[论文解读] A 55-line code for large-scale parallel topology optimization in 2D and 3D

Abhinav Gupta, Rajib Chowdhury+2 more|arXiv (Cornell University)|Dec 15, 2020

Topology Optimization in Engineering参考文献 71被引用 9

一句话总结

本文提出了一种基于FEniCS有限元框架和PETSc并行线性代数库的55行Python代码，用于大规模2D和3D拓扑优化，通过欧几里得距离矩阵实现滤波的向量化，基于SIMP方法实现高效优化。该方法在复杂网格上表现出高效率和可扩展性，支持多种载荷工况、边界条件和被动单元，适用于教学和大规模研究应用。

ABSTRACT

This paper presents a 55-line code written in python for 2D and 3D topology optimization (TO) based on the open-source finite element computing software (FEniCS), equipped with various finite element tools and solvers. PETSc is used as the linear algebra back-end, which results in significantly less computational time than standard python libraries. The code is designed based on the popular solid isotropic material with penalization (SIMP) methodology. Extensions to multiple load cases, different boundary conditions, and incorporation of passive elements are also presented. Thus, this implementation is the most compact implementation of SIMP based topology optimization for 3D as well as 2D problems. Utilizing the concept of Euclidean distance matrix to vectorize the computation of the weight matrix for the filter, we have achieved a substantial reduction in the computational time and have also made it possible for the code to work with complex ground structure configurations. We have also presented the code's extension to large-scale topology optimization problems with support for parallel computations on complex structural configuration, which could help students and researchers explore novel insights into the TO problem with dense meshes. Appendix-A contains the complete code, and the website: \url{https://github.com/iitrabhi/topo-fenics} also contains the complete code.

研究动机与目标

• 开发一种紧凑、可读且可扩展的拓扑优化代码，保持对学生和研究人员的可访问性，同时支持大规模问题。
• 利用开源工具实现高效的大型2D和3D拓扑优化，避免依赖商业FEA软件。
• 通过向量化欧几里得距离矩阵减少滤波计算时间，尤其适用于复杂基底结构。
• 通过PETSc实现并行化，提升在高性能计算系统上的可扩展性。
• 在极简代码库中扩展经典SIMP方法，支持多种载荷工况、各类边界条件和被动单元。

提出的方法

• 代码使用FEniCS实现有限元组装与求解，基于SOLID ISOTROPIC MATERIAL WITH PENALIZATION (SIMP)方法。
• 采用PETSc作为线性代数后端，加速矩阵运算并支持并行计算。
• 通过计算向量化欧几里得距离矩阵，高效计算滤波权重，替代迭代循环，降低计算成本。
• 滤波操作实现为矩阵-向量乘法：sensitivity = (D @ (density * sensitivity)) / (density * distance_sum)，其中D为距离矩阵。
• 采用带线搜索的最优性准则方法进行密度更新，确保满足体积约束。
• 通过网格和载荷标记的模块化配置，支持多种载荷工况、狄利克雷边界条件和被动单元。

实验结果

研究问题

• RQ1 能否通过高度紧凑的55行代码，利用开源工具实现可扩展、高性能的2D和3D拓扑优化？
• RQ2 与传统基于循环的方法相比，向量化欧几里得距离矩阵计算在滤波效率方面有何提升？
• RQ3 在极简代码库中，支持复杂结构配置、多种载荷工况和并行执行的极限在哪里？
• RQ4 如此紧凑的实现能否在HPC系统上扩展至大网格时保持精度和收敛性？
• RQ5 FEniCS与PETSc的集成如何在保持教育清晰性的同时实现生产级性能？

主要发现

• 55行代码成功实现了支持多种载荷工况、边界条件和被动单元的完整2D和3D SIMP基拓扑优化。
• 采用向量化欧几里得距离矩阵显著降低了滤波计算时间，实现了对复杂基底结构的高效处理。
• 通过PETSc的并行线性代数后端，代码实现了显著的性能提升，支持在大网格上的可扩展计算。
• 该实现保持了高度的可读性和模块化，适用于教学和快速原型开发。
• 由于FEniCS的平台独立性和开源技术栈，代码可在Windows、Linux和macOS上无缝移植。
• 方法成功收敛至最优设计，体积约束得到保持，如目标函数和密度随迭代的演化所示。