Simulink モデルを Parallel Computing Toolbox で分散して実行できますか？

Simulink モデルのシミュレーションに関して、以下のいずれかの条件下で、Parallel Computing Toolbox を使って処理を分散できるかどうか、教えてください。

1. 1つの Simulink モデルを異なるコア、プロセッサーもしくはクラスターマシン上で実行する。モデルの実行は、それぞれ異なる独立なパラメータ、データセットにて実行する。

2. 複数の Simulink モデルを異なるコア、プロセッサー、もしくはクラスターマシン上で実行する。

Answer 1

[MathWorks Support Team]

Simulink モデルで Parallel Computing Toolbox の機能を活用するには、(A) PARFOR による並列シミュレーションを実行する方法と、(B) 分散ジョブを作成してタスクをワーカーに送信する方法があります。

(A) PARFOR による方法については、詳細は以下のドキュメントを参照します。

https://jp.mathworks.com/help/simulink/ug/running-parallel-simulations.html

なお、PARFOR を使用した並列シミュレーションは MATLAB 7.7 ( R2008b ) 以降でのみ利用可能です。

(B) 分散ジョブを使用する場合は、以下のとおりです。

1. Simulink モデルの .mdl ファイルを分散ジョブ内の各ワーカーのファイル依存関係として登録し、モデルが依存するその他のファイルもすべて登録します。また、ネットワーク パスの依存関係も指定します。

2. 各ワーカーが他のワーカーとは独立してモデルをシミュレーションするように指示するため、SIM コマンドをラップした MATLAB ファイル関数を作成します。SIM コマンドの詳細については、以下のドキュメントを参照します。

https://jp.mathworks.com/help/simulink/slref/sim.html

Simulink モデルのパラメータを通じて、各ワーカーに異なる独立した処理タスクを実行させることができます。以下は、4 つのワーカーそれぞれで異なるデータ セットを処理しながら Simulink モデルを独立に実行する分散ジョブの作成方法の一例です。この例では、'mymodel.mdl' が Simulink モデルであり、'mysimfunc.m' が SIM コマンドをラップした MATLAB 関数ファイルです。

'mysimfunc.m' ファイルは以下のようになります。

function [t,x,y] = mysimfunc(argin1, argin2, ..., arginN)

% Input argument parsing done here

[t,x,y] = sim('mymodel.mdl', ... )

NOTE: 各ワーカーで異なる Simulink モデルを実行する場合は、モデルごとに SIM コマンドをラップした MATLAB ファイルを個別に作成する必要があります。

以下は例です。

% Find the Parallel Computing Toolbox scheduler
sched = findResource('scheduler','type','jobmanager')

% Create a distributed job on the Job Manager
j = createJob(sched)

% Set the file dependencies for the distributed job via the FileDependencies property. % Note that when running a different model on each worker, all MDL-files must be % listed as dependencies.
set(j,'FileDependencies',{'mymodel.mdl','mysimfunc.m', ... ,'mydatafile.dat'});

% Set the path dependencies via the PathDependencies property, where $DIR1, $DIR2, ... $DIRN
% are the directories containing supporting files for the simulation.
set(j,'PathDependencies',{'$DIR1','$DIR2',...,'$DIRN'});

% Create four independent tasks with different input arguments (argins) that determine
% the different model parameters to be used for the simulation on that worker.
% NOTE: If running different models on each worker, then the corresponding SIM
% wrapper MATLAB file name must be specified on each call to createTask for each model.

createTask(j, @mysimfunc, 3, {argin11 argin12 ... argin1N});
createTask(j, @mysimfunc, 3, {argin21 argin22 ... argin2N});
createTask(j, @mysimfunc, 3, {argin31 argin32 ... argin3N});
createTask(j, @mysimfunc, 3, {argin41 argin42 ... argin4N});

% Submit the distributed job to the local scheduler
submit(j);
waitForState(j);

% Get the results of the simulation.
results = getAllOutputArguments(j);

% Once the job is completed, it must be destroyed
destroy(j);

この例は、より複雑なモデルに対応するよう拡張できます。上記で使用されている PCT 関数の詳細については、利用可能な関数一覧が以下のページに記載されています。

https://jp.mathworks.com/help/parallel-computing/referencelist.html?type=function

なお、分散 Simulink シミュレーションは単一のマルチコア マシンではなくコンピュータ クラスタ上で実行することが推奨されます。これは分散 MATLAB タスクでも同様です。各シミュレーションの実行時間が長い場合、クラスタに分散することでワーカー間の通信や初期化のオーバーヘッドよりも実行時間の削減効果が大きくなります。一方、単一のマルチコア コンピュータでは、すべてのコアが 1 つのメモリ バスを共有するなどの制約があり、性能上の制限要因となります。この考え方は以下の MATLAB ヘルプページでも説明されています。

https://jp.mathworks.com/help/optim/ug/improving-performance-with-parallel-computing.html

https://www.mathworks.com/help/sldo/ug/how-to-use-parallel-computing-re-gui.html