Терамасштабные прямые численные моделирования турбулентного горения с использованием S3D

Вычислительная наука имеет первостепенное значение для понимания фундаментальных процессов в двигателях внутреннего сгорания будущего, которые будут использовать альтернативные виды топлива непетролейного происхождения, включая углеродно-нейтральные биотоплива, и работать в новых режимах горения, обеспечивающих высокий КПД при минимизации выбросов твердых частиц и оксидов азота. Двигатели следующего поколения, вероятно, будут работать при более высоких давлениях, с большей степенью разбавления и использовать альтернативные виды топлива, характеризующиеся широким диапазоном химических и физических свойств. Поэтому высокоточные моделирования, в частности прямые численные моделирования (DNS), специально предназначенные для описания ключевых взаимодействий турбулентности и химических реакций в этих относительно неисследованных режимах горения и, особенно, для выявления влияния различий в свойствах топлива, играют существенную роль. В DNS все значимые масштабы турбулентности и пламени разрешаются численно с использованием высокоточных численных алгоритмов. Вследствие этого терамасштабные DNS требуют значительных вычислительных ресурсов, огромной вычислительной мощности и генерируют десятки терабайт данных. В работе представлены последние результаты терамасштабных DNS турбулентных пламен, демонстрирующие их роль в выяснении механизмов стабилизации пламени в оторванном турбулентном факеле водорода и воздуха в спутном потоке горячего воздуха, а также структуры пламени бедной турбулентной предварительно перемешанной струи. Вычисления такого масштаба требуют тесного сотрудничества специалистов по вычислительной технике и горению для создания оптимизированных масштабируемых алгоритмов и программного обеспечения для терамасштабных моделирований, эффективного коллективного параллельного ввода-вывода, инструментов объемной визуализации многомасштабных многомерных данных и автоматизации рабочего процесса исследования горения. Вычислительные технологии, обеспечивающие такие возможности и применяемые к задачам горения, также необходимы во многих других терамасштабных моделированиях в физике и инженерных науках. В частности, мониторинг производительности используется для выявления характеристик ключевых вычислительных ядер в DNS-коде S3D, особенно циклов, интенсивно использующих память. Благодаря тщательному применению преобразований циклов используется повторное обращение к данным в кэше, что снижает требования к пропускной способности памяти и, следовательно, повышает производительность S3D на вычислительный узел. Для повышения эффективности коллективного параллельного ввода-вывода в S3D применяется схема кэширования MPI-I/O, на основе которой создается двухэтапный метод отложенной записи для повышения производительности операций, предназначенных только для записи. Моделирования генерируют десятки терабайт данных, требующих анализа. Интерактивное исследование результатов моделирования обеспечивается многомерной объемной визуализацией изменяющихся во времени данных. Визуализация выявляет пространственные и временные корреляции между несколькими реакционноспособными скалярными полями с помощью интуитивно понятного пользовательского интерфейса, основанного на параллельных координатах и временной гистограмме. Наконец, с использованием Kepler разработан автоматизированный рабочий процесс исследования горения для управления крупномасштабным перемещением данных, преобразованием данных и архивированием, а также для графического отображения диагностических данных во время выполнения.