[논문 리뷰] Multi-physics Preconditioning for Thermally Activated Batteries

Malachi Phillips|arXiv (Cornell University)|2026. 02. 13.

Advanced Battery Technologies Research인용 수 0

한 줄 요약

본 논문은 물리 기반의 계층적 블록 가우스-Seidel 전처리기를 TABS 내에서 개발하여 열배터리의 강하게 결합된 전기화학 시스템을 해결하고, 2048 프로세서에서 51.3M DOF까지 확장 가능한 성능과 거의 초단일의 설정 및 해를 달성합니다.

ABSTRACT

Thermal batteries, also known as molten-salt batteries, are single-use reserve power systems activated by pyrotechnic heat generation, which transitions the solid electrolyte into a molten state. The simulation of these batteries relies on multiphysics modeling to evaluate performance and behavior under various conditions. This paper presents advancements in scalable preconditioning strategies for the Thermally Activated Battery Simulator (TABS) tool, enabling efficient solutions to the coupled electrochemical systems that dominate computational costs in thermal battery simulations. We propose a hierarchical block Gauss-Seidel preconditioner implemented through the Teko package in Trilinos, which effectively addresses the challenges posed by tightly coupled physics, including charge transport, porous flow, and species diffusion. The preconditioner leverages scalable subblock solvers, including smoothed aggregation algebraic multigrid (SA-AMG) methods and domain-decomposition techniques, to achieve robust convergence and parallel scalability. Strong and weak scaling studies demonstrate the solver's ability to handle problem sizes up to 51.3 million degrees of freedom on 2048 processors, achieving near sub-second setup and solve times for the end-to-end electrochemical solve. These advancements significantly improve the computational efficiency and turnaround time of thermal battery simulations, paving the way for higher-resolution models and enabling the transition from 2D axisymmetric to full 3D simulations.

연구 동기 및 목표

• 고충실도 다물리 모델링이 열활성화된(용융염) 배터리에 필요하고 확장 가능한 선형 해 계산기가 필요하다는 점을 동기화합니다.
• TABS의 결합된 전기화학 시스템에 맞춘 확장 가능한 전처리 전략을 개발합니다.
• 강한 상호 물리 결합을 다루기 위해 계층적 블록 가우스-Seidel 전처리기를 구현합니다.
• 큰 문제 크기에 대해 강한 및 약한 확장성을 시연하고 3D 시뮬레이션에 대한 함의를 논의합니다.]
• method=[
• method

제안 방법

• coupled electrochemical system을 전압(block)과 비전압(block)으로 2x2 블록 구조로_formulate 한다.
• 식(Equation 19)와 내적 해를 GMRES(30) 및 물리학 특성 서브블록 해를 사용한 계층적 블록 가우스-Seidel 전처리기를 제안한다.
• 액체/고체 전압 서브블록에 대해 Chebyshev 스무딩을 사용하는 SA-AMG(스무딩된 집계 AMG)를 이용한다.
• 비전압 블록에 대해 블록 가우스-Seidel 전처리를 적용하고, 서브블록에 DD(0)-ILU(0) 및 액체상 압력에 SA-AMG를 사용한다.
• 내부 해를 다루고 전처리기 평가를 효율적으로 만들기 위해 Flexible GMRES를 사용한다.
• Trilinos의 Teko 패키지를 활용해 블록 전처리기와 MueLu를 통한 SA-AMG를 구성한다.

실험 결과

연구 질문

• RQ1 물리학 인식 블록 전처가 열배터리의 단일화된 전기화학 시스템에서 견고하고 확장 가능한 수렴을 제공할 수 있는가?
• RQ2 문제 크기가 커지고 고성능 하드웨어에서 제안된 블록 전처의 강한 및 약한 확장성은 어떻게 나타나는가?
• RQ3 도메인 분해 대 물리 기반 블록 전처리의 수렴 및 병렬 효율성 영향은 어떠한가?
• RQ4 solver 가능성 개선을 통해 2D 축대칭에서 3D 전체 시뮬레이션으로의 전이를 가능하게 할 수 있는가?]
• RQ5 key_findings:[
• RQ6 key_findings

주요 결과

• 블록 기반의 물리 인식 전처리는 GMRES를 내부 SA-AMG 및 ILU 전처리기와 함께 사용할 때 결합된 전압 시스템과 비전압 블록에서 매우 적은 반복에서 수렴합니다.
• 도메인 분해의 1단계 RAS 전처리는 중간 규모에서 단일 전기화학 시스템의 수렴에 실패하여 블록 기반 접근의 필요성을 시사합니다.
• SA-AMG와 Chebyshev 스무딩은 액체/고체 전압 서브블록에 대해 강건한 다중 그리드 성능을 제공하여 확장 가능한 해를 가능하게 합니다.
• 결과는 2048 프로세서에서 51.3M DOF까지 강한 및 약한 확장성을 보여주며 엔드투엔드 전기화학 해에 대해 설정 및 해에 거의 초 부당한 소요 시간을 보입니다.
• 물리 인식 블록 전처리는 더 높은 해상도 모델을 지원하고 전체 3D 시뮬레이션으로의 이동을 촉진합니다.