[論文レビュー] GPU Accelerated Discontinuous Galerkin Methods for Shallow Water Equations

Rajesh Gandham, David Medina+1 more|arXiv (Cornell University)|Mar 7, 2014

Computational Fluid Dynamics and Aerodynamics参考文献 20被引用数 3

ひとこと要約

本稿では、高次精度および高い安定性を備えた2次元浅水域方程式を解くためのGPUアクセラレート型不連続ガラーキン法を提示する。局所時間刻み法として多段階アダムス・バシフォーススキームを採用し、乾き・湿り遷移に対応するための修正版全 Variation 界限定リミッターと正値保存リミッターを適用することで、1スレッドグループあたり複数要素を処理し、GPU上でメモリアクセスパターンを最適化することにより最大5倍の高速化を達成。OCCAを用いることでOpenCL、CUDA、OpenMP間でパフォーマンスをポータブルに実現している。

ABSTRACT

We discuss the development, verification, and performance of a GPU accelerated discontinuous Galerkin method for the solutions of two dimensional nonlinear shallow water equations. The shallow water equations are hyperbolic partial differential equations and are widely used in the simulation of tsunami wave propagations. Our algorithms are tailored to take advantage of the single instruction multiple data (SIMD) architecture of graphic processing units. The time integration is accelerated by local time stepping based on a multi-rate Adams-Bashforth scheme. A total variational bounded limiter is adopted for nonlinear stability of the numerical scheme. This limiter is coupled with a mass and momentum conserving positivity preserving limiter for the special treatment of a dry or partially wet element in the triangulation. Accuracy, robustness and performance are demonstrated with the aid of test cases. We compare the performance of the kernels expressed in a portable threading language OCCA, when cross compiled with OpenCL, CUDA, and OpenMP at runtime.

研究の動機と目的

• 浅水域方程式を用いた津波波動伝播のシミュレーションのための高次元・安定的かつ効率的な数値スキームの開発。
• 深さ分布の大きな変動、不規則な境界、湿り・乾き動態を伴う非線形双曲型PDEの挑戦的課題の解決。
• GPUのハードウェアアーキテクチャを活用し、最適化されたメモリアクセスと並列処理により不連続ガラーキン離散化を高速化。
• OCCAポータブルスレーディングフレームワークを用いて、多様なGPUおよびCPUプラットフォーム間で高パフォーマンスコンピューティングを実現。
• 乾きまたは部分的に湿った要素に対処するための高度なリミッターと正値保存スキームにより、数値的安定性を確保。

提案手法

• 非構造三角形メッシュ上でのノード型不連続ガラーキン法による浅水域方程式の離散化により、高次精度と局所的質量保存性を実現。
• 局所時間刻み法として、異なる要素が異なる時間ステップで進むことを許容する多段階アダムス・バシフォース時間積分スキームを採用し、計算効率を向上。
• 解の不自然な振動を抑えるために、修正版全 Variation 界限定（TVB）リミッターを適用し、滑らかな領域での高次精度を維持。
• 質量および運動量保存を保証する正値保存リミッターを導入し、乾きまたは部分的に湿った要素に対処し、物理的安定性を確保。
• ループアンローリング、メモリアラインメントのためのパディング、共有メモリの使用、1スレッドグループあたり複数要素の処理を活用してGPUカーネルを最適化し、メモリ帯域幅を最大化し、レイテンシを隠蔽。
• OCCAポータブルスレーディング言語を用いて、カーネルを一度書込み、実行時にOpenCL、CUDA、またはOpenMPにクロスコンパイル可能にし、異種アーキテクチャ間でパフォーマンスをポータブルに実現。

実験結果

リサーチクエスチョン

• RQ1 ポータブルコードを用いたGPUアーキテクチャ上で、浅水域方程式の高次不連続ガラーキン法が効率的に加速可能か。
• RQ2 非構造メッシュ上での双曲型PDEに多段階アダムス・バシフォーススキームを用いた局所時間刻み法が、計算効率をどの程度向上させるか。
• RQ3 組み合わせたTVBリミッターと正値保存リミッターが、乾きまたは部分的に湿った要素の存在下でも数値的安定性と精度を維持できるか。
• RQ4 共有メモリの使用、ループアンローリング、1スレッドグループあたり複数要素の処理といったGPUカーネル最適化により、どの程度のパフォーマンス向上が達成できるか。
• RQ5 OCCAによって生成されたカーネルのパフォーマンスは、NVIDIA Titan GPU上での手動最適化されたOpenCLおよびCUDAカーネルと比較してどの程度か。

主な発見

• 1スレッドグループあたり複数要素を処理することで、GPUアクセラレート型不連続ガラーキンソルバーは最大5倍の高速化を達成。パフォーマンスはGPUアーキテクチャに強く依存する。
• 要素ベースの演算子を共有メモリに格納することで、特にNVIDIA Tesla C2050ではパフォーマンスが顕著に向上。グローバルメモリアクセスに比べ明確な性能向上を示した。
• 修正版TVBリミッターは、滑らかな領域で高次精度を維持しながらも、解の振動を効果的に抑制した。
• 正値保存リミッターは、乾き・湿り遷移を物理的に妥当に処理し、非物理的振動や質量・運動量の損失を引き起こさなかった。
• OCCAによって生成されたカーネルは、NVIDIA Titan GPU上での手動最適化されたOpenCLおよびCUDAカーネルと同等のパフォーマンスを達成。ポータビリティと効率性を裏付ける結果となった。
• CPU上でOCCA + OpenMPを用いた場合、OCCA + OpenCLを用いた場合よりもパフォーマンスが優れていた。これは、OCCAを介したCPU最適化カーネルが、特定の状況ではGPU向けコードと競合可能な性能を示す可能性を示している。