelet Interpolation of Regularly and Irregularly Sampled Seismic Data // Geophysics. 2010. Vol. 75. P. 189–202. 6. Neelamani R., Baumstein A. I., Gillard D. G., Hadidi M. T., Soroka W. L. Coherent and Random Noise Attenuation Using the Curvelet Transform // The Leading Edge. 2008. Vol. 27. No. 2. P. 240–246. 7. Duchkov A. A., Andersson F. A., Hoop M. V. Discrete Almost-Symmetric Wave Packets and Multiscale Geometrical Representation of (Seismic) Waves // IEEE Transactions on Geoscience and Remote Sensing. 2010. Vol. 48. No. 9. P. 3408–3423. 8. Dutt A. F., Rokhlin V. I. Fast Fourier Transforms for Nonequispaced Data // SIAM Journal on Scientific Computing. 1993. Vol. 14. P. 1368–1393. 9. Kirk D. Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kaufmann, 2010. 280 p. ru_RU
dc.subject.udc 519.72, 550.34.06
dc.relation.ispartofvolume 11
dc.relation.ispartofvolume 93-104
dc.relation.ispartofnumber 1


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account