PRISM-PSY: Precise GPU-Accelerated Parameter Synthesis for Stochastic Systems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F16%3APU121653" target="_blank" >RIV/00216305:26230/16:PU121653 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216224:14330/16:00088144

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-662-49674-9_21" target="_blank" >http://dx.doi.org/10.1007/978-3-662-49674-9_21</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-662-49674-9_21" target="_blank" >10.1007/978-3-662-49674-9_21</a>

Jazyk výsledku

angličtina

Název v původním jazyce

PRISM-PSY: Precise GPU-Accelerated Parameter Synthesis for Stochastic Systems

Popis výsledku v původním jazyce

In this paper we present PRISM-PSY, a novel tool that performs precise GPU-accelerated parameter synthesis for continuous- time Markov chains and time-bounded temporal logic specifications. We redesign, in terms of matrix-vector operations, the recently formulated algorithms for precise parameter synthesis in order to enable effective data-parallel processing, which results in significant acceleration on many-core architectures. High hardware utilisation, essential for performance and scalability, is achieved by state space and parameter space parallelisation: the former leveraged a compact sparse-matrix representation, and the latter is based on an iterative decomposition of the parameter space. Our experiments on several biological and engineering case studies demonstrate an overall speed-up of up to 31-fold on a single GPU compared to the sequential implementation.

Název v anglickém jazyce

PRISM-PSY: Precise GPU-Accelerated Parameter Synthesis for Stochastic Systems

Popis výsledku anglicky

In this paper we present PRISM-PSY, a novel tool that performs precise GPU-accelerated parameter synthesis for continuous- time Markov chains and time-bounded temporal logic specifications. We redesign, in terms of matrix-vector operations, the recently formulated algorithms for precise parameter synthesis in order to enable effective data-parallel processing, which results in significant acceleration on many-core architectures. High hardware utilisation, essential for performance and scalability, is achieved by state space and parameter space parallelisation: the former leveraged a compact sparse-matrix representation, and the latter is based on an iterative decomposition of the parameter space. Our experiments on several biological and engineering case studies demonstrate an overall speed-up of up to 31-fold on a single GPU compared to the sequential implementation.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 22nd International Conference on Tools and Algorithms for the Construction and Analysis of Systems

ISBN

978-3-662-49673-2

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

18

Strana od-do

367-384

Název nakladatele

Springer International Publishing

Místo vydání

Berlin

Místo konání akce

Eindhoven, The Netherlands

Datum konání akce

2. 4. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—