[논문 리뷰] A Simple, General, and GPU Friendly Method for Computing Dual Mesh and Iso-Surfaces of Adaptive Mesh Refinement (AMR) Data

Ingo Wald|arXiv (Cornell University)|2020. 04. 17.

Computational Geometry and Mesh Generation인용 수 5

한 줄 요약

이 논문은 적응 메쉬 정밀도(AMR) 데이터로부터 균열 없는 등면을 계산하기 위한 단순하고 일반적이며 GPU에 적합한 방법을 제시한다. 이는 이산 정수 레이블링 체계를 사용하여 이중 메쉬 셀을 직접 AMR 셀에 매핑함으로써 복잡한 케이스 테이블이나 에프실론 오프셋팅이 필요 없도록 한다. 이 방법은 고성능의 병렬 추출을 가능하게 하여, NVIDIA RTX 8000 GPU에서 62600만 개의 AMR 셀로부터 1억 3000만 개의 삼각형 표면을 단 8.4초 만에 생성함을 입증하였다.

ABSTRACT

We propose a novel approach to extracting crack-free iso-surfaces from Structured AMR data that is more general than previous techniques, is trivially simple to implement, requires no information other than the list of AMR cells, and works, in particular, for different AMR formats including octree AMR, block-structured AMR with arbitrary level differences at level boundaries, and AMR data that consist of individual cells without any existing grid structure. We describe both the technique itself and a CUDA-based GPU implementation of this technique, and evaluate it on several non-trivial AMR data sets.

연구 동기 및 목표

• 오차 없는 격자 계층이 없거나, 수준 차이가 임의로 존재하는 오кт리 구조 및 블록 구조 형식을 포함한 복잡하고 비정규적인 AMR 데이터로부터 균열 없는 등면을 생성하는 문제를 해결한다.
• 엄격한 계층 구조 가정이 필요하고 복잡한 케이스 테이블을 요구하는 기존의 '스티칭' 기법의 한계를 극복한다.
• 특수한 계층 관계가 없거나 '구멍'이 있는 데이터를 포함한 비정규 AMR 데이터에도 적용 가능한 일반 목적의 솔루션을 제공한다.
• CPU 및 GPU 아키텍처 모두에 적합한 효율적이고 단순 병렬화가 가능한 구현을 가능하게 하며, 특히 CUDA를 활용해 고성능을 달성한다.
• 나사, 나사 등 고성능 시뮬레이션에서 유래한 대규모 과학적 데이터 세트를 대상으로 본 방법의 강건성과 확장성을 입증한다.

제안 방법

• 기존 연구에서 사용된 에프실론 오프셋팅을 피하기 위해, 각 AMR 셀과 그에 해당하는 이중 메쉬 셀을 일대일 대응 관계로 매핑하는 결정적 정수 레이블링 체계를 사용한다.
• 복잡한 셀 위치 검색 커널을 대체하기 위해 정렬된 정수 셀 인덱스 배열을 대상으로 단순한 이진 탐색을 수행함으로써 빠르고 정확한 이중 셀 검색을 가능하게 한다.
• 각 AMR 셀을 독립적으로 처리하는 CUDA 기반 구현을 통해 GPU 스레드 간 단순 병렬화가 가능하도록 한다.
• 표준 케이스 테이블을 사용해 이중 메쉬에 대해 Marching Cubes 알고리즘을 적용함으로써 위상 일관성과 균열 없는 출력을 보장한다.
• 메모리 관리 및 정점 및 인덱스 생성 중 병렬 감소 연산을 효율적으로 수행하기 위해 Thrust 라이브러리의 기초 기능(예: device_vector, sort, lower_bound)을 활용한다.
• AMR 데이터의 '구멍'을 자연스러운 경계로 간주하여 특수한 케이스 로직 없이도 자동으로 탐지하고 정확히 처리한다.

실험 결과

연구 질문

• RQ1 오차 없는 격자 계층이 없거나, 수준 차이가 임의로 존재하는 오кт리 및 블록 구조 형식의 임의의 AMR 데이터로부터 이중 메쉬를 계산할 수 있는 일반적이고 단순하며 병렬 처리 가능한 방법을 개발할 수 있는가?
• RQ2 복잡한 케이스 테이블과 에프실론 기반 스냅싱을 제거함으로써 GPU 가속 등면 추출의 구현 용이성과 성능이 향상되는가?
• RQ3 특수한 엔지니어링 작업 없이도 실제 AMR 데이터 세트의 '구멍'이나 내재된 격자 계층이 없는 경우에도 본 방법이 잘 작동하는가?
• RQ4 현대 GPU에서 1억 개 이상의 셀을 포함한 대규모 과학적 데이터 세트에 대해 본 방법이 얼마나 효율적으로 확장 가능한가?
• RQ5 강건성과 구현 용이성 측면에서 기존의 '스티칭' 기법에 비해 본 방법이 얼마나 뛰어나거나 일반화되는가?

주요 결과

• 본 방법은 나사의 Exajet 모델에서 62600만 개의 AMR 셀로부터 균열 없는 등면을 성공적으로 계산하였으며, NVIDIA RTX 8000 GPU에서 단 8.4초 만에 1억 3000만 개의 삼각형 표면을 생성하였다.
• 본 방법은 Exajet 모델의 내부 공극 등 '구멍'이 있는 데이터 세트를 자연스럽게 처리하며, 특수한 처리 없이도 이를 경계로 자동 탐지한다.
• 단순 병렬화 덕분에 높은 성능를 달성하였으며, CUDA 구현은 대용량 입력 데이터에 대해 GPU 스레드 간 효율적으로 확장된다.
• 정수 색인과 이진 탐색을 사용함으로써 복잡한 셀 위치 검색 커널과 케이스 테이블을 대체하여 구현을 단순화하면서도 정확성과 성능를 유지한다.
• 본 방법의 단순성과 일반성 덕분에 VTK-m와 같은 시각화 프레임워크, 또는 AMR 기반 부피 레이 트레이싱 파이프라인에 통합하기에 매우 적합한 후보이다.