Key points are not available for this paper at this time.
가우시안 프로세스는 공간 통계학자의 도구 상자에서 필수적인 요소가 되었지만, 관련 모델을 정확히 맞추기 위해 필요한 상당한 시간과 메모리 때문에 대규모 데이터셋 분석에는 적합하지 않습니다. Vecchia 근사화는 계산 복잡성을 줄이기 위해 널리 사용되며, 부끄럽게도 병렬 알고리즘으로 계산할 수 있습니다. GpGp R 패키지와 같은 Vecchia 근사화를 위한 다중 코어 소프트웨어는 개발되었지만, 통계학 및 머신러닝에서 GPU가 이룬 엄청난 성공에도 불구하고 GPU에서 실행할 수 있도록 설계된 소프트웨어는 부족합니다. 우리는 GPU에서 Vecchia 근사화를 구현하는 세 가지 방법을 비교합니다: 그중 두 가지는 다른 가우시안 프로세스 근사화에 사용되는 방법과 유사하고 한 가지는 새롭습니다. 성능에 대한 메모리 유형의 영향을 조사하고 최종 방법을 그에 따라 최적화합니다. 우리의 새로운 방법이 나머지 두 방법보다 성능이 우수함을 보여주고 이 방법을 GpGpU R 패키지에서 제시합니다. 우리는 다양한 데이터셋에 대해 가우시안 프로세스 모델을 맞추기 위해 GpGpU를 기존의 다중 코어 및 GPU 가속 소프트웨어와 비교하며, 여기에는 천문학적 관측 위성에서 수집한 n>10⁶점의 대규모 공간-시간 데이터셋이 포함됩니다. 우리의 결과는 GpGpU가 더 빠른 실행 시간과 더 나은 예측 정확도를 달성함을 보여줍니다.
James et al. (Tue,)는 이 질문을 연구했습니다.