目录
2.3 四个大挑战问题(Grand Challenge Problems)
三、Comments对文献的想法 (强迫自己思考,结合自己的学科)
一、Article:文献出处(方便再次搜索)
(1)作者
- Jeffrey Slotnick , Abdollah Khodadoust (波音研究与技术部门,波音是全球领先的航空航天公司)
- Juan Alonso(斯坦福大学)
- David Darmofal (麻省理工学院)
- William Gropp(美国国家超级计算应用中心)
- Elizabeth Lurie (普拉特 & 惠特尼公司,一家联合技术公司的子公司,是全球领先的飞机发动机制造商之一)
- Dimitri Mavriplis (怀俄明大学)
(2)文献题目
- CFD Vision 2030 Study: A Path to Revolutionary Computational Aerosciences
(3)文献时间
- March, 2014,NASA,(AIAA)
(4)引用
- Slotnick, Jeffrey P. et al. “CFD Vision 2030 Study: A Path to Revolutionary Computational Aerosciences.” (2014).
二、Data:文献数据(总结归纳,方便理解)
(1)背景介绍
CFD技术的发展极大地改变了航空航天器的设计过程。通过积极使用CFD,飞机开发项目中的风洞测试时间大幅减少,燃气轮机发动机开发项目中的实验台架测试数量也有所降低。在没有合适地面测试设施的情况下,CFD使得设计高速飞行器成为可能。除了减少测试需求外,像CFD这样的基于物理的模拟技术还提供了更深入理解和洞察关键物理现象的潜力,这些物理现象限制了组件性能,从而为航空航天器设计开辟了新的领域。
本篇文章发表于2014年,预测和规划了对未来20年CFD技术的发展趋势、挑战和可能的领域。文中的aerosciences主要针对计算空气大气和空间相关的科学,比如空气动力学。
从1970年代到1990年代,计算空气动力学的发展特点是不断追求更高保真度和更准确的方法,从面板方法开始,发展到线性和非线性势流方法,无粘流(欧拉)方法,最终发展到雷诺平均纳维-斯托克斯(RANS)方法。这些进步是通过在方法开发上的持续投资以及为研究人员提供和部署最先进的高性能计算(HPC)硬件实现的。
(2)Introduction
报告首先定义了2030年CFD所需的能力。通过将这一愿景与当前状态进行对比,确定了技术障碍并制定了技术发展计划。这反过来又被用来制定一项研究战略,以实现2030年愿景CFD能力的目标。研究计划的成果是为成功执行拟议战略而提出的一套建议。
2.1 报告的调查结果及建议
- NASA在基于模拟的分析和设计的基本研究和技术开发方面的投资在过去十年显著下降。
- HPC硬件正在迅速发展,预计会发生范式转变,需要新的算法和软件。
- CFD在航空航天设计过程中的使用受到准确可靠预测湍流流动能力的严重限制。
- 网格生成和适应性是CFD工作流程中的显著瓶颈。
- 需要革命性的算法改进来实现未来模拟能力的进步。
- 管理当前和未来大规模模拟产生的大量数据是一个难题。
- 为了实现越来越多学科的模拟,需要提高单个组件CFD求解器的鲁棒性和自动化水平。
2.2 2030年CFD愿景
愿景是基于对未来十年科技发展的预测和规划,提出了一种理想状态下的CFD能力,有以下特点:
- 基于物理的预测建模:CFD模型将更加依赖于物理原理,以提高预测的准确性和可靠性。
- 误差和不确定性的自动管理:CFD工具将能够自动管理和减少模拟过程中的误差和不确定性。
- 分析过程中的高度自动化:从初步设计到最终分析的所有步骤都将实现自动化,提高效率和减少人为错误。
- 有效利用最强大的HPC硬件:CFD软件将能够充分利用当时最强大的高性能计算(HPC)硬件,以执行更复杂的模拟。
- 灵活性:CFD工具将能够处理研究环境中的大规模能力任务,同时也能管理大量用于数据库应用的生产作业。
- 与其他学科代码的无缝集成:CFD将能够与其他学科的代码集成,以支持复杂的多学科分析和优化。
2.3 四个大挑战问题(Grand Challenge Problems)
为了具体化2030年愿景,报告中提出了几个大挑战问题(GC),这些问题代表了2030年所需的CFD能力,并涵盖了与NASA航空任务以及空间探索任务相关的所有重要应用领域。这些问题包括:
- 全飞行包线内全动力飞机配置的壁面解析大涡模拟(Wall resolved LES)
- 非设计工况下的涡扇发动机瞬态模拟
- 高度灵活的先进飞机配置的多学科分析和优化(MDAO)
- 动力空间访问配置的概率分析
这些问题之所以被认为具有重大挑战,是因为其需要在HPC使用、物理建模、算法发展、网格生成和适应性、数据管理以及多学科分析和优化等方面取得重大进展才能实现。而实际上,这些问题在2030年的时间框架内可能无法实现,但它们是未来需要长期投资的关键技术。
2.4 六个一般技术领域
愿景和GC问题确定了长期目标,报告还描述了需要持续投资的六个一般技术领域。
- NASA应该开发、资助并维持一个基础研究和技术(R&T)发展计划,专注于基于模拟的分析和设计技术。并围绕以下六个技术领域组织:高性能计算(HPC)、物理建模、数值算法、几何和网格生成、知识提取、多学科分析和优化(MDAO)
- NASA应该开发和维护一个集成了模拟和软件开发的基础设施,以促进CFD技术的快速成熟。
- NASA应利用和优化HPC系统,并进行大规模CFD开发和测试。
- NASA应带头努力开发和执行综合实验测试和计算验证活动。
- NASA应该在科学和工程界内,广泛发展、促进和利用关键研究伙伴,跨学科行业利益相关者的合作。
- NASA应更多地吸引世界级的工程师和科学家。
(3)主要内容
3.1 前置知识
粘性湍流(Viscous Turbulent Flows):流体流动可以大致分为两种类型:层流和湍流。层流是流动平稳、有序的,而湍流则是混乱、无序的,常见于高速流动中。粘性是流体内部摩擦力的一种表现,对流体流动有很大影响。粘性湍流就是指同时受到流体粘性和湍流混乱性质影响的流动。
边界层转换(Boundary Layer Transition):流体流过物体时,在物体表面会形成一个被称为边界层的薄层。在这个边界层内,流体从粘附在物体表面的静止状态逐渐过渡到外部的主流速度。边界层转换是指这个边界层从层流转变为湍流的过程。这个转换对流体动力学特性有重要影响,如阻力和升力。
流动分离(Flow Separation):当流体沿着物体表面流动时,如果遇到形状变化或其他因素,可能会导致流体无法紧贴物体表面流动,而是从表面脱离开,形成涡旋等复杂流动。这种现象称为流动分离,它会极大地影响物体的气动特性,如增加阻力、减少升力。
3.2 当前状态
一般来说,设计过程由三个关键阶段组成:概念设计、初步/详细设计以及产品验证。在所有这三个设计阶段中,CFD工具和流程的当前使用情况总结如下。
-
概念设计阶段:这个阶段主要是大致勾勒出产品的设计理念。在这个阶段,使用CFD来模拟和优化产品的性能,比如减少阻力、减少油耗、增加载重等等。因为这个阶段还只是初步的,所以他们通常会使用一些简化的模型来进行模拟,这样可以节省时间但同时也意味着设计中会有一定的保守性。
-
初步/详细设计阶段:当产品的大概设计确定下来后,就会进入这个阶段。这个阶段会用CFD来做更详细和准确的设计,比如对于飞机来说,就会详细设计机翼、引擎等等。在这个阶段,设计师们会尽量减少简化,使用更准确的模型来确保设计的性能。有时候,他们也会把设计放到风洞里实际测试来验证CFD的模拟结果。
-
产品验证和认证阶段:在这个阶段,产品已经被制作出来了,设计师们会使用CFD来验证产品的实际性能是否符合预期,如果有需要改进的地方,也会使用CFD来帮助理解如何进行调整。CFD在这个阶段主要是用来确保产品的性能达标,如果测试中发现了问题,CFD可以帮助快速找到问题所在并提出解决方案。
对于这些设计阶段中的每一个,CFD的性能(在数值效率和解决方案精度方面)都是至关重要的。以下是CFD在几个关键技术领域的现状:
-
高性能计算(HPC):CFD的有效性很大程度上取决于高性能计算系统的能力和可用性。随着计算技术的进步,现有的CFD程序需要更新以充分利用新的计算架构(如GPU),以提高运算速度和效率。国家实验室和大学通常会率先测试新硬件,并对CFD算法进行优化。
-
湍流模型:CFD中使用的湍流模型对于准确模拟流体行为非常关键。目前常用的是基于时间平均的Navier-Stokes方程,但对于某些特定流动(如旋转流动和分离流动),使用更复杂的模型可以提高模拟的准确性。这些模型的开发和应用仍在不断进化中。
-
过程自动化:CFD的一个瓶颈在于准备工作,尤其是几何预处理和网格生成。对于一些常见设计,可以通过自动化这些步骤来节省大量时间。然而,对于单一原型设计或新颖设计,自动化的收益不明显,因此这些工作仍然需要人工参与。
-
解决方案的不确定性和稳健性:CFD模拟中存在许多不确定因素,如几何近似、网格分辨率和边界条件设置等,这些因素都会影响模拟结果的准确性。虽然有标准化的验证和确认方法,但在航空航天行业中并未广泛应用。此外,为了提高准确性,经常需要对网格进行细化,但这在实践中往往难以实现。
-
多学科分析和优化(MDAO):虽然将CFD与其他学科(如结构分析、热传递计算等)相结合的理念已经被认可,但在实践中还没有广泛应用。高保真CFD通常不用于这种多学科分析中,而且优化通常限于单一学科。
3.3 CFD技术差距和障碍
3.3.1 有效利用高性能
-
硬件技术挑战:为了实现2030年的HPC性能目标,需要开发新的硬件技术,这些技术将重点关注功耗、错误保护和恢复等方面。
-
软件提取的高级化:随着2030年HPC系统的复杂性增加,需要更高级别的自动化软件基础设施,以隐藏这种复杂性,使其对终端用户更加友好。
-
先进的编程环境:需要开发基础的、可扩展的、鲁棒的算法和软件架构,以及允许科学专家能在其专业领域内适当地在抽象级别上表达算法。
-
CFD代码的可扩展性:目前的CFD代码在多核平台上的可扩展性不足,需要开发新的、高度并行的CFD算法,以平衡计算和通信需求。
-
缺乏可扩展的预处理和后处理方法:除了CFD求解器的可扩展性问题外,预处理和后处理软件的基础设施也存在问题。为了加速整个CFD工作流程和设计过程,需要开发基本的可扩展预处理和后处理方法。
-
缺乏HPC资源用于代码开发:软件开发过程中缺乏对大规模HPC资源的访问,而持续可靠地访问最先进的HPC硬件对于设计和测试新技术至关重要。软件开发过程中可用的硬件类型直接影响到软件选择和软件实施策略,并且当前产品CFD代码的停滞的可扩展性至少部分地归因于不能在大规模HPC硬件上一致地测试这些代码。
3.1.2 包括转捩和分离的非定常湍流模拟
转捩是指流体从层流(流体沿流线平滑移动,无混乱涡旋产生)转变为湍流的过程。这个过程通常受到多种因素的影响,如流体的速度、压力、温度和流动表面的粗糙度等。分离是指流体从固体表面脱离的现象,这通常发生在流体遇到突然变化的表面形状或遇到逆压梯度时。
到2030年,在航空航天系统的分析和设计中,计算流体动力学模拟能力中最关键的一个领域可能是准确预测那些含有粘性湍流、边界层转换和流动分离现象的流体流动。大多数人认为,到2030年,基于RANS的湍流模型结合LES方法将成为标准做法。然而,目前这些混合方法在实际应用中成本过高,且在航空航天领域感兴趣的雷诺数范围内,特别是边界层较薄的区域,如机翼附着线附近,这些方法的使用受到限制。虽然目前的RANS方法能够在各种速度下较好地预测稳定的湍流,但是对于分离流动的预测仍然很困难,必须克服许多技术差距和障碍:
-
湍流模型的复杂性和收敛性:使用复杂的RANS模型(如雷诺应力传输模型)在实际应用中存在问题,因为这些模型在广泛使用的求解器中的可用性以及在涉及复杂几何和/或流动物理的流动模拟中的收敛性都存在问题。
-
网格分辨率和求解方案的影响:当前和未来的湍流模型的有效性受到网格分辨率和求解方案的影响。研究表明,为了捕捉湍流结构的全部范围,需要足够高的网格分辨率。
-
基础验证/校准数据集的使用不足:关键的实验数据集对于RANS到LES各种湍流模型的持续发展和完善至关重要。但是,这些数据集往往没有被充分利用来评估和改进模型。
-
真实世界实验的不足:除了基础实验外,还需要使用更有代表性的复杂航空航天系统几何形状的复杂、集成流场的特定测试数据来验证湍流模型。
-
过渡预测能力的不足:CFD实践中边界层过渡的预测通常不准确,这影响了风洞到飞行的缩放、层流预测和控制、涡轮机械设计以及高超声速过渡/加热分析等。
-
湍流研究者之间缺乏明确的合作:在航空航天领域本身(分散在学术界、工业界和政府之间)以及航空航天与相关领域(如天气预报、生物流体和水动力学领域)的研究者之间,普遍缺乏紧密的协调。
3.1.3 自主可靠的CFD模拟
为了实现自动化和可靠的CFD模拟,需要在网格生成、离散化方法、求解器、误差控制和不确定性量化等方面进行大量的研究和开发。这不仅涉及到技术的改进,还涉及到与计算机辅助设计(CAD)软件的更好集成,以及开发能够在现代高性能计算(HPC)环境中高效运行的算法。
-
网格生成和自适应性:在CFD模拟中,创建合适的网格(即划分计算域以便进行数值模拟的网状结构)是一个主要难题,特别是对于几何形状复杂的配置。网格生成阶段通常需要大量的人工干预,耗时且不一定可靠。理想情况下,网格生成过程对于CFD用户来说应该是透明的,即用户给出所需的几何形状和精度要求后,系统自动创建和优化网格直至满足最终精度要求,而这目前需要克服许多障碍。
-
离散化、求解器和数值方法:一个自动化和可靠的CFD能力核心在于高效和健壮的离散化和求解策略。离散化方法需要能够容忍局部网格质量不佳的情况,同时以低成本提供高精度。求解技术需要能够在各种条件下提供收敛的解决方案,几乎不需要用户干预。目前,执行和理解CFD分析通常需要高水平的专业知识和人工干预,要减少这种依赖需要在基础数值方法研究上增加投资。
-
误差控制和不确定性量化:当前CFD模拟中的误差并不被很好地理解或量化,包括由于空间和时间离散化、未完全收敛以及所采用的物理模型和参数引起的误差。缺乏误差量化增加了基于不准确或不确定结果进行工程决策的风险。实现自动化CFD模拟的关键之一是离散化误差估计,它对于实现解决方案自适应过程至关重要。
3.1.4 知识提取与可视化
-
高保真CFD模拟的有效使用:随着高性能计算系统变得更快、更高效,使用更复杂的物理模型(如燃烧)来模拟整个航空航天系统的非稳定 CFD模拟将变得普遍。这些模拟会使用大量的网格点(大约10到100亿)。关键在于如何有效地使用(通过可视化和实时分析)这些大型、高保真的CFD模拟。目前,对于高阶方法的可视化结果处理还不够充分,因此需要改进软件和硬件方法来处理这些模拟的数据输入/输出(I/O)、内存和存储问题。同时,也需要开发有效的CFD可视化软件算法和创新的信息呈现方式(如虚拟现实)。
-
实时处理和显示多个高保真CFD模拟:到2030年,HPC的能力将允许快速、系统地生成成千上万的CFD模拟,用于流动物理探索、趋势分析、实验测试设计、设计空间探索等。主要目标是收集、综合和查询这些大量的计算数据,以便实时做出工程决策。但是,由于缺乏数据标准,使得不同代码、研究人员和组织之间的结果收集和分析变得困难、耗时且容易出错。同时,目前还没有有效的方法将大量CFD模拟数据中的重要信息提炼成简化模型或元模型,这些模型可以用于快速预测操作场景。
-
高保真CFD模拟与其他空气动力学数据的融合:由于风洞和飞行测试预计仍将在航空航天系统设计过程中发挥关键作用,需要方法将CFD和多学科模拟数据与其他多保真度实验/计算数据源融合,创建一个综合数据库,包括对数据库所有(或单个)部分的信心水平和/或不确定性的某种度量。目前,大量实验和可变保真度计算数据的融合主要是通过经验和直觉,使用相对简单的工具进行的。需要基于数学和统计学的方法来合并这些数据,以消除异常数值解和实验点,并总体量化整个数据库以及个别数据点的不确定性水平。
3.1.5 多学科/多物理场模拟和框架
-
多学科/多物理模拟和框架的重要性:到2030年,许多航空航天工程问题将是多学科性质的,CFD需要与其他高精度分析无缝对接(如声学、结构、热传递、反应流、辐射、动力学和控制,甚至是热防护系统中的烧蚀和催化反应)。随着计算机性能的不断提升,模拟完整的航空航天系统将成为常态。然而,有效的多学科工具和流程仍处于起步阶段。
-
多学科分析的限制:多学科分析的限制包括分析的设置和执行、解决方案的健壮性、缺乏保证耦合高保真模拟稳定性和准确性的正式方法论,以及缺乏多学科耦合的现有标准。
-
2030年的多学科分析和优化愿景:到2030年,多学科分析和优化的愿景是无缝设置和常规执行,具有快速反馈、用户指定的耦合模拟精度、解决方案方法的健壮性、提供敏感性和不确定性信息的能力,以及有效利用未来的高性能计算资源。
-
实现愿景的必要发展:为了实现这一愿景,需要开发多学科标准,并创建促进多学科交互的耦合框架。此外,还需要克服多学科耦合、系统级敏感性计算、分析和优化中的不确定性管理、优化问题的层次分解,以及自动化和标准化流程等关键研究挑战。
-
具体技术差距和障碍:为了在2030年实现真正的多学科分析和优化,需要解决一些具体的技术差距和障碍,包括CFD分析在多学科环境中的健壮性和自动化、高保真多学科耦合的科学、敏感性信息的可用性和不确定性的传播、以及标准化和耦合框架的建立。
3.4 附录
目前的高性能计算系统性能已经超过了10 PetaFLOPS(每秒千万亿次浮点运算),并且正在向10^18 FLOPS(ExaFLOPS)迈进,预计在2018至2023年间达到。
不同级别的HPC系统:
- 领导级系统(如国家实验室和NASA):解决最困难的问题。
- 大型工业公司系统(如波音、普惠或空中客车):性能通常比领导级系统低一两个数量级。
- 小型公司或大公司内部部门使用的系统:性能再低一两个数量级。
Exascale系统的挑战:
- 时钟频率:时钟频率增长已达瓶颈,未来性能提升需要依赖于更高的并行度而非时钟频率。
- 功耗:未来的系统需要在保持或减少功耗的同时提升计算能力,这意味着需要更高的并发性和更简单的计算单元(复杂单元通常具有较低的计算效率),并针对特定的模式进行优化,例如单独的标量、向量和流计算元件。
- 容错与可靠性:在构建更大规模的系统时,容错和系统的可靠性成为关键考虑因素。
- 性能一致性和可扩展性:极高的并行度要求意味着可扩展性和性能一致性是设计的主要挑战。
- 延迟容忍:内存访问的延迟将成为问题(今天大部分的时钟延迟,通过缓存和预取来向程序员隐藏),这需要通过算法和系统设计来适应。
- 文件输入/输出(I/O)的效率和策略:可能需要特殊的处理策略来管理极大规模数据的输入输出。
预计2030年的计算机系统将与现代系统类似,但整合程度更高。具体来说,预计系统将包含整合了快速标量处理器、流处理器和内存中处理(PIM)的节点。具体来说:
- 内存层次:预计将有更多层次的内存。与现有的多级缓存和主内存不同,2030年的系统可能包括不同层次的主内存,部分内存非常快但容量小,其他部分容量大但速度慢。
- 内存中处理(PIM):增加了处理能力,特别是在内存子系统中,这将导致整体系统更为复杂。
就软件层面而言:
- 未来的编程模型需要处理数据的局部性问题。开发者需要能够抽象地表达数据之间的关系和局部性。
- 内存系统的复杂性将增加,但开发者需要能够指定哪些计算应由内存子系统中的慢速处理元素完成,哪些应由快速标量处理器或流处理元素完成。
先进编程模型和系统:
- 局部性感知的抽象编程模型:允许程序更有效地管理数据和计算的局部性。
- 可组合的编程模型:支持高度模块化的代码,以便在不同系统和应用中重用。
- 可移植的极端并行编程模型和软件:设计编程模型和软件,使其能在不同的极端并行计算平台上有效运行。
- 高度可扩展和可管理的数据管理系统:开发能处理大量数据并易于管理的系统。
- 允许更好表达开发者意图的编译器接口:改进编译器以更准确地解释和优化代码。
- 改进的编程工具:如编译器、性能分析器和调试器,使开发更加高效。
3.5 其它
在文中提到的一些关于CFD方面的研究机构,记录一下,有需要可以关注一下(以下内容来自于大模型,准确性不确保,进一步了解还得靠自己搜索):
-
Institute for Computer Applications in Science and Engineering (ICASE): 这是一个半学术性的研究所,旨在促进与NASA航空任务相关的特定学科的合作,并吸引国内外更广泛的科学界参与其中。
-
Institute for Computational Mechanics in Propulsion (ICOMP): 类似于ICASE,ICOMP专注于推进计算力学在推进技术中的应用,并通过合作研究来解决相关问题。
-
Research Institute for Advanced Computer Science (RIACS): RIACS是在NASA各个中心设立的研究机构,致力于高级计算机科学的研究和发展,以及与NASA任务相关的科学问题的解决。
-
Center for Turbulence Research (CTR) at Stanford University: CTR位于斯坦福大学,专注于湍流研究,这是一个与NASA航空任务高度相关的领域。CTR通过合作研究,推动了湍流科学的发展。
-
National Institute of Aerospace (NIA): NIA是一个较大的研究机构,成立于近十年,它整合了一些ICASE、ICOMP和RIACS的功能。NIA服务于多个目的,并不专门针对推进计算科学问题,也没有主要聚焦于NASA的长期需求,尽管它可以被调整以包含这些方面。
-
Ohio Aerospace Institute (OAI): OAI是另一个大型研究所,与NIA类似,它也吸收了一些之前研究所的功能。OAI同样服务于多个目的,并不专门针对NASA的计算科学需求。
-
Center for Nonlinear Studies (CNLS) at Los Alamos National Laboratory (LANL): 位于洛斯阿拉莫斯国家实验室的CNLS是一个小型的、半学术性的研究所,专注于非线性科学的研究,这种模式在美国其他国家实验室得到了复制。
-
Institute for Scientific Computing Research (ISCR) at Lawrence Livermore National Laboratory (LLNL): ISCR位于劳伦斯利弗莫尔国家实验室,致力于科学计算研究,这种小型研究所模式在欧洲也取得了巨大成功。
-
European Centre for Research and Advanced Training in Scientific Computation (CERFACS) in France: CERFACS是位于法国的研究中心,专注于科学计算的高级培训和研究,它是欧洲在这个领域的成功案例之一。
-
Center for Computer Applications in AeroSpace Science and Engineering (C2A2S2E) in Germany: 位于德国的C2A2S2E专注于航空航天科学和工程中的计算机应用,这个中心展示了小型研究所模式在国际上的扩展和成功。
三、Comments对文献的想法 (强迫自己思考,结合自己的学科)
之所以想要看CFD的综述是想调研CFD领域的常用算法和数学方法,方便在下一阶段针对最常用的算法进行复现,但是在看的时候其实就已经发现这篇文章不太符合我的预期了,但是我还是坚持看完了。主要原因有俩:一是这是一篇出自Annual Reviews的文章,它是专门发表综述类文章的出版社,而且AR上都是顶级大牛院士才能被邀请写综述,顶刊肯定有顶刊的道理,看看应该是有用的;二是这篇文章集中在现况和未来的一些方向上,对了解CFD的大致背景确实是有用的。
但是看完了真实收获没那么多,主要原因是我觉得是基础知识的缺乏,里面的很多关键词对我来说都是冰冷的专有名词,各种关于航空航天的组件、算法之前未曾听闻,所以看的时候只对我认为的关键词进行了检索了解。看完这篇之后,如果想要满足自己的预期,我想或许应该转变一下思路:一是或许可以尝试看一下求解器支持的算法,多个求解器都支持的算法,应该就是基础的重要算法,因为算法的求解最后不都是靠求解器吗;二是或许可以了解一下求解器或者CFD领域在求解微分方程组时的一些通用解法。
可以关注一下附录,附录来说在进行优化时,要注意减少数据移动,以此来降低功耗和提高效率,注意能效比。此外,文中提到的内存处理PIM,类似于存内计算的概念,文中提到PIM最简单的用途之一就是执行预取数据的计算(gather),并将结果scatter回内存限制的最终位置,适用于非结构化CFD代码。提供支持gather/scatter的硬件(优化内存访问模式,在处理稀疏数据结构或在需要将分散的数据点聚合以进行进一步处理时非常有用)。
再者,在衡量一个算法的质量时,不能仅仅通过浮点运算,还可以考虑算术强度(即每次内存访问的工作量),比如稀疏线性代数方法具有较低的算术强度。因此,可以利用PIM以连续的方式将正确的数据传递到标量和流式处理器来增加算术强度。
四、Why:为什么看这篇文献 (方便再次搜索)
用于课题了解:
- 了解CFD的现况及未来可能的发展路径
- 目标是调研CFD领域的常用算法和数学方法
五、Summary:文献方向归纳 (方便分类管理)
- CFD vision/review