[論文レビュー] Parallel Metric-Based Mesh Adaptation in PETSc using ParMmg

Joseph G. Wallwork, Matthew G. Knepley+2 more|arXiv (Cornell University)|Jan 8, 2022

Computational Geometry and Mesh Generation被引用数 5

ひとこと要約

本稿では、MPI並列なメトリックに基づくメッシュ適応ツールキットであるParMmgをPETScに統合し、有限要素シミュレーションにおけるスケーラブルで異方的メッシュ適応を実現する。PETScのDMPlexメッシュ管理とリーマン計量の構築を組み合わせることで、一様な右辺と空間的に変化する右辺の両方を想定した3次元ポアソン問題において、最適な$L^2$収束率を達成し、急峻な勾配や界面を有する問題では一様なメッシュの細分化に比べて優れた性能を示す。

ABSTRACT

This research note documents the integration of the MPI-parallel metric-based mesh adaptation toolkit ParMmg into the solver library PETSc. This coupling brings robust, scalable anisotropic mesh adaptation to a wide community of PETSc users, as well as users of downstream packages. We demonstrate the new functionality via the solution of Poisson problems in three dimensions, with both uniform and spatially-varying right-hand sides.

研究の動機と目的

• PETSc科学計算ライブラリ内でのスケーラブルで並列的、メトリックに基づくメッシュ適応を可能にすること。
• Firedrakeなどの下流の有限要素パッケージのユーザーが、高品質で異方的かつマルチスケールのメッシュを生成できるようにすること。
• メトリックに基づく適応が、一様な細分化に失敗する場合に最適な収束率を達成することを示すこと、特に空間的に変化する解や急峻な界面を有する問題に対して。
• PETScのDMPlexフレームワーク内でのリーマン計量の構築、組み合わせ、正規化を可能にする、堅牢で拡張可能なインターフェースを提供すること。
• 一貫した並列的メッシュ間補間を用いて、自由度を低減する目的志向の適応有限要素シミュレーションの基盤を築くこと。

提案手法

• 非構造的メッシュを有向非巡回グラフとして表現するPETScのDMPlexデータ構造を用い、次元やセルタイプに依存しないアルゴリズムを可能にする。
• PETSc内にリーマン計量ユーティリティを実装し、計量の作成（DMPlexMetricCreate）、対称正定値（SPD）性の強制（DMPlexMetricEnforceSPD）、および計量の組み合わせ（例：DMPlexMetricIntersectionによる積集合）を含む。
• メッシュの複雑さを制御しマルチスケール解像度を保証するため、$L^p$正規化技術を適用し、ターゲット複雑度は$-$adaptor_target_numフラグで指定する。
• ParMmgの並列メッシュ再構築パイプラインを活用：各プロセスのパーティション上で局所的適応を実行し、再分割と反復的細分化を繰り返し収束まで実行（通常3回の反復）。
• 解のヘッセ行列から誤差計量を構築し、固有値分解を用いて異方的要素サイズと方向を定義し、大きさに基づくスケーリングで補間誤差を反映する。
• PETScのSNES非線形ソルバと統合し、-snes_adapt_sequenceフラグを用いて各ステップでメッシュ適応を実行する固定点反復を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ParMmgは、PETScに効果的に統合可能であり、有限要素問題におけるスケーラブルで並列的、メトリックに基づくメッシュ適応を実現できるか？
• RQ2 得られたフレームワークは、一様な細分化に失敗する空間的に変化する右辺を有する3次元ポアソン問題において、最適な$L^2$収束率を達成するか？
• RQ3 このフレームワークは、急峻な界面を解像しつつ、少ない要素数と高い品質を維持するマルチスケールで異方的なメッシュを生成できるか？
• RQ4 ヘッセ行列に基づく計量と$L^p$正規化の組み合わせは、メッシュの複雑さと解の精度にどのように影響するか？
• RQ5 標準的な一様な細分化と比較して、PETSc-ParMmgシステムの性能と収束特性はいかがなものか？

主な発見

• PETSc-ParMmgフレームワークは、$k=1$の有限要素に対して、$L^2$ノルムにおける期待される$(k+1)/d$収束率を達成し、等方的メッシュにおける最適収束率と一致する。
• 急峻な球形不連続性を有する界面捕捉テストケースでは、最適な$L^2$収束率を達成したが、一様な細分化では達成できなかった。
• 界面問題の適応メッシュは595,594個の要素を有し、最大アスペクト比は21.08、体積比は8桁のスパンを示しており、強力なマルチスケール解像度を示している。
• 界面捕捉メッシュの14.8%の要素がアスペクト比2以上を有しており、急峻な勾配を効果的に捕捉するための優れた異方性を示している。
• フレームワークはメッシュの複雑さを低減しながら高い精度を維持したが、ヘッセ行列に基づく計量により、少ない自由度で複雑な解の特徴を解像可能であった。
• 統合は一様な計量ターゲットと空間的に変化する計量ターゲットの両方をサポートし、後者により診断的関心の数量に対する目的志向の適応が可能になった。