[論文レビュー] Local congruence of chain complexes

DelMonte Gianmaria, E. Onofri+2 more|arXiv (Cornell University)|Mar 31, 2020

Topological and Geometric Data Analysis参考文献 21被引用数 4

ひとこと要約

本稿では、3次元空間の配置における浮動小数点演算による位相的不整合を解消するために、0-次元、1-次元、2-次元セル間の$\epsilon$-合同関係を介して局所的チェーン複体を統合する、新規な代数的アルゴリズムを提示する。この手法はスパース行列演算とJuliaにおけるGraphBLAS最適化計算を用い、ネイティブJuliaのスパース配列よりも6.12倍の高速化を達成しながら、セルの向きを保持し、コンストラクティブ・ソリッドジオメトリ（CSG）およびデジタルモデリングに向けた堅牢でスケーラブルな位相的計算を可能にする。

ABSTRACT

The object of this paper is to transform a set of local chain complexes to a single global complex using an equivalence relation of congruence of cells, solving topologically the numerical inaccuracies of floating-point arithmetics. While computing the space arrangement generated by a collection of cellular complexes, one may start from independently and efficiently computing the intersection of each single input 2-cell with the others. The topology of these intersections is codified within a set of (0-2)-dimensional chain complexes. The target of this paper is to merge the local chains by using the equivalence relations of ε-congruence between 0-, 1-, and 2-cells (elementary chains). In particular, we reduce the block-diagonal coboundary matrices [Δ_0] and [Δ_1], used as matrix accumulators of the local coboundary chains, to the global matrices [δ_0] and [δ_1], representative of congruence topology, i.e., of congruence quotients between all 0-,1-,2-cells, via elementary algebraic operations on their columns. This algorithm is codified using the Julia porting of the SuiteSparse:GraphBLAS implementation of the GraphBLAS standard, conceived to efficiently compute algorithms on large graphs using linear algebra and sparse matrices [1, 2].

研究の動機と目的

• 浮動小数点の不正確さに起因する幾何位相的トポロジーにおける数値的安定性の問題に対処すること。
• 複数の細分化されたセルラーコンプレックスに由来する2次元セルの向きと接続性を保持する位相的統合戦略を開発すること。
• 独立して計算された局所的チェーン複体から、グローバルなコバウンダリー行列$[\delta_0]$と$[\delta_1]$をスケーラブルかつ効率的に計算すること。
• $\epsilon$-合同関係を計算パイプラインに統合し、堅牢なコンストラクティブ・ソリッドジオメトリ（CSG）およびデジタル地図作成を可能にすること。
• JuliaとSuiteSparse:GraphBLASを用いたスパース行列ベースの位相的計算の実現可能性と性能を示すこと。

提案手法

• 浮動小数点の不正確さに起因する数値的誤差を許容しつつ、断片化された入力の2次元セル間で、0-次元、1-次元、2-次元セルの位相的に同等のものを$\epsilon$-近接性および$\epsilon$-合同関係を用いて同定する。
• 局所的チェーン複体の蓄積器として、ブロック対角コバウンダリー行列$[\Delta_0]$と$[\Delta_1]$を用い、その後、列演算を介してそれらをグローバル行列$[\delta_0]$と$[\delta_1]$に縮約する。
• スパース行列の列に対する基本的な代数的演算を適用し、合同性の商を計算し、グローバル複体の商位相を構築する。
• Juliaのネイティブスパース配列とGraphBLAS最適化ラッパーを用いてアルゴリズムを実装し、高性能を発揮するスパース行列プリミティブを活用する。
• 統合プロセス全体を通してセルの向きと符号情報を保持し、位相的正しさを保証する。
• 行列制約$[\delta_1][\delta_0] = [0]$の検証により、正しさを検証する。

実験結果

リサーチクエスチョン

• RQ1 断片化された2次元セルから生成された局所的チェーン複体を、向きと接続性を保持したまま、1つのグローバル複体に位相的に統合する方法は何か？
• RQ2 浮動小数点の数値的不正確さに起因する状況下で、位相的に合同なセルを効率的かつ堅牢に検出し統合する方法は何か？
• RQ3 スパース行列代数とGraphBLASプリミティブを活用することで、3次元配置におけるグローバルコバウンダリー作用素の計算をどのように高速化できるか？
• RQ4 単純な配列の配列、ネイティブJuliaスパース、GraphBLAS最適化実装の間で、どのような性能とメモリのトレードオフが生じるか？
• RQ5 提案されたアルゴリズムは、一般性や効率性を損なわずに、高次元複体へ拡張可能か？

主な発見

• GraphBLAS最適化実装は、ネイティブJuliaスパース配列よりも6.12倍の高速化を達成し、ベンチマークデータでは平均実行時間が370msであった。
• ネイティブJuliaスパース行列実装は、配列の配列アプローチよりも16.6倍の高速化を達成し、平均実行時間が1.008秒であった。
• GraphBLASバージョンは30.07 MiBのメモリを消費し、1,077,403回のメモリ割り当てを実行したが、割り当て回数が多くても効率的なメモリ使用を示した。
• 配列の配列法ではセルの符号情報が失われており、向きを回復させるために高コストな後処理が必要となり、性能向上の恩恵が損なわれた。
• アルゴリズムは、数値的ノイズが存在する中でも、位相的制約$[\delta_1][\delta_0] = [0]$を正しく強制しており、正しさが確認された。
• 本手法は階層的およびブロック分解された計算をサポートしており、大規模な3次元複体のスケーラブルな処理を可能にした。