[논문 리뷰] Mesh Algorithms for PDE with Sieve I: Mesh Distribution

Matthew G. Knepley, Dmitry Karpeev|arXiv (Cornell University)|2009. 08. 30.

Computational Geometry and Mesh Generation참고 문헌 13인용 수 9

한 줄 요약

이 논문은 PDE 해석기용 분산 메쉬 관리에 대해 치수에 독립적이고 화살표 중심인 Sieve 프레임워크를 소개한다. 고려관계(화살표)를 일급 객체로 간주하고 커버링 관계와 쌍대성을 사용함으로써, Sieve는 임의의 요소 유형, 차원 및 임bedding에서 균일한 메쉬 분할, 분포 및 데이터 처리를 가능하게 하며, 단일 병렬 연산인 섹션 완료를 통해 전체 코드 재사용성과 확장성을 달성한다.

ABSTRACT

We have developed a new programming framework, called Sieve, to support parallel numerical PDE algorithms operating over distributed meshes. We have also developed a reference implementation of Sieve in C++ as a library of generic algorithms operating on distributed containers conforming to the Sieve interface. Sieve makes instances of the incidence relation, or \emph{arrows}, the conceptual first-class objects represented in the containers. Further, generic algorithms acting on this arrow container are systematically used to provide natural geometric operations on the topology and also, through duality, on the data. Finally, coverings and duality are used to encode not only individual meshes, but all types of hierarchies underlying PDE data structures, including multigrid and mesh partitions. In order to demonstrate the usefulness of the framework, we show how the mesh partition data can be represented and manipulated using the same fundamental mechanisms used to represent meshes. We present the complete description of an algorithm to encode a mesh partition and then distribute a mesh, which is independent of the mesh dimension, element shape, or embedding. Moreover, data associated with the mesh can be similarly distributed with exactly the same algorithm. The use of a high level of abstraction within the Sieve leads to several benefits in terms of code reuse, simplicity, and extensibility. We discuss these benefits and compare our approach to other existing mesh libraries.

연구 동기 및 목표

• 메쉬 생성기와 해석기가 사용하는 상호 운용 불가능한 표현 방식으로 인해 발생하는 메쉬 위상과 기능적 데이터 구조 간의 괴리 문제를 해결하기 위해.
• 메쉬 분포, 분할, 데이터 분포를 하나의 추상화 아래 통합하여 요소 유형, 차원 또는 임bedding에 대한 의존성을 제거하기 위해.
• 위상적 연결성(incidence relations)을 일급 개념으로 간주함으로써 치수에 독립적인 프로그래밍을 가능하게 하기 위해.
• 메쉬 위상과 동일한 핵심 메커니즘을 사용하여 다중 격자 및 메쉬 분할과 같은 계층적 데이터 구조를 지원하기 위해.
• 저수준 인덱스 조작을 고수준 기하 연산으로 추상화함으로써 코드 재사용성, 단순성 및 확장성을 향상시키기 위해.

제안 방법

• 기하 요소(예: 정점, 셀)를 점으로, 고려관계(예: 정점이 선분 위에 있음)를 화살표로 간주하는 Sieve 데이터 구조를 사용하여 메쉬 위상을 표현함으로써, 화살표를 일급 객체로 간주한다.
• 지역 위상과 프로세스 간 오버랩을 인코딩하기 위해 커버링 관계를 사용하고, 로컬 데이터 수집의 연쇄를 통해 분산 메쉬 구축을 가능하게 한다.
• 메쉬 위상과 관련된 데이터(예: 좌표)를 균일하게 프로세스 간에 분포시키기 위해 단일 병렬 연산인 섹션 완료를 적용한다.
• 화살표 기반 데이터(예: 방향성 또는 보간 가중치)를 통해 위상 연산(예: 폐쇄)과 분석 연산(예: 제한) 간의 쌍대성을 활용한다.
• 분포 중 데이터 크기를 결정하기 위해 Atlas 어댑터를 사용하여 희소 또는 빈 데이터 섹션(예: 좌표가 없는 면)을 자동으로 처리할 수 있도록 한다.
• 오버랩 구조를 사용하여 섹션(예: 분할, 좌표)을 완료함으로써 최종 분산 메쉬를 구성하며, 면 분할을 사용할 경우 고스트 셀이 자동으로 생성된다.

실험 결과

연구 질문

• RQ1 요소 형태, 차원 또는 임bedding에 관계없이 동일한 차원에 독립적인 알고리즘이 메쉬를 분포시킬 수 있는가?
• RQ2 메쉬 분할과 데이터 분포가 동일한 추상화 아래 통합될 수 있는가? 이는 위상과 데이터를 별도로 다룰 필요 없이 가능할까?
• RQ3 동일한 연산인 섹션 완료가 메쉬 위상과 관련된 기능적 데이터를 모두 분포시키는 데 사용될 수 있는가?
• RQ4 다중 격자나 메쉬 분할과 같은 계층적 데이터 구조는 메쉬 자체와 동일한 핵심 메커니즘을 사용하여 어떻게 인코딩하고 조작할 수 있는가?
• RQ5 화살표 중심 모델은 기존 메쉬 라이브러리에 비해 코드 복잡성을 줄이고 확장성을 향상시킬 수 있는가?

주요 결과

• 메쉬 분포 알고리즘은 Sieve 내부의 중간 요소 존재 여부를 포함하여 메쉬 차원, 요소 형태, 임bedding에 대해 완전히 독립적이다.
• 동일한 섹션 완료 연산이 메쉬 위상과 관련된 데이터(예: 좌표)를 정점, 셀 또는 기타 요소에 부착된 경우에도 동일하게 분포시킨다.
• 면 분할을 사용할 경우 고스트 셀이 자동으로 생성되며, 이는 프레임워크가 복잡한 통신 패턴을 자연스럽게 처리할 수 있음을 보여준다.
• Sieve 프레임워크는 쌍대성과 커버링 관계를 통해 메쉬 자체와 동일한 기반 메커니즘을 사용하여 다중 격자 및 메쉬 분할 계층을 지원한다.
• 이러한 접근법은 모든 연산이 저수준 인덱스 산술이 아닌 고수준 기하 추상화를 통해 표현되므로 전체 코드 재사용성과 확장성을 보장한다.
• 범주 이론과代수적 위상수학을 영감으로 삼은 프레임워크의 설계 덕분에 명시적인 차원 매개변수나 특수 케이스 없이도 치수에 독립적인 프로그래밍이 가능하다.