[論文レビュー] Computational aspects of multigrid methods for optimization in shape spaces

Martin Siebenborn, Kathrin Welker|arXiv (Cornell University)|Nov 16, 2016

3D Shape Modeling and Analysis被引用数 3

ひとこと要約

本稿では、形状空間における準ニュートン更新を用いたメッシュに依存しない多重グリッド形状最適化アルゴリズムを提案する。主な焦点は、平均曲率のような正確な離散的幾何的近似に向けられている。本手法は大規模問題においてスケーラブルな収束を達成し、弾性および拡散方程式に従う生物学的細胞構造同定モデルを用いて実証されている。

ABSTRACT

We examine the interaction of multigrid methods and shape optimization in appropriate shape spaces. Our aim is a scalable algorithm for application on supercomputers, which can only be achieved by mesh-independent convergence. The impact of discrete approximations of geometrical quantities, like the mean curvature, on a multigrid shape optimization algorithm with quasi-Newton updates is investigated. For the purpose of illustration, we consider a complex model for the identification of cellular structures in biology with minimal compliance in terms of elasticity and diffusion equations.

研究の動機と目的

• スーパーコンピュータ上でスケーラブルかつメッシュに依存しない多重グリッドアルゴリズムを形状最適化に開発すること。
• 特に平均曲率を含む離散的幾何的近似が収束性および精度に与える影響を調査すること。
• 複雑なPDE制約付き問題における形状空間での効率的最適化を可能にすること。
• 弾性および拡散方程式に従う現実的な生物学的モデルに本手法を適用すること。

提案手法

• 形状空間における形状最適化の収束を高速化するために多重グリッド法を用いる。
• 収束速度の向上とヘッセ行列近似誤差の低減のため、準ニュートン更新を用いる。
• 適応メッシュ上での有限要素近似を用いて、平均曲率などの離散的幾何的量を実装する。
• スケールに跨る一貫性を維持するために、形状微分と多重グリッドサイクルを統合する。
• 弾性および拡散方程式に従うPDE制約付き最適化問題に本アルゴリズムを適用する。
• メッシュの細分化レベルにかかわらず収束率を維持することで、メッシュに依存しない性質を保証する。

実験結果

リサーチクエスチョン

• RQ1 平均曲率のような幾何的量の離散的近似は、形状最適化における多重グリッド収束にどのように影響するか？
• RQ2 準ニュートン更新を用いることで、形状空間における多重グリッド法がメッシュに依存しない収束を達成できるか？
• RQ3 本手法は、大規模形状最適化問題に対してスーパーコンピュータ上でどの程度スケーラブルか？
• RQ4 最小降伏剛性制約を伴う複雑な生物学的モデルにおいて、本手法はどのように性能を発揮するか？
• RQ5 一貫した幾何的離散化は、アルゴリズムのロバスト性を維持するために果たす役割は何か？

主な発見

• 本アルゴリズムはメッシュに依存しない収束を達成し、スーパーコンピュータでのスケーラビリティを実現している。
• 多重グリッド形状最適化における収束率を維持するには、正確な離散的平均曲率近似が不可欠である。
• 準ニュートン更新は、標準的手法と比較して収束特性を顕著に改善している。
• 本手法は、弾性および拡散制約下での最小降伏剛性を伴う生物学的細胞構造の同定に成功している。
• 離散的幾何的一致性が、メッシュの細分化に伴う収束劣化を防ぎ、アルゴリズムのロバスト性を確保している。
• 本手法は、複雑な現実世界の生物学的モデリング問題への実用的応用を示している。