HPC 高速化実験 / CalculiX 2.23
A100 1枚で、構造解析は
どこまで速くなるか
入力読み込みから変位・応力などのファイルを出力して終了するまでを測った。規則的な引張モデル、円孔のある鋼板、二本のはりの動的接触を分けて比較する。
2026年11月12日・日本時間 17:00 計測終了 / 参照出力などとの数値照合に合格 582 / 584 実行(調整試行・CPU参照を含む。物理検証は別)
静的解析の比較
それぞれの条件で独立に3回実行した中央値(秒)。調整に使った試行は含まない。CPUにも粗い格子を使う解法を実装し、32コアと64コアを別々に調整した。右端の倍率は両CPU条件の速い方を基準にしている。
— は3回の確認がそろっていないか、比較対象がない欄。908万方程式は従来GPU版の対応サイズ上限を超えるため、旧GPU比を示さない。時間は短いほどよい。GPU条件にも入力処理や出力処理のためのCPUを使う。
円孔平板で確かめたこと
静的な最終状態。変位は表示上100倍、応力は実値。色は上面の節点から求めた要素平均、右図は穴縁の節点値。
98万3,040要素の独立したCPU直接解を作り、GPUの全節点で変位3成分・応力6成分・ひずみ6成分を照合した。支持部の反力は荷重10 kNと逆向きに一致した。上面の穴縁の応力は、30万要素から98万要素に細分化して約0.31%変わった。
何が効いたか
従来は、各節点で局所的に誤差を直していた。離れた節点にまたがる緩やかな変形を粗い格子でまとめて補正すると、344万方程式の引張で816回だった反復が64回になった。穴のある板には、実際の曲がった要素と補助格子の間で力と変位を受け渡す方式を使った。補助格子が置き換えるのは解を求める途中の処理だけで、形状・荷重・元の釣り合い式は変えていない。
単純な六面体格子では別の候補として、剛性行列の全成分を保存せずに積を求める処理も実装した。採用候補は実際の接続・座標・拘束・材料を検査する。行列を組まない場合は、各要素の8点で応力から内力を計算し直し、荷重と釣り合うことを確認する。適用できない入力は通常の経路に戻す。各実行で実際に選ばれた経路は証跡に記録した。
非線形の動的接触は別の問題
二本のはりが接触・離間すると、変形に応じて行列が変わる。静的引張の倍率はこのケースには転用できない。ここでは同じ入力で出力10時点の全節点変位、接触合力、受理した時間刻みを照合した。
GPUを支えるCPUは、従来条件がR3で12コア・R4で16コア、新条件はいずれも8コア。新旧の差にはホスト側のコア調整も含むため、行列分解の方式だけの効果とはみなさない。静的な本測定のGPU条件はいずれもホスト32コア。
圧力をかけた元モデルの最終エネルギー収支誤差はCPU参照でもR3で約229%、R4で約210%。CPUとGPUが一致しても、実際の衝突を精度よく予測できたことにはならない。
この表だけ時間刻みを変えている。速度表の比較には使わない。試験条件の差は十時点に現れる最大接触力にも影響する。
元の刻みと8分の1の刻みを同じ解析時刻で比較。どちらも単一A100で実際に出力した結果。動画を開く
R3参照解。点は各出力時刻の実測値で、時刻間のピークを表すものではない。
測定と検証
Intel Xeon Gold 6430(32物理コア×2)、NVIDIA A100 PCIe 80 GB。GPUは0番の1枚だけを表示し、CPUのみの実行ではGPUを非表示にした。32コアは0–31、64コアは0–63に固定。ジョブ間は排他制御を行い、モデル単位で実行順を入れ替えた。同じ入力ファイル・同じ出力要求を使い、独立なプロセスを起動して終了まで単調時計で計時した。プロファイラの実行時間は倍率に含まない。
静的解析はメッシュの節点・要素の一致、出力の有限性、相対L2誤差(変位5×10⁻⁷未満、応力・ひずみ5×10⁻⁶未満)、反復解の相対残差10⁻¹¹以下を確認した。円孔平板はさらに反力の誤差0.05 N未満を要求した。344万方程式と98万要素円孔平板にはCPU直接法、639万・908万方程式には独立したCPU反復解を用いた。これらは指定ケースでの数値的一致の検証であり、あらゆる構造・材料を保証するものではない。
残った待ち時間
Nsight Systemsで測ったCPU側の区間(秒)。計測器を付けた別実行のため、速度表には加えない。要素の行列を保存しない経路では組み立て処理に代わって「専用解法」を使う。
Nsight Computeのハードウェアカウンター
各カーネルを1回抽出して取得した値。アプリ全時間の使用率ではない。
行列の非ゼロ成分の位置を直接作る経路については、確認用の別実行で従来の構造を再構築し、全列の成分数・開始位置・行番号を照合した。全成分監査を通過した実行数:6。
各モデルの収束と独立参照解の照合(最終比較の1回目)
各回の全体時間と採用した実行条件
どの判断が効いたか
良くなった案と見送った案を同じ基準で比較した。カーネル単独の速さではなく、最終出力までの時間・メモリと計算結果を見た。
公表基準値との比較:NAFEMS LE10
厚さ600 mmの楕円形の厚板の上面に1 MPaの面圧を加える。NAFEMS LE10の仕様・基準値から独自に入力を作り、内側の上面端 D(2000, 0, 600 mm)の y 方向応力を、基準値 −5.38 MPa と比較した。節点数や拘束条件を変えず、標準の面圧入力のまま計算した。
ここに示した時間は工学的な照合時の単発測定で、主要な速度比較の中央値とは別。反力は平面を多角形で近似した実際の要素面積×圧力と比較した。
追加の反復測定:静的解析
最初の本測定を開始した後の改善候補を、別の比較計画で各3回実行した。調整に使った試行は中央値から除いた。比較GPU欄は最初の本測定の新GPU条件をこの実行群で改めて測った値。
追加比較の全測定値と条件
平板(plate-million)は、追加選考でも同じGPU実行ファイル・設定が選ばれた。比較GPU列と追加GPU列の差は、同じ処理を別々に走らせた際の測定のばらつきで、追加の高速化ではない。
追加の反復測定:動的接触
最初の本測定を開始した後の改善候補を、別の比較計画で各3回実行した。調整に使った試行は中央値から除いた。比較GPU欄は最初の本測定の新GPU条件をこの実行群で改めて測った値。
追加比較の全測定値と条件
専用経路を適用できない入力の照合
追加の接触試験で、ばねを軟らかくした入力の一部はエネルギーが非数になり、速度評価から除外した。完走メッセージだけでは精度合格と見なしていない。
動的接触の時刻別照合
出力10時点の全節点変位と接触合力、およびログのエネルギー出力を独立CPU参照と比較した。変位は各時点の相対L2の最大、力は最大絶対差、エネルギー差は最大値で正規化。エネルギーのコード間一致は、力学系のエネルギー保存を意味しない。
前回の行列分解を何回使えたか
各条件の最初の検証済み実行から抽出。分解を使い回しても現在の行列で倍精度の残差を計算し、基準を満たせない場合はその時点の行列を分解し直した。分解が不要になった回数と、解析全体の時間短縮は分けて評価する。
どれだけメモリを使ったか
別実行でのLinux子プロセスの最大常駐メモリ(wait4)と、GPU 0 全体の使用メモリを約25 msごとに読んだ最大増分(NVML)。GPU値は起動前基準からの差で、サンプル間のピークを取り逃すことがある。これらの計測付き実行時間を速度表に含めていない。
解析解がある大規模モデルでの規模検証
一辺110 mmの鋼の立方体に、軸方向120 MPa、側面に約51.43 MPaの引張り応力を与え、片側の面を固定。理論上は軸方向にだけ一様に伸びる。8積分点の要素内力に加えて、全節点の変位・応力・ひずみをこの独立な数式と照合し、支持反力 −1.452 MN も確認した。新たな規模に適用できるかを調べた別入力・各1回の実行であり、上の3回中央値と倍率を混ぜない。全場の対解析解相対L2誤差5×10⁻⁶を基準とした。標準版の六面体の節点換算係数は定数場に対する和が0.99996で、ソルバー残差が小さくても出力応力に約0.004%の偏りが生じる。高精度版ではこの係数を2点ガウス位置から理論式で求めた。主要な速度比較にはこの出力仕様の変更を入れていない。
立方体の6面に異なる一様圧力を与えた検算では、全6,144面のベクトル合力が手計算と一致(−9,000, −2,000, −8,000 N)。全節点の出力は独立CPU直接解と照合した。
厚みで材料が変わる平板を解く
上半分と下半分でヤング率とポアソン比が異なる平板。追加版は各層の厚さと全要素の材料定数を実際に比較して、等しい層の係数だけを共有した。元の均一厚板用の版は通常の行列を使用する。主要な中央値には入らない各1回の適用確認。
配布ZIPから生成・復元した入力 11 件を実機で使用したファイルとSHA-256照合し、全件一致した。
配布ソースのGPU版 1216 ファイルとCPU版 1206 ファイルは、実機でクリーンビルドしたソースツリーと SHA-256 で一致。入力と実行バイナリの照合値は証跡に記録した。