拆分使用AD计算导数的组件的收益探究及文献问询

OpenMDAO里用AD计算大组件导数时，拆成小子组件（仍用AD）的收益得从几个维度看：

• 内存占用优化：大组件做AD时，需要存储整个计算过程的中间变量和操作轨迹，拆分后每个子组件的轨迹数据量大幅降低，能缓解内存压力，尤其是计算链很长的组件，效果更明显。
• 计算并行性提升：拆分后的子组件可以独立调度计算导数，OpenMDAO能利用并行框架把子组件的AD任务分散到不同核上跑，整体导数计算的时间会缩短，组件拆分越合理，并行加速比越高。
• 导数精度与调试效率：大组件的AD计算如果出问题，定位错误非常困难；拆分成子组件后，每个小单元的逻辑更简单，能快速定位导数异常的根源，而且子组件的AD计算中间步骤更少，数值精度的稳定性也会更好。
• 增量更新效率：如果模型只修改了某个子组件的逻辑，拆分后只需要重新计算该子组件的AD导数，不用重新跑整个大组件的AD流程，迭代开发时的效率提升很显著。

不过收益多少也取决于组件拆分的合理性：如果拆分后的子组件之间依赖关系复杂，需要频繁传递中间变量，反而会增加额外开销，抵消部分收益。目前相关文献确实较少专门讨论这个场景，更多是从OpenMDAO的组级导数管理机制和AD工具本身的计算特性来推导收益。

内容的提问来源于stack exchange，提问作者user27739731