Key points are not available for this paper at this time.
A seleção de subgrafos envolve a busca em um grafo de entrada por subgrafos com um determinado atributo. A mineração de padrões em grafos (GPM) depende dessa técnica, apesar de sua complexidade computacional e crescimento rápido. Problemas com acesso não coalescido à memória, separação e desequilíbrio de carga tornam a identificação eficiente de subgrafos em GPUs um grande desafio, dado o sucesso das GPUs em acelerar operações em diversas indústrias. É surpreendente que esses desafios não tenham recebido atenção suficiente em pesquisas anteriores. Este trabalho apresenta novos métodos para construir e executar eficazmente a enumeração de subgrafos em GPUs. A otimização do uso de recursos computacionais é alcançada ao combinar um design centrado em warp com uma abordagem de busca em profundidade (DFS). A eficiência da memória, a divergência de execução e a paralelização da atividade da GPU poderiam ser aprimoradas integrando esses dois métodos. Um nível acessível de balanceamento de carga também é incorporado com o objetivo de dispersar o trabalho entre os warps de threads, o que diminui ainda mais a ociosidade da GPU. O sistema GraphDuMato facilita a utilização dos métodos de GPM com sua interface de programação de aplicativos (API) intuitiva. Testes comprovam que o GraphDuMato pode superar algoritmos de GPM de ponta de forma regular e pode minerar subgrafos com até doze árvores.
Mohammed Husainat (qui,) estudou essa questão.