可压缩湍流的 GPU 加速直接数值模拟
计算工程、金融与科学
2022-12-07 v2
摘要
本文探讨了将现有的基于 CPU 的高性能计算流体力学求解器 HyPar 转换以适用于新兴百亿亿次异构（CPU+GPU）计算平台进行可压缩流模拟的策略。开发 GPU 增强版 HyPar 的科学动机是在此类平台上以尽可能高的分辨率模拟典型湍流。我们表明，与单个 CPU 核心相比，优化内存操作和线程块可使计算密集型核获得 200 倍的加速。使用多个 GPU 和支持 CUDA 的 MPI 通信，我们展示了基于 GPU 的 HyPar 实现在 NVIDIA Volta V100 GPU 上的强扩展性和弱扩展性。我们在多达 个网格点（53 亿个自由度）和多达 1,024 个 GPU 上，模拟了三周期盒中均匀各向同性湍流的衰减。我们比较了仅 CPU 和 CPU+GPU 模拟的墙上时间。本文给出的结果分别是在橡树岭和劳伦斯利弗莫尔国家实验室的 Summit 和 Lassen 超级计算机上获得的。
引用
@article{arxiv.2211.16718,
title = {GPU-Accelerated DNS of Compressible Turbulent Flows},
author = {Youngdae Kim and Debojyoti Ghosh and Emil M. Constantinescu and Ramesh Balakrishnan},
journal= {arXiv preprint arXiv:2211.16718},
year = {2022}
}