אופטימיזציה טופולוגיה היא טכניקת עיצוב חישובית כי היא מחדדת הפצה חומרית בתוך דומיין מוגדר כדי להשיג ביצועים מבניים אופטימליים תחת עומסים ומגבלות. משקעים קלים לחילופי חום יעילים מאוד, שיטה זו הפכה חיונית בהנדסה מודרנית. עם זאת, כמו בעיות עיצוב גדל בקנה מידה ומורכבות - דרישה ממלות דק יותר, הפיכה רב-פיזית, ומציאותית אינטראקציה - אלה שיטות חישוביות מתקדמות יותר כדי לאפשר מקבילות.

Need for Speed in Topology Optimization

יישום סדרתי מסורתי של אופטימיזציה טופולוגי לסבול ממגבלות דרוגיות חמורות.כל אחד מההתרחשות דורש פתרון מערכת גדולה של משוואות ליניאריות, מספרי רגישות מחשוב ועדכון שדה הצפיפות - כל הפעולות שסולמות ללא לינאריות עם גודל בעיות. בעיה טיפוסית 3D עם מיליוני אלמנטים סופיים יכול לדרוש מאות של משוואות, כל דקה תובענית (או שעות) על הליבה אחת.

מחשוב במקביל מתייחס צוואר הבקבוק הזה על ידי הפצת עומס העבודה על יחידות עיבוד מרובות.הבנה המרכזית היא כי הרבה תת-משימות בתוך לולאה אופטימיזציה - בעיקר של קשיחות, ניתוח רגישות ברמה של אלמנט, ואפילו שלבים פתרוןיים רציונאליים - הם במקביל מביך. על ידי ניצול המקבילה הזאת, החוקרים והמתרגלים השיגו מהירות מתקרבת לשיקולים התיאורטיים (שיקולים של מנדלה) לא רק במהירות גבוהה יותר, אלא גם שימוש בדיסקרטיזציה, אלא גם ביכולת של אי-זמנית, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, אלא גם כן, לא-זמנית-לשלב את היכולת של אי-לקטמטית-לקטמטית-לקטמטית-לצייתנות-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-ל-לספקטיבית-לספקית-לספקית-ל-לספקית-לספקטיבית-ל-ל-זמנית-זמנית-ל-לספקית-לספקית-זמנית-זמנית-במידת אי-זמנית-זמנית-זמנית-זמנית, אך לא-זמנית-זמנית-זמנית-זמנית-זמנית-

הבנה של מחשוב במקביל בקונטקסט של אופטימיזציה טופולוגיה

לפני צלילה להתפתחויות ספציפיות, זה שימושי להבהיר את סוגי המקבילות המועסקות בדרך כלל. שתי קטגוריות רחבות שולטות:

  • (FLT:0 מקבילות נתונים מקבילות FLT:1) - אלמנט הסופי mesh מחולק subdomains, כל אחד שהוקצה מעבד שונה.כל הליבה מייחסת תרומות ועדכונים משתנים באופן עצמאי.
  • (FLT:0)Task ParallelismFLT:1 - שלבים שונים של אלגוריתם אופטימיזציה (למשל, ניתוח רגישות, ניתוח סינון, עדכון עיצוב) הם צינורות או חפיפה. בעוד פחות נפוץ, מקבילות יכול לשפר עוד את הקשר עם מקבילות נתונים.

אדריכלות זיכרון גם משנה.מערכות זיכרון משותפות (multicore CPUs) מאפשרות לחוטפים לגשת למרחב כתובת משותף, לפשט תקשורת אך סיכון של תוכן.מקבץ זיכרון (למשל, MPI-based) לדרוש הודעות מפורשות העוברות, אשר מוסיף מעל פני השטח אך מאפשר דרוג לאלפים של ליבות.

אדריכלות מחשוב במקביל לטופולוגיה אופטימיזציה

Multicore CPUs ו- Multithread

כמעט כל עבודה מודרנית היא מכונה מקבילה. Multicore CPUs עם 8, 16, או אפילו 64 ליבות עכשיו חומרה סחורות. עבור אופטימיזציה טופולוגיה, מקבילה משותפת באמצעות OpenMP או C++ חוטים יכול להניב מהירות מיידית עם קוד מינימלי מספק.הרווחים היעילים ביותר מגיעים מאופטימיזציה של ה-Ac-conation והמבצעים ב-areatives כגון congate ⁇ dancedation ⁇ (GC) ו-code-Excel-Extline (קוד פתוח) כוללים כיום קוד פתוח.

התקדמות משמעותית לאחרונה היא השימוש באדריכלות של NUMA-awareFLT:1 אופטימיזציה. non-Uniform Memory Access (NUMA) לחדור גישה מרחוק זיכרון על ידי הצבת חוטים ליבות ספציפיות וזיכרון מקומי, החוקרים הפחיתו דוכני זיכרון עד 40% באופטימיזציה בקנה מידה גדול של למעלה מ- 40%.

GPU Acceleration

יחידות עיבוד גרפיות (GPUs) הן במקבילה מטבען, עם אלפי ליבות המיועדות לאופטימיזציה מסיבית. עבור אופטימיזציה טופולוגית, GPUs להצטיין ב אלגברה ליניארית ופעולות אלמנט-wise. NVIDIA CUDA ו- OpenCL הם המסגרת העיקרית בשימוש.

עבודה חדשה הוכיחה כי לולאות אופטימיזציה של טופולוגיה יכולות לפעול לחלוטין על GPU, הימנעות העברות נתונים CPU-GPU יקרות. וואנג et al. (2022) הציג מסגרת מלאה GPU-accelerated שהשיגה מהירות 50×up על צפיפות בסיס נתונים CPU עבור מדפסת CPU 3D-Tilam עם 2.5 מיליון אלמנטים.

זיכרון GPU נשאר מחוספס.מרבית ה- GPUים של הצרכנים יש 8-24 GB של VRAM, הגבלת גודל הבעיה שניתן לפתור לחלוטין על שכפול.אסטרטגיות כמו מחוץ ל-core עיבוד ומבנים נתונים יעילים זיכרון (למשל, אחסון רק החלק הסימטרי של ממטריקס הקשיח) הם תחומי מחקר פעילים.

מחשוב מבוזר ו-Clusters

עבור הבעיות הגדולות ביותר - מיליוני דולרים של דרגות חופש - מכונה אחת, אפילו עם GPUים מרובים, הוא לא מספיק. מקבילה חד הורית באמצעות טבלת ההודעות (MPI) הוא עבודת המחשוב בעל ביצועים גבוהים (HPC) עבור אופטימיזציה טופולוגיה.

גישה טיפוסית היא לחלק את התחום העיצובי לתוך תת-דומיינים באמצעות כלי חלוקת גרף (למשל, METIS, סקוטס) לכל תהליך MPI יש תת-קבוצה של אלמנטים ונקודות מקבילות ממשיכות כדלקמן:

  1. כל תהליך מאגד נוקשות מקומית וקטורים כוח.
  2. המערכת הלינארית נפתרה במקביל באמצעות פותרת ריתוק (לעתים קרובות CG עם תוספת מותנית שוורצ).
  3. מספרי רגישות הם ממוקמים מקומית ולאחר מכן מועברים תת-דומיינים שכנים כדי ליישם את הצעד המסנן.
  4. עדכון עיצוב מקביל (למשל, באמצעות שיטת הקריטריונים האופטימליות) הוא מיושם.

מסגרת המדינה-of-the-art כמו ספריית אופטימיזציה של טופולוגיה המקבילה (FLT:0TopOpttureFLT:1) ואת העסקה.II סופית אלמנט הספרייה תמיכה מקומית בהגדרה ומקבילות MPI+OpenMP היברידי. Scaling ל-10,000 ליבות הוכחו לבעיות עם למעלה מ 1 מיליארד אלמנטים.

התקדמות אלגורית

חומרה לבד אינה מספיקה; אלגוריתמים מקבילים חייבים להיות מתוכננים בקפידה כדי למזער תקשורת, עומס איזון, וניצול של אזורי נתונים.התתת הבאה מדגישה פריצות דרך אלגוריתמיות מפתח.

שיטות ייצוגיות

(DD) הוא הבסיס של רוב קודי אופטימיזציה של טופולוגיה מקבילים.הגרסה הפופולרית ביותר היא שיטת Additive שוורצ (ASM), שבו הבעיה העולמית מחולקת לחפוף או לא overlapping subdomains, נפתרה באופן עצמאי, ולאחר מכן בשילוב. חוקרים הציגו לאחרונה רצף של FLT:0dual-primal-primal-primal-primal-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-prial-primcationing and interconnecting (p) DP) של תכונות (p) של טיפוליות (p) של 16) עם רמה גבוהה של תכונות של טיפוליות (p) של טיפוליות (p) עם רמה גבוהה של טיפוליות (pive XLT) עם רמה גבוהה של 16) של תכונות של טיפוליות (prangedmaindmaindmaindmaindmaindmaindruption) עם רמה גבוהה יותר של טיפוליות (prangedmaindmaindmains) עם רמה גבוהה יותר) של טיפוליות (prangedruption) עם רמה גבוהה יותר) עם רמה גבוהה של

Multigrid Solvers

אופטימיזציה טופולוגיה כוללת לעתים קרובות פתרון משוואה דמוית Poisson עבור שלב המסנן, כמו גם את מערכת הגמישות העיקרית. שיטות מרובותgrid הם פותרים אופטימליים - הם להשיג התכנסות בפעילות O(N) במקביל רביגריד (PMG) מרחיבה את זה כדי להפיץ סביבות. A Advance בולטת היא השימוש של Multiacbrigicgridicggrid (AMG) מקבילה באופן אוטומטי לתהליכים MPICCS.

המונחים: filing

כדי להימנע מתבניות בדיקת לוח ולהבטיח כיעילות, אופטימיזציה של טופולוגיה משתמשת מסנן רגישות כי ממוצעים אלמנט רגישה ensitivities על רדיוס קבוע.במקרה הסדרתי, זה פשוט.במקביל, כל שכונה מסנן של כל אלמנט עשוי להרחיב על פני גבולות תת-קרקעיים, המחייב תקשורת חדשה משתמשת בגישה של FLT:0ghost LayerFLT:1: כל אחד משכבות הרוחביעות, רק על ידי מספר אלמנטים דינמיים, יש צורך פילטרים, ורק על ידי מספר אלמנטים של זיכרון, ו-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים גדולים יותר, על-ידי אלגוריתמים גדולים יותר, על-ידי אלגוריתמים גדולים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים גדולים יותר ויותר, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים, על-ידי אלגוריתמים

Machine Learning Augmented Topology Optimization

מחשוב במקביל מאפשר גם את ההפיכה של אופטימיזציה טופולוגיה עם רשתות עצביות עמוקות.כאן, התשתית המקבילה משמשת לא רק עבור פתרון אופטימיזציה אופטימיזציה, אלא גם עבור אימון מודלים חלופיים.לדוגמה, רשת אבולוציה מלאה יכול להיות מאומן על-פני ה-fly במהלך אופטימיזציה, באמצעות נתונים מבוזרים על פני מספר GPUs באמצעות אימון מקבילים.

יישומים אמיתיים והטבות

ההשפעה המעשית של התקדמות מחשוב מקבילים אלה היא מוחשית על פני תעשיות:

  • (FLT:0)AerospaceveFLT:1) - צלעות ומצעים קלים כי ליהנות מהפחתה במשקל 20-30% תוך עמידה בדרישות כוח ועייפות.
  • (FLT:0) מנוע מנועים 1LT - מרכיבים צ'אסזה וזרועות השעיה אופטימיזציה לקרוסוורת ונוקשות. GPUs מאפשרים שינויים עיצוב בזמן אמת בפגישות אינטראקטיביות, ניתוק מחזורי פיתוח.
  • (FLT:0) שתלים ביו-רפואיים (FLT:1) - צמחי הירך הספציפיים למטופל וכלובים ספיןאליים עם מבנים ⁇ d ⁇ d כדי לקדם אופטימיזציה מקבילה ברזולוציה גבוהה (מאות מיליוני אלמנטים) ללכוד דפוסים בקנה מידה בסדר-מידה בקנה מידה גדול.
  • (FLT:0) ייצור מתורבת 1 (אנ') - שילוב של מגבלות יתר ואופטימיזציה מבנית תמיכה. מקבילה פותרים מאפשרים הכללה של פיזיקה נוספת (רמית, נוזל) ללא הפסקות חוצות.

מעבר למהירות, היכולת להשתמש במישאות קנסות באופן ישיר מתרגם עיצובים נאמנות גבוהים יותר ופסולת חומרית מופחתת.מחקר של אוניברסיטת מישיגן בשנת 2023 הראה כי 128-core פועל יכול לפתור אופטימיזציה של 10 מיליון דולר לטופולוגיה ב 4.5 שעות - משימה שלקחה יותר מחודשיים על הליבה אחת לפני עשור.

אתגרים ומגבלות

למרות התקדמות יוצאת דופן, כמה מכשולים נותרו:

  • (FLT:0) חוסר איזון מוחלט (LoadureFLT:1) - במהלך אופטימיזציה, החומר הוסר, מה שגורם למספר אלמנטים פעילים להשתנות על פני תת-קיום. מחיצה סטטית עלולה להוביל לחוסר איזון חמור במקרים מאוחרים יותר. שכפול דינמי (למשל, שימוש ב- ParMETIS) מוסיף מעל פני השטח, אך יכול לשחזר את השימושים האחרונים של מעקב אחר יסודות כדי לנבאת עומסים ופעולות צורך רק כאשר הם רק כאשר הם נדרשים.
  • (FLT:0) מזכרי בקבוקונים מאלף 1:1 - זיכרון מחוספס מפחית לחץ זיכרון חד-פעמי, אבל האחסון הקולקטיבי של ממטריקס הנוקשות העולמית (אפילו בצורה מגובשת) יכול לעלות על זיכרון מצטבר לבעיות גדולות מאוד.מטריקס שיטות ללא תשלום כי מטריקס-גבי מוצרי מריצה מטריקס מקיפים על זבוב הם צוברים, אבל הם מגבירים את העלות החישובית של ההצתה.
  • (FLT:0) מורכבות אלגוריהמית מורכבות FLT:1 - לא כל הרכיבים האלגוריתמיים מקבילים באותה מידה. מסנן עם רדיוס גדול, רגישות aggregation, ובדיקות התכנסות דורשות לעתים קרובות הפחתות גלובליות (למשל, כל פעולות חינוך) כי קנה מידה של גלית' עם ספירת מעבד.
  • (FLT:0) Heterogeneous חומרה FLT:1 - עליית המערכות עם תערובת של CPUs, GPUs, ו מאיצים (למשל, FPGA) מציבה יכולת עמידה אתגרים רב-כיבוד עומס.רוב קודים אופטימיזציה העליון של טופולוגיה עדיין אינם ניידים לחלוטין על פני ארכיטקטורות הטרוגניות כה heterogeneous.

כיוונים עתידיים

הגבול הבא באופטימיזציה של טופולוגיה מקבילים הוא במיחשוב רחב ומעבר. עם מערכות המסוגלות 10FreaLT:0 (18FLT:1 פעולות לשנייה, החוקרים שואפים לפתור בעיות עם מיליארדי משתנים עיצוב, אינטראקציה מבנית נוזל, חומרים רב-phase, וודאות בזמן אמתית הקוונטים מגמות כוללים:

  • (FLT:0)Quantum ComputingFLT:1 - למרות עדיין nascent, קוונטי אננאלרים ואלגוריתמים וריאציות עשוי יום אחד לפתור את תת-התכנומים המשולבים (למשל, בחירה חומרית אופטימלית) שהם NP-Hard. Parallelum סימולציות, ריצה על HPC קלאסית, משמשים לאופטימיזציה של אופטימיזציה של קוונטית-קרומית.
  • (FLT:0) ב-itu הדמיה של ויזואליזציה 1FLT - במקום אחסון של טרה-בייט של נתוני פלט, ב-itu-situ עיבוד נוסחאות וניתוח התפתחות עיצוב כמו רץ ה- I/O.
  • (FLT:0Cloud-native OptimizationFLT:1) - שירותי אופטימיזציה של טופולוגיה המכילה את הגמישות באמצעות Kubernetes ומחשוב ללא שרת.זה מפיץ גישה: חברות קטנות יכולות לשכור 1000-coreים למשך מספר שעות ללא תשתית HPC.
  • (FLT:0)סוף-סוף-סוף-סוף-אוטומטי שונה-הההההההבנה אוטומטית של האלגוריתם עצמו (כלומר, למידה לאופטימיזציה) ו- Zygote מאפשרות ל-GPUs/TPUs) ו- מותאמים לאופטימיזציה של האלגוריתם עצמו (כלומר, למידה לאופטימיזציה). מסגרות אלה נבנות במקבילה (אוסף של XLA עבור GPUs/TPUs) והתאמה לאופטימיזציה גדולה.

הסינרגיה בין מחשוב מקביל ואופטימיזציה טופולוגיה תמשיך להעמיק.בעוד חומרה מתפתחת ואלגוריתמים בוגרים, הגבול של מה שניתן לתכנן יתרחב, תוך הפיכה בעידן חדש של מבנים קלים, ביצועים גבוהים שהם גם מחושבים וגם אופטימליים פיזית.

(ב) לקריאה נוספת על הפרטים הטכניים, להתייעץ עם העבודה הבסיסית של בנדסרוב ו זיגמונד על תורת אופטימיזציה של טופולוגיה, AFLT:0overview של אסטרטגיות מקבילות על ידי Aage et al.miaFLT:1, ואת הבלוג של FPLT:2NVIDIA על GPU-accelerated אופטימיזציה העליון אופטימיזציה של למעלהFLT 3 LT יכול גם להתייחס אל אתר האינטרנט LT:4 ו-FTU5 מקבילה.