[논문 리뷰] An efficient way to assemble finite element matrices in vector languages

François Cuvelier, Caroline Japhet외 1명|arXiv (Cornell University)|2014. 01. 14.

Matrix Theory and Algorithms참고 문헌 14인용 수 4

한 줄 요약

이 논문은 MATLAB, 오크타브, 파이썬, 줄리아와 같은 고수준 벡터 언어를 사용하여 임의의 차원에서 유한요소 행렬을 조립하기 위한 고도로 최적화된 벡터화 알고리즘을 제시한다. 고도로 발전된 희소 행렬 연산과 대칭성의 활용을 통해 루프를 제거함으로써 제안된 OptVS 알고리즘은 스칼라 케이스에서 C 언어 대비 2.9배 이내, 벡터 케이스에서 4.1배 이내의 성능를 달성하며, 적절히 최적화된 경우 고수준 벡터 언어가 유한요소 조립에서 컴파일된 언어와 경쟁할 수 있음을 보여준다.

ABSTRACT

Efficient Matlab codes in 2D and 3D have been proposed recently to assemble finite element matrices. In this paper we present simple, compact and efficient vectorized algorithms, which are variants of these codes, in arbitrary dimension, without the use of any lower level language. They can be easily implemented in many vector languages (e.g. Matlab, Octave, Python, Scilab, R, Julia, C++ with STL,...). The principle of these techniques is general, we present it for the assembly of several finite element matrices in arbitrary dimension, in the P1 finite element case. We also provide an extension of the algorithms to the case of a system of PDE's. Then we give an extension to piecewise polynomials of higher order. We compare numerically the performance of these algorithms in Matlab, Octave and Python, with that in FreeFEM++ and in a compiled language such as C. Examples show that, unlike what is commonly believed, the performance is not radically worse than that of C : in the best/worst cases, selected vector languages are respectively 2.3/3.5 and 2.9/4.1 times slower than C in the scalar and vector cases. We also present numerical results which illustrate the computational costs of these algorithms compared to standard algorithms and to other recent ones.

연구 동기 및 목표

• 고수준 벡터 언어를 사용하여 임의의 차원에서 유한요소 행렬을 조립하기 위한 효율적이고 이식 가능하며 가독성이 뛰어난 벡터화 알고리즘을 개발한다.
• 과학 계산 환경에서 루프 기반의 행렬 조립이 초래하는 성능 저하 문제를 해결한다.
• MATLAB, 오크타브, 파이썬과 같은 언어의 벡터화 구현이 컴파일된 C 코드의 성능에 근접할 수 있음을 입증한다.
• 이를 바탕으로 변수 계수를 가진 PDE 시스템과 고차 유한요소에까지 일반화하여 광범위한 적용 가능성을 확보한다.

제안 방법

• 저자들은 뎃글 루프를 제거하기 위해 요소별 배열 연산과 행렬 곱셈을 사용하는 희소 행렬 연산 기반의 벡터화 조립 전략을 도입한다.
• 핵심 기법은 전역 인덱스 매핑과 크로네커 유사 연산을 활용하여 요소 기여도를 일괄적으로 계산함으로써 요소를 순회하는 명시적 루프를 피하는 것이다.
• OptVS 알고리즘은 행렬의 대칭성을 활용하여 중복 계산을 줄여 효율성과 메모리 사용량을 향상시킨다.
• 이 방법은 임의의 차원으로 일반화되며, 변수 계수를 가진 PDE 시스템을 처리할 수 있도록 확장된다.
• 대부분의 벡터 언어에서 이용 가능한 표준 희소 행렬 데이터 구조(예: CSR/CSC)를 사용하여 구현된다.
• 알고리즘은 2D 및 3D에서의 강성 행렬과 탄성 강성 행렬을 포함한 다양한 언어와 문제 유형에서 검증되었다.

실험 결과

연구 질문

• RQ1 MATLAB, 오크타브, 파이썬과 같은 고수준 언어의 벡터화 알고리즘이 유한요소 행렬 조립에서 컴파일된 C 코드의 성능에 경쟁할 수 있는가?
• RQ2 문제 크기와 차원성에 따라 루프 기반과 벡터화 조립 방법의 계산 복잡도와 성능가 어떻게 스케일링되는가?
• RQ3 유한요소 방법의 행렬 조립 최적화를 위해 대칭성과 희소 행렬 연산을 얼마나 효과적으로 활용할 수 있는가?
• RQ4 MATLAB, 오크타브, 파이썬과 같은 서로 다른 벡터 언어에서 동일한 최적화 알고리즘을 구현했을 때 성능는 어떻게 비교되는가?
• RQ5 제안된 벡터화 전략은 PDE 시스템과 고차 유한요소로 일반화될 수 있는가?

주요 결과

• OptVS 알고리즘은 O(n_dof)의 계산 복잡도를 가지며, 행렬 조립에 대해 점근적으로 최적임을 입증한다.
• 최적의 경우, 일부 언어에서 스칼라 문제의 경우 C 대비 2.3배 뿐만 아니라, 벡터 문제의 경우 2.9배 뿐만 아니라 성능를 달성한다.
• 2D 강성 행렬의 경우, 기본 구현은 오크타브에서 OptVS 버전 대비 최대 550배 느리다.
• OptV1 버전은 다양한 언어에서 OptVS 대비 40~550배 느리며, 이는 벡터화가 가져오는 성능 향상의 중요성을 보여준다.
• 희소 행렬 연산을 적절히 최적화할 경우, 벡터 언어와 C 사이의 성능 격차는 일반적으로 예상하는 것보다 훨씬 작다.
• 이 방법은 3D와 고차 유한요소로도 효율적으로 스케일링되며, 고차 P1 유한요소에 적용하기 위해 소수의 수정만 필요하다.