JAXAスーパーコンピュータシステム利用成果報告(2022年2月～2023年1月)

報告書番号: R22JDG20177

利用分野: 研究開発

PDFはここからダウンロード

• 責任者: 清水太郎, 研究開発部門第三研究ユニット
• 問い合せ先: 水野 光, JAXA 研究開発部門 第三研究ユニット(mizuno.hikaru@jaxa.jp)
• メンバ: 河津 要, 倉田 博文, 水野 光

事業概要

近年, 宇宙機業界でもMBDアプローチやによる開発の効率化, デジタル化による開発手法刷新についての研究が盛んに行われている. 第3研究ユニットでは開発早期の宇宙機システム設計開発の効率化を目的として, モデルベース開発技術の取り込み・適用の研究を進め, 宇宙機設計に必要なシステムシミュレーション技術の開発を実施している.

本事業では, 衛星概念検討フェーズで実施されるMATLABやC/Pythonベースの各種シミュレーションの計算, 特にパラメータスタディやモンテカルロシミュレーションのような大量の計算をJSS3上で効率的に実行する手法開発を実施する.

参照URL

https://stage.tksc.jaxa.jp/jedi/sysd/index.html 参照.

JAXAスーパーコンピュータを使用する理由と利点

・JAXA職員であれば煩雑な手続き無しでクイックに利用可能であること

・JAXA内のシステムであるため, 同じJAXAイントラネット内で接続可能であり情報流出のリスクが少ないこと

・開発中の宇宙機の設計情報のような機微情報をJAXA内で閉じて取り扱えること

・システム使用方法について手厚いサポートがクイックに受けられること

・Linuxコンテナ技術に対応していること

今年度の成果

成果①

HTV-X自動ドッキング機構開発において, ドッキング機構の制御パラメータのパラメータスタディを効率的に実行する仕組みをJSS3を活用して構築し, 適用した. 自動ドッキングの軌道上実証は様々なドッキング条件(速度/姿勢など)においても, ドッキング時の発生荷重/モーメント等は規定値以下であることを保証する必要がある. それを達成するためには, 自動ドッキングの制御コントローラのパラメータの値を適切な値に設定する必要がある.

そこで今回, NASAで使用されているドッキング解析モデルであるNASA-Trickを活用し, 実運用時に想定されるドッキング条件を机上でシミュレーションすることにより, NASAでの大規模地上試験前に自動ドッキングのパラメータスタディによる制御パラメータの同定を実施することができるようになった(図1).

具体的には, NASA-TrickをDockerコンテナ化し, それをJSS3側にてSingularityコンテナへ変換後, バッチジョブにてTrickシミュレーションを並列実行する仕組みを構築できた. これにより最大400並列の計算が実行可能となり, JSS3 TOKI-RURIにて1.5ヶ月で約80万ケースのパラメータスタディ計算を完遂することが出来た.

成果②

システム技術研究ユニットと第3研究ユニットが共同で開発している, 開発早期のシステムエンジニアリングを実行するプラットフォーム"Concurrent Design Platform"(CDP)の開発において, MATLABベースの軌道/電力/熱/通信等の各種シミュレーションを連続実行したい, というニーズがある. 21年度のJSSの成果であるMATLABベースのシミュレーションモデルをJSS3上で実行する技術を活用し, CDPのシミュレーションを連続実行化する仕組みを構築・リリースした.

具体的にはMATLABベースの軌道/電力/熱/通信等の各種シミュレーションをそれぞれDockerコンテナ化し, それをJSS3上でSingularityコンテナ変換, バッチジョブ実行を実施する仕組みを構築することができた.

成果③

第3研究ユニットで開発しているC言語/JAVAベースの宇宙機シミュレータSpliseの開発を実施し, 従来はWindows環境でしか動作しなかったSpliseをLinux上でも同様に動作するようになったことから, SpliseをSingularityコンテナ化し, JSS3上でのバッチジョブによる並列実行化をする仕組みを構築した. 事例として開発中の輸送機HTV-Xの誘導制御シミュレータをJSS3 TOKI-RURI上で並列実行し, 従来PC上で実行したときと比較して10倍以上の効率で計算実行する仕組みを構築できた.

成果④

Open AIが開発した文字起こしAIであるWhisperは, ローカル環境で実行するためには大量のGPUメモリを必要とする. 特に最も精度の高いLargeモデルは要求VRAMが10GB以上であり, 普通のPCで動作させることは困難であった. そこで今回, 豊富なVRAMを備えたTOKI-RURI-GPを活用し, コンテナ化されたWhisperにTOKI-RURIのGPUをアタッチすることにより, Whisper-LargeモデルをJSS3上で動作させる手法を開発した. また, 話者分離が可能なフレームワークであるPyannoteと組合せ, Microsoft Teams等に付属する従来の文字起こしAIではでは実施できなかった1つのマイクでの話者分離を含めた高精度な文字起こしを実現することができた.

図1: HTV-X自動ドッキングシミュレーション

成果の公表

-招待講演

水野 光, "MATLAB Web アプリとコンテナを活用した衛星概念検討フェーズでの開発プラットフォームの事例", MATLAB Expo Japan 2022

-口頭発表

H.Mizuno, Y Oki, D Tate, "Development Platform for Satellite Concept Study Using Web Applications and Docker Containers", 10th International Systems & Concurrent Engineering for Space Applications Conference (SECESA 2022)

JSS利用状況

計算情報

• プロセス並列手法: 非該当
• スレッド並列手法: 非該当
• プロセス並列数: 1
• 1ケースあたりの経過時間: 30 分

JSS3利用量

総資源に占める利用割合※1(%): 0.04

内訳

JSS3のシステム構成や主要な仕様は、JSS3のシステム構成をご覧下さい。

※1 総資源に占める利用割合：3つの資源(計算, ファイルシステム, アーカイバ)の利用割合の加重平均.

※2 資源の利用割合：対象資源一年間の総利用量に対する利用割合.

ISV利用量

※2 資源の利用割合：対象資源一年間の総利用量に対する利用割合.

JAXAスーパーコンピュータシステム利用成果報告(2022年2月～2023年1月)