Metagraph-Based Domain-Decomposed Galerkin Reduced-Order Model

Resumen Técnico: Modelo de Orden Reducido de Galerkin Basado en Metagrafos con Descomposición de Dominio (MBDD-G-ROM)

Planteamiento del Problema
Los Modelos de Orden Reducido (ROM) basados en datos, particularmente los Modelos de Orden Reducido de Galerkin (G-ROM) basados en la Descomposición de Órdenes Propios (POD), ofrecen una aceleración computacional significativa para estudios paramétricos al proyectar las ecuaciones gobernantes sobre espacios de aproximación de baja dimensión. Sin embargo, a medida que los Modelos de Orden Completo (FOM) subyacentes escalan a millones de grados de libertad (por ejemplo, en flujos de alto número de Reynolds), la construcción y aplicación de los ROM enfrentan severos cuellos de botella de memoria y computación.

Los enfoques existentes enfrentan limitaciones específicas:

1. POD Global: La construcción de un espacio de baja dimensión global suele resultar en matrices de coeficientes reducidos densas, lo que hace que la paralelización en memoria distribuida de la fase online (ensamblaje y solución) sea ineficiente debido al exceso de comunicación entre procesos.
2. G-ROMs de Descomposición de Dominio (DD-G-ROMs): Si bien estos métodos construyen espacios de aproximación locales para manejar fenómenos localizados, típicamente asumen que la descomposición utilizada para construir las bases locales coincide con la descomposición utilizada para la computación paralela. Este acoplamiento rígido impide un balanceo de carga flexible y limita la capacidad de escalar el número de subdominios locales de forma independiente al hardware paralelo disponible. Además, la mayoría de los marcos de trabajo DD-G-ROM existentes no paralelizan toda la fase online, particularmente el resolvedor lineal del sistema reducido.

Metodología
Los autores proponen el Modelo de Orden Reducido de Galerkin Basado en Metagrafos con Descomposición de Dominio (MBDD-G-ROM), un marco diseñado para desacoplar la construcción de los espacios de aproximación locales de la estrategia de ejecución paralela. La metodología se basa en una representación jerárquica basada en grafos:

1. Definiciones de Grafos:

   • Grafo de Puntos de Cálculo: Representa las interacciones entre puntos computacionales (por ejemplo, nodos de elementos finitos), correspondiente al patrón de dispersión del Jacobiano o la matriz de rigidez del FOM.
   • Metagrafo: Representa la conectividad entre los "subdominios de espacios de aproximación locales" (subdominios de computación POD). En este grafo, los metanodos corresponden a subdominios y los metaaristas codifican el patrón de dispersión por bloques inducido por los traslapes entre los soportes de las funciones de base POD locales.

2. Estrategia de Particionamiento de Dos Niveles:

   • Nivel 1 (Subdominios de Computación POD): El grafo de puntos de cálculo se particiona para definir subdominios donde se construyen las bases POD locales de forma independiente (POD Local). Esto permite una descomposición de dominio flexible y arbitraria, adaptada a la física o la geometría.
   • Nivel 2 (Subdominios de Computación Paralela): El metagrafo resultante se particiona nuevamente para definir los subdominios asignados a los procesos paralelos (ranks MPI). Este segundo nivel desacopla el número y la geometría de los subdominios POD del número de procesos paralelos.

3. Implementación Paralela:

   • El método extiende las técnicas de descomposición de dominio con traslape para manejar las matrices de bloques densos que representan las interacciones entre los subdominios de POD locales.
   • Las operaciones paralelas (sumas de vectores, productos internos y productos matriz-vector) se implementan utilizando la Interfaz de Paso de Mensajes (MPI). La comunicación de datos se optimiza mediante el intercambio de solo los componentes vectoriales correspondientes a los bloques no nulos en el sistema reducido, determinados por la adyacencia del metagrafo.
   • Balanceo de Carga Estático: El marco incorpora pesos de metanodos que representan costos computacionales estimados (por ejemplo, el número de vectores de base o elementos hiper-reducidos). Se utiliza un algoritmo de particionamiento de grafos ponderados (METIS) para distribuir estos metanodos ponderados entre los procesos paralelos para equilibrar la carga.

4. Hiper-reducción: Para aumentar aún más la eficiencia, el método integra el Método de Cubatura Empírica (ECM) para la hiper-reducción, aproximando las integrales sobre un subconjunto de elementos para reducir el costo del ensamblaje del sistema reducido.

Contribuciones Clave

• Nueva Representación de Grafo: La introducción del concepto de metagrafo proporciona una formulación general, basada en la teoría de grafos, para los DD-G-ROM que acomoda de forma arbitraria las descomposiciones de dominio.
• Particionamiento Desacoplado: La estrategia de particionamiento de dos niveles permite que los subdominios de descomposición de dominio de aproximación local se especifiquen independientemente de los subdominios de computación paralela. Esto permite el uso de un gran número de subdominios locales para la precisión sin requerir una correspondencia uno a uno con los procesos paralelos.
• Paralelización Completa de la Fase Online: El marco logra la paralelización en memoria distribuida de toda la fase online, incluyendo el ensamblaje del sistema reducido y la solución del sistema lineal reducido mediante resolvedores iterativos.
• Mecanismo de Balanceo de Carga: El método proporciona un mecanismo natural para el balanceo de carga estático mediante la asignación de pesos a los metanodos basados en estimaciones de costo computacional (por ejemplo, conteos de vectores de base o conteos de elementos de hiper-reducción).

Resultados Numéricos
El método fue verificado utilizando dos casos de prueba: una ecuación de difusión no estacionaria y las ecuaciones de Navier-Stokes incompresibles para el flujo alrededor de un cilindro 3D.

• Precisión: En el caso de la ecuación de difusión, el aumento del número de subdominios de computación POD (y, por ende, del número total de vectores de base) mejoró la precisión de la aproximación, confirmando la validez de la implementación de POD local.
• Eficiencia Paralela: Las pruebas de escalamiento fuerte demostraron que el método mantiene una alta eficiencia paralela en la fase online. La eficiencia del ROM (aceleración respecto a FEM) se mantuvo estable o aumentó con el número de procesos paralelos, particularmente para problemas con un gran número de grados de libertad del FOM.
• Escalabilidad: El resolvedor lineal reducido exhibió un comportamiento de escalamiento fuerte favorable, aunque la escalabilidad se degradó en conteos de procesos muy altos cuando la dimensión reducida por proceso era demasiado pequeña para amortizar la sobrecarga de comunicación.
• Balanceo de Carga: En la prueba de balanceo de carga estático, la asignación de pesos de metanodo basados en el número de elementos hiper-reducidos ($n^{(i)}_{HROM}$) mejoró la eficiencia computacional en aproximadamente un 15% en comparación con el particionamiento no ponderado, demostrando la utilidad del enfoque de grafos ponderados.

Significancia y Reivindicaciones
El artículo afirma que el MBDD-G-ROM proporciona un marco general para aliviar las restricciones de memoria en análisis DD-G-ROM a gran escala. Al desacoplar los subdominios de construcción de POD de los subdominios de ejecución paralela, el método permite el uso de recursos de computación de alto rendimiento de manera más flexible que los enfoques anteriores. Los autores sostienen que su marco aborda con éxito el cuello de botella de las matrices reducidas densas en el POD global y la rigidez de las descomposiciones acopladas en los DD-G-ROM existentes, logrando una alta eficiencia paralela tanto en la fase offline (construcción de bases) como en la fase online (simulación). El estudio concluye que el método mantiene la precisión de la solución mientras permite un análisis paralelo escalable para problemas complejos y de gran escala.