Partagez, apprenez et évoluez avec les meilleurs professionnels du secteur.
J’aime passer mon temps libre à lire un bon livre, surtout avec une bonne tasse de café à la main. J’aime particulièrement me promener dans les librairies, parcourir les rayons et découvrir des lectures inattendues. Lors d’une de ces visites, je suis tombée sur un livre qui a immédiatement attiré mon attention : Les machines à prédire par Ajay Agrawal, Joshua Gans et Avi Goldfarb.
Soyons honnêtes : pouvez-vous nommer une personne qui n’est pas au moins un peu curieuse de l’IA/ML de nos jours ? Dans leur livre, les auteurs expliquent les « l’économie simple de l’IA et décrivent comment la technologie est utilisée pour des solutions ponctuelles ». Dans l’un des chapitres du livre, j’ai remarqué ce qui suit :
Une meilleure prédiction s’accompagne d’un plus grand nombre d’occasions d’examiner les avantages de diverses actions, en d’autres termes, d’un plus grand nombre d’occasions de porter un jugement. Cela signifie qu’une meilleure prédiction, plus rapide et moins coûteuse, nous donnera plus de décisions à prendre.
Bien que ce livre se concentre sur l’IA et l’apprentissage automatique, cette citation m’a interpellé, car la même idée s’applique au monde de la simulation d’ingénierie, en particulier à la CFD. La capacité à prendre des décisions de conception plus rapides et mieux informées est cruciale pour les ingénieurs, quel que soit l’objectif de la simulation. La pression pour innover et rester compétitif ne fait qu’intensifier le besoin de stimuler la productivité et d’accélérer les flux de travail de simulation.
En outre, la nécessité de créer des jumeaux numériques de haute fidélité avec une complexité croissante s’est intensifiée, car les ingénieurs veulent inclure autant de réalisme physique et de détails géométriques que possible. Le maillage rapide est donc un outil stratégique qui peut apporter un avantage concurrentiel, en permettant aux ingénieurs d’accélérer le développement de leurs produits et de les mettre plus rapidement sur le marché. Pour ce faire, nous recherchons des solutions qui accélèrent les flux de travail CFD, vous permettant d’évaluer rapidement de nombreuses variantes de conception. Pour le maillage, cela peut aller de l’optimisation des flux de travail individuels à la parallélisation de la mémoire distribuée MPI (Message Passing Interface), c’est-à-dire la capacité d’exécuter simultanément des tâches de maillage sur plusieurs CPU.
Dans ce blog, nous allons explorer comment les améliorations récentes de Simcenter STAR-CCM+ ont augmenté les performances de maillage, permettant aux ingénieurs d’augmenter leur débit de simulation et d’obtenir des informations plus rapidement.
Accélérer le nettoyage de la géométrie avec l’enveloppement de surface MPI
L’un des principaux facteurs de différenciation de Simcenter STAR-CCM+ est le flux de travail en pipeline de la CAO à la solution qui permet aux ingénieurs de gérer des géométries complexes. De nombreux flux de travail de simulation impliquent d’énormes assemblages CAO avec des dizaines de milliers de pièces. Ces fichiers CAO comprennent souvent des assemblages très volumineux et une géométrie « sale ». Par « sale », nous entendons une géométrie d’entrée qui peut avoir des trous, des intersections, qui peut avoir besoin d’être défaite, qui contient des chevauchements, et/ou des sommets ou des arêtes qui ne font pas partie d’un manifold. Le nettoyage et la correction manuels de ces géométries peuvent être un processus laborieux, qui peut prendre des jours, voire des semaines.
L’un des principaux outils de préparation de la géométrie pour le maillage dans Simcenter STAR-CCM+ est le Surface Wrapper. Le Surface Wrapper peut prendre n’importe quelle pièce CAO ou tessellée arbitrairement complexe et générer une surface manifold étanche. Il fonctionne en « rétrécissant » efficacement un maillage de surface triangulée de haute qualité sur la géométrie discrétisée. L’un de ses principaux atouts est sa capacité à préserver avec précision les caractéristiques géométriques telles que les arêtes vives et les coins. Dans la version 2310 de Simcenter STAR-CCM+, nous avons introduit la première version parallélisée MPI du Surface Wrapper, offrant des améliorations de performance significatives par rapport à la version parallèle en mémoire partagée, également connue sous le nom de « Legacy Wrapper ». Dans cette première version, nous avons démontré une réduction de 43 % du temps d’habillage par rapport à l’ancien Wrapper.
Figure 1 : MPI Surface Wrapper Phase 1, version 2310
Cependant, cette augmentation des performances n’est pas suffisante pour les cas très importants, et conformément à notre engagement d’amélioration continue, dans la version 2510 de Simcenter STAR-CCM+, nous lançons la phase 2 du MPI Surface Wrapper. Jetons un coup d’œil aux améliorations de performance.
Comme le montre la figure 2, le MPI Surface Wrapper de la version 2510 offre des performances jusqu’à 2 fois supérieures à celles de la version 2506 (phase 1 du MPI Surface Wrapper). Par rapport à l’ancien Wrapper, l’accélération atteint 5,6 fois. Pour une géométrie complexe, telle que la voiture Corvette, où le nombre total de mailles du volume est de 93 millions de cellules, il ne faut que 6,5 minutes pour envelopper la géométrie entière sur 32 cœurs (Intel® Xeon® Gold 6442Y).
Figure 2 : Phase 2 de l’enveloppe de surface MPI
Qu’en est-il de l’habillage d’un cas plus important ? Dans le cas de la Corvette, le Surface Wrapper génère 37,4 millions de triangles de surface. En comparaison, le cas de la Maserati Ghibli, comme illustré ci-dessous, est nettement plus grand, nécessitant seulement 9 minutes pour envelopper 56,3 millions de triangles et aboutissant à un maillage volumique final de 142 millions de cellules.
Rejoignez le forum des designers !
Votre expertise est essentielle pour la communauté. Rejoignez-nous et apportez vos connaissances !
