[论文解读] Matrix-free isogeometric analysis: the computationally efficient $k$-method

Giancarlo Sangalli, Mattia Tani|arXiv (Cornell University)|Dec 22, 2017

Advanced Numerical Analysis Techniques被引用 2

一句话总结

本文提出一种基于加权积分和快速对角化预条件的无矩阵等几何 $k$-方法，通过避免高昂的内存和组装成本，使高阶、高连续性样条的计算成为可能，实现了相较于标准方法的数量级速度提升。该方法显著改善了精度与计算时间的比值，尤其在高阶情况下表现优异，即使在中等阶次下也优于低阶等几何方法。

ABSTRACT

In this work we show the superiority, in terms of computational efficiency, of the high-degree $k$-method with respect to low-degree isogeometric discretizations. The $k$-method is the isogeometric method based on splines (or NURBS, etc.) with maximum regularity. When it is used as a classical finite element method, increasing the degree becomes soon prohibitive and, in practice, quadratic $C^1$ approximation is the most efficient choice. Recent works have proposed alternative approaches and significant improvements, still without reaching the $k$-method full efficiency. With our innovative implementation, increasing the spline degree and regularity (i.e., the $k$-refinement) significantly improves not only the accuracy, which is known, but also the accuracy-to-computation-time ratio. The novelty is a matrix-free strategy, which is first used in this context but is well-known for other high-order methods. Matrix-free implementation speeds up matrix operations, and, perhaps even more important, greatly reduces memory consumption. Our strategy employs the recently proposed weighted quadrature, which is an ad-hoc strategy to compute the integrals of the Galerkin system. The other key ingredient is a preconditioner based on the Fast Diagonalization method, an old idea to solve Sylvester-like equations. Our numerical tests show that the new implementation is faster than the standard one (where the main cost is the matrix formation by standard Gaussian quadrature) even for low degree. But the main point is that, with the new approach, the $k$-method gets orders of magnitude faster by increasing the degree, given a target accuracy. What we present is applicable to more complex and realistic differential problems, but its effectiveness will depend on the preconditioner stage, which is as always problem-dependent.

研究动机与目标

• 解决高阶等几何方法的计算低效问题，特别是针对高连续性样条。
• 克服标准矩阵组装方法在高阶等几何离散化中带来的高昂内存和组装成本。
• 通过高效实现 $k$-型细化（增加样条阶次和连续性）来提升等几何分析中的精度与计算时间比。
• 开发一种可扩展的无矩阵框架，适用于复杂和真实的偏微分方程，其性能取决于特定问题的预条件策略。
• 证明当结合先进积分方法与预条件技术时，$k$-方法在低阶情况下也具备计算可行性并优于传统方法。

提出的方法

• 采用无矩阵方法，消除显式矩阵组装的需要，大幅降低内存消耗并加速矩阵-向量运算。
• 实施加权积分，一种专为等几何伽辽金系统设计的启发式积分规则，以高精度高效计算单元矩阵。
• 采用快速对角化（FD）方法作为预条件器，高效求解伽辽金公式产生的线性系统。
• 应用 $k$-方法，使用具有最大连续性的样条（如NURBS），实现在单元之间的 $C^1$ 及以上连续性。
• 将无矩阵策略与 $k$-型细化相结合，实现样条阶次和连续性的系统性提升，避免传统计算瓶颈。
• 利用等几何系统的结构特性，利用张量积性质，实现弱形式的高效计算。

实验结果

研究问题

• RQ1 无矩阵实现是否能显著降低高阶等几何分析中的内存和计算成本？
• RQ2 加权积分是否能在无需完整矩阵组装的情况下，实现 $k$-方法中高效且精确的积分？
• RQ3 快速对角化预条件器在多大程度上提升了 $k$-方法中线性系统的求解效率？
• RQ4 $k$-方法的精度与计算时间比相较于标准低阶等几何方法，在不同阶次下表现如何？
• RQ5 所提出的框架是否能有效扩展至复杂偏微分方程，同时通过 $k$-型细化保持高效率？

主要发现

• 无矩阵 $k$-方法在计算速度上相比标准矩阵组装方法实现了数量级的提升，尤其在样条阶次提高时更为显著。
• 即使在低阶情况下，新实现也因内存减少和更快的矩阵-向量乘积而优于标准方法。
• 通过 $k$-型细化，精度与计算时间的比值显著提升，使高阶、高连续性逼近在计算上变得可行。
• 加权积分有效实现了伽辽金系统中高效且精确的积分，降低了单元矩阵计算的成本。
• 快速对角化预条件器显著加速了迭代求解器，使该方法适用于大规模问题的可扩展性。
• 该方法的性能依赖于具体问题，尤其在预条件阶段表现各异，但在真实偏微分方程应用中展现出强大潜力。