[論文レビュー] Matrix-free isogeometric analysis: the computationally efficient $k$-method

Giancarlo Sangalli, Mattia Tani|arXiv (Cornell University)|Dec 22, 2017

Advanced Numerical Analysis Techniques被引用数 2

ひとこと要約

本稿では、重み付きガウス求積と高速対角化プリコンディショナを用いた行列非依存の等参的 $k$-法を提案する。この手法により、行列の明示的アセンブリを回避することで、高次元・高正則性スプラインを用いた計算コストを著しく削減し、標準的手法と比較して数個のオーダーの高速化を達成した。本手法は、特に高次元において、計算時間に対する精度比を顕著に改善し、中程度の次数であっても低次元等参的有限要素法を上回る性能を示した。

ABSTRACT

In this work we show the superiority, in terms of computational efficiency, of the high-degree $k$-method with respect to low-degree isogeometric discretizations. The $k$-method is the isogeometric method based on splines (or NURBS, etc.) with maximum regularity. When it is used as a classical finite element method, increasing the degree becomes soon prohibitive and, in practice, quadratic $C^1$ approximation is the most efficient choice. Recent works have proposed alternative approaches and significant improvements, still without reaching the $k$-method full efficiency. With our innovative implementation, increasing the spline degree and regularity (i.e., the $k$-refinement) significantly improves not only the accuracy, which is known, but also the accuracy-to-computation-time ratio. The novelty is a matrix-free strategy, which is first used in this context but is well-known for other high-order methods. Matrix-free implementation speeds up matrix operations, and, perhaps even more important, greatly reduces memory consumption. Our strategy employs the recently proposed weighted quadrature, which is an ad-hoc strategy to compute the integrals of the Galerkin system. The other key ingredient is a preconditioner based on the Fast Diagonalization method, an old idea to solve Sylvester-like equations. Our numerical tests show that the new implementation is faster than the standard one (where the main cost is the matrix formation by standard Gaussian quadrature) even for low degree. But the main point is that, with the new approach, the $k$-method gets orders of magnitude faster by increasing the degree, given a target accuracy. What we present is applicable to more complex and realistic differential problems, but its effectiveness will depend on the preconditioner stage, which is as always problem-dependent.

研究の動機と目的

• 高次元等参的有限要素法における計算非効率性、特に高正則性スプラインに対する問題を解決すること。
• 高次元等参的離散化における標準的な行列ベースのアセンブリが引き起こす過大なメモリ使用量とアセンブリコストを克服すること。
• 効率的な $k$-refinement（スプライン次数と連続性の増加）を可能にすることで、等参的解析における精度対計算時間比を向上させること。
• 問題固有のプリコンディショナに依存するが、スケーラブルな行列非依存フレームワークを構築し、複雑で現実的なPDEに適応できること。
• 重み付き求積と高度なプリコンディショナを組み合わせた $k$-法が、低次元でも計算的に実用的かつ優れた性能を示すことを示すこと。

提案手法

• 明示的な行列アセンブリを不要とする行列非依存アプローチを採用することで、メモリ消費量を著しく削減し、行列ベクトル積の計算を高速化する。
• 等参的ガレルキン系に特化したアドホックな求積則である重み付き求積を実装し、高い精度で要素行列を効率的に計算する。
• ガレルキン定式化から生じる線形系を効率的に解くために、高速対角化（FD）法をプリコンディショナとして採用する。
• $k$-法を用い、最大正則性を持つスプライン（例：NURBS）を用いることで、要素間で $C^1$ 以上の連続性を実現する。
• 行列非依存戦略と $k$-refinement を統合し、通常の計算的ボトル neck を回避しながら、スプライン次数と連続性を体系的に増加可能にする。
• 等参的系の構造を活用し、テンソル積の性質を活かして弱形式の評価を効率化する。

実験結果

リサーチクエスチョン

• RQ1 行列非依存実装は、高次元等参的有限要素解析において、メモリ使用量と計算コストを顕著に削減できるか？
• RQ2 重み付き求積を用いることで、完全な行列アセンブリなしに、$k$-法における統合を正確かつ効率的に行えるか？
• RQ3 高速対角化プリコンディショナは、$k$-法における線形系の解法効率をどの程度向上させるか？
• RQ4 $k$-法の精度対計算時間比は、さまざまな次数において、標準的な低次元等参的有限要素法と比較してどのように異なるか？
• RQ5 提案されたフレームワークは、$k$-refinementを用いても、複雑なPDEにスケーラブルに適応できるか？

主な発見

• 行列非依存 $k$-法は、スプライン次数が高くなるに従い、標準的な行列ベースのアセンブリと比較して数個のオーダーの高速化を達成した。
• 低次元でも、メモリ消費量の低減と高速な行列ベクトル積により、従来手法を上回る性能を示した。
• $k$-refinementにより、精度対計算時間比が顕著に向上し、高次元・高正則性近似が計算的に実用的になった。
• 重み付き求積により、ガレルキン系における統合が効率的かつ正確に行えるようになり、要素行列計算コストが削減された。
• 高速対角化プリコンディショナは、反復解法の加速に効果的に寄与し、大規模問題へのスケーラビリティを実現した。
• 本手法の性能は問題に依存するが、特にプリコンディショナ段階で顕著であり、現実のPDE応用への強い可能性を示した。