CN117494509A - 一种基于多物理场的块结构自适应网格细化方法 - Google Patents

一种基于多物理场的块结构自适应网格细化方法 Download PDF

Info

Publication number
CN117494509A
CN117494509A CN202311452780.9A CN202311452780A CN117494509A CN 117494509 A CN117494509 A CN 117494509A CN 202311452780 A CN202311452780 A CN 202311452780A CN 117494509 A CN117494509 A CN 117494509A
Authority
CN
China
Prior art keywords
data
grid
block structure
levels
adaptive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311452780.9A
Other languages
English (en)
Other versions
CN117494509B (zh
Inventor
袁从敏
闻轶凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Mucan Information Technology Co ltd
Original Assignee
Shanghai Mucan Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Mucan Information Technology Co ltd filed Critical Shanghai Mucan Information Technology Co ltd
Priority to CN202311452780.9A priority Critical patent/CN117494509B/zh
Publication of CN117494509A publication Critical patent/CN117494509A/zh
Application granted granted Critical
Publication of CN117494509B publication Critical patent/CN117494509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Graphics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于多物理场的块结构自适应网格细化方法，包括以下步骤：步骤1：针对不同分辨率级别开发对应的网格层次结构,制定基本数据结构、重网格和负载均衡策略；步骤2：开发分布式内存环境中块结构网格数据的数据容器，包含用于级别操作的迭代器、处理幽灵单元交换和数据分发的通信层、以及级别之间操作的工具；步骤3：基于节点并行、通用函数和内存管理功能，开发能够在不同架构上获得高性能并减少编码量的算法。可发展为各种具有不同硬件功能和编程模型的不同架构，可支持用户自定义并行缩减和内存管理的功能，可在多物理场中进行应用，并提供可扩展的高性能功能。

Description

一种基于多物理场的块结构自适应网格细化方法
技术领域
本发明涉及大规模网格划分技术领域，尤其涉及一种基于多物理场的块结构自适应网格细化方法。
背景技术
在工程数值模拟领域，针对复杂结构的仿真和多物理场计算应用十分广泛，在机械零件制造中如何高效得到结构关键点的应力，以及在流场中如何快速准确地捕捉激波等问题，若单纯依靠不断全局细化的网格增加计算量，是不经济的。网格自适应技术兼顾了计算精确性和计算效率，能够使用较少的网格计算代价获得较为准确的计算结果。
自适应网格技术在国外发展十分迅速，在成熟的商业软件中都有功能体现，如LS-Dyna的重划分网格的自适应实现等；在美国Sandia实验室开发的多物理耦合计算框架SIERRA中，也实现了H自适应的策略。在国内，北京应用物理与计算数学研究所开发的JASMIN结构化网格自适应框架已经在多个应用程序中得到实际应用。
目前涵盖二维和三维块结构化网格自适应细化的软件模块还相对缺乏，无法在多层细化中考虑网格质量，且无法支持具有不同性能特征的各种多物理场应用。同时这些软件对应用程序开发人员构建算法的方式具有较大的限制，无法提供一组丰富且具有足够灵活性的工具，使软件能够满足许多不同应用程序的算法要求，而不会牺牲任何应用程序的性能。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于多物理场的块结构自适应网格细化方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于多物理场的块结构自适应网格细化方法，包括以下步骤：
步骤1：针对不同分辨率级别开发对应的网格层次结构,制定基本数据结构、重网格和负载均衡等策略；
步骤2：开发分布式内存环境中块结构网格数据的数据容器，包含用于级别操作的迭代器、处理幽灵单元交换和数据分发的通信层、以及级别之间操作的工具；
步骤3：基于节点并行、通用函数和内存管理等功能，开发能够在不同架构上获得高性能并减少编码量的算法；
步骤4：开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法；
步骤5：基于线性求解器进行不同级别网格的求解加速；
步骤6：确定程序的输入输出(I/O)格式和高效输出模式。
进一步地，在步骤1中，通过定义不同级别的数据来代表不同级别的网格，数据类型主要包含整数列表、二维单元数据、单元集合和单元向量，用于对网格数据和信息进行定义和储存，之后通过动态改变网格的分辨率来反映问题和需求的变化。
进一步地，在步骤2中，基本单级数据结构为C++类的模板，C++类的模板基于每个网格生成一个具备分布式数据结构的数据集合，同时采用所有者计算规则来对单一级别数据结构进行操作，基于数据迭代器来循环遍历数据结构中的单框数据结构，并能够选择逻辑平铺，之后可使用模板对需要访问相邻和/或附近单元上的数据进行操作，并提供与相邻级别之间的通信操作类型，包含从粗略数据到精细数据的插值、将精细数据限制为粗略数据以及在粗略/精细边界处的显式回流。
进一步地，步骤3具体包括以下步骤流程：基于分层并行模型，将一个或多个数据块分配给每个节点，并使用所有者计算规则在节点之间分配任务，用于实现节点的并行性；
通过通用函数以性能可移植的方式执行归约操作，这些函数通过数据传递指针在连续数组级别上使用，或者在更高级别的数据容器上使用；
基于各种内存池，在初始化期间分配大块内存，并根据需要提供指向预分配空间块的数据指针，以提高内存活动的性能，并正确地跟踪和处理内存分配；
基于以上策略，混合数据类型中的代码，能够在不同架构上获得高性能并减少编码量。
进一步地，在步骤4中，开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法，需划分网格的几何模型被表示为通过规则网格表示的界面；
嵌入的边界信息在计算开始时被预先计算并存储在分布式数据库中，包含每个级别的网格信息，具体包括单元类型、单元尺寸、体积分数和体积质心。
进一步地，在步骤5中，对线性求解器进行了求解加速，使其在每个时间步能够求解一个或多个线性系统；
通过本机求解器粗略求解一个或多个网格级别，然后在最精细的多重网格级别中调用外部求解器进行求解加速。
进一步地，在步骤6中，对程序的输入输出格式进行确定，程序包含使用HDF5进行数据分析和可视化的选项，同时具备本机文件格式，用于存储文件并进行可视化；
编写输入输出文件时需要在消息传递接口MPI级别之间进行协调，用于防止对文件系统的同时写入过多而导致I/O系统不堪重负。
相比于现有技术，本发明的有益效果在于：
除了支持在分层网格上定义数据的核心功能外，程序还提供对不同块结构化网格算法以及复杂问题几何图形的嵌入式边界表示的功能。通过支持隐式离散化所需的线性求解器以及在多层细化中考虑网格质量的输入和输出等功能，可用于写入数据以进行数据分析和可视化以进行数据检查，随着百亿次计算的发展，该程序可发展为各种具有不同硬件功能和编程模型的不同架构。该框架还可支持用户自定义并行缩减和内存管理的功能，可在多物理场中进行应用，并提供可扩展的高性能功能。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明提出的基于多物理场的块结构自适应网格细化方法的流程示意图；
图2为本发明实施例中混合数据类型中的代码示意图；
图3为本发明实施例中嵌入式边界方法支持的复杂几何形状表示示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
根据本发明的具体实施例，提供了一种新的块结构自适应网格细分框架，能够支持具有不同性能和特征的多物理场应用，且对程序后续二次开发和算法构建的方式无限制；
可以提供一组丰富且具有足够灵活性的工具，通过将数据结构和基本操作的设计与数据结构的算法分开，软件核心组件具备足够的灵活性来支持对新算法的探索、开发和应用。通过构建的轻量级抽象层可以有效地隐藏了架构的细节，允许用户指定对数据块需执行的操作，但不指定如何执行这些操作，程序在编译时通过将这些操作映射到硬件上，可以更有效地利用CPU和GPU并保证良好的缓存性能。
参照图1，基于多物理场的块结构自适应网格细化方法，包括以下步骤：
步骤1：针对不同分辨率级别开发对应的网格层次结构,制定基本数据结构、重网格和负载均衡等策略；
步骤2：开发分布式内存环境中块结构网格数据的数据容器，包含用于级别操作的迭代器、处理幽灵单元交换和数据分发的通信层、以及级别之间操作的工具；
步骤3：基于节点并行、通用函数和内存管理等功能，开发能够在不同架构上获得高性能并减少编码量的算法；
步骤4：开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法；
步骤5：基于线性求解器进行不同级别网格的求解加速；
步骤6：确定程序的输入输出(I/O)格式和高效输出模式。
在本申请的具体实施例中，在步骤1中，通过定义不同级别的数据来代表不同级别的网格，数据类型主要包含整数列表、二维单元数据、单元集合和单元向量，用于对网格数据和信息进行定义和储存，之后通过动态改变网格的分辨率来反映问题和需求的变化。
在本申请的具体实施例中，在步骤2中，基本单级数据结构为C++类的模板，C++类的模板基于每个网格生成一个具备分布式数据结构的数据集合，同时采用所有者计算规则来对单一级别数据结构进行操作，基于数据迭代器来循环遍历数据结构中的单框数据结构，并能够选择逻辑平铺，之后可使用模板对需要访问相邻和/或附近单元上的数据进行操作，并提供与相邻级别之间的通信操作类型，包含从粗略数据到精细数据的插值、将精细数据限制为粗略数据以及在粗略/精细边界处的显式回流。
在本申请的具体实施例中，步骤3具体包括以下步骤：基于分层并行模型，将一个或多个数据块分配给每个节点，并使用所有者计算规则在节点之间分配任务，用于实现节点的并行性；
通过通用函数以性能可移植的方式执行归约操作，这些函数通过数据传递指针在连续数组级别上使用，或者在更高级别的数据容器上使用；
基于各种内存池，在初始化期间分配大块内存，并根据需要提供指向预分配空间块的数据指针，以提高内存活动的性能，并正确地跟踪和处理内存分配；
基于以上策略，在混合数据类型中的代码示例如图2所示，该算法可以在不同架构上获得高性能并减少编码量。
在本申请的具体实施例中，开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法，需划分网格的几何模型被表示为通过规则网格表示的界面，如图3所示。因此，尽管计算域的形状是不规则的，但底层计算网格在算法的层次结构中每个级别都是统一的。嵌入的边界信息在计算开始时被预先计算并存储在分布式数据库中，包含每个级别的网格信息，包括单元类型、单元尺寸、体积分数、体积质心等。
在本申请的具体实施例中，在步骤5中，对线性求解器进行了求解加速，使其在每个时间步能够求解一个或多个线性系统；
通过本机求解器粗略求解一个或多个网格级别，然后在最精细的多重网格级别中调用外部求解器进行求解加速。
该多重网格求解策略主要包括聚合(合并多重网格层次结构中某个级别的框，以实现网格的粗化)和合并(减少等级数以降低较粗的多重网格级别的通信成本)策略，以降低总技术成本，加快求解速度。
在本申请的具体实施例中，在步骤6中，对程序的输入输出(I/O)格式进行确定，程序包含使用HDF5进行数据分析和可视化的选项，同时具备本机文件格式，用于存储文件并进行可视化；
编写输入输出文件时需要在消息传递接口MPI(MessagePassingInterface)级别之间进行协调，用于防止对文件系统的同时写入过多而导致I/O系统不堪重负。
程序包含多种输出方法，可提供高效的I/O。其中静态输出模式可以以预定的模式计算，消除了不必要的计算和成本，可应用于小规模的仿真分析案例；动态输出模式通过分配等级来协调I/O，提高了复杂情况的写入效率；异步输出将写入分配给后台线程，允许在存储的数据副本上完成写入时不间断地继续计算。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于多物理场的块结构自适应网格细化方法，其特征在于，包括以下步骤：
步骤1：针对不同分辨率级别开发对应的网格层次结构,制定策略，策略具体包括基本数据结构、重网格和负载均衡；
步骤2：开发分布式内存环境中块结构网格数据的数据容器，包含用于级别操作的迭代器、处理幽灵单元交换和数据分发的通信层、以及级别之间操作的工具；
步骤3：基于节点并行、通用函数和内存管理功能，开发能够在不同架构上获得高性能并减少编码量的算法；
步骤4：开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法；
步骤5：基于线性求解器进行不同级别网格的求解加速；
步骤6：确定程序的输入输出格式和高效输出模式。
2.根据权利要求1所述的基于多物理场的块结构自适应网格细化方法，其特征在于，在步骤1中，通过定义不同级别的数据来代表不同级别的网格，数据类型主要包含整数列表、二维单元数据、单元集合和单元向量，用于对网格数据和信息进行定义和储存，之后通过动态改变网格的分辨率来反映问题和需求的变化。
3.根据权利要求2所述的基于多物理场的块结构自适应网格细化方法，其特征在于，在步骤2中，基本单级数据结构为C++类的模板，C++类的模板基于每个网格生成一个具备分布式数据结构的数据集合，同时采用所有者计算规则来对单一级别数据结构进行操作，基于数据迭代器来循环遍历数据结构中的单框数据结构，并能够选择逻辑平铺，之后使用模板对需要访问相邻和/或附近单元上的数据进行操作，并提供与相邻级别之间的通信操作类型，包含从粗略数据到精细数据的插值、将精细数据限制为粗略数据以及在粗略/精细边界处的显式回流。
4.根据权利要求3所述的基于多物理场的块结构自适应网格细化方法，其特征在于，步骤3具体包括以下步骤流程：基于分层并行模型，将一个或多个数据块分配给每个节点，并使用所有者计算规则在节点之间分配任务，用于实现节点的并行性；
通过通用函数以性能可移植的方式执行归约操作，这些函数通过数据传递指针在连续数组级别上使用，或者在更高级别的数据容器上使用；
基于各种内存池，在初始化期间分配大块内存，并根据需要提供指向预分配空间块的数据指针，以提高内存活动的性能，并正确地跟踪和处理内存分配；
基于以上策略，混合数据类型中的代码，能够在不同架构上获得高性能并减少编码量。
5.根据权利要求4所述的基于多物理场的块结构自适应网格细化方法，其特征在于，在步骤4中，开发嵌入式边界方法支持的复杂几何形状和块结构自适应网格划分算法，需划分网格的几何模型被表示为通过规则网格表示的界面；
嵌入的边界信息在计算开始时被预先计算并存储在分布式数据库中，包含每个级别的网格信息，具体包括单元类型、单元尺寸、体积分数和体积质心。
6.根据权利要求5所述的基于多物理场的块结构自适应网格细化方法，其特征在于，在步骤5中，对线性求解器进行了求解加速，使其在每个时间步能够求解一个或多个线性系统；
通过本机求解器粗略求解一个或多个网格级别，然后在最精细的多重网格级别中调用外部求解器进行求解加速。
7.根据权利要求6所述的基于多物理场的块结构自适应网格细化方法，其特征在于，在步骤6中，对程序的输入输出格式进行确定，程序包含使用HDF5进行数据分析和可视化的选项，同时具备本机文件格式，用于存储文件并进行可视化；
编写输入输出文件时需要在消息传递接口MPI级别之间进行协调，用于防止对文件系统的同时写入过多而导致I/O系统不堪重负。
CN202311452780.9A 2023-11-02 2023-11-02 一种基于多物理场的块结构自适应网格细化方法 Active CN117494509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311452780.9A CN117494509B (zh) 2023-11-02 2023-11-02 一种基于多物理场的块结构自适应网格细化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311452780.9A CN117494509B (zh) 2023-11-02 2023-11-02 一种基于多物理场的块结构自适应网格细化方法

Publications (2)

Publication Number Publication Date
CN117494509A true CN117494509A (zh) 2024-02-02
CN117494509B CN117494509B (zh) 2024-05-28

Family

ID=89684218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311452780.9A Active CN117494509B (zh) 2023-11-02 2023-11-02 一种基于多物理场的块结构自适应网格细化方法

Country Status (1)

Country Link
CN (1) CN117494509B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160321384A1 (en) * 2013-12-19 2016-11-03 University of Louisville Reasearch Foundation, Inc. Multi-scale mesh modeling software products and controllers
CN115016951A (zh) * 2022-08-10 2022-09-06 中国空气动力研究与发展中心计算空气动力研究所 流场数值模拟方法、装置、计算机设备和存储介质
CN116258093A (zh) * 2022-12-13 2023-06-13 英特工程仿真技术（大连）有限公司 一种面向亿级大规模网格的cae前后处理方法
CN116310048A (zh) * 2023-03-29 2023-06-23 上海慕灿信息科技有限公司 一种基于曲率细分计算光线跟踪与nurbs曲面交点的方法
CN116720410A (zh) * 2023-06-28 2023-09-08 中国人民解放军国防科技大学 基于递归剖分和重排序的非结构网格并行处理方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160321384A1 (en) * 2013-12-19 2016-11-03 University of Louisville Reasearch Foundation, Inc. Multi-scale mesh modeling software products and controllers
CN115016951A (zh) * 2022-08-10 2022-09-06 中国空气动力研究与发展中心计算空气动力研究所 流场数值模拟方法、装置、计算机设备和存储介质
CN116258093A (zh) * 2022-12-13 2023-06-13 英特工程仿真技术（大连）有限公司 一种面向亿级大规模网格的cae前后处理方法
CN116310048A (zh) * 2023-03-29 2023-06-23 上海慕灿信息科技有限公司 一种基于曲率细分计算光线跟踪与nurbs曲面交点的方法
CN116720410A (zh) * 2023-06-28 2023-09-08 中国人民解放军国防科技大学 基于递归剖分和重排序的非结构网格并行处理方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MICHAEL JUNG: "On the parallelization of multi-grid methods using a non-overlapping domain decomposition data structure", 《APPLIED NUMERICAL MATHEMATICS》, vol. 23, no. 1, 28 February 1997 (1997-02-28), pages 119 - 137 *
赖剑奇: "基于GPU的超声速复杂流动并行计算研究", 《中国博士学位论文全文数据库 基础科学辑》, no. 02, 15 February 2023 (2023-02-15), pages 004 - 49 *
赵钟 等: "适用于任意网格的大规模并行CFD计算框架PHengLEI", 《计算机学报》, vol. 42, no. 11, 10 October 2018 (2018-10-10), pages 2368 - 2383 *

Also Published As

Publication number Publication date
CN117494509B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
Liu et al. Closing the" quantum supremacy" gap: achieving real-time simulation of a random quantum circuit using a new sunway supercomputer
Schornbaum et al. Massively parallel algorithms for the lattice Boltzmann method on nonuniform grids
Schive et al. GAMER-2: a GPU-accelerated adaptive mesh refinement code–accuracy, performance, and scalability
Ahrens et al. Large-scale data visualization using parallel data streaming
Peterka et al. Scalable parallel building blocks for custom data analysis
WO2008067490A2 (en) Parallel grid population
Chen et al. A flow-guided file layout for out-of-core streamline computation
Capizzano Automatic generation of locally refined Cartesian meshes: Data management and algorithms
Mueller‐Roemer et al. Ternary sparse matrix representation for volumetric mesh subdivision and processing on GPUs
Kijsipongse et al. Dynamic load balancing on GPU clusters for large-scale K-Means clustering
CN102902590A (zh) 面向并行数字地形分析海量dem部署与调度方法
Murotani et al. Adaptive finite elements using hierarchical mesh and its application to crack propagation analysis
Chrisochoides Telescopic approach for extreme-scale parallel mesh generation for CFD applications
Gaston Parallel, asynchronous ray-tracing for scalable, 3D, full-core method of characteristics neutron transport on unstructured mesh
Tautges et al. Coupled multi-physics simulation frameworks for reactor simulation: a bottom-up approach
Meredith et al. A distributed data-parallel framework for analysis and visualization algorithm development
Yu et al. Scalable parallel distance field construction for large-scale applications
CN106846457B (zh) 一种ct切片数据可视化重构的八叉树并行构造方法
CN117494509B (zh) 一种基于多物理场的块结构自适应网格细化方法
Huck et al. Linking performance data into scientific visualization tools
CN110008597B (zh) 基于并行计算框架的建筑信息模型三角剖分方法及装置
Klinkovský et al. Configurable Open-source Data Structure for Distributed Conforming Unstructured Homogeneous Meshes with GPU Support
Zhang et al. A GPU-based parallel slicer for 3D printing
Wang et al. Towards scalable and efficient GPU-enabled slicing acceleration in continuous 3D printing
Joy Massive data visualization: A survey

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant