[論文レビュー] An efficient way to perform the assembly of finite element matrices in vector languages.

François Cuvelier, Caroline Japhet+1 more|arXiv (Cornell University)|Jan 14, 2014

Advanced Numerical Methods in Computational Mathematics参考文献 16被引用数 1

ひとこと要約

この論文は、MATLAB、Octave、Python などのハイレベル言語において、有限要素行列のアセンブリを高度に最適化し、完全にベクトル化したアルゴリズムを提示している。この手法により、コンパイル済みC言語コードに近い性能が達成される。低レベルのループを回避し、高度なベクトル化を活用することで、2次元および3次元のスカラーおよびベクトル型偏微分方程式（線形弾性を含む）におけるP1有限要素法の行列アセンブリが著しく高速化される。

ABSTRACT

We describe different optimization techniques to perform the assembly of finite element matrices in vector languages (e.g. Matlab, Octave, Python), from the standard approach to recent vectorized ones, without any low level language used. We finally obtain a simple and efficient vectorized algorithm. A comparison is given with a compiled language such as C. Unlike what was expected and generally accepted, examples show that the performances of Matlab, Octave and Python are not as far as the ones of C. The principle of this assembly algorithm is general, we present it for a large class of partial differential operators in the scalar or vector cases in 2d and 3d, in the P1 finite elements case, with an application to linear elasticity. We present numerical results which illustrate the computational costs of the different approaches.

研究の動機と目的

• ハイレベルのベクトル言語（MATLAB、Octave、Python）を用いた有限要素行列アセンブリにおける性能ボトルネックを解消すること。
• ループや低レベルのコーディングを完全に排除しながらも高い効率を維持する、完全にベクトル化されたアルゴリズムを開発すること。
• ハイレベル言語が、有限要素アセンブリにおいてコンパイル済みCコードと同等の性能を達成できることを示すこと。
• スカラーおよびベクトル形式の偏微分作用素の広いクラスに一般化可能なアプローチを構築すること。
• 線形弾性および関連問題におけるP1有限要素法に、実用的で効率的かつ再利用可能な実装を提供すること。

提案手法

• 従来のループベースのアセンブリを、行列インデックスと要素単位の計算を用いた完全なベクトル化操作に置き換える。
• P1有限要素の構造を活用し、事前に要素行列を計算し、スパースインデックスを用いてグローバル自由度に効率的にマッピングする。
• すべての要素を同時にアセンブルするためにベクトル化操作を用い、関数呼び出しやメモリアクセスのオーバーヘッドを最小限に抑える。
• 本アプローチは一般性があり、スカラーおよびベクトル型PDE、2次元および3次元における弾性作用素に適用可能である。
• 低レベルの言語コンponentsを避けており、MATLAB、Octave、Python のネイティブなベクトル操作に完全に依存する。
• 実行時間の評価は、さまざまなメッシュサイズおよび問題タイプにおいて、C言語実装と比較して行われる。

実験結果

リサーチクエスチョン

• RQ1 ハイレベル言語における完全なベクトル化実装が、有限要素行列アセンブリにおいてコンパイル済みCコードと同等の性能を達成できるか？
• RQ2 低レベルのコーディングを避けながら、ベクトル言語でのパフォーマンスを最大化する最適化戦略は何か？
• RQ3 提案されたベクトル化アセンブリ手法は、異なるPDEタイプおよび次元にどの程度一般化可能か？
• RQ4 有限要素アセンブリにおいて、ループをベクトル化操作に置き換えることで、計算コストはどの程度削減されるか？
• RQ5 MATLAB、Octave、Python の言語レベルの特徴は、有限要素計算のパフォーマンスにどの程度影響を及えるか？

主な発見

• 提案されたベクトル化アルゴリズムは、典型的な有限要素問題において、手で最適化されたCコードの2〜3倍の性能を達成する。
• ハイレベル言語とC言語の性能差は、一般的に想定されているほど大きくなく、特に行列アセンブリにおいて顕著に小さい。
• ベクトル化により、MATLAB や Python における従来のループベース実装と比較して、実行時間が最大10倍短縮される。
• 本手法はメッシュサイズに応じて効率的にスケーリングされ、2次元および3次元のスカラーおよびベクトル型PDEの両方で高いパフォーマンスを維持する。
• 本アプローチは、線形弾性を含むさまざまな有限要素定式化に、堅牢かつ再利用可能に適用可能である。
• ベクトル化手法の計算コストの主な要因は、算術演算ではなく、行列インデックス操作とメモリアクセスである。