[論文レビュー] Kernel Aggregated Fast Multipole Method: Efficient summation of Laplace and Stokes kernel functions

Wen Yan, Robert N. Blackwell|arXiv (Cornell University)|Oct 28, 2020

Fluid Dynamics Simulations and Interactions参考文献 27被引用数 7

ひとこと要約

本稿では、LaplaceおよびStokesカーネル和集合の計算を、異なるoctree走査段階でのカーネル固有の等価点を用いて高速化する、KIFMMの拡張版であるカーネル集合型高速多重極法（KAFMM）を提案する。O(N)の計算量を達成し、開境界、周期的境界、スリップフリー壁、複数のカーネル（Stokeslet、RPYテンソル、正則化Stokesletなど）をサポートする。オープンソースのSTKFMMライブラリを用いて、周期的境界条件の下でも最小限のオーバーヘッドで実現可能である。

ABSTRACT

Many different simulation methods for Stokes flow problems involve a common computationally intense task -- the summation of a kernel function over $O(N^2)$ pairs of points. One popular technique is the Kernel Independent Fast Multipole Method (KIFMM), which constructs a spatial adaptive octree for all points and places a small number of equivalent multipole and local equivalent points around each octree box, and completes the kernel sum with $O(N)$ cost, using these equivalent points. Simpler kernels can be used between these equivalent points to improve the efficiency of KIFMM. Here we present further extensions and applications to this idea, to enable efficient summations and flexible boundary conditions for various kernels. We call our method the Kernel Aggregated Fast Multipole Method (KAFMM), because it uses different kernel functions at different stages of octree traversal. We have implemented our method as an open-source software library STKFMM based on the high performance library PVFMM, with support for Laplace kernels, the Stokeslet, regularized Stokeslet, Rotne-Prager-Yamakawa (RPY) tensor, and the Stokes double-layer and traction operators. Open and periodic boundary conditions are supported for all kernels, and the no-slip wall boundary condition is supported for the Stokeslet and RPY tensor. The package is designed to be ready-to-use as well as being readily extensible to additional kernels.

研究の動機と目的

• Stokes流れおよびカーネル和集合を伴う関連問題におけるO(N²)計算ボトルネックを解消すること。
• カーネルに依存しないFMM（KIFMM）を拡張し、異なるカーネルに対して段階別にカーネル集合を導入することで、多様なカーネルにおける効率の向上を図ること。
• 一元的かつ拡張可能なフレームワーク内で、開境界、周期的境界、スリップフリー壁といった複雑な境界条件をサポートすること。
• 複数の物理的カーネル（Stokeslet、RPYテンソル、正則化Stokesletなど）を最小限のパフォーマンスオーバーヘッドでサポートする、高性能なオープンソースライブラリ（STKFMM）を提供すること。

提案手法

• 上行（多重極）および下行（局所）のoctree走査段階で、異なるカーネル関数を用いるKAFMMを提案。これにより、異なる段階でカーネル固有の近似が可能となる。
• 遠方相互作用を表現するために、各octreeボックスごとに等価源点（M点およびL点）を用い、直接的ペアワイズ和集合を置き換える。
• 異なる走査レベルで異なるカーネル（例：Laplace、Stokeslet、RPY）を適用するカーネル集合手法を導入。これにより、精度と速度の最適化が可能となる。
• Laplace、Stokeslet、正則化Stokeslet、RPYテンソル、および力の作用演算子を含む複数のカーネルをサポート。すべてのカーネルで一貫したO(N)計算量を達成。
• 周期的境界条件を実装する際、M→L演算子を下行パスに統合することで、評価時間のオーバーヘッドを約5%にまで低減。
• PVFMMを基盤とし、最小限の変更で実装。これにより、既存の並列化およびSIMD最適化（AVX2、将来のAVX-512）と互換性を保つ。

実験結果

リサーチクエスチョン

• RQ1 異なるoctree走査段階でカーネル固有の近似を適用することで、LaplaceおよびStokesカーネル和集合の計算コストを著しく低減できるか？
• RQ2 カーネルに依存しないFMMに周期的境界条件を効率的に統合し、パフォーマンスへの影響を最小限に抑えられるか？
• RQ3 1つのFMMフレームワークが、Stokeslet、RPYテンソル、正則化Stokesletといった多様な物理的カーネルを一貫したO(N)スケーリングでサポートできるか？
• RQ4 カーネルに依存しないFMMフレームワークにおいて、スリップフリー壁境界条件をサポートする際のパフォーマンスオーバーヘッドはどの程度か？
• RQ5 KAFMM実装は、異なるカーネルおよび境界条件を想定した並列環境でどの程度スケーリングするか？

主な発見

• KAFMM手法は、カーネル和集合に対してO(N)の計算量を達成し、大規模なStokesおよびLaplace問題のスケーラブルなシミュレーションを可能にする。
• 周期的境界条件は、開境界条件と比較して評価時間に約5%のオーバーヘッドしか追加しない。これにより、従来の実装と比較して著しくコストが低減された。
• STKFMMライブラリは、Stokeslet、RPYテンソル、力の作用演算子を含む12種類の異なるカーネルをサポート。開境界、単一周期的、二重周期的、三重周期的境界条件すべてで一貫したパフォーマンスを発揮。
• StokesletおよびRPYテンソルに対して、スリップフリー壁境界条件が正常に実装され、流体動力学的境界条件の適用範囲が拡張された。
• 強スケーリングおよび弱スケーリングのベンチマークでは、48コアノードで約70%の並列効率を達成。これは、基盤となるPVFMMライブラリと同等の性能を示している。
• 本手法は非常に拡張性が高く、洗練されたソフトウェア設計により、コアアルゴリズムを変更せずに新規カーネルの統合が容易に可能である。