Научная группа из Университета Сианьского горного технического института провела крупнейшую известную высокоточную симуляцию сверхзвукового потока, связанного со пространством-временем. В рамках работы было смоделировано истечение газов от массива из 33 ракетных двигателей, используя 6,774 триллиона ячеек сетки.
Данная работа была выполнена с использованием платформы гетерогенных вычислений Sugon 8000 компании Sugon, задействовав десятки тысяч отечественных графических процессоров. Об этом сообщили китайские технологические СМИ 3 октября.
Эта задача имеет большое значение для многоразовых ракет, которые часто используют кластеры двигателей. Во время старта и перед посадкой при проведении обратного сжигания, сверхзвуковые, высокотемпературные струи десятков двигателей взаимодействуют у основания ракеты, создавая сложные турбулентности и ударные волны. Эти колебания давления ставят под угрозу конструкцию корпуса ракеты и ее двигателей, а тепловые нагрузки в местах соприкосновения струй проверяют пределы теплозащиты основания.
Поскольку физические испытания являются дорогостоящими и позволяют разместить ограниченное количество датчиков, наблюдать за этими взаимодействиями напрямую крайне сложно.
Результаты вычислительной эффективности
Согласно представленным отчетам, симуляция достигла эффективности слабого масштабирования на уровне 99,01%: при увеличении как параллельного масштаба, так и общего размера сетки в четыре раза, среднее время одного шага увеличилось всего примерно на 1%. Эффективность сильного масштабирования составила 73%, при этом четырехкратное увеличение ресурсов на фиксированной сетке обеспечило прирост скорости около 2,92 раза. Пропускная способность обновления сетки достигла 34,029 триллиона обновлений ячеек в секунду, что эквивалентно примерно 0,249 экзафлопс производительности приложения на основном вычислительном пути.
Вместо стандартной многоступенчатой временной интеграции Рунге-Кутты, распространенной в вычислительной гидродинамике, которая требует многократного чтения и записи полного поля потока и обмена граничными данными на каждом этапе, команда применила метод WENO-GKS, связанный со пространством-временем. Этот метод позволил продвигать каждый шаг за один проход, превращая повторяющийся трафик памяти в локальные вычисления на границах ячеек. Кроме того, структура данных типа «массив структур», объединение операторов и наложение вычислений с коммуникациями дополнительно снизили доступ к памяти и межузловой трафик. Вычисления поддерживались средой разработки DTK, библиотекой MPI и планировщиком заданий от Sugon.
Для инженеров данная симуляция предоставляет данные о истории давления на структурных поверхностях, что помогает анализировать локальные пики и распределение нагрузки, а также определять оптимальные места для установки тестовых датчиков. Она также рассчитывает тепловой поток на стенках, распределение температуры и продолжительность нагрева для проектирования теплозащиты, заполняя пробелы между точками физических измерений. Команда планирует добавить реальные геометрии и рабочие условия двигателей для создания проверенных данных о потоке, а затем использовать эти данные для моделей на основе искусственного интеллекта, связывающих параметры проектирования с реакцией потока. Это позволит расширить область применения от тяжелых и сверхтяжелых летательных аппаратов до взаимодействия следов посадочных модулей и струй на высокоскоростных транспортных средствах.
Компания Sugon завершила разработку Sugon 8000 в июле, сделав его первым в Китае суперкластером ИИ на 100 000 карт. Компания утверждает, что все компоненты системы — чипы, вычисления, хранилище и высокоскоростная сеть — являются отечественными, и система подключена к Национальному суперкомпьютерному интернету.