宏-微观耦合并行流体数值模拟计算模型及并行优化技术研究

This project aims to solve the challenges of macro-micro fluid simulation of visco-elastic fluids and to study the key technology of macro-micro simulation on large-scale parallel computing platform, from computational model design, performance analysis, parallel optimization techniques, and verification of numerical solvers. The main research contents are listed as follows:.First, to build a computational model for parallel analyzing and performance predicting; .Second, to analyze the performance of macro-micro coupling simulation algorithm based on theoretical model and experimental data;.Third, to study the large-scale parallel optimization technology for macro-micro simulations;. Fourth, to design and validate a general macro-micro coupled numerical simulation solver.

本项目聚焦于以粘弹性流体为代表的复杂流体模拟这一有着广泛应用前景的交叉学科问题，主要针对多尺度模拟面临的并行计算可扩展性挑战，从计算模型设计、性能分析、并行优化、以及数值求解器的设计与验证四个方面展开研究，具体研究内容包括：.一、建立宏-微观耦合计算模型，为性能分析及优化提供理论工具；.二、基于理论模型与实验数据对宏-微观耦合模拟算法性能进行分析；.三、宏-微观耦合模拟的大规模并行优化技术研究；.四、通用宏-微观耦合数值模拟求解器的设计与验证。

本项目聚焦于以粘弹性流体为代表的复杂流体模拟这一有着广泛应用前景的交叉学科问题，针对并行计算可扩展性挑战，从计算模型设计、性能分析、优化技术、以及数值求解器的设计与验证四个方面展开研究，按计划完成了所有研究内容。主要成果包括：..一、建立了宏-微观耦合计算性能分析模型，开展了模型参数拟合与验证工作，结果表明该模型能够很好与实测结果吻合，较好地解释了混合分解并行算法可扩展性的大幅提升，为进一步优化复杂流体模拟算法与软件提供了基础；..二、开展了宏-微观耦合模拟算法性能分析与并行优化研究，通过线性解法器中的计算通信隐藏优化，将典型程序性能提升了8%-29%，通过机器学习模型改进了LW-ACM方法在湍流模拟中的性能，实现了15倍以上的湍流生成加速，通过多GPU加速技术，在32块GPU上获得了接近线性的可扩展性，典型案例测试结果中获得了312491 MLUPS的性能，是目前文献中已知的同等硬件条件下的最高计算性能；针对复杂流体的多物理场耦合问题，设计并实现了支持爆轰波冲击响应模拟的并行流固耦合计算平台，并开展了并行优化工作，大规模并行测试结果显示其具有良好的并行可扩展性和模拟大型工程问题的能力。..三、基于开源软件设计并开发了面向复杂流体模拟的通用宏-微观耦合数值求解器BCFsolver，以及支持大规模并行的光滑粒子法（SPH）数值求解器parallelDualSPHysics。通过多个复杂工程案例初步验证了所研发解法器的计算精度以及并行效率。