[論文レビュー] Numerical solution of the incompressible Navier-Stokes equations for chemical mixers via quantum-inspired Tensor Train Finite Element Method

Egor Kornev, Sergey Dolgov+4 more|arXiv (Cornell University)|May 18, 2023

Computational Physics and Python Applications被引用数 4

ひとこと要約

本稿では、複雑なTミキサー幾何形状における非圧縮性ナビエ＝ストークス方程式を解くための、量子指向のテンソルトレイン有限要素法（TetraFEM）を提案する。有限要素行列を量子化テンソルトレイン（QTT）形式で表現することにより、従来のFEMに比べて指数的メモリ圧縮と高速化を達成し、TT丸め許容誤差を調整することで精度を制御可能となる。

ABSTRACT

The solution of computational fluid dynamics problems is one of the most computationally hard tasks, especially in the case of complex geometries and turbulent flow regimes. We propose to use Tensor Train (TT) methods, which possess logarithmic complexity in problem size and have great similarities with quantum algorithms in the structure of data representation. We develop the Tensor train Finite Element Method -- TetraFEM -- and the explicit numerical scheme for the solution of the incompressible Navier-Stokes equation via Tensor Trains. We test this approach on the simulation of liquids mixing in a T-shape mixer, which, to our knowledge, was done for the first time using tensor methods in such non-trivial geometries. As expected, we achieve exponential compression in memory of all FEM matrices and demonstrate an exponential speed-up compared to the conventional FEM implementation on dense meshes. In addition, we discuss the possibility of extending this method to a quantum computer to solve more complex problems. This paper is based on work we conducted for Evonik Industries AG.

研究の動機と目的

• 複雑な幾何形状（Tミキサーなど）における流体の流れを従来のFEMでシミュレートする際の高い計算コストを低減すること。
• 一時的な流れのシミュレーションにおける密行列メesh離散化のメモリおよび実行時間のボトル neck を克服すること。
• FEM行列の指数的圧縮と高速な解法時間を可能にするテンソルベースの数値スキームの開発。
• 高ランク解を扱うために、量子コンピューティングへの応用可能性の検討。
• 実験的検証を伴う非自明なTミキサーベンチマークにおいて、本手法の精度と効率を実証すること。

提案手法

• Tミキサー領域を曲線的四角形要素に分割し、局所行列の構築のために参照要素にマップする。
• 有限要素法を用いて局所剛性行列、質量行列、一次微分行列を構築し、それらをグローバル行列にアセンブルする。
• すべてのFEM行列および解ベクトルを、低ランク構造を活用するための量子化テンソルトレイン（QTT）形式で表現する。
• TT形式演算を用いて、非圧縮性ナビエ＝ストークス方程式の明示的時間ステッピングスキームを実装する。
• 行列の圧縮と解の精度制御のために、TT丸めおよびTTクロス近似を適用する。
• TT形式での行列・ベクトル積（MatVec）および線形方程式系ソルバーを用いて、時間発展解を効率的に計算する。

実験結果

リサーチクエスチョン

• RQ1 テンソルトレイン手法は、Tミキサーのような複雑で非長方形の流体流れ領域に効果的に適用可能か？
• RQ2 ナビエ＝ストークスシミュレーションにおけるFEM行列に対して、TT形式表現がどれほどメモリ使用量を削減し、解法時間を高速化できるか？
• RQ3 TT丸め許容誤差は、解の精度と計算速度のトレードオフにどのように影響するか？
• RQ4 TTベースの数値スキームは、量子コンピュータ上で効率的に実行可能か？
• RQ5 本手法は、従来のFEMおよび実験データと比較して物理的精度を保持しているか？

主な発見

• 提案されたTetraFEM手法は、すべてのFEM行列に対して指数的圧縮を達成し、従来のFEMに比べて顕著にメモリ使用量を削減した。
• 特に高解像度のシミュレーションにおいて、密行列メッシュ上での計算時間に指数的高速化が観察された。
• TetraFEMと従来のFEMとの間の相対誤差は制御可能であり、TT丸め許容誤差を厳しく設定するにつれて減少し、32×32メッシュにおけるε = 1e-4では1%未満の誤差を達成した。
• 圧力ベクトルのTTランクは、流れの複雑さが増すに従い時間経過とともに増加し、解の相関性の増大を示している。
• 本手法はTミキサー内の物理的流れ挙動を正確に再現しており、実験データと一致する解を得た。
• 本フレームワークは量子コンピューティングへの拡張が可能であり、量子並列性と効率的な状態準備のおかげで、高ランクTT解に対する演算が有利にスケーリングされる。