Đường về nhà của bạn, chuyến bay từ New York đến London, máy pha cà phê cũ ở văn phòng mà công ty của bạn vẫn chưa nâng cấp … Cũng giống như mô phỏng động lực học chất lỏng (CFD), tất cả những điều này sẽ có lợi khi được đẩy mạnh.
Trong những năm qua, một trong những công cụ quan trọng giúp tăng tốc mô phỏng CFD là điện toán hiệu năng cao (HPC) và trong những năm gần đây đã mở rộng sang các bộ xử lý đồ họa (GPU).
Tận dụng GPU trong thế giới CFD không phải là một khái niệm mới. GPU đã được sử dụng làm bộ tăng tốc CFD trong một thời gian khá dài (bao gồm cả trong Ansys Fluent kể từ năm 2014). Tuy nhiên, khả năng tăng tốc cục bộ mà bạn nhận được phụ thuộc vào vấn đề. Cuối cùng, phần mã không được tối ưu hóa cho GPU sẽ làm giảm tốc độ tổng thể của bạn. Đó là lý do tại sao chúng tôi muốn cho bạn thấy tiềm năng của GPU khi mô phỏng CFD được chạy nguyên bản trên nhiều GPU.
Đây là phần đầu tiên của chuỗi bài blog của chúng tôi, “Giải phóng toàn bộ sức mạnh của GPU cho Ansys Fluent”, sẽ chứng minh cách GPU có thể giúp giảm thời gian mô phỏng, chi phí phần cứng và mức tiêu thụ điện năng. Trong phần đầu tiên này, chúng tôi sẽ đề cập đến một số vấn đề về dòng chảy tầng và hỗn loạn. Khi chuỗi bài phát triển, các khả năng mô hình vật lý sẽ được bàn luận.
Tăng tốc 32 lần cho Khí động lực học bên ngoài ô tô
Về ví dụ đầu tiên của chúng tôi, hãy xem xét các mô phỏng khí động học bên ngoài ô tô, chúng có thể trở nên rất lớn rất nhanh – thường vượt quá 300 triệu tế bào. Việc chạy một mô phỏng ở kích thước này sẽ cần hàng nghìn lõi và thời gian tính toán nhiều ngày (đôi khi thậm chí hàng tuần). Điều gì sẽ xảy ra nếu có một cách nào đó để giảm thời gian mô phỏng từ vài tuần xuống vài ngày hoặc vài ngày xuống vài giờ, đồng thời giảm đáng kể điện năng tiêu thụ? Spoiler alert: có, và đó là bằng cách chạy các mô phỏng này hoàn toàn trên GPU.
Tính bền vững là mối quan tâm chính trong ngành công nghiệp ô tô và các cơ quan chính phủ trên toàn thế giới đang đưa ra các quy định nghiêm ngặt. Một số lĩnh vực mà các công ty ô tô đã đánh giá để đáp ứng hoặc vượt quá các quy định này bao gồm:
- Cải thiện khí động học
- Giảm lượng khí thải
- Sử dụng nhiên liệu thay thế
- Phát triển các tùy chọn hệ thống truyền động hybrid và điện
Nhưng những nỗ lực bền vững không nên giới hạn ở hoạt động của sản phẩm cuối cùng (trong trường hợp này là ô tô) – những nỗ lực đó cũng nên mở rộng sang quá trình thiết kế của sản phẩm. Điều này bao gồm mô phỏng và chúng tôi tại Ansys muốn giảm lượng điện năng tiêu thụ trong quá trình mô phỏng.
Đối với mô phỏng được hiển thị, chúng tôi đã chạy mô hình DrivAer điểm chuẩn trên các cấu hình CPU và GPU khác nhau bằng cách sử dụng Fluent và so sánh hiệu suất. Kết quả của chúng tôi cho thấy một GPU NVIDIA A100 duy nhất đạt được hiệu suất cao hơn gấp 5 lần so với một cụm có 80 lõi Intel® Xeon® Platinum 8380. Khi mở rộng tối đa 8 GPU NVIDIA A100, mô phỏng có thể được tăng tốc hơn 30 lần.
Tăng tốc độ mô phỏng khí động học bên ngoài ô tô khi tận dụng GPU
Nhận được kết quả trong thời gian ngắn hơn giúp khách hàng của chúng tôi hiệu quả hơn, nhưng không dừng lại ở đó: Chúng tôi cũng có thể giảm hóa đơn tiền điện của họ (và giúp ích cho hành tinh!) bằng việc giảm đáng kể điện năng cần thiết để chạy các mô phỏng như vậy.
Chúng tôi đã xem xét mức tiêu thụ điện năng của một cụm CPU có 1024 lõi Intel® Xeon® Gold 6242 và ghi nhận mức tiêu thụ điện năng là 9600 W. Khi so sánh với mức tiêu thụ điện năng của máy chủ GPU 6 x NVIDIA® V100 cung cấp cùng một hiệu suất, vậy là tiêu thụ đã giảm xuống ¼ còn 2400 W.
Các kết đối chuẩn này chứng minh rằng các công ty chọn máy chủ GPU 6 x NVIDIA® V100 có thể giảm mức tiêu thụ điện năng của họ xuống 4 lần so với cụm HPC tương đương và điều này thậm chí còn chưa tính đến việc giảm chi phí làm mát để giữ cho phòng máy chủ luôn mát mẻ.
Giảm tiêu thụ điện năng khi sử dụng máy chủ GPU
Việc chạy mô phỏng của bạn trên bộ giải GPU gốc có thể có tác động lớn và tức thì, trong cả việc cố gắng phát triển bền vững của công ty bạn và giảm thời gian bạn cho việc chờ đợi kết quả. Và không chỉ là bất cứ kết quả nào – đây là những kết quả bạn có thể tin tưởng. Trong 40 năm qua, Fluent đã được xác nhận rộng rãi trên nhiều ứng dụng và được biết đến với độ chính xác hàng đầu trong ngành. Cả bộ giải CPU và bộ giải đa GPU có sẵn trong Fluent đều được xây dựng trên cùng một phương pháp số và tùy biến, cung cấp cho người dùng kết quả gần như giống nhau.
Hai trường hợp chính tắc dưới đây là các xác thực CFD được thiết lập tốt mô phỏng các nguyên tắc cơ bản từ các chế độ laminar và turbulent . Cả hai trường hợp nêu chi tiết độ chính xác mà người dùng sẽ nhận được khi giải quyết nguyên bản trên GPU.
Dòng chảy Laminar trên một khối cầu
Có rất nhiều tài liệu nghiên cứu thực nghiệm và số học về dòng chảy trên một khối cầu, đóng vai trò là tiêu chuẩn cơ bản để xác nhận khí động lực học bên ngoài. Đối với thử nghiệm đầu tiên này, chúng tôi chọn điều kiện dòng chảy laminar trong đó số Reynold bằng 100 và chất lỏng dự kiến sẽ đi quanh khối cầu và tạo thành cấu trúc xoáy bất biến theo thời gian phía sau xi lanh. Tương quan lực cản được đề xuất trong tài liệu được sử dụng để so sánh kết quả CFD với dữ liệu thực nghiệm.
Như thể hiện trong Bảng 1, việc triển khai GPU gốc tính toán hệ số lực cản rất chính xác, với tỷ lệ phần trăm lỗi chỉ là -0,252%.
Bảng 1. So sánh hệ số lực cản (Cd)
Dòng chảy ngược bước
Dòng chảy ngược bước một bài toán kinh điển được sử dụng để kiểm tra việc triển khai mô hình nhiễu loạn. Cấu hình có vẻ đơn giản nhưng rất giàu tính vật lý mà nó biểu hiện. Đối với thử nghiệm này, chúng tôi đã tạo lại thử nghiệm do Vogel và Eaton2 thiết lập với tốc độ đầu vào là 2.3176 m / s. Mã CFD được đưa vào thử nghiệm bằng cách so sánh các cấu hình vận tốc tại các mặt phẳng khác nhau dọc theo chiều dài của kênh với dữ liệu thử nghiệm đã được công bố.
Khi được giải quyết trên CPU, Fluent cho thấy phù hợp với các kết quả thử nghiệm3,4. Giải quyết vấn đề tương tự này bằng trình giải quyết đa GPU gốc cung cấp cho người dùng kết quả gần như giống hệt nhau, như được hiển thị bên dưới, vì cả trình giải quyết CPU và GPU có sẵn trong Fluent đều được xây dựng dựa trên cùng một phương pháp số và tùy biến.
Kết quả cấu hình vận tốc cho dòng chảy ngược bước khi được giải quyết trên CPU và GPU
Việc triển khai đa GPU gốc này của bộ giải Navier-Stokes khối lượng hữu hạn, không có cấu trúc, chấp nhận tất cả các loại lưới thực sự mới lạ và đặt ra một tiêu chuẩn mới cho CFD, không ảnh hưởng đến độ chính xác. Bạn muốn thấy được sự tăng tốc nhanh mà bạn có thể nhận được từ việc khai thác tiềm năng của GPU cho vấn đề của bạn? Liên lạc với chúng tôi ngay.
Tham khảo
- Turton, R .; và Levenspiel, O., Một ghi chú ngắn về tương quan lực cản đối với khối cầu, Powder Technol., 47, 83-86, 1986
- Vogel J.C., và Eaton, J. K. (1985) Kết hợp truyền nhiệt và động lực học chất lỏng ở hạ lưu của dòng chảy ngược bước. Heat Transfer 107, 922-929.
- Smirnov, Evgueni & Smirnovsky, Alexander & Shchur, Nikolai & Zaitsev, Dmitri & Smirnov, P. (2018). So sánh các giải pháp RANS và IDDES cho dòng chảy turbulent và truyền nhiệt qua dòng chảy ngược bước. Heat and Mass Transfer. 54. 10.1007 / s00231-017-2207-0
- Banait H., Bais A., Khondekar K., Choudhary R., Bhambere M.B. (Năm 2020). Mô phỏng số của dòng chất lỏng qua một thay đổi dòng chảy ngược bước bằng cách sử dụng CFD. Tạp chí Nghiên cứu Quốc tế về Kỹ thuật và Công nghệ. Tập 7, Số 9
Vina Aspire là công ty tư vấn, cung cấp các giải pháp, dịch vụ CNTT,An ninh mạng, bảo mật & an toàn thông tin tại Việt Nam. Đội ngũ của Vina Aspire gồm những chuyên gia, cộng tác viên giỏi, có trình độ, kinh nghiệm và uy tín cùng các nhà đầu tư, đối tác lớn trong và ngoài nước chung tay xây dựng.
Các Doanh nghiệp, tổ chức có nhu cầu liên hệ Công ty Vina Aspire theo thông tin sau:
Email: info@vina-aspire.com | Website: www.vina-aspire.com
Tel: +84 944 004 666 | Fax: +84 28 3535 0668
Vina Aspire – Vững bảo mật, trọn niềm tin
