深度学习赋能超临界火焰模拟：实现详细化学反应与真实流体精度下的万亿网格级计算
分布式、并行与集群计算
2025-08-27 v1
摘要
几十年来，包含详细化学反应和真实流体输运的超临界火焰模拟一直局限于百万级网格，限制了物理系统可解析的空间和时间尺度。我们从并行计算、计算效率和 I/O 性能三个角度，对集成了深度神经网络同时保持真实流体力学和化学精度的超临界火焰模拟软件 DeepFlame 进行了优化。经过高度优化的 DeepFlame 在神威（98,304 节点）和富岳（73,728 节点）超级计算机上，分别实现了高达 6180 亿和 1540 亿网格的超临界液氧/甲烷（LOX/CH4）湍流燃烧模拟，并以前所未有的求解时间，在 FP32/混合 FP16 精度下分别达到 439/1186 和 187/316 PFlop/s（峰值性能的 32.3%/21.8% 和 37.4%/31.8%）。这一计算能力比现有水平高出三个数量级，首次实现了对超过 100 个 LOX/CH4 喷注器的火箭发动机燃烧进行实际模拟。这一突破确立了高保真超临界火焰建模作为下一代火箭推进和超高能量密度系统关键设计工具的地位。
引用
@article{arxiv.2508.18969,
title = {Deep Learning-Enabled Supercritical Flame Simulation at Detailed Chemistry and Real-Fluid Accuracy Towards Trillion-Cell Scale},
author = {Zhuoqiang Guo and Runze Mao and Lijun Liu and Guangming Tan and Weile Jia and Zhi X. Chen},
journal= {arXiv preprint arXiv:2508.18969},
year = {2025}
}
备注
12 pages, 14 figures, conference: SC25