基于GPU的非均匀网格可压缩格子玻尔兹曼模拟（使用标准C++并行）：从最佳实践到空气动力学、气动声学和超音速流模拟

尽管经过数十年的研究，在非均匀网格上创建准确、鲁棒且高效的格子玻尔兹曼方法（LBM）并实现无缝GPU加速仍然具有挑战性。本文引入了一种新策略来解决这一挑战，该策略集成了简单而有效的组件：（1）现代C++中的并行算法，（2）保守的单元中心网格细化，（3）局部边界条件，以及（4）鲁棒的碰撞模型。我们的框架支持多种格子（D2Q9、D2Q13、D2Q21、D2Q37、D3Q27等），适用于各种流动条件。它包括具有多项式和数值平衡态的碰撞模型、用于多原子行为的第二分布、类Jameson激波传感器，并推广了Rohde的细化策略。该框架的准确性和鲁棒性通过多种基准测试得到验证，包括顶盖驱动空腔流、涡致噪声、30P30N翼型空气动力学、无粘黎曼问题以及跨音速和超音速条件下NACA翼型周围的粘性流。现代C++进一步使我们的框架能够达到GPU原生性能，同时确保高可移植性、模块化和易于实现。值得注意的是，弱可压缩LBM在非均匀网格上实现了最先进的GPU效率，而完全可压缩LBM在计算最密集的情况下受益于相当于数千个CPU核心的加速。我们的高级性能模型结合了邻居列表和异步时间步进效应，为LBM模拟在非均匀网格上的性能分解提供了新见解。总体而言，这项研究为基于树的便携式LBM设立了新标准，表明精心选择的组件组合可以在各种流动条件下实现高性能、准确性和鲁棒性。作为最终的概念验证，我们提出了用于亚音速和超音速应用的自适应网格细化。