由于仿真軟件需要耗費(fèi)大量計(jì)算資源，許多計(jì)算機(jī)輔助工程 （CAE） 應(yīng)用都可以從 GPU 的并行處理能力中大受裨益。與 CPU 相比，GPU 的密度更高而總體擁有成本更低，因此具有明顯的性價(jià)比優(yōu)勢(shì)，今天為大家分享基于CFD領(lǐng)域的GPU加速體驗(yàn)。

計(jì)算流體仿真力學(xué)，英文全稱Computational Fluid Dynamics，縮寫為CFD，它是數(shù)值數(shù)學(xué)和計(jì)算機(jī)科學(xué)結(jié)合的產(chǎn)物，通過空間離散和數(shù)值求解的思路，對(duì)流體力學(xué)的各類問題進(jìn)行數(shù)值實(shí)驗(yàn)、模擬和分析研究，以解決學(xué)習(xí)、科研或者工程設(shè)計(jì)中的問題。

面對(duì)一個(gè)具體的工程問題，CFD工程師在應(yīng)用CFD工具進(jìn)行仿真分析時(shí)的基本流程，通常可以總結(jié)為五步：前處理、網(wǎng)格劃分、邊界條件加載、求解計(jì)算和后處理。但如何去平衡計(jì)算量（網(wǎng)格數(shù)量）和計(jì)算時(shí)間，對(duì)于很多CFD工程師都是個(gè)挑戰(zhàn)。

在實(shí)際解決問題的過程中，CFD工程師除了希望能選擇一款稱手的軟件工具外，當(dāng)然也希望計(jì)算機(jī)的主頻越高越好，核心越多越好。但是，核心與計(jì)算速度并非線性關(guān)系，不會(huì)因?yàn)楹诵牡缺壤鲩L(zhǎng)。若想在單臺(tái)電腦上發(fā)揮極限運(yùn)算能力，還需要使用GPU加速，因?yàn)镚PU加速通過協(xié)調(diào)處理器并行運(yùn)算，能夠極大地提升計(jì)算能力，尤其適合多個(gè)項(xiàng)目同時(shí)進(jìn)行，這樣獲得的時(shí)間收益較大。

流體仿真為什么要選擇GPU？

CFD始終向處理更高精確度、更復(fù)雜的幾何結(jié)構(gòu)方向發(fā)展。但現(xiàn)階段，CFD軟件應(yīng)用于復(fù)雜流體問題方面還有待拓展，受到的阻礙主要源自以下三個(gè)方面：

● 隱式算法的高內(nèi)存要求——一些CFD分析工程師總是希望得到完美的殘差收斂曲線，以證明計(jì)算結(jié)果的可靠性，因此，他們會(huì)首選隱式算法，這意味著高內(nèi)存的需求；

● CFD結(jié)果對(duì)網(wǎng)格的強(qiáng)依賴性——網(wǎng)格的合理設(shè)計(jì)和高質(zhì)量生成是CFD計(jì)算的前提條件，是影響CFD計(jì)算結(jié)果的最主要的決定性因素之一，是CFD工作中人工工作量最大的部分，也是制約CFD工作效率的瓶頸問題之一。即使在CFD高度發(fā)達(dá)的國(guó)家，網(wǎng)格生成仍占整個(gè)CFD計(jì)算任務(wù)全部人力時(shí)間的70%～80%。

● 工程流體仿真問題復(fù)雜多變——在流體力學(xué)模擬中，由于流體力學(xué)模擬是個(gè)復(fù)雜的過程，存在極端變形、自由液面以及物質(zhì)運(yùn)動(dòng)交界面等問題，在應(yīng)用網(wǎng)格數(shù)值模擬時(shí)，會(huì)出現(xiàn)網(wǎng)格扭曲導(dǎo)致計(jì)算不收斂或者產(chǎn)生很大的計(jì)算誤差，需要重新模擬，這使得計(jì)算成本大大增加。

為了使CFD仿真發(fā)揮最大效用，CFD工程師往往需要快速得到計(jì)算結(jié)果。而借助于GPU加速計(jì)算所提供的非凡應(yīng)用程序性能，能將CFD程序計(jì)算密集部分的工作負(fù)載轉(zhuǎn)移到GPU，同時(shí)仍有CPU運(yùn)行其余程序代碼，這樣計(jì)算速度大大提升。另外，從計(jì)算性能來看，在CFD應(yīng)用中單個(gè)GPU的性能遠(yuǎn)遠(yuǎn)優(yōu)于CPU，基于GPU加速的CFD計(jì)算速度明顯加快，很多復(fù)雜的CFD難題得以解決，因此，越來越多的CFD工程師選擇GPU加速。

流體仿真分析GPU評(píng)測(cè)

CFD是一個(gè)計(jì)算需求強(qiáng)烈的領(lǐng)域，GPU的選擇將從根本上決定CFD分析過程的體驗(yàn)。在CFD分析中，工程師前期花費(fèi)的時(shí)間主要在模型建立和修改上，后期真正的分析時(shí)間消耗在計(jì)算機(jī)上，因此，選擇一款適合自身的CFD軟件和高性能建模工作站就顯得尤為重要。接下來分享來自e-works平臺(tái)基于Altair CFD應(yīng)用軟件以及一些案例模型的實(shí)際評(píng)測(cè)，供大家參考：

基于Altair AcuSolve軟件的 GPU加速

【軟件環(huán)境介紹】Altair AcuSolve是一款基于GLS-FEM算法的通用熱流體求解器，不但有快速良好的收斂速度，還能達(dá)到很高的求解精度，同時(shí)對(duì)網(wǎng)格有良好的兼容性，特別方便于復(fù)雜模型網(wǎng)格的劃分，廣泛應(yīng)用于汽車、流體機(jī)械和海洋平臺(tái)等工業(yè)和科學(xué)應(yīng)用問題的解決。值得一提的是，最新版本的AcuSolve，不僅通過GPU加速提高了3~4倍的計(jì)算速度，同時(shí)也支持核態(tài)沸騰、熱輻射、冷凝/蒸發(fā)多相流和流固耦合（FSI）等CFD難題的解決。

【硬件環(huán)境介紹】CPU采用單顆Intel（R） Xeon（R） Gold 6126 CPU @ 2.60GH；GPU選用Quadro RTX 8000，它采用了NVIDIA Turing架構(gòu)和NVIDIA RTX平臺(tái)支持，對(duì)于追求以高穩(wěn)健性、高精度為目標(biāo)的CFD仿真分析帶來了卓越的計(jì)算性能體驗(yàn)。

【測(cè)試模型】在新能源汽車、醫(yī)療設(shè)備、軍工設(shè)備等大功率密度的應(yīng)用場(chǎng)合，設(shè)備運(yùn)行時(shí)會(huì)產(chǎn)生大量的熱損耗，為保證設(shè)備的安全運(yùn)行，需要采用各種冷卻措施來對(duì)設(shè)備進(jìn)行冷卻，水冷是其中一種方式。以新能源車的水冷板為例，其設(shè)計(jì)直接影電池的溫度均勻性，進(jìn)而影響車輛的續(xù)航里程和安全性。本測(cè)試模型擁有網(wǎng)格數(shù)量4300萬，求解方程采用湍流+固體傳熱組合，湍流模型選擇基于SA一方程的模型，設(shè)置穩(wěn)態(tài)迭代步為200步，分別采用無GPU和1塊GPU加速進(jìn)行計(jì)算時(shí)間對(duì)比。

動(dòng)力電池水冷板模型

計(jì)算時(shí)間對(duì)比

【測(cè)試結(jié)果】數(shù)據(jù)表明，無GPU加速時(shí)，水冷板分析的計(jì)算時(shí)間需要21小時(shí)；采用單塊Quadro RTX 8000加速，水冷板分析的計(jì)算時(shí)間只需要4小時(shí)。由此可見，采用Altair AcuSolve進(jìn)行水冷板仿真分析，并提供RTX GPU的增強(qiáng)支持，計(jì)算速度與無GPU加速相比提高了4.25倍。顯然，這種方式對(duì)于CFD工程師快速探索水冷板的設(shè)計(jì)，并根據(jù)準(zhǔn)確的計(jì)算結(jié)果做出決策非常有益。

基于Altair nanoFluidX軟件的 GPU加速

【軟件環(huán)境介紹】Altair nanoFluidX是一款基于粒子的流體動(dòng)力學(xué) （SPH） 仿真工具，用于預(yù)測(cè)運(yùn)動(dòng)軌跡復(fù)雜的幾何結(jié)構(gòu)周圍的流體。以整車CFD仿真為例，傳統(tǒng)CFD方法需要建立網(wǎng)格耗時(shí)巨大，但Altair nanoFluidX基于粒子的特性，無需建立網(wǎng)格，還可基于GPU顯卡計(jì)算，非常有助于工程師獲得簡(jiǎn)潔而高效的CFD解決方案。

【硬件環(huán)境介紹】CPU采用單顆Intel（R） Xeon（R） Gold 6126 CPU @ 2.60GH；GPU選用Quadro RTX 8000和Tesla V100，由于Altair nanoFluidX采用的粒子方法，其計(jì)算是由一系列的流體粒子的相互作用完成，在計(jì)算中每個(gè)粒子所執(zhí)行的計(jì)算是完全相同的，而在不同的數(shù)據(jù)上執(zhí)行相同的程序，恰恰是GPU計(jì)算最擅長(zhǎng)的。

【測(cè)試模型】整車涉水分析是近年來新興的CFD仿真領(lǐng)域，主要研究汽車以一定速度涉水時(shí)，關(guān)鍵零部件的進(jìn)水風(fēng)險(xiǎn)，如防火墻滲水，傳統(tǒng)的發(fā)動(dòng)機(jī)進(jìn)氣口進(jìn)水，電動(dòng)汽車電氣短路等問題。整車涉水模型往往需要消耗大量的計(jì)算資源和時(shí)間進(jìn)行求解，以本次建立的整車涉水模型為例，擁有粒子數(shù)量為4100萬，設(shè)置車速為50公里/小時(shí)、瞬態(tài)物理時(shí)間為4秒，建立單相流模型，本次測(cè)試分別采用1塊RTX 8000 、2塊RTX 8000、4塊RTX 8000和4塊Tesla V100加速，對(duì)比計(jì)算時(shí)間。

整車涉水模型

計(jì)算時(shí)間對(duì)比

【測(cè)試結(jié)果】數(shù)據(jù)表明，采用1塊、2塊、4塊RTX 8000加速，整車涉水分析分別需要花費(fèi)48小時(shí)、28小時(shí)、13小時(shí)；采用4塊V100，則需要16個(gè)小時(shí)。從計(jì)算時(shí)間來看，采用4塊RTX 8000加速，計(jì)算時(shí)間最少，與采用1塊RTX 8000加速相比，計(jì)算速度提升了約2.7倍。計(jì)算結(jié)果也表明，采用基于GPU加速和Altair nanoFluidX的組合方式，允許CFD工程師在一個(gè)更可接受的短時(shí)間內(nèi)研究類似整車涉水這樣的復(fù)雜流體問題。

基于Altair ultraFluidX軟件的 GPU加速

【軟件環(huán)境介紹】Altair ultraFluidX專用于超快預(yù)測(cè)乘用車、輕型卡車、賽車和重型車輛的空氣動(dòng)力特性的仿真分析，它基于格子玻爾茲曼（LBM）技術(shù)，無需建立網(wǎng)格，這大大縮短了建模時(shí)間，使得設(shè)計(jì)變得更加容易，同時(shí)保留了所有重要的幾何細(xì)節(jié)。

【硬件環(huán)境介紹】CPU采用單顆Intel（R） Xeon（R） Gold 6126 CPU @ 2.60GH；GPU選用NVIDIA RTX8000和NVIDIA Tesla V100，由于Altair ultraFluidX采用的LBM方法，非常適合大規(guī)模并行架構(gòu)，而采用GPU加速，可以明顯提高吞吐量，達(dá)到Altair ultraFluidX的周轉(zhuǎn)時(shí)間，同時(shí)降低硬件和能源成本。

【測(cè)試模型】對(duì)于車輛的早期開發(fā)優(yōu)化，采用CFD手段無疑是最有效且最經(jīng)濟(jì)的方法，但這類CFD分析往往是高內(nèi)存和高計(jì)算資源消耗的典型代表，需要使用GPU來優(yōu)化計(jì)算性能。以此次建立的汽車虛擬風(fēng)洞模型為例，擁有格子數(shù)量1億6千萬，格子的最小尺寸為1.8mm，設(shè)置車速為140公里/小時(shí)、瞬態(tài)物理時(shí)間為2秒，分別采用2塊NVIDIA RTX 8000、4塊NVIDIA RTX 8000和4塊V100加速，對(duì)比計(jì)算時(shí)間。

汽車虛擬風(fēng)洞模型

計(jì)算時(shí)間對(duì)比

【測(cè)試結(jié)果】數(shù)據(jù)表明，采用2塊、4塊NVIDIA RTX8000加速，模擬汽車虛擬風(fēng)洞分別需要花費(fèi)14小時(shí)、8小時(shí)；采用4塊V100，則需要8.4個(gè)小時(shí)。三種GPU加速中，采用4塊NVIDIA RTX8000加速，計(jì)算時(shí)間最少，與采用2塊NVIDIA RTX8000加速相比，計(jì)算速度提升了約0.75倍。計(jì)算結(jié)果也表明，基于GPU和Altair ultraFluidX的組合方式，可以明顯加速汽車虛擬風(fēng)洞分析，有效縮短汽車開發(fā)周期。

總結(jié)

作為當(dāng)前最重要的三大協(xié)處理加速技術(shù)之一，GPU已經(jīng)成為數(shù)值分析的新寵，廣泛應(yīng)用于各個(gè)領(lǐng)域。以流體仿真領(lǐng)域?yàn)槔S著CFD分析對(duì)計(jì)算能力的要求日益增高，越來越多的CFD工程師傾向于采用GPU加速，例如借助 RTX 8000 GPU加速，能以遠(yuǎn)低于傳統(tǒng) CPU 解決方案的成本、空間和功耗，獲得無與倫比的計(jì)算性能。

同時(shí)，在渲染方面，利用RTX 8000強(qiáng)大的運(yùn)算能力，將流場(chǎng)和流體構(gòu)件建立數(shù)學(xué)模型，并用數(shù)字化可視化的形式表現(xiàn)出來，可以獲得任意位置的結(jié)果值，這無疑也極大地提高了設(shè)計(jì)的精確性。e-works認(rèn)為，優(yōu)秀的計(jì)算性能和尖端的數(shù)值方法的組合，在更短的時(shí)間內(nèi)研究復(fù)雜的流體問題，將成為未來CFD領(lǐng)域高效而主流的方式。

編輯：hfy