[논문 리뷰] Parallel Metric-Based Mesh Adaptation in PETSc using ParMmg

Joseph G. Wallwork, Matthew G. Knepley외 2명|arXiv (Cornell University)|2022. 01. 08.

Computational Geometry and Mesh Generation인용 수 5

한 줄 요약

이 논문은 MPI 병렬 메트릭 기반 메시 적응 툴킷인 ParMmg를 PETSc에 통합하여 유한요소 시뮬레이션을 위한 확장 가능한 이방성 메시 적응을 가능하게 한다. ParMmg를 PETSc의 DMPlex 메시 관리 시스템과 결합하고 리만 메트릭 생성을 지원함으로써, 균일한 오른쪽 항과 공간적으로 변화하는 오른쪽 항을 모두 갖는 3차원 푸아송 문제에서 최적의 $L^2$ 수렴률을 달성한다. 이는 급격한 기울기나 인터페이스를 가진 문제에서 균일한 메쉬 세분화보다 뛰어난 성능을 보여준다.

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.

연구 동기 및 목표

• PETSc 과학 계산 라이브러리 내에서 확장 가능한 병렬 메트릭 기반 메시 적응을 가능하게 하기 위해.
• Firedrake와 같은 후속 유한요소 패키지 사용자를 위해 고품질의 이방성 다중스케일 메시를 생성할 수 있도록 지원하기 위해.
• 균일한 세분화가 실패하는 경우, 특히 공간적으로 변화하는 해나 급격한 인터페이스를 갖는 문제에서 메트릭 기반 적응이 최적의 수렴률을 달성함을 보여주기 위해.
• PETSc의 DMPlex 프레임워크 내에서 리만 메트릭을 구성하고 조합하며 정규화하는 데 있어 견고하고 확장 가능한 인터페이스를 제공하기 위해.
• 일관된 병렬 메시 간 상호보간을 통해 자유도 수를 감소시키는 목표 지향적 적응 유한요소 시뮬레이션의 기반을 마련하기 위해.

제안 방법

• 비정렬 메시를 차원과 셀 유형에 관계없이 작동하는 알고리즘을 가능하게 하기 위해, PETSc의 DMPlex 데이터 구조를 사용하여 방향성 비순환 그래프로 메시를 표현한다.
• PETSc 내에서 리만 메트릭 유틸리티를 구현하며, 메트릭 생성(DMPlexMetricCreate), 대칭 양의 정부호(양의 정부호 대칭, SPD) 성질 강제(DMPlexMetricEnforceSPD), 메트릭 조합(예: DMPlexMetricIntersection를 통한 교차)을 포함한다.
• 메시 복잡도를 제어하고 다중스케일 해상도를 보장하기 위해 $L^p$ 정규화 기법을 적용하며, 목표 복잡도는 -adaptor_target_num 플래그로 지정한다.
• ParMmg의 병렬 메시 재구성 파이프라인을 활용: 각 프로세스의 파artition에서 국소 적응을 수행한 후 재분할 및 반복적 세분화를 통해 수렴할 때까지 반복(일般적으로 3회 반복).
• 해의 헤시안에서 오차 메트릭을 구성하며, 고유값 분해를 통해 이방성 요소 크기와 방향을 정의하고, 크기 기반 스케일링을 통해 보간 오차를 반영한다.
• PETSc의 SNES 비선형 해법기와 통합하여, -snes_adapt_sequence 플래그를 사용해 각 반복 단계에서 메시 적응을 수행하는 고정점 반복을 가능하게 한다.

실험 결과

연구 질문

• RQ1 ParMmg는 PETSc에 효과적으로 통합되어 병렬 메트릭 기반 메시 적응을 가능하게 할 수 있는가?
• RQ2 균일한 세분화가 실패하는 공간적으로 변화하는 오른쪽 항을 갖는 3차원 푸아송 문제에서, 결과 프레임워크가 최적의 $L^2$ 수렴률을 달성하는가?
• RQ3 이 프레임워크는 날카로운 인터페이스를 해상도하면서도 낮은 요소 수와 높은 품질을 유지하는 다중스케일 이방성 메시를 생성할 수 있는가?
• RQ4 헤시안 기반 메트릭과 $L^p$ 정규화의 조합은 메시 복잡도와 해 정확도에 어떤 영향을 미치는가?
• RQ5 기본적인 균일한 세분화와 비교했을 때, 통합된 PETSc-ParMmg 시스템의 성능과 수렴 행동은 어떠한가?

주요 결과

• 통합된 PETSc-ParMmg 프레임워크는 $k=1$ 유한요소에서 $L^2$ 노름에서 기대하는 $(k+1)/d$ 수렴률을 달성하였으며, 이는 등방성 메시에서 최적 수렴률과 일치한다.
• 날카로운 구형 불연속성 인터페이스를 캡처하는 테스트 케이스에서, 이 방법은 최적의 $L^2$ 수렴률을 달성하였고, 균일한 세분화는 이를 달성하지 못했다.
• 인터페이스 문제의 적응 메시는 최대 21.08의 최대 비율과 여덟 자리 수준의 부피 비율을 가지며, 강력한 다중스케일 해상도를 나타낸다.
• 인터페이스 캡처 메시의 14.8% 요소가 비율이 2를 초과하여, 급격한 기울기를 효과적으로 포착하는 데 있어 우수한 이방성 특성을 보였다.
• 이 프레임워크는 메시 복잡도를 감소시키면서도 높은 정확도를 유지하였으며, 헤시안 기반 메트릭이 복잡한 해 특성을 더 적은 자유도로 해결할 수 있도록 하였다.
• 이식은 균일한 메트릭 목표와 공간적으로 변화하는 메트릭 목표를 모두 지원하며, 후자는 진단을 위한 목표 양에 대한 목표 지향적 적응을 가능하게 한다.