基于Python的大规模高性能LBM多相流模拟
Python由于具有丰富的第三方库、开发高效等优点,已成为数据科学、智能科学等应用领域最流行的编程语言之一.Python强调了对科学与工程计算的支持,目前已积累了丰富的科学与工程计算库和工具.例如,SciPy和NumPy等数学库提供了高效的多维数组操作及丰富的数值计算功能.以往,Python主要作为脚本语言,起到连接数值模拟前处理、求解器和后处理的"胶水"功能,以提升数值模拟的自动化处理水平.近年来,国外已有学者尝试采用Python代码实现求解计算功能,并在高性能计算机上开展了超大规模并行计算研究,取得了不错的效果.由于自身特点,高效大规模Python数值模拟的实现和性能优化与传统基于C/C++和Fortran的数值模拟等具有很大的不同.文中实现了国际上首个完全基于Python的大规模并行三维格子玻尔兹曼多相流模拟代码PyLBMFlow,探索了Python大规模高性能计算和性能优化方法.首先,利用NumPy多维数组和通用函数设计实现了LBM流场数据结构和典型计算内核,通过一系列性能优化并对LBM边界处理算法进行重构,大幅提升了Python的计算效率,相对于基准实现,优化后的串行性能提升了两个量级.在此基础上,采用三维流场区域分解方法,基于mpi4py和Cython实现了MPI+OpenMP混合并行;在天河二号超级计算机上成功模拟了基于D3Q19离散方法和Shan-Chen BGK碰撞模型的气液两相流,算例规模达百亿网格,并行规模达1024个结点,并行效率超过90%.
格子玻尔兹曼方法、并行计算、性能优化、高性能Python、多相流模拟
47
TP391(计算技术、计算机技术)
2020-03-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
17-23