Исследовательская группа Сианьского университета Цзяотун провела, как они описывают, крупнейшее известное высокоточное моделирование сверхзвукового, пространственно-временного связанного струйного течения, смоделировав выхлопные шлейфы массива ракетных двигателей с 33 соплами на 6,774 триллионах ячеек сетки. Работа, выполненная совместно с Sugon на гетерогенной вычислительной платформе Sugon 8000 компании с использованием десятков тысяч отечественных GPU, была освещена китайскими технологическими СМИ 3 октября.
Эта проблема важна для многоразовых ракет, которые обычно используют кластеры из множества двигателей. Во время взлета и торможения перед посадкой сверхзвуковые высокотемпературные шлейфы десятков двигателей взаимодействуют у основания ракеты, создавая сложные ударные волны и турбулентность. Возникающие колебания давления угрожают конструкции корпуса ракеты и ее двигателям, а тепло, возникающее при встрече шлейфов, испытывает пределы теплозащиты основания. Физические испытания дороги и могут включать лишь ограниченное количество датчиков, поэтому эти взаимодействия трудно наблюдать напрямую.
Согласно сообщениям, в ходе выполнения теста была достигнута эффективность слабой масштабируемости 99,01%: когда параллельный масштаб и общая сетка увеличились в четыре раза, среднее время на шаг возросло лишь примерно на 1%. Эффективность сильной масштабируемости составила 73%, при этом в четыре раза больше ресурсов на фиксированной сетке обеспечили ускорение примерно в 2,92 раза. Пропускная способность обновления сетки достигла 34,029 триллиона обновлений ячеек в секунду, что эквивалентно примерно 0,249 эксафлопс производительности приложений на основном вычислительном пути.
Вместо многостадийной временной интеграции по схеме Рунге-Кутты, распространенной в вычислительной гидродинамике, которая многократно считывает и записывает полное поле течения и обменивается граничными данными на каждом этапе, команда использовала пространственно-временной связанный метод WENO-GKS для продвижения каждого шага за один проход, превращая повторяющийся трафик памяти в локальные вычисления на границах ячеек. Структура массивов данных, слияние операторов и перекрытие вычислений с коммуникацией дополнительно сократили доступ к памяти и межузловой трафик. Среда разработки DTK, библиотека MPI и планировщик заданий Sugon поддерживали выполнение.
Для инженеров моделирование предоставляет историю давлений на поверхностях конструкции, помогая анализировать локальные пики и распределение нагрузки, а также определять места установки испытательных датчиков. Оно также дает данные о тепловом потоке к стенке, распределении температуры и продолжительности нагрева для проектирования теплозащиты, покрывая пробелы между точками физических испытаний. Команда планирует добавить реальные геометрии и условия работы двигателей для создания проверенных данных о течении, затем использовать эти данные для моделей на основе ИИ, связывающих параметры проектирования с откликом течения, и расширить работу от тяжелых и сверхтяжелых ракет-носителей до интерференции шлейфов посадочных модулей и взаимодействия струй на высокоскоростных аппаратах.
Sugon завершила создание Sugon 8000 в июле как первый в Китае суперкластер ИИ на 100 000 карт. Компания заявляет, что ее чипы, вычислительные мощности, хранилища и высокоскоростные сети являются отечественными, а система подключена к Национальному суперкомпьютерному Интернету.
СМОТРИТЕ ТАКЖЕ:Sugon завершила создание своего суперкластера ИИ на 100 000 карт · Zhuque-3 Y-2 успешно осуществил посадку первой ступени · Как работает китайская система сетевого восстановления многоразовых ракет
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
