[논문 리뷰] Matrix-free isogeometric analysis: the computationally efficient $k$-method

Giancarlo Sangalli, Mattia Tani|arXiv (Cornell University)|2017. 12. 22.

Advanced Numerical Analysis Techniques인용 수 2

한 줄 요약

이 논문은 가중치가 부여된 적분법과 빠른 대각화 조절자(preconditioner)를 사용하는 행렬 미사용(isogeometric) $k$-방법을 소개한다. 이는 고차수, 고연속성 스플라인을 사용할 때 기존 방법에 비해 메모리 소비나 조립 비용이 급격히 증가하는 문제를 해결함으로써, 계산 속도를 수 개의 주기수 차례로 향상시킨다. 이 방법은 특히 고차수에서 정확도 대비 계산 시간 비율을 크게 향상시키며, 중간 수준의 차수에서도 저차수의 이소지오메트릭 방법보다 뛰어난 성능을 발휘한다.

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.

연구 동기 및 목표

• 고차수 이소지오메트릭 방법의 계산 비효율성, 특히 고연속성 스플라인에 대해 해결한다.
• 기존의 매트릭스 기반 조립 방식이 고차수 이소지오메트릭 이산화에서 발생하는 과도한 메모리 소비와 조립 비용 문제를 해결한다.
• 고효율적인 $k$-재분할($k$-refinement, 스플라인 차수와 연속성 증가)을 가능하게 함으로써 이소지오메트릭 분석에서 정확도 대비 계산 시간 비율을 향상시킨다.
• 복잡하고 현실적인 편미분방정식(PDE)에 적합한 확장 가능한 행렬 미사용 프레임워크를 개발하며, 성능은 문제에 따라 특화된 조절자에 따라 달라진다.
• 고급 적분법과 조절자를 결합한 $k$-방법이 저차수에서도 계산적으로 실현 가능하고, 오히려 뛰어난 성능을 발휘함을 입증한다.

제안 방법

• 명시적인 매트릭스 조립이 필요 없도록 행렬 미사용 접근법을 채택하여, 메모리 소비를 극도로 줄이고 행렬-벡터 곱 연산을 가속화한다.
• 이소지오메트릭 갈레르킨 시스템에 특화된 가상의 적분 규칙인 가중치가 부여된 적분법을 도입하여, 고정밀도로 요소 매트릭스를 효율적으로 계산한다.
• 갈레르킨 설정에서 발생하는 선형 시스템을 효율적으로 해결하기 위해 빠른 대각화(Fast Diagonalization, FD) 방법을 조절자로 사용한다.
• $k$-방법을 적용하여 최대 연속성(예: NURBS)을 갖는 스플라인을 사용함으로써 요소 간 $C^1$ 이상의 연속성을 확보한다.
• 행렬 미사용 전략을 $k$-재분할과 통합하여, 일반적으로 발생하는 계산 블로킹 없이 스플라인 차수와 연속성을 체계적으로 증가시킬 수 있도록 한다.
• 이소지오메트릭 시스템의 구조를 활용하여 텐서 곱 성질을 이용하고 약한 형태(weak forms)의 효율적 평가를 가능하게 한다.

실험 결과

연구 질문

• RQ1 행렬 미사용 구현 방식이 고차수 이소지오메트릭 분석에서 메모리 소비와 계산 비용을 크게 줄일 수 있는가?
• RQ2 가중치가 부여된 적분법이 전체 매트릭스 조립 없이도 $k$-방법에서 정확하고 효율적인 통합을 가능하게 하는가?
• RQ3 빠른 대각화 조절자가 $k$-방법에서 발생하는 선형 시스템의 해법 효율성을 어느 정도 향상시키는가?
• RQ4 $k$-방법의 정확도 대비 계산 시간 비율이 다양한 차수에서 기존의 저차수 이소지오메트릭 방법과 비교해 어떻게 되는가?
• RQ5 제안된 프레임워크는 고차수 재분할을 통해 복잡한 PDE에 대해 효과적으로 확장 가능할 수 있는가?

주요 결과

• 행렬 미사용 $k$-방법은 스플라인 차수가 증가함에 따라 기존의 매트릭스 기반 조립 방식보다 수 개의 주기수 차례로 더 빠른 계산 속도를 달성한다.
• 낮은 차수에서도 메모리 소비 감소와 더 빠른 행렬-벡터 곱 연산 덕분에 새로운 구현 방식이 기존 방법을 능가한다.
• $k$-재분할을 통해 정확도 대비 계산 시간 비율이 크게 향상되어 고차수, 고연속성 근사가 계산적으로 실현 가능해진다.
• 가중치가 부여된 적분법은 갈레르킨 시스템에서 효율적이고 정확한 통합을 가능하게 하여 요소 매트릭스 계산 비용을 감소시킨다.
• 빠른 대각화 조절자는 반복 해법의 가속에 효과적으로 기여하여, 이 방법이 대규모 문제에 대해 확장 가능해진다.
• 이 방법의 성능은 문제에 따라 달라지며, 특히 조절자 단계에서 영향을 받지만, 현실적인 PDE 응용 분야에서 강력한 잠재력을 보인다.