대규모 병렬 옥트리 AMR에서 전역 보존을 보장하는 필드‑보존 코어싱 연산자

초록

본 논문은 연속 갈루아(CG) 유한요소 기반 옥트리 적응격자에서, 기존의 주입 방식이 야기하는 질량 손실을 해결하기 위해, 각 부모 요소의 적분값을 보존하는 quadrature‑point 기반 제한 연산과 L² 투영(질량 행렬 해석)을 결합한 필드‑보존 코어싱 연산자를 제안한다. 선형·이차 라그랑주 요소와 표준 Gauss‑Legendre 적분을 이용해 질량 행렬을 대각화함으로써 로컬 연산만으로 구현 가능하며, 다차원·고차원 확장과 병렬 스케일링을 보장한다. Cahn–Hilliard 및 Cahn–Hilliard–Navier–Stokes 모델에 적용한 실험에서 전역 질량 보존 오차가 크게 감소하고, 해의 정확도와 계산 비용은 기존 주입 방식과 동등하거나 약간의 오버헤드만 발생함을 확인하였다.

상세 분석

본 연구는 연속 갈루아(CG) 기반 유한요소 해석에서 적응형 옥트리 격자(Octree AMR)를 사용할 때 발생하는 전역 보존 문제를 근본적으로 해결한다. CG 방식은 노드 기반 연속성을 유지하므로, 미세 격자에서 공동된 자유도(DOF)를 코어싱 단계에서 단순히 삭제(주입)하면, 해당 자유도가 차지하던 질량이 사라져 전역 질량이 누적적으로 감소한다. 반면, 리파인 단계는 부모‑자식 간 보간을 통해 새로운 노드 값을 선형(또는 고차) 기저함수로 정확히 재구성하므로, 적분값이 보존된다. 따라서 코어싱 단계만이 보존성 결함의 주요 원인이다.

저자들은 이 문제를 두 단계로 해결한다. 첫째, 각 부모 요소에 대해 자식 요소들의 quadrature point에서의 필드 값을 수집하고, 이 값들의 가중합이 부모 요소의 quadrature point에서의 값과 동일하도록 강제한다(식 5). 이는 “디스크리트 전역 보존”을 요소 수준에서 만족시키는 제약이다. 둘째, 이러한 제약을 만족하는 부모 요소의 노드 값을 구하기 위해 L² 투영을 수행한다. 구체적으로, 질량 행렬 (M_{ij} = \int_K N_i N_j ,dx)와 우변 (b_i = \int_K g_f N_i ,dx)을 구성하고, (M U = b)를 푼다. 여기서 (g_f)는 자식 요소의 필드 값을 quadrature를 통해 얻은 값이며, (U)는 부모 요소의 노드 값이다. 중요한 점은, 저자들이 Gauss‑Legendre quadrature와 라그랑주 기저를 선택함으로써 질량 행렬이 대각화(즉, (M_{ij}=w_i\delta_{ij}))되게 만든다. 따라서 실제 연산은 단순한 가중 평균 형태의 행렬‑벡터 곱으로 구현 가능하며, 전역 선형 시스템을 풀 필요가 없다.

이 방법은 차수 (p)에 관계없이 적용 가능하다. 고차원(2D, 3D)에서는 1D 제한 행렬을 텐서곱((\otimes))하여 다차원 제한 행렬을 구성한다. 또한, quadrature 포인트 수를 늘려 고정밀 적분을 요구하는 경우에도 동일한 프레임워크를 유지하되, 질량 행렬이 대각이 아니게 되면 로컬 선형 시스템을 직접 풀면 된다. 이러한 설계는 병렬 구현에 유리한데, 각 부모 요소별로 독립적인 로컬 연산만 수행하면 되므로, MPI 기반 대규모 코어에서도 거의 완벽한 스케일링을 보인다.

실험에서는 질량 보존이 중요한 Cahn–Hilliard 및 Cahn–Hilliard–Navier–Stokes 모델을 선택하였다. 기존 주입 기반 코어싱은 수천 단계의 AMR 사이클 후 질량 오차가 (10^{-3}) 수준까지 누적되는 반면, 제안된 방법은 기계적 정밀도 수준((<10^{-12}))까지 유지한다. 해의 물리적 품질(예: 인터페이스 위치, 에너지 감소)에서는 차이가 거의 없으며, 전체 실행 시간은 코어싱 단계에서 약 5~10% 정도의 추가 비용만 발생한다. 이는 질량 보존을 위해 전역 제약을 도입했음에도 불구하고, 로컬 연산만으로 구현했기 때문이다.

결론적으로, 이 논문은 “코어싱만이 보존성 결함을 일으키는” 상황을 정확히 파악하고, quadrature‑point 보존과 L² 투영을 결합한 간단하면서도 확장 가능한 해결책을 제시한다. 이는 대규모 병렬 시뮬레이션에서 장기적인 물리량 보존이 필수적인 다중물리 문제에 바로 적용 가능하며, 기존 CG‑AMR 프레임워크에 최소한의 코드 변경만으로 통합될 수 있다.