[論文レビュー] Field conserving adaptive mesh refinement (AMR) scheme on massively parallel adaptive octree meshes

Kumar Saurabh, Makrand A. Khanwale+3 more|arXiv (Cornell University)|Feb 8, 2026

Solidification and crystal growth phenomena被引用数 0

ひとこと要約

要約: 本論文は、連続 Galerkin離散化における並列オクトリ超細分割 AMR の場保守コarsening 演算子を提案し、coarsening 時の離散的な全体保守を保証し、Cahn–Hilliard 型系で評価する。

ABSTRACT

Adaptive mesh refinement (AMR) is widely used to efficiently resolve localized features in time-dependent partial differential equations (PDEs) by selectively refining and coarsening the mesh. However, in long-horizon simulations, repeated intergrid interpolations can introduce systematic drift in conserved quantities, especially for variational discretizations with continuous basis functions. While interpolation from parent-to-child during refinement in continuous Galerkin (CG) discretizations is naturally conservative, the standard injection-based child-to-parent coarsening interpolation is generally not. We propose a simple, scalable field-conserving coarsening operator for parallel, octree-based AMR. The method enforces discrete global conservation during coarsening by first computing field conserving coarse-element values at quadrature points and then recovering coarse nodal degrees of freedom via an $L^2$ projection (mass-matrix solve), which simultaneously controls the $L_2$ error. We evaluate the approach on mass-conserving phase-field models, including the Cahn--Hilliard and Cahn--Hilliard--Navier--Stokes systems, and compare against injection in terms of conservation error, solution quality, and computational cost.

研究の動機と目的

• AMR を用いた長時間多物理場シミュレーションにおける質量保全の動機づけ。
• AMR ループ中の離散的全体保全を保証する保守的コarsening 演算子の開発。
• オクトリメッシュ上の CG 離散化と互換性のあるスケーラブルなアルゴリズムの提供。
• CH や CHNS のような位相場モデルで保全性と精度の改善を実証。

提案手法

• 最初に粗要素積分点で保全を強制し、次に粗ノード自由度を L2 射影（質量行列解）によって回復する場保守的コarsening を用いる。
• refined が conservativ e であることを要求し、coarsening（子から親）は局所的な L2 射影を用いて各粗要素全体のグローバル積分を保持する。
• 局所的な L2 射影を介して細要素の Gauss 点値を粗要素の Gauss 点値へ写像する restriction 演算子を構築し、標準の Gauss–Legendre 設定で対角的（または容易に逆行列化可能な）質量行列を得る。
• 粗要素データを粗要素空間へ global L2 投影（M G = b）として解くことにより、質量保全を保証しつつ粗ノード値を組み立てる。
• このアプローチを任意の多項式次数（Pp/Qp）および 1D 制約のテンソル積を用いた 2D/3D での克服可能な拡張として拡張し、Kronecker 構造の拡張を適用。

Figure 1 : Refinement: Figure representing the refinement case. The red marker represents the extra points that are added on the refined mesh. The value of $\bigg[\int_{\Omega}g(x)\;d\Omega\bigg]_{\mathcal{M}_{O}}$ = $\bigg[\int_{\Omega}g(x)\;d\Omega\bigg]_{\mathcal{M}_{R}}$ = 10.6284 , where $\math

実験結果

リサーチクエスチョン

• RQ1 CG 上の octree AMR で、質量を崩さずにコarsening を行い、精度を損なわずにできるか。
• RQ2 提案された保守的コarsening によって、注入ベースのコarsening と比較して質量のドリフトが低減・不変量が長時間積分で保持されるか。
• RQ3 保守的コarsening が収束性と計算コストに与える影響は、位相場 PDE においてどうなるか。
• RQ4 単一レベル AMR 更新を用いた大規模・高解像度シミュレーションに対して、方法はスケーラブルか。

主な発見

• 保守的コarsening は AMR サイクル全体を通じて全体積分（質量）を数値精度まで保持する。
• MMS 拡散テストでは、保守的スキームは最適収束率（線形で約 2、二次で約 3）を維持し、線形ケースでは注入より若干誤差が小さい。
• 質量ドリフトのテストでは、保守的スキームは各コarsening ステップでドリフトを排除し、注入はメッシュが細くなるほどのみ改善される非零ドリフトを示す。
• 二次および一次基底は、保守的コarsening 下で精度が同等か改善され、誤差の大きさに顕著な差は見られない。
• この手法は CH および CHNS 型モデルで実証され、長時間の位相場シミュレーションにおける質量保全の利点を強調する。

Figure 2 : Coarsening by Injection : Figure demonstrating the coarsening procedure by injection. The gray shaded region shows the area corresponding to the difference between two mesh. $\bigg[\int_{\Omega}g(x)\;d\Omega\bigg]_{\mathcal{M}_{O}}$ = 10.6284, whereas $\bigg[\int_{\Omega}g(x)\;d\Omega\big