[论文解读] Parallel Computation of Finite Element Navier-Stokes codes using MUMPS Solver

Mandhapati Raju|ArXiv.org|Oct 9, 2009

VLSI and FPGA Design Techniques参考文献 11被引用 7

一句话总结

本论文提出了一种基于MUMPS直接求解器的有限元Navier-Stokes求解器的并行实现，用于求解二维和三维问题中产生的稀疏线性系统。该研究评估了MUMPS在内存使用和CPU时间方面的性能，展示了在分布式内存架构上牛顿法与修正牛顿法的可扩展性，表明尽管内存需求较高，多Frontal求解器仍可实现计算效率。

ABSTRACT

The study deals with the parallelization of 2D and 3D finite element based Navier-Stokes codes using direct solvers. Development of sparse direct solvers using multifrontal solvers has significantly reduced the computational time of direct solution methods. Although limited by its stringent memory requirements, multifrontal solvers can be computationally efficient. First the performance of MUltifrontal Massively Parallel Solver (MUMPS) is evaluated for both 2D and 3D codes in terms of memory requirements and CPU times. The scalability of both Newton and modified Newton algorithms is tested.

研究动机与目标

• 为使用直接求解器的有限元Navier-Stokes代码实现高效的并行计算。
• 评估MUltifrontal Massively Parallel Solver（MUMPS）在内存需求和CPU时间方面的性能表现。
• 评估牛顿法与修正牛顿法在应用于二维和三维有限元离散化时的可扩展性。
• 研究尽管内存需求较高，多Frontal求解器在大规模Navier-Stokes模拟中是否具备可行性和计算效率。

提出的方法

• 本研究采用MUMPS求解器作为有限元离散化Navier-Stokes方程所产生的稀疏矩阵的直接线性系统求解器。
• 有限元方法被应用于二维和三维问题，通过Galerkin近似求解动量方程和连续性方程的弱形式。
• 牛顿法与修正牛顿法用于求解所得的非线性系统，MUMPS负责并行求解Jacobian线性系统。
• 通过基于MPI的域分解实现并行化，将稀疏矩阵和解向量分布到多个处理器上。
• 收集并分析了不同问题规模和处理器数量下的CPU时间与内存使用等性能指标。
• 通过测量处理器数量增加时的求解时间与效率来测试可扩展性。

实验结果

研究问题

• RQ1 MUMPS求解器在二维和三维有限元Navier-Stokes问题中的内存消耗与CPU时间表现如何？
• RQ2 当使用MUMPS求解线性系统时，牛顿算法在多处理器环境下的可扩展性如何？
• RQ3 在此背景下，修正牛顿法与标准牛顿法相比，在可扩展性与性能方面表现如何？
• RQ4 尽管内存需求较高，多Frontal直接求解器（如MUMPS）是否能在大规模流体动力学模拟中实现可接受的计算效率？
• RQ5 问题维度（二维与三维）对MUMPS在此应用领域中的性能与可扩展性有何影响？

主要发现

• MUMPS在二维和三维有限元Navier-Stokes代码中表现出良好的并行性能，随着处理器数量的增加，CPU时间显著减少。
• 牛顿算法在多种处理器配置下均表现出可扩展性，表明负载分配与通信效率良好。
• 修正牛顿法与标准牛顿法具有相近的可扩展性，且每步迭代的计算成本略低。
• 内存需求仍是主要限制因素，但使用多Frontal求解器相比迭代方法在测试案例中实现了更快的收敛速度。
• 本研究证实，当直接求解的精度与鲁棒性优先于内存效率时，MUMPS是大规模有限元模拟的可行选择。
• 性能趋势表明，问题规模与网格分辨率显著影响绝对求解时间，但各类配置下的相对可扩展性保持稳定。