그래프 신경망을 활용한 대수적 다중그리드 압력 해법 가속

Overview

압력-포아송 방정식 해결은 비압축성 비구조적 흐름 솔버에서 가장 큰 계산 병목으로 남아 있으며, 이는 전통적인 선형 솔버가 메쉬 불규칙성에 민감하기 때문이다. 본 연구는 데이터 기반 알제브릭 멀티그리드(AMG) 스무더를 제시한다. 이 스무더는 수정된 그래프 컨볼루션 동형 네트워크(GCIN)를 사용한다. 그래프 신경망은 다양한 그리드 토폴로지에서 희소 편의 연산자(= pseudo-inverse 연산자)를 구성하기 위한 최적 다항식 계수를 예측한다. 계수는 각 V- 사이클 반복 후 잔차를 최소화하도록 최적화된다. 제안된 방법은 희소 계수 행렬에서 시스템의 대수 구조를 직접 포착함으로써 솔버의 선형성을 유지하면서 비구조적 그리드에서의 지역 이방성에 적응한다. 우리의 프레임워크는 주어진 오차 허용치에 필요한 V- 사이클 수를 줄이고, 다양한 벤치마크에서 워크스톱 속도를 4%에서 37%까지 향상시키는 상당한 성능 향상을 보여준다. 특히, 모델은 훈련에 사용된 메쉬보다 최대 128배 더 큰 규모의 메쉬에서도 효율성을 유지하고, AirfRANS와 같은 미처리한 산업 관련 문제에서 솔버 수렴을 가속화한다.

Key Contributions

• physics.comp-ph
• cs.LG
• physics.flu-dyn

Methodology

자세한 방법については 전체 논문을 참고하십시오.

Practical Implications

본 연구는 physics.comp-ph의 발전에 기여한다.

Authors

• Eric Chillón
• Artur K. Lidtke
• Nguyen Anh Khoa Doan
• Bernat Font

Paper Information

• arXiv ID: 2606.19251v1
• 카테고리: physics.comp-ph, cs.LG, physics.flu-dyn
• 발행일: 2026년 6월 17일
• PDF: PDF 다운로드