[논문 리뷰] Scalable Algorithms for Parallel Tree-based Adaptive Mesh Refinement with General Element Types

Johannes Holke|arXiv (Cornell University)|2018. 03. 13.

Computational Geometry and Mesh Generation참고 문헌 34인용 수 6

한 줄 요약

이 논문은 단순체 요소를 위한 새로운 테트라헤드론 몰턴 공간 충만 곡선(TM-SFC)을 사용하여 확장 가능하고 요소 유형에 관계없이 적용 가능한 적응형 메쉬 다듬기(AMR) 프레임워크를 제시한다. 이는 앵커 노드 좌표와 요소 유형을 비트 단위로 교차하여 삼각형과 테트라헤드론에서 상수 시간, 저수준 연산을 가능하게 하며, 최대 917,504개의 코어와 8580억 개의 요소에서 강력한 스케일링과 약한 스케일링을 달성한다. 이 방법은 동적 로드 밸런싱, 그로스 레이어 관리 및 하이브리드 메쉬를 지원하며, p4est와의 통합을 통해 프리즘과 육각체를 포함한 다양한 요소 유형에서 높은 성능을 보여준다.

ABSTRACT

In this thesis, we develop, discuss and implement algorithms for scalable parallel tree-based adaptive mesh refinement (AMR) using space-filling curves (SFCs). We create an AMR software that works independently of the used element type, such as for example lines, triangles, tetrahedra, quadrilaterals, hexahedra, and prisms. Along with a detailed mathematical discussion, this requires the implementation as a numerical software and its validation, as well as scalability tests on current supercomputers. For triangular and tetrahedral elements (simplices) with red-refinement (1:4 in 2D, 1:8 in 3D), we develop a new SFC index, the tetrahedral Morton index (TM-index). Its construction is similar to the Morton index for quadrilaterals/hexahedra, as it is also based on bitwise interleaving the coordinates of a certain vertex of the simplex, the anchor node. We develop and demonstrate a new simplicial SFC and create a fast and scalable tree-based AMR software that offers a flexibility and generality that was previously not available.

연구 동기 및 목표

• 임의의 요소 유형, 특히 단순체, 사각형, 육각체, 프리즘을 포함한 일반적인 목적의 확장 가능한 AMR 프레임워크를 개발하는 것.
• 삼각형과 테트라헤드론 요소를 위한 공간 충만 곡선(SFC)을 설계하여 효율적인 상수 시간 메쉬 연산을 가능하게 하고, 양호한 병렬 분할 성질을 유지하는 것.
• 요소 유형에 특화된 로직을 고수준 AMR 알고리즘에서 분리하는 모듈러형, 저수준 API를 구현하여 다양한 요소 유형 간 재사용을 가능하게 하는 것.
• 통신 오버헤드를 최소화하면서도 고성능 병렬 AMR를 위한 거친 메쉬 재분할 및 그로스 레이어 관리를 최적화하는 것.
• 최대 8580억 개의 메쉬 요소를 사용하여 초계량 슈퍼컴퓨터에서 프레임워크를 검증하고 하이브리드 2D/3D 메쉬를 지원함을 입증하는 것.

제안 방법

• 단순체를 위한 테트라헤드론 몰턴 공간 충만 곡선(TM-SFC)을 도입하여, 고전적 몰턴 인덱스를 확장하여 앵커 노드 좌표와 유형 식별자를 교차시킨다.
• SFC 인덱스를 사용하여 요소 내 연산(예: 부모, 자식, 면 이웃)을 추상화하는 저수준 API를 정의하여 유형에 관계없이 구현할 수 있도록 한다.
• 트리 간 면 이웃 계산을 위한 상향식 검색 최적화를 구현하여 그로스 레이어 생성 속도를 10~20배 향상시킨다.
• 통신을 최소화하고 로드 밸런싱을 달성하는 거친 메쉬 재분할 알고리즘을 개발하였으며, JUQUEEN 슈퍼컴퓨터에서 917,504개 프로세스가 3710억 개 트리를 처리하는 데 1.2초가 소요됨을 입증하였다.
• TM-SFC를 t8code 라이브러리에 통합하여 육각체 및 사각형 요소에 대해 p4est를 재사용하고, 동시에 구현된 프리즘 지원을 추가하여 확장하였다.
• 이론적 한계를 갖는 SFC 기반 분할을 사용하여 면으로 연결된 구성 요소의 수를 이론적으로 제한: 2D에서는 2(L−1), 3D에서는 2L+1이며, 통신 오버헤드의 예측 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 삼각형과 테트라헤드론 요소를 위한 공간 충만 곡선을 설계할 수 있는가? 이는 상수 시간 요소 연산을 지원하고 양호한 병렬 분할 성질을 유지할 수 있는가?
• RQ2 다양한 요소 유형, 특히 프리즘과 단순체를 포함한 요소 유형에 관계없이 적용 가능한 모듈러형, 요소 유형에 관계없는 AMR 프레임워크를 어떻게 아키텍처화할 수 있는가?
• RQ3 SFC 기반 메쉬 분할에서 테트라헤드론 메쉬의 면으로 연결된 구성 요소 수의 이론적 상한은 무엇인가?
• RQ4 초거대 슈퍼컴퓨터에서 통신을 최소화하면서도 효율적으로 확장 가능한 거친 메쉬 재분할을 최적화할 수 있는가?
• RQ5 성능을 저하시키지 않으면서도, 요소 유형에 관계없이 적용 가능한 AMR 프레임워크에서 그로스 레이어를 얼마나 효율적으로 생성하고 관리할 수 있는가?

주요 결과

• TM-SFC는 각 요소당 14바이트와 10바이트의 저장 공간만을 사용하여 테트라헤드론과 삼각형에서 부모, 자식, 면 이웃 요소를 상수 시간에 계산할 수 있으며, 고전적 몰턴 인덱스와 동일한 저장 효율성을 달성한다.
• SFC 분할에서 면으로 연결된 구성 요소의 수는 2D에서 2(L−1), 3D에서 2L+1로 제한되며, 이는 정밀한 통신 스케일링을 보장한다.
• JUQUEEN 슈퍼컴퓨터에서 917,504개 프로세스가 3710억 개 트리를 처리하는 데 1.2초가 소요된 거친 메쉬 재분할 알고리즘이 성공적으로 구현되었다.
• 최적화된 상향식 검색 방법을 사용한 그로스 레이어 생성은 단순한 접근 방식 대비 10~20배의 속도 향상을 달성했으며, 고정 유형 구현과 비교해도 성능 수준에 도달하였다.
• 최대 917,504개 프로세스와 8580억 개 메쉬 요소에서 강력한 스케일링과 약한 스케일링을 우수하게 구현하여 초계량 수준의 준비성을 입증하였다.
• t8code와 p4est를 통합하여 육각체 요소를 지원하고, 동시에 구현된 프리즘 지원을 통해 하이브리드 2D 및 3D 메쉬에서 혼합된 요소 유형을 완전히 지원함을 확인하였다.