Acelere a simulação CFD multifásica com os solvers nativos de GPU Volume Of Fluid (VOF) e Mixture Multiphase (MMP)
- há 1 dia
- 5 min de leitura
As Unidades de Processamento Gráfico (GPUs) consistem em milhares de núcleos idênticos, cada um projetado para funcionar isoladamente em tarefas massivamente paralelas, que podem ser subdivididas de forma que cada núcleo trabalhe independentemente. Esse design difere do da Unidade Central de Processamento (CPU) tradicional, que é composta por um número menor de núcleos altamente complexos, com lógica de controle sofisticada, grandes quantidades de memória cache hierárquica e mecanismos avançados como execução fora de ordem, predição de desvios e pipelines profundos. Essa arquitetura é otimizada para minimizar a latência na execução de tarefas sequenciais e para lidar com fluxos de instruções diversos e dependentes. As GPUs, por outro lado, são projetadas para manter os dados e o processamento o mais local possível dentro de seus multiprocessadores, reduzindo a movimentação de dados, aumentando a taxa de transferência e maximizando o desempenho em cargas altamente paralelizáveis.
A Dinâmica dos Fluidos Computacional (CFD) é ideal para arquitetura de GPU porque tudo é realizado localmente na célula computacional, não havendo necessidade de comunicação com células distantes. Reduzir a distância entre os elétrons traz três benefícios principais: as simulações podem ser executadas mais rapidamente; o consumo de energia por simulação é muito menor; e a área ocupada pelo hardware é muito menor.
A capacidade de executar simulações do Simcenter STAR-CCM+ em GPUs não é novidade, mas no Simcenter STAR-CCM+ 2602 foi dado um grande passo em frente ao adicionar Volume de Fluido (VOF) e Mistura Multifásica (MMP) à lista de solvers nativos de GPU. A capacidade multifásica suportada em GPU nesta versão é impressionante, incluindo modelos de mudança de fase como evaporação, ebulição e cavitação, técnicas de aceleração como multi-etapas implícitas e suporte a múltiplos regimes com MMP-LSI. Vejam alguns exemplos dos benefícios que a execução em GPU pode trazer para uma variedade de aplicações.
Execute simulações de oscilação de líquidos em tanques mais rápidas
Solver: VOF;
Malha: Malha estática uniforme de 5,6 milhões de pixels (AMR ainda não compatível com GPU);
Passo de tempo: 5e-4s com subpassos dinâmicos (CFL alvo 0,5);
Movimento: Movimento lateral sinusoidal;
CPUs utilizadas: 192 núcleos de CPU (AMD EPYC 7532);
GPU utilizada: 1 NVIDIA RTX 6000 Ada
O primeiro exemplo é um caso de oscilação do líquido em um tanque de combustível automotivo. Como engenheiros, queremos saber como o centro de gravidade se desloca à medida que o tanque oscila, devido às cargas que transfere para o veículo e o efeito que isso terá na estabilidade e dinâmica do mesmo. A oscilação do líquido também é uma preocupação em aplicações criogênicas, onde a ebulição ocorre com frequência, o que também é contemplado nesta versão.
No Simcenter STAR-CCM+, foi usado o mesmo solver para as versões de CPU e GPU, o que significa que, se os casos convergirem bem, resultados idênticos podem ser esperados. No exemplo de oscilação em tanque, é exatamente isso que se observa, com o movimento da superfície livre ao longo do tempo sendo quase idêntico (como em experimentos reais, os casos transientes de VOF são estocásticos por natureza e, portanto, nenhuma execução será totalmente idêntica a ponto de cada gota coincidir). O movimento do centro de gravidade apresenta boa concordância com o experimento, tanto nas execuções em CPU quanto em GPU.
CPU
GPU
A vantagem de executar o programa na GPU fica mais evidente quando os tempos de execução são comparados. Uma única GPU foi significativamente mais rápida do que 192 núcleos de CPU. Na verdade, seriam necessários 251 núcleos de CPU para igualar a velocidade da GPU (uma métrica conhecida como equivalência de núcleos de CPU).
Ao comparar o consumo de energia, os benefícios da GPU são evidentes, pois ela utiliza apenas 19% do equivalente da CPU, reduzindo o custo de operação e a pegada de carbono.
Acelere a simulação de cavitação da hélice
Solver: VOF mais modelo de cavitação Schnerr-Sauer;
Malha: Malha estática recortada de 4,4 milhões (focada na região próxima à hélice);
Passo de tempo: 5e-6s com 3 subpassos de fração de volume;
Movimento: MRF;
CPUs utilizadas: 160 núcleos de CPU (Intel Xeon Gold 6248);
GPU utilizada: 1 NVIDIA Tesla V100
O próximo exemplo é uma hélice marítima operando em uma condição onde a cavitação é esperada. Isso dá a oportunidade de testar alguns dos recursos avançados de física incluídos no VOF para GPU nesta versão. Neste caso, foi utilizado o modelo de Schnerr-Sauer para cavitação. O modelo prevê o crescimento e o colapso de bolhas de vapor devido à baixa pressão na superfície da hélice. Essas bolhas coalescem para formar bolsas de vapor maiores que preenchem o vórtice da ponta e se deslocam rio abaixo, formando um padrão helicoidal clássico. Os resultados desta simulação em CPUs e GPUs são mostrados abaixo. Eles são idênticos, como esperado.
CPU
GPU
A GPU única concluiu a execução em cerca de 70% do tempo gasto pelos 160 núcleos da CPU, o que equivale a 231 núcleos de CPU. Assim como no exemplo anterior, a energia consumida para concluir a execução também é muito menor, com a GPU consumindo apenas 35% da energia utilizada pelas CPUs.
Acelere as previsões de resistência marítima: Navio porta-contentores Kriso (KCS)
Solver: VOF mais ondas VOF
Malha: Malha estática recortada de 28M
Passo de tempo: 0,02s
Movimento: Nenhum
CPUs utilizadas: 512 núcleos de CPU (AMD EPYC 7532)
GPUs utilizadas: 2 NVIDIA RTX 6000 Ada
Ainda no tema de aplicações marítimas, a próxima simulação é um cálculo de resistência para o caso de teste do navio porta-contêineres Kriso (KCS). A previsão correta do arrasto nesses exemplos exige a captura precisa das ondas de superfície livre tanto ao redor da embarcação quanto a jusante. Essa simulação é possível em GPUs graças ao suporte a ondas VOF nesta versão.
CPU
GPU
Mais uma vez, os resultados da CPU e da GPU são indistinguíveis. Comparando o tempo de execução, as duas GPUs foram ligeiramente mais lentas do que 512 núcleos de CPU, resultando em uma equivalência de 214 núcleos de CPU. O consumo de energia da GPU foi de apenas 30% do consumo do cluster de CPU.
Realize estudos de resfriamento de motores elétricos mais rapidamente
Solver: MMP-LSI;
Malha: Malha poliédrica estática de 4,16 milhões de
iterações;
Passo de tempo: Passo de tempo adaptativo com alvo de CFL máximo de 2 e 10 subpassos;
Movimento: Movimento de corpo rígido (com interseção baseada em métricas e distância da parede PDE);
CPUs utilizadas: 160 núcleos de CPU (Intel Xeon Gold 6248);
GPU utilizada: 1 NVIDIA Tesla V100
O último exemplo é um motor elétrico semelhante aos encontrados em veículos elétricos. Esses motores requerem refrigeração com um fluido dielétrico (óleo) que, neste motor, é injetado por meio de entradas fixas na parte superior da máquina sobre os enrolamentos de cobre. Otimizar a refrigeração em um motor elétrico é fundamental para maximizar o desempenho e a eficiência. Esta simulação utiliza modelagem de Mistura Multifásica (MMP) com Interface de Grande Escala (LSI) para permitir a coexistência de jatos resolvidos e misturas dispersas de gotículas sub-grade. A simulação também inclui movimento relativo (Movimento de Corpo Rígido com interfaces deslizantes).
CPU
GPU
Os resultados mostram novamente uma excelente concordância entre as execuções na CPU e na GPU. Neste exemplo, a GPU única foi um pouco mais lenta do que os 160 núcleos da CPU, resultando em uma equivalência de 124 núcleos de CPU e um consumo de energia equivalente a 65% do das CPUs. Isso não é tão bom quanto nos outros exemplos devido à necessidade de reinterseccionar a malha deslizante a cada passo de tempo (essa é uma operação não local e, portanto, menos adequada para GPU). Mesmo assim, ainda representa um ganho de velocidade muito significativo.
Leve suas simulações multifásicas a um novo patamar de velocidade e eficiência com o poder das GPUs no Simcenter STAR-CCM+. A CAEXPERTS pode ajudar você a implementar, otimizar e extrair o máximo desempenho dessa tecnologia em seus projetos. Agende uma reunião com nossos especialistas e descubra como acelerar seus resultados, reduzir custos computacionais e inovar com mais confiança.
WhatsApp: +55 (48) 98814-4798
E-mail: contato@caexperts.com.br
