[论文解读] GPU-accelerated Bernstein-Bezier discontinuous Galerkin methods for wave problems

Jesse Chan, Tim Warburton|arXiv (Cornell University)|Dec 18, 2015

Advanced Numerical Methods in Computational Mathematics参考文献 25被引用 5

一句话总结

本文提出了一种用于波动问题的GPU加速伯恩斯坦-贝齐埃不连续伽辽金（DG）方法，利用伯恩斯坦多项式的分层结构，实现了导数算子和提升算子的渐近最优、无积分求积的计算。由于单元算子的稀疏性以及在GPU上高效的内存访问模式，该方法在高阶下相较于标准节点型DG实现具有更优的计算性能。

ABSTRACT

We evaluate the computational performance of the Bernstein-Bezier basis for discontinuous Galerkin (DG) discretizations and show how to exploit properties of derivative and lift operators specific to Bernstein polynomials for an optimal complexity quadrature-free evaluation of the DG formulation. Issues of efficiency and numerical stability are discussed in the context of a model wave propagation problem. We compare the performance of Bernstein-Bezier kernels to both a straightforward and a block-partitioned implementation of nodal DG kernels in a time-explicit GPU-accelerated DG solver. Computational experiments confirm the advantage of Bernstein-Bezier DG kernels over both straightforward and block-partitioned nodal DG kernels at high orders of approximation.

研究动机与目标

• 解决高阶节点型DG方法在GPU上因密集矩阵运算导致的计算瓶颈。
• 克服标准节点型DG核在高多项式阶次下因内存带宽利用率低和算术强度高而产生的局限性。
• 利用伯恩斯坦-贝齐埃基函数的内在稀疏性与结构，设计GPU优化的、无积分求积的DG核，以降低复杂度。
• 证明伯恩斯坦-贝齐埃DG核在高阶下相较于直接实现与分块分区节点型DG实现，在计算吞吐量和数值稳定性方面均表现更优。

提出的方法

• 使用伯恩斯坦-贝齐埃多项式作为基函数，诱导出导数和提升算子的块稀疏单元矩阵。
• 利用伯恩斯坦多项式的分层与正交性质，将提升算子分解为度提升与质量矩阵运算的乘积。
• 通过基变换矩阵 T_N 将DG弱形式转换为模态表示，实现质量矩阵的对角化，并简化矩阵-向量乘积。
• 利用涉及面质量矩阵与体积质量矩阵的广义特征值问题，推导出提升矩阵 L₀ 的显式特征值公式。
• 实现GPU内核，利用伯恩斯坦-贝齐埃算子的稀疏性与块结构，以最小化内存访问并最大化算术强度。
• 与两种参考实现进行性能对比：一种是直接节点型DG核，另一种是使用优化BLAS层级操作的分块分区节点型DG核。

实验结果

研究问题

• RQ1 与标准节点基相比，伯恩斯坦-贝齐埃基是否能降低GPU上波动问题DG离散化的计算复杂度？
• RQ2 伯恩斯坦-贝齐埃基中的导数与提升算子如何实现DG弱形式的无积分求积、渐近最优计算？
• RQ3 有限精度算术对高多项式阶次下伯恩斯坦-贝齐埃DG方法的稳定性和精度有何影响？
• RQ4 在GPU上，伯恩斯坦-贝齐埃DG核相较于朴素实现与分块分区节点型DG核，在计算吞吐量与强可扩展性方面表现如何？

主要发现

• 伯恩斯坦-贝齐埃基通过利用导数与提升算子的稀疏性，实现了DG公式渐近最优的实现，将复杂度降低至O(N³)（N次多项式）。
• 提升算子被分解为 L = M⁻¹M_f，其中 M_f 为面质量矩阵，M 为体积质量矩阵，且 M_f 可通过度提升与正交投影表示。
• 在模态（正交多项式）基下，质量矩阵变为对角矩阵，提升矩阵 L₀ 的特征值被显式推导为 λ_i = (N+1)²/2 × (λ_i^N / λ_i^{N+1})，并简化为 (N+i+d)(N+1−i)/2。
• 计算实验表明，伯恩斯坦-贝齐埃DG核在多项式阶次 N ≥ 8 时，计算吞吐量比直接节点型DG核高出2–3倍，比分块分区节点型DG核高出1.5–2倍。
• 该方法在有限精度算术下保持了数值稳定性，质量矩阵的条件数因正交模态基而表现出有利的缩放特性。
• 伯恩斯坦-贝齐埃DG的性能优势随多项式阶次增加而提升，证实其在GPU加速架构上进行高阶波模拟的适用性。