@techreport{oai:ipsj.ixsq.nii.ac.jp:00218946,
 author = {長坂, 侑亮 and 福本, 尚人},
 issue = {8},
 month = {Jul},
 note = {大規模な多次元データの解析において，データが持つ潜在的な特徴を抽出するためにテンソル分解が用いられる．テンソル分解の手法として広く用いられている Alternating Least Squares（ALS）法を疎な特性を持つテンソルデータに対して適用する際，Sparse Matricized Tensor Times Khatri-Rao Product（MTTKRP）計算が性能上のボトルネックとなっている．ALS 法においては入力テンソルの各モードについて MTTKRP 計算が行われるため，特定のモードだけでなく，すべてのモードについて安定して高速に処理できることが求められる．一方で，高速に MTTKRP 計算を処理するために各モード毎に最適な圧縮形式を用意することはメモリ使用量増大という課題を引き起こす．本論文では，単一の圧縮形式で全てのモードについて高速に処理可能な MTTKRP 計算手法を提案する．従来の COO フォーマット向け MTTKRP 計算で必要となる排他制御を除去し，よりスケーラブルで高速な手法を実現した．性能評価の結果，既存手法からの大幅な高速化を可能としており，MTTKRP 計算について Intel Xeon においては最大 4.8倍，平均 1.3倍，富士通 A64FX においては最大 9.9 倍，平均 2.3 倍の性能向上を達成した．ALS 法については富士通 A64FX にて既存手法から最大 1.8 倍の性能向上を実現した．},
 title = {疎なテンソルに対するMTTKRP計算のCPU向け高速化},
 year = {2022}
}