格子玻尔兹曼流体代码_流体仿真为什么要选择GPU？

由于仿真软件需要耗费大量计算资源，许多计算机辅助工程 (CAE) 应用都可以从 GPU 的并行处理能力中大受裨益。与 CPU 相比，GPU 的密度更高而总体拥有成本更低，因此具有明显的性价比优势，今天为大家分享基于CFD领域的GPU加速体验。

计算流体仿真力学，英文全称Computational Fluid Dynamics，缩写为CFD，它是数值数学和计算机科学结合的产物，通过空间离散和数值求解的思路，对流体力学的各类问题进行数值实验、模拟和分析研究，以解决学习、科研或者工程设计中的问题。

面对一个具体的工程问题，CFD工程师在应用CFD工具进行仿真分析时的基本流程，通常可以总结为五步：前处理、网格划分、边界条件加载、求解计算和后处理。但如何去平衡计算量(网格数量)和计算时间，对于很多CFD工程师都是个挑战。

在实际解决问题的过程中，CFD工程师除了希望能选择一款称手的软件工具外，当然也希望计算机的主频越高越好，核心越多越好。但是，核心与计算速度并非线性关系，不会因为核心等比例增长。若想在单台电脑上发挥极限运算能力，还需要使用GPU加速，因为GPU加速通过协调处理器并行运算，能够极大地提升计算能力，尤其适合多个项目同时进行，这样获得的时间收益较大。

1 流体仿真为什么要选择GPU？

CFD始终向处理更高精确度、更复杂的几何结构方向发展。但现阶段，CFD软件应用于复杂流体问题方面还有待拓展，受到的阻碍主要源自以下三个方面：

● 隐式算法的高内存要求——一些CFD分析工程师总是希望得到完美的残差收敛曲线，以证明计算结果的可靠性，因此，他们会首选隐式算法，这意味着高内存的需求；

● CFD结果对网格的强依赖性——网格的合理设计和高质量生成是CFD计算的前提条件，是影响CFD计算结果的最主要的决定性因素之一，是CFD工作中人工工作量最大的部分，也是制约CFD工作效率的瓶颈问题之一。即使在CFD高度发达的国家，网格生成仍占整个CFD计算任务全部人力时间的70%～80%。

● 工程流体仿真问题复杂多变——在流体力学模拟中，由于流体力学模拟是个复杂的过程，存在极端变形、自由液面以及物质运动交界面等问题，在应用网格数值模拟时，会出现网格扭曲导致计算不收敛或者产生很大的计算误差，需要重新模拟，这使得计算成本大大增加。