A Total Lagrangian Finite Element Framework for Multibody Dynamics: Part II -- GPU Implementation and Numerical Experiments

이 논문은 "Total Lagrangian Finite Element Framework for Multibody Dynamics" 시리즈의 두 번째 편으로, 유한 변형 유연 다체 동역학 (Flexible Multibody Dynamics, FMBD) 을 위한 총 라그랑주 (Total Lagrangian, TL) 유한 요소 프레임워크의 수치적 방법론과 GPU 가속 구현을 다룹니다. 첫 번째 논문 [1] 에서 이론적 배경 (요소 운동학, 재료 모델, 접촉, 제약 조건 등) 을 제시했다면, 본 논문은 이를 실제 시뮬레이션 속도에 근접하거나 초과하는 수준으로 실행하기 위한 GPU 기반의 효율적인 알고리즘과 성능 검증에 초점을 맞춥니다.

주요 내용은 다음과 같습니다.

1. 문제 정의 및 배경

• 배경: 소프트 로봇, 우주 구조물, 타이어 - 지형 상호작용 등 대변형 및 대회전을 수반하는 유연 다체 동역학 문제는 공학적으로 중요하지만, 비선형성과 제약 조건으로 인해 계산 비용이 매우 높습니다.
• 한계: 기존 GPU 기반 FEM 연구는 주로 명시적 (explicit) 동역학이나 선형 문제에 국한되거나, 전역 시스템의 희소 행렬 해법을 위해 CPU 를 의존하는 경우가 많았습니다. 특히, 비선형 고체 역학의 암시적 (implicit) 2 차 솔버는 매 Newton 반복마다 희소 전역 헤시안 (Hessian) 을 조립하고 인수분해해야 하는데, 이를 GPU 네이티브로 처리하는 robust 한 방법이 부족했습니다.
• 목표: Project Chrono 프레임워크 내에서 TL 기반 FEM 을 GPU 에서 실행하여, 10 노드 이차 사면체 (T10) 요소, ANCF 빔 및 쉘 요소를 지원하고, 대용량 메시에서도 실시간 (Real-time) 또는 그 이상의 속도로 시뮬레이션하는 것을 목표로 합니다.

2. 방법론 (Methodology)

2.1. 수치적 형식화 (Augmented Lagrangian Formulation)

• 속도 기반 암시적 시간 적분: Backward-Euler 방법을 사용하여 속도 변수에 대한 비선형 잔차 (residual) 를 도출합니다.
• 증강 라그랑주법 (ALM): 양면 제약 조건 (bilateral constraints) 을 처리하기 위해 ALM 을 사용합니다. 이는 내부 속도 솔버와 이중 상승 (dual-ascent) 승수 업데이트를 교대로 수행하는 2 단계 구조를 가지며, 페널티 파라미터 민감도를 내부 솔버와 분리합니다.

2.2. GPU 병렬화 전략

• 내부 힘 및 접선 강성 평가 (2 단계 병렬화):
  1. 1 단계 (응력 평가): 각 요소 - 적분점 쌍에 대해 1 차 피올라 - 키르히호프 응력 텐서를 독립적으로 계산합니다. 메모리 충돌이 없어 완전히 데이터 병렬화됩니다.
  2. 2 단계 (힘 조립): 요소별 기여도를 전역 힘 벡터에 합산합니다. 공유 DOF(자유도) 에 대한 쓰기 충돌을 방지하기 위해 GPU 원자적 연산 (atomic add) 을 사용합니다.
• 희소 행렬 전략 (Fixed-Sparsity): 메시 토폴로지가 변하지 않는 한, 질량 행렬, 제약 조건 야코비안, Newton 시스템 행렬의 희소성 패턴 (sparsity pattern) 을 고정합니다. 이를 통해 매 반복마다 수행되던 심볼릭 분석 (symbolic analysis) 을 제거하고, cuDSS 를 이용한 수치적 재인수분해 (refactorization) 만 수행하여 오버헤드를 대폭 줄입니다.

2.3. 솔버 (Solvers)

• 1 차 최적화 (AdamW): 1 차 미분 정보 (기울기) 만을 사용하는 적응형 경사 하강법입니다. 모든 DOF 에 대해 완전 병렬로 실행되며, 헤시안 조립 비용이 없어 대규모 문제에서 효율적일 수 있습니다.
• 2 차 최적화 (Newton Solver): 전체 희소 헤시안을 GPU 에서 조립하고, NVIDIA 의 cuDSS 라이브러리를 사용하여 Cholesky 인수분해 (SPD 행렬) 를 수행합니다. 고정된 희소성 패턴 덕분에 첫 번째 반복 이후에는 빠른 재인수분해가 가능합니다.

2.4. 충돌 감지 (Collision Detection)

• BVH 비사용 (BVH-free): 기존 계층 구조 (BVH) 를 매 시간 단계마다 재구성하는 비효율을 피하기 위해, 삼각형 수프 (triangle soup) 기반의 2 스레드 비동기 알고리즘을 제안합니다.
• 비동기 파이프라인:
  • 운동학 스레드 (Kinematics Thread): 광역 충돌 감지 (Broad-phase) 를 수행하여 잠재적 접촉 쌍을 식별합니다.
  • 동역학 스레드 (Dynamics Thread): 좁은 영역 충돌 감지 (Narrow-phase) 와 물리 통합을 수행합니다.
  • 두 스레드는 공유 버퍼를 통해 비동기적으로 통신하여 충돌 감지 비용을 물리 계산과 겹쳐 (overlap) 처리함으로써 GPU 활용도를 극대화합니다.

3. 주요 기여 (Key Contributions)

1. GPU 네이티브 희소 솔버 통합: cuDSS 를 활용하여 대규모 비선형 FEM 문제의 암시적 Newton 솔버를 GPU 에서 완전히 실행 가능하게 했습니다.
2. 고정 희소성 패턴 전략: 매 반복마다 심볼릭 분석을 생략하고 수치적 재인수분해만 수행하여 Newton 솔버의 성능을 획기적으로 개선했습니다.
3. 2 단계 병렬화 및 비동기 충돌 감지: 내부 힘 계산과 충돌 감지를 GPU 스레드 블록에 최적화된 방식으로 설계하여 대용량 메시에서도 높은 처리량을 달성했습니다.
4. 다중 요소 및 제약 조건 지원: T10 사면체, ANCF 빔/쉘 요소를 지원하며, ALM 을 통한 정밀한 제약 조건 및 접촉 모델링을 구현했습니다.

4. 결과 및 성능 (Results)

• 성능 벤치마크: T10, ANCF 빔, ANCF 쉘 등 3 가지 요소 유형과 6 가지 해상도 수준에서 성능을 평가했습니다.
  • Newton Solver: 최대 해상도에서 CPU 기반 기준 (FEniCS, Project Chrono) 대비 약 10 배 (한 자릿수) 의 실시간 계수 (Real-time Factor) 개선을 보였습니다. 예를 들어, T10 요소의 최대 해상도에서 Newton GPU 솔버는 FEniCS(CPU) 보다 약 22 배 빠릅니다.
  • AdamW Solver: 중간 규모 문제에서는 Newton 솔버보다 빠르게 수행되기도 했으나, 대규모 문제에서는 수렴 속도가 느려질 수 있습니다.
• 검증 (Validation):
  • 접촉 모델: 경사면에서의 정적/동적 미끄럼 (Brick sliding) 과 사면체의 비정면 충격 (Oblique impact) 실험을 통해 고체 역학의 해석적 해와 정량적으로 일치함을 입증했습니다.
  • 제약 조건: 회전 및 구형 조인트를 가진 이중 진자 시뮬레이션에서 Project Chrono 의 강체 결과 및 해석적 정적 평형 해와 일치하는 구속 조건 잔차와 반력을 보였습니다.
• 대규모 시뮬레이션:
  • 복잡한 형상: Utah 주전자, 스탠포드 토끼, 변형 가능한 타이어 등 비정형 메시에서 성공적으로 시뮬레이션되었습니다.
  • 혼합 환경: 9 개의 변형 가능한 타이어가 컨테이너와 ANCF 쉘 빔과 상호작용하는 100 만 DOF 이상의 대규모 시나리오에서 프레임워크의 견고성을 입증했습니다.

5. 의의 및 결론

이 논문은 GPU 가속을 통한 대규모 유연 다체 동역학 시뮬레이션의 실용성을 입증했습니다. 특히, 암시적 2 차 솔버를 GPU 네이티브로 구현하고, 충돌 감지 및 제약 조건 처리를 비동기적으로 병렬화함으로써, 기존 CPU 기반 방법론으로는 달성하기 어려웠던 실시간 또는 초실시간 (Real-time/Supra-real-time) 시뮬레이션을 가능하게 했습니다. 이는 디지털 트윈, 가상 훈련, 복잡한 공학 설계 최적화 등 다양한 분야에서 유연 다체 시스템의 실시간 분석을 위한 강력한 기반을 제공합니다.