Large-scale flow simulations using lattice Boltzmann method with AMR following free-surface on multiple GPUs
Large-scale flow simulations using lattice Boltzmann method with AMR following free-surface on multiple GPUs
复制标题
使用格子玻尔兹曼方法和 AMR 在多个 GPU 上跟随自由表面进行大规模流动模拟
DOI：
10.1016/j.cpc.2021.107871
复制
发表时间：
2021
影响因子：
6.3
通讯作者：
Aoki Takayuki
中科院分区：
文献类型：
--
作者：
Watanabe Seiya;Aoki Takayuki
自由表面流动模拟需要高分辨率的网格来捕捉界面处的现象，并且需要很长的计算时间。在本文中，我们提出了一种数值方法，实现大规模的自由表面流动模拟使用格子玻尔兹曼方法和多个GPU。通过将自适应网格细化（AMR）方法（将高分辨率网格与自由表面相适应）引入格子Boltzmann方法，可以大大减少格点数量。在AMR方法的计算中，计算负载的空间分布随时间而变化;因此，通过使用空间填充曲线的动态域划分来保持分配给每个GPU的格点的数量相等。我们在东京工业大学的TSUBAME3.0超级计算机上测量了AMR代码的弱可扩展性。通过重叠方法隐藏GPU-GPU通信开销，性能提高了1.29倍，使用256个GPU实现了14，570 MLUPS的相当高的性能。我们展示了大规模的模拟溃坝问题，并显示了减少计算成本与AMR方法。
Free-surface flow simulations require high-resolution grids to capture phenomena at the interface as well as a long computational time. In this paper, we propose a numerical method for realizing large-scale free-surface flow simulations using the lattice Boltzmann method and multiple GPUs. By introducing the adaptive mesh refinement (AMR) method, which adapts high-resolution grids to free surfaces, to the lattice Boltzmann method, the number of lattice points can be greatly reduced. In the calculation of the AMR method, the spatial distribution of a computational load changes with time; therefore, the number of lattice points assigned to each GPU is kept equal by dynamic domain partitioning using a space-filling curve. We measured the weak scalability of our AMR code on the TSUBAME3.0 supercomputer at the Tokyo Institute of Technology. By hiding GPU–GPU communication overheads by the overlapping method, the performance increased 1.29 times that of the naïve implementation, and we achieved the fairly high performance of 14,570 MLUPS using 256 GPUs. We demonstrate large-scale simulations for the dam breaking problem and show a reduction in computational cost with the AMR method.
登录
查看更多内容
利用（多）GPGPU 硬件，基于先进的 LBM 模型实现可靠的 LES-CFD 计算
DOI：
--
发表时间：
2015
期刊：
--
影响因子：
--
作者：
M. Schönherr
通讯作者：
M. Schönherr
影响因子：
2.9
作者：
Geier, Martin;Schoenherr, Martin;Krafczyk, Manfred
通讯作者：
Krafczyk, Manfred
影响因子：
2.9
作者：
Janssen, Christian;Krafczyk, Manfred
通讯作者：
Krafczyk, Manfred
人体循环系统的大规模并行模型
DOI：
10.1145/2807591.2807676
发表时间：
2015
期刊：
SC15: International Conference for High Performance Computing, Networking, Storage and Analysis
影响因子：
--
作者：
A. Randles;E. Draeger;T. Oppelstrup;L. Krauss;John A. Gunnels
通讯作者：
John A. Gunnels