[論文レビュー] A Simple, General, and GPU Friendly Method for Computing Dual Mesh and Iso-Surfaces of Adaptive Mesh Refinement (AMR) Data

Ingo Wald|arXiv (Cornell University)|Apr 17, 2020

Computational Geometry and Mesh Generation被引用数 5

ひとこと要約

本論文は、アダプティブメッシュリファインメント（AMR）データからクラックなしの等値面を計算するための単純で汎用的かつGPUに適した手法を提示する。整数ラベル付けの決定的スケームを用いてデュアルメッシュセルを直接AMRセルにマッピングすることで、複雑なケーステーブルやイプシロンオフセットの必要性を排除する。この手法により、高速で並列処理可能な高品質な等値面抽出が可能となり、NVIDIA RTX 8000 GPUで62600万個のAMRセルから1億3000万三角形の表面をわずか8.4秒で生成したことを実証した。

ABSTRACT

We propose a novel approach to extracting crack-free iso-surfaces from Structured AMR data that is more general than previous techniques, is trivially simple to implement, requires no information other than the list of AMR cells, and works, in particular, for different AMR formats including octree AMR, block-structured AMR with arbitrary level differences at level boundaries, and AMR data that consist of individual cells without any existing grid structure. We describe both the technique itself and a CUDA-based GPU implementation of this technique, and evaluate it on several non-trivial AMR data sets.

研究の動機と目的

• オクトリーブや任意のレベル差を持つブロック構造形式を含む、複雑で不規則なAMRデータからクラックなしの等値面を生成する課題に対処すること。
• 厳密な階層仮定を必要とし、複雑なケーステーブルを要する従来の「ステッチング」手法の制限を克服すること。
• 「穴」や固有のグリッド階層を持たないデータを含む、非構造化AMRデータに対しても動作する汎用ソリューションを提供すること。
• CPUおよびGPUアーキテクチャに適した、効率的で自明な並列化が可能な実装を可能とし、特にCUDAを活用して高いパフォーマンスを実現すること。
• NVIDIAやその他の高精度シミュレーションから得られる大規模な科学的データセットに対して、本手法の頑健性とスケーラビリティを実証すること。

提案手法

• 各AMRセルとその対応するデュアルメッシュセルを一対一対応でマッピングする決定的整数ラベル付けスケームを用い、先行研究で用いられるイプシロンオフセットを回避する。
• 複雑なセル位置特定カーネルを、整数セルインデックスのソート済み配列に対する単純な二分探索に置き換え、デュアルセルの高速かつ正確な照会を可能にする。
• 各AMRセルを独立して処理するCUDAベースの実装を採用し、GPUスレッド全体にわたる自明な並列化を実現する。
• 標準的なケーステーブルを用いてデュアルメッシュにMarching Cubesを適用することで、トポロジー整合性を保証し、クラックなしの出力を得る。
• メモリ管理および頂点・インデックス生成中の並列還元処理を効率的に行うために、Thrustライブラリのプリミティブ（例：device_vector、sort、lower_bound）を活用する。
• AMRデータ内の「穴」を自然な境界として扱い、特別なケースロジックを用いずに自動的に検出し、適切に処理する。

実験結果

リサーチクエスチョン

• RQ1 オクトリーブや任意のレベル差を持つブロック構造形式を含む、任意のAMRデータからデュアルメッシュを計算する一般的で単純かつ並列可能な手法を開発可能か？
• RQ2 複雑なケーステーブルやイプシロンベースのスナッピングを排除することで、GPU加速された等値面抽出における実装性とパフォーマンスが向上するか？
• RQ3 「穴」や固有のグリッド階層を持たない現実のAMRデータセットを、追加の工学的作業なしに処理できるか？
• RQ4 現代のGPU上で、数億セルの規模の大規模科学的データセットに対して、本手法はどの程度効率的にスケーリング可能か？
• RQ5 頑健性と実装の容易さの観点から、従来の「ステッチング」技術に比べて本手法はどの程度優れているか、または一般化できるか？

主な発見

• 本手法は、NVIDIA Exajetモデルの62600万個のAMRセルから、NVIDIA RTX 8000 GPUでわずか8.4秒で1億3000万三角形の表面を生成し、クラックなしの等値面を成功裏に計算した。
• 本手法は「穴」（例：Exajetモデル内の内部の空洞）を自然に処理し、特別な処理を要せず境界として正しく検出できる。
• 自明な並列化による高パフォーマンスを達成しており、CUDA実装は大規模な入力サイズに対しGPUスレッド全体で効率的にスケーリングする。
• 本手法は、非構造化セルのリスト、任意のレベル差を持つブロック構造AMR、オクトリーブAMRを含む多様なAMRフォーマットに対して頑健に動作する。
• 整数インデックスと二分探索の導入により、複雑なセル位置カーネルとケーステーブルが置き換えられ、実装が単純化されつつも正しさとパフォーマンスが維持された。
• 本手法の単純さと汎用性から、VTK-m やAMRベースのボリュームレイトレイシングパイプラインなどの可視化フレームワークへの統合に強く適している。