Google AI представляет новую среду моделирования TensorFlow, которая позволяет вычислять потоки жидкости с использованием TPUs

Google AI представляет новую среду моделирования TensorFlow для вычисления потоков жидкости с помощью TPUs.

В гидромеханике, известной как вычислительная гидродинамика (CFD), исследуются и решаются проблемы, связанные с поведением потока жидкости и теплообменом, с использованием численных методов и алгоритмов. Оно может применяться в широком спектре научных и промышленных областей. Вычислительная гидродинамика (CFD) используется в различных научных и промышленных областях. Оно применяется при проектировании эффективных ветряных турбин и электростанций в энергетическом секторе, в смешивании и химических процессах в производственном секторе, в океанографии и прогнозировании погоды в области экологических наук, в структурном анализе и моделировании наводнений в гражданском строительстве и проектировании энергоэффективных зданий в строительной отрасли. Оно также применяется в авиационной и автомобильной промышленности для улучшения аэродинамики и производительности двигателей.

Выдающиеся достижения в создании вычислительных алгоритмов, создании физических моделей и анализе данных позволили осуществить эти возможности. Кроме того, системы высокой производительности (HPC) значительно улучшили доступность, скорость и эффективность, позволяя проводить высокоточное моделирование потоков с учетом сложных физических процессов.

Для лучшего понимания этих явлений изучение турбулентности является неотъемлемой частью окружающих сред и инженерных потоков жидкостей. Прямое численное моделирование (DNS), которое точно отображает неустойчивое трехмерное поле потока без каких-либо приближений или упрощений, полезно для понимания этих турбулентных потоков. Хотя это привлекательно, такие моделирования требуют много вычислительной мощности для точного отображения узоров потока жидкости на различных географических масштабах.

Для решения этой проблемы исследователи разработали формулировку моделирования, которая позволяет вычислять потоки жидкости с помощью TPUs. Они разработали ее, используя передовые достижения в конструкции аппаратного обеспечения TPU и программного обеспечения TensorFlow. Они подчеркивают, что этот фреймворк обладает эффективной масштабируемостью, способной адаптироваться к различным размерам проблемы и обеспечивать повышенную производительность во время выполнения.

Он использует графовую модель TensorFlow в качестве программной парадигмы. Точность и производительность этого фреймворка изучаются численно и аналитически, с особым акцентом на влияние одно-точечной плавающей запятой, характерной для TPU. Алгоритм и его реализация проверены на канонических 2D- и 3D-симуляциях вихрей Тейлора-Грина.

В ходе разработки решателей CFD часто использовались идеализированные эталонные задачи, многие из которых были включены в эту исследовательскую работу. Одна из таких эталонных задач для анализа турбулентности – это однородная изотропная турбулентность (канонический и хорошо изученный поток, в котором статистические свойства, такие как кинетическая энергия, неизменны при трансляциях и поворотах координатных осей). Исследователи использовали сетку с высоким разрешением, состоящую из восьми миллиардов точек.

Исследователи изучали возможность моделирования турбулентных потоков. Для этого проводились симуляции для двух конкретных конфигураций: затухающая однородная изотропная турбулентность и турбулентный плоский струй. Исследователи обнаружили, что оба моделирования демонстрируют сильное статистическое согласие с эталонными ответами.

Исследователи также использовали четыре различных тестовых сценария, включающих двумерный и трехмерный поток вихря Тейлора-Грина, затухающую однородную изотропную турбулентность и турбулентный плоский струй. Результаты симуляции показали, что ошибки округления не влияют на решения, что свидетельствует о достоверности второго порядка точности.