از بین بردن قدرت چندین GPU برای شبیه سازی CFD

مهندسان مایعات محاسباتی (CFD) به شدت علاقه مند به تسریع در توان شبیه سازی خود هستند ، خواه با خودکار سازی گردش کار ، ارتقاء به روشهای جدیدتر/بهتر یا استفاده از محاسبات با کارایی بالا (HPC).

یکی از موضوعات مورد علاقه استفاده از واحدهای پردازش گرافیکی (GPU) برای CFD است. این یک مفهوم جدید نیست ، اما راه های زیادی برای دستیابی به آن وجود دارد - برخی کامل تر از سایرین. به عنوان مثال ، در سالهای اخیر ، جامعه CFD تعدادی از روشهای CFD مبتنی بر ذرات را از GPU ها استفاده کرده است.

در قلمرو Continuum Navier-Stokes ، مفهوم استفاده از GPU به عنوان شتاب دهنده های CFD سالهاست که وجود دارد. به عنوان مثال ، NVIDIA AMGX SOLVER را که از سال 2014 در ANSYS Fluent موجود است ، در نظر بگیرید. شتاب محلی که به دست می آورید بسیار وابسته به مشکل است و در پایان ، بخشی از کد بهینه سازی نشده برای GPU سرعت کلی شما را کاهش می دهد. رها کردن پتانسیل کامل GPU برای CFD مستلزم آن است که کل کد ساکن در GPU (های) باشد.

ANSYS در استفاده از فناوری GPU برای شبیه سازی یک تریلر بوده است و امسال ما با معرفی حل کننده Multi-GPU ANSYS با تسلط ، آن را به یک سطح کاملاً جدید می بریم.

بیایید به مزایای اجرای شبیه سازی CFD در GPU ها بپردازیم و چه زمانی باید در نظر بگیرید که برای شبیه سازی های خود از آن گزینه استفاده کنید.

چرا از GPU برای شبیه سازی CFD استفاده می کنیم؟

در سالهای اخیر ، ما شاهد جهش های کوانتومی در توسعه سخت افزار GPU و زبانهای برنامه نویسی اختصاصی هستیم که به توسعه دهندگان به معمار CFD Solvers معادل آنهایی که برای CPU های سنتی طراحی شده اند ، کمک می کند ، اما با ماژول های آنها در GPU ها منتقل می شوند.

مزایای اصلی استفاده از GPU برای شبیه سازی CFD عبارتند از:

• افزایش عملکردهمانطور که معیارهای ما نشان می دهد ، یک پردازنده گرافیکی واحد می تواند همان عملکرد بیش از 400 CPU را ارائه دهد. و اگر این عالی به نظر می رسد ، این ذهنیت است که چگونه این کار را در چندین GPU بهتر می کند: شش GPU می تواند به اندازه بیش از 2000 CPU قدرتمند باشد!
• کاهش هزینه های سخت افزاری. هزینه یک سرور GPU به طور قابل توجهی کمتر از هزینه یک خوشه CPU با عملکرد معادل است. این باعث می شود دموکراتیک سازی محاسبات با کارایی بالا برای شبیه سازی های CFD باز شود!
• کاهش مصرف برق. هزینه برق نیز برای بسیاری از شرکت هایی که شبیه سازی در خوشه های HPC را دارند ، جنبه مهمی است. GPU ها در کاهش این هزینه به میزان قابل توجهی کمک می کنند ، بنابراین بازده شبیه سازی آنها در سرمایه گذاری (ROI) افزایش می یابد که تمام هزینه ها در آن قرار بگیرند.

CPU ها در مقابل GPU: مقایسه عملکرد شبیه سازی CFD

آیا در مورد عملکرد حل کننده چند GPU جدید کنجکاو هستید؟ویدیوی زیر را تماشا کنید تا بشنوید NVIDIA در جریان GTC 2021 در ماه نوامبر چه گفت.

بیایید به یک معیار آیرودینامیک خارجی خودرو نگاهی عمیق بیندازیم. ما دیده ایم که یک پردازنده گرافیکی NVIDIA A100 بیش از 5 برابر عملکرد بهتری نسبت به یک کلاستر با 80 هسته Intel® Xeon® Platinum 8380 دارد.

1 NVIDIA A100 GPU>400 هسته Intel® Xeon® Platinum 8380

به همین ترتیب، در یک معیار آیرودینامیک خارجی هوافضا، ما دیدیم که چگونه یک پردازنده گرافیکی NVIDIA A100 عملکردی بیش از 8. 5 برابر بیشتر از یک کلاستر با 32 هسته Intel® Xeon® Gold 6242 داشت.

1 پردازنده گرافیکی NVIDIA A100 ≈ 272 هسته Intel® Xeon® Gold 6242

چگونه GPU ها می توانند هزینه های سخت افزاری را کاهش دهند؟

در طی این معیارها، ما نه تنها عملکرد پردازنده های گرافیکی و پردازنده های مرکزی را ارزیابی کردیم، بلکه جنبه های دیگری را نیز در نظر گرفتیم که هنگام تصمیم گیری برای خرید سخت افزار مهم هستند. ما هزینه های سخت افزار را بررسی کردیم و هزینه های یک سرور GPU را با یک کلاستر HPC با عملکردی معادل مقایسه کردیم.

این مطالعه ثابت کرد که با توجه به عملکرد هدف، مهندسانی که شبیه سازی CFD خود را بر روی پردازنده های گرافیکی اجرا می کنند، هزینه های سخت افزاری تا ۷ برابر ارزان تر دارند.

هزینه خرید سخت افزار تا 7 برابر ارزان تر

این نتیجه نه تنها برای شرکت هایی که در حال حاضر از HPC برای سرعت بخشیدن به توان عملیاتی شبیه سازی خود استفاده می کنند، مهم است، بلکه برای شرکت هایی که نمی توانند هزینه یک خوشه HPC را بپردازند و در حال حاضر زمان خود را برای عرضه به بازار به خطر می اندازند.

توانایی اجرا بر روی سخت افزار ارزان تر با نسبت عملکرد به قیمت بهتر، مهندسان را قادر می سازد تا قدرت شبیه سازی خود را افزایش دهند و در عین حال در کل هزینه مالکیتی که در نظر گرفته اند باقی بمانند.

به لطف صرفه جویی در هزینه سخت افزاری که از پذیرش پردازنده های گرافیکی برای شبیه سازی CFD حاصل می شود، شرکت ها می توانند سرمایه گذاری نرم افزاری خود را در چند سال پس بدهند.

چگونه GPU ها می توانند مصرف برق را کاهش دهند؟

یکی دیگر از جنبه های مهم برای شرکت هایی که تصمیم به خرید سخت افزار می گیرند، قدرت مورد نیاز برای نگهداری و راه اندازی یک خوشه HPC است.

ما به مصرف انرژی یک CPU CPU با 1024 هسته Intel Xeon® Gold 6242 نگاه کردیم و به مصرف انرژی 9600 وات اشاره کردیم. وقتی به مصرف انرژی یک سرور GPU 6 x NVIDIA® V100 نگاه کردیم که عملکرد مشابهی دارد،مصرف برق به 2400 وات کاهش یافت.

نتایج بنچمارک های ما ثابت کرد که شرکت هایی که یک سرور GPU 6 x NVIDIA® V100 را انتخاب می کنند، می توانند مصرف انرژی خود را تا چهار برابر در مقایسه با یک کلاستر HPC معادل کاهش دهند.

4 برابر مصرف انرژی پایین تر

رونمایی از حل کننده جدید Multi-GPU ANSYS در مسلط

با استفاده از ANSYS 2022 R1 ، مشتریان می توانند یک حل کننده جدید Multi-GPU را در یک یا چند GPU برای جریان های غیر قابل فشرده و فشرده سازی و شبیه سازی حالت پایدار یا گذرا به کار گیرند. این حل کننده جدید از زمین معماری شده است تا به صورت بومی روی GPU ها اجرا شود و از تمام توان آنها بهره برداری کند. این اساساً با شتاب GPU ماژول های نرم افزاری جدا شده ارائه شده توسط سایر فروشندگان شبیه سازی متفاوت است.

این حل کننده جدید از انواع مش پشتیبانی می کند (به عنوان مثال ، پلی ، هگز ، تت ، هرمی ، منشور ، گره آویز) و برای همه جریان های فشرده سازی زیرزمینی با خاصیت مواد ثابت در دسترس است. همچنین از مدل های تلاطم متداول و همچنین هدایت جامد ، انتقال حرارت مزدوج ، دیوارهای متحرک و رسانه های متخلخل پشتیبانی می کند.

آیا با آیرودینامیکی خارجی ، جریانهای داخلی یا شبیه سازی انتقال حرارت سر و کار دارید؟اگر چنین است ، ممکن است بخواهید در مورد چگونگی بهره مندی از شبیه سازی های با قابلیت GPU اطلاعات بیشتری کسب کنید.

همانطور که می توانید حدس بزنید ، این تنها آغاز سفر ما برای شبیه سازی CFD با قابلیت GPU است. ANSYS در نظر دارد پشتیبانی از قابلیت های اضافی و کاربردهای صنعتی را در نسخه های بعدی ، با همکاری شرکای سخت افزار GPU ما ، پشتیبانی کند.

اگر می خواهید در مورد Solver Multi-GPU ANSYS اطلاعات بیشتری کسب کنید ، به روزرسانی نسخه ANSYS Fluent 2022 R1 ما را بررسی کنید ، یا برای کسب اطلاعات بیشتر به نماینده ANSYS خود دسترسی پیدا کنید.