[论文解读] Efficient adaptivity for simulating cardiac electrophysiology with spectral deferred correction methods

Fatemeh Chegini, Thomas Steinke+1 more|arXiv (Cornell University)|Nov 13, 2023

Cardiac electrophysiology and arrhythmias被引用 4

一句话总结

本文提出在心脏电生理模拟中采用谱延迟校正（SDC）方法的代数自适应技术，通过在后续SDC迭代中逐步选择性地减少自由度（dofs），以降低计算成本。该方法利用解特征的局部化特性，并结合后验误差估计，在保持极低开销的前提下，使单域和EMI模型的计算速度提升2–4倍。

ABSTRACT

The locality of solution features in cardiac electrophysiology simulations calls for adaptive methods. Due to the overhead incurred by established mesh refinement and coarsening, however, such approaches failed in accelerating the computations. Here we investigate a different route to spatial adaptivity that is based on nested subset selection for algebraic degrees of freedom in spectral deferred correction methods. This combination of algebraic adaptivity and iterative solvers for higher order collocation time stepping realizes a multirate integration with minimal overhead. This leads to moderate but significant speedups in both monodomain and cell-by-cell models of cardiac excitation, as demonstrated at four numerical examples.

研究动机与目标

• 解决高分辨率心脏电生理模拟的高计算成本问题，特别是在单域和EMI模型中。
• 克服传统基于网格的空间自适应方法效率低下的问题，因其涉及网格加密、粗化和矩阵组装带来的高开销。
• 开发一种低开销的代数自适应策略，在不修改网格的前提下于线性系统层面运行。
• 通过在SDC迭代过程中动态限制自由度至活动兴奋波前区域，实现高效的多速率积分。
• 证明代数自适应可显著减少模拟时间，同时保持精度和容差要求。

提出的方法

• 采用具有隐式-显式（IMEX）时间积分的谱延迟校正（SDC）方法，以在求解单域和EMI模型时实现高阶精度。
• 基于SDC的线性收敛性，利用后验误差估计识别并仅保留后续迭代中最重要的自由度（dofs）。
• 实施渐进式子集选择：首次SDC迭代使用全部自由度，后续迭代则限制于具有显著校正贡献的自由度，从而减小系统规模。
• 将SDC迭代与自适应自由度选择交错进行，以在保持精度的同时最小化低解活动区域的计算量。
• 采用降幂容差准则，舍弃对校正影响可忽略的自由度，确保方法的高效性与稳定性。
• 将该方法应用于2D与3D单域和EMI模型，比较自适应与非自适应SDC基线在运行时间与精度方面的表现。

实验结果

研究问题

• RQ1 基于SDC校正局部化的代数自适应是否能在心脏电生理模拟中显著降低计算成本，同时不引入显著开销？
• RQ2 在后续SDC迭代中渐进式自由度子集选择在减小系统规模和缩短模拟时间方面的有效性如何？
• RQ3 与非自适应SDC相比，该方法在单域和EMI模型中可实现多大程度的加速？
• RQ4 该方法在不同问题规模和兴奋波前动力学下（特别是3D模拟中）的表现如何？
• RQ5 该方法的效率在多大程度上依赖于SDC迭代次数和降幂容差的选择？

主要发现

• 所提出的代数自适应在2D单域模型中实现2.13倍加速，在3D单域模型中实现3.29倍加速，EMI模型中加速更高（分别为3.336倍和4.344倍）。
• 在3D单域示例中，活跃自由度数从首次迭代的646,166个降至第三次迭代的425个，表明校正高度集中于兴奋波前区域。
• 该方法在保持精度于指定容差（TOL = 1e-4）的同时，使后续SDC迭代中的自由度数减少高达99.9%。
• 误差估计与自由度选择带来的开销可忽略不计，使得系统规模的减小可直接转化为模拟时间的节省。
• 随着计算域增大和兴奋波前占比减小，加速效果进一步提升，因显著校正的空间支持更加局部化。
• 当SDC迭代次数适中（3–10次）时，该方法效果最佳；未来改进可包括更高阶的配点方法或启发式首次迭代自由度选择策略。