[論文レビュー] Adjoint Lattice Boltzmann for Topology Optimization on multi-GPU architecture

Łukasz Łaniewski-Wołłk, Jacek Rokicki|arXiv (Cornell University)|Jan 20, 2015

Lattice Boltzmann Simulation Studies参考文献 11被引用数 3

ひとこと要約

本稿では、マルチGPUアーキテクチャ上で効率的な感度計算を可能にする、アドジョイント格子ボルツマン法（LBM）を用いたトポロジー最適化の手法を提示する。離散的アドジョイント定式化により局所性と明示的時間積分を保持し、GPU上の並列処理を効果的に行える。本手法は弱スケーリングにおいてほぼ線形の性能を示し、10〜15 GPUで強スケーリングの飽和を示す。高精度かつ高性能で、フラクタルに似た熱交換器やミキサーといった複雑な3次元幾何形状の最適化に成功した。

ABSTRACT

In this paper we present a topology optimization technique applicable to a broad range of flow design problems. We propose also a discrete adjoint formulation effective for a wide class of Lattice Boltzmann Methods (LBM). This adjoint formulation is used to calculate sensitivity of the LBM solution to several type of parameters, both global and local. The numerical scheme for solving the adjoint problem has many properties of the original system, including locality and explicit time-stepping. Thus it is possible to integrate it with the standard LBM solver, allowing for straightforward and efficient parallelization (overcoming limitations typical for discrete adjoint solvers). This approach is successfully used for the channel flow to design a free-topology mixer and a heat exchanger. Both resulting geometries being very complex maximize their objective functions, while keeping viscous losses at acceptable level.

研究の動機と目的

• 複雑なミクロスコピックスケールの流れ問題におけるトポロジー最適化に適した、スケーラブルで並列処理可能なアドジョイントLBMフレームワークの開発。
• 従来の離散的アドジョイントソルバの限界を克服し、マルチGPUシステム上で効率的な並列処理を可能にする。
• 流体と熱伝達の結合問題を含む、マルチフィジックス問題における高精度なトポロジー最適化を実現する。
• 広範なLBMスキームに適合する離散的アドジョイント定式化を用いて、グローバルおよびローカルパラメータの両方の効率的な感度計算を達成する。
• 自由トポロジーのミキサーおよび熱交換器を含む、3次元で高複雑度の問題に対する本手法の有効性を実証する。

提案手法

• 連続的PDEではなく、離散方程式から直接導出された広範なLattice Boltzmann Methods（LBM）のための離散的アドジョイント定式化を提案する。
• 元のLBMが持つ局所性と明示的時間積分の特性をアドジョイントスキームが継承することを保証し、効率的な並列処理を可能にする。
• 自動微分（AD）を小さな局所的手続きに限定することで、MPI関連のボトル neck を回避し、GPUの完全な並列処理を実現する。
• 計算コストを低減するために、1ショット最適化アプローチを用いてアドジョイントソルバと標準LBMソルバを統合する。
• CUDA対応GPU上で、コード生成および最適化されたメモリアクセスパターンを用いて、全フレームワークを実装し、高性能を達成する。
• 最適化には、アドジョイントから得られる勾配に基づくMethod of Moving Asymptotes（MMA）または勾配降下法を用いる。

実験結果

リサーチクエスチョン

• RQ1 元のスキームの局所性と明示的時間積分を保持する離散的アドジョイント定式化をLBMに設計可能か。これにより、GPU上の効率的並列処理が可能になるか。
• RQ2 MPI非対応のADツールに依存せずに、マルチGPUアーキテクチャ上でアドジョイント感度計算をスケーラブルかつ効率的に実行する方法は何か。
• RQ3 提案されたアドジョイントLBMフレームワークは、熱交換器やミキサーのようなマルチフィジックス流れ問題における、複雑な3次元トポロジーをどの程度効果的に最適化できるか。
• RQ4 大規模なトポロジー最適化問題に適用した際、アドジョイントLBMソルバの強スケーリングおよび弱スケーリング特性はどのようなものか。
• RQ5 本手法は、目的関数を最大化しつつ、粘性損失を低く保ちながら、非常に複雑でほぼフラクタルに近い幾何形状を生成できるか。

主な発見

• アドジョイントLBM定式化は、GPUクラスタ全体でほぼ線形の弱スケーリングを達成し、大規模問題において高い効率性を示した。
• 強スケーリングは10〜15 GPUで飽和し、通信および負荷分散のオーバーヘッドによる実用的限界が示された。
• 本手法は、熱伝達を最大化しつつ、粘性損失を許容範囲に抑えた複雑なフラクタルに似た幾何形状を持つ3次元熱交換器を効果的に最適化した。
• ミキサー設計は、複雑なトポロジーを実現し、本手法の流体問題における自由トポロジー最適化の能力を裏付けた。
• アドジョイントソルバは、小さなメッシュに対しても線形的な拡張性を維持しており、従来手法に比べて並列効率が優れていた。
• 定量的結果から、最適化プロセスは低相対誤差で収束した。例えば、10〜30 GPUを用いた3次元ケースでは、目的関数の相対誤差が2%〜5%に抑えられた。