[논문 리뷰] Pressio: Enabling projection-based model reduction for large-scale nonlinear dynamical systems

Francesco Rizzi, Patrick Blonigan외 2명|arXiv (Cornell University)|2020. 03. 17.

Model Reduction and Neural Networks참고 문헌 36인용 수 16

한 줄 요약

Pressio는 C++11 헤더 파일 전용으로 구현된 오픈소스 고성능 라이브러리이며, 파이썬 바인딩을 제공하여 대규모 비선형 동역학계에 대한 투영 기반 축소 모델링(ROMs)을 가능하게 한다. 일반화된 프로그래밍과 정책 기반 설계를 활용하여 임의의 데이터 유형과 복잡한 프로그래밍 모델을 지원하며, pressio4py를 통해 파이썬에서 near-zero 오버헤드를 달성함으로써 2,000만 개 이상의 자유도를 가진 시스템에서 효율적인 갈레르킨 및 LSPG 방법을 구현할 수 있다.

ABSTRACT

This work introduces Pressio, an open-source project aimed at enabling leading-edge projection-based reduced order models (ROMs) for large-scale nonlinear dynamical systems in science and engineering. Pressio provides model-reduction methods that can reduce both the number of spatial and temporal degrees of freedom for any dynamical system expressible as a system of parameterized ordinary differential equations (ODEs). We leverage this simple, expressive mathematical framework as a pivotal design choice to enable a minimal application programming interface (API) that is natural to dynamical systems. The core component of Pressio is a C++11 header-only library that leverages generic programming to support applications with arbitrary data types and arbitrarily complex programming models. This is complemented with Python bindings to expose these C++ functionalities to Python users with negligible overhead and no user-required binding code. We discuss the distinguishing characteristics of Pressio relative to existing model-reduction libraries, outline its key design features, describe how the user interacts with it, and present two test cases -- including one with over 20 million degrees of freedom -- that highlight the performance results of Pressio and illustrate the breath of problems that can be addressed with it.

연구 동기 및 목표

• 비선형 모델 축소를 구현하는 데 있어 침습적 수정이 불가능한 대규모 생산 수준의 시뮬레이션 코드에서의 핵심 과제를 해결한다.
• 기존 ROM 라이브러리의 높은 구현 비용과 유지보수성 부족 문제를 해결하기 위해 일반화되고 재사용 가능한 소프트웨어 프레임워크를 제공한다.
• 최소한의 성능 오버헤드를 통해 C++ 및 파이썬 인터페이스를 모두 지원함으로써 고성능 계산(HPC)과 빠른 프로토타ип링을 모두 가능하게 한다.
• 갈레르킨 및 LSPG 방법, 샘플 메시를 통한 초수축( hyper-reduction), 향후 비선형 시험 다각형(manifolds) 지원과 같은 고급 ROM 기법을 지원한다.
• 코드 수정 최소화와 저수준 구현 복잡성의 추상화를 통해 산업 및 과학 응용 분야에서 ROM의 도입을 촉진한다.

제안 방법

• 모든 대규모 동역학계를 모델링하기 위한 수학적 기초로 파arameterized 일반 미분방정식(ODE) 시스템을 활용한다.
• 일반화된 프로그래밍과 템플릿 메타프로그래밍을 사용하여 임의의 데이터 유형과 복잡한 연산자 표현식을 지원하는 C++11 헤더 전용 라이브러리를 구현한다.
• 정책 기반 설계와 인스펙션 기반 설계를 활용하여 성능을 희생시키지 않은 채 확장성과 런타임 유연성을 달성한다.
• Kokkos와 Trilinos를 통한 HPC 생태계 통합을 통해 확장 가능한 선형 대수 및 병렬 처리를 보장하며, 생산 코드와의 호환성을 확보한다.
• pressio4py를 통해 C++ 功能을 파이썬에 노출시키며, 사용자 정의 바인딩 코드가 필요 없는 0 오버헤드 바인딩 레이어를 제공한다.
• 비침습적 ROM에서 잔차 및 야코비안 평가 비용을 줄이기 위해 샘플 메시를 통한 초수축을 적용한다. 특히 고정밀도 시스템에서 효과적이다.

실험 결과

연구 질문

• RQ1 대규모 생산 수준의 시뮬레이션 코드에서 코드 수정 최소화를 위해 투영 기반 모델 축소를 어떻게 구현할 수 있는가?
• RQ2 파이썬 바인딩이 있는 일반화된 헤더 전용 C++ 라이브러리가 임의의 데이터 유형과 복잡한 모델을 지원하면서도 수작업 최적화된 C++와 비교해 성능가 비슷한 성능을 달성할 수 있는가?
• RQ3 대규모 시스템에서 ROM 계산에 있어 파이썬 바인딩(pressio4py)의 성능 오버헤드는 원본 C++ 대비 얼마나 되는가?
• RQ4 샘플 메시 기반 초수축은 비선형 동역학계에서 정확도를 유지하면서 계산 비용을 얼마나 효과적으로 줄이는가?
• RQ5 동일한 소프트웨어 프레임워크가 고성능 HPC 워크로드와 새로운 ROM 기법의 빠른 프로토타입링을 동시에 효율적으로 지원할 수 있는가?

주요 결과

• Pressio는 2000만 개 이상의 자유도를 가진 시스템에서 갈레르킨 및 LSPG 축소 모델을 구현할 수 있으며, 초대규모 문제에서의 확장성을 입증했다.
• pressio4py(파이썬 바인딩)의 성능은 갈레르킨 및 LSPG 방법 모두에서 원본 C++와 거의 구분되지 않으며, 큰 메esh 크기에서도 근본적인 오버헤드가 없다.
• 희소 야코비안을 가진 LSPG의 경우, C++와 파이썬 간 성능 차이는 미미하여 파이썬 레이어가 심각한 계산 병목 현상을 유발하지 않음을 시사한다.
• 샘플 메시를 통한 초수축은 계산 비용을 감소시키며, 정확도와 효율성 간의 트레이드오프에 따라 성능 향상이 달성된다.
• 최소한의 API 설계 덕분에 메시 샘플링 및 ROM 어셈블리와 같은 소규모 추가 조치만으로 기존 시뮬레이션 코드에 원활하게 통합 가능하며, 생산 수준의 항공역학 코드에서 이를 입증했다.
• C++11의 일반화된 프로그래밍과 정책 기반 설계를 통해 유형 안정성과 런타임 효율성을 희생시키지 않은 채 고성능과 확장성을 달성할 수 있다.