基于自适应八叉树网格的GPU原生复杂几何嵌入：应用于格子巴赫尔姆特方法

自适应网格细化（AMR）通过集中处理所需区域的分辨率来降低CFD计算成本，但在GPU上高效嵌入复杂非对齐几何仍具挑战性。我们提出一种GPU原生算法，用于将 stationary triangle-mesh 几何嵌入到块结构森林八叉树网格中，在设备上执行固体体素化和自动近墙细化。该方法采用局部光线投射，结合空间层次结构的加速，利用高效的网格-块遍历消除对索引排序和哈希表常见的CPU管道的需求，实现无CPU-GPU同步的共轭内存访问。构建平面化查找表中 fluid 与 solid 单元之间的 cut-link 距离，以支持格子巴赫尔姆特方法（LBM）的准确插值弹跳边界条件。我们将该方法作为AGAL框架的扩展实现，用于GPU基础AMR，并使用斯坦福兔子（112K三角形）和XYZ RGB龙（7.2M三角形）模型进行基准测试。扩展求解器用于圆柱/方形圆柱外部流动（二维，$Re=100$）以及球体（三维，$\text{Re}\in\{10, 15, 20\}$）的验证。结果表明，几何处理和插值仅产生 modest 开销，同时在自适应笛卡尔网格上提供准确的力预测和稳定的近墙分辨率。该方法通用可适用于其他需要GPU驻留几何嵌入的显式求解器。