Et udsnit af en stigende termisk vægfane afslører den indviklede struktur af lufthvirvler. Hvert rør repræsenterer en forskellig turbulent hvirvel. Kredit:Sivaramakrishnan Balachandar
I en af de hidtil mest intensive anvendelser af University of Floridas HiPerGator-supercomputer har UF-ingeniører trofast gengivet turbulensen og kompleksiteten af varm luft, der stiger op langs en væg - en tidligere umulig simulering med anvendelser inden for brandsikkerhed i hjemmet og opvarmning og køling.
En sådan finkornet og detaljeret simulering af såkaldte termiske vægfaner har ikke tidligere været mulig på grund af kompleksiteten af luftbevægelserne. Men takket være dedikeret brug af 90 % af HiPerGator's AI-klynge over flere dage, var forskerholdet ledet af UF-ingeniørprofessor Sivaramakrishnan Balachandar i stand til at spore turbulente lufthvirvler, der snoede og hvirvler på sub-millimeterniveau.
"Vi brugte næsten hele HiPerGator AI-klyngen til at løse et problem, som hidtil ikke er blevet løst i vores samfund på dette detaljeringsniveau," sagde Balachandar. "Turbulent flow er en af de store udfordringer inden for videnskab og teknik. Turbulens påvirker os overalt, lige fra flyets ydeevne til orkanspor og vulkanske faner."
Termiske vægfaner opstår, når varm, flydende luft stiger langs en lodret overflade. Denne proces finder sted under husbrande og kan sprede brande hurtigt, hvis de ikke dæmpes. Men mindre ødelæggende termiske vægfaner sker hver dag, når opvarmet eller afkølet luft stiger eller synker langs væggene i indvendige rum. Meget lignende processer forklarer mudderskred og sedimentladede strømme – faner vendt om på siden.
Mange forskere har undersøgt termiske faner eksperimentelt, men dette kræver opbygning af dyre teststeder og er begrænset af antallet af sensorer, der kan placeres på en væg. Disse sensorer påvirker også selve de målinger, der bliver taget, og gør dataene tilsmudsende.
Computermodeller af termiske vægfaner løser mange af problemerne med eksperimenter i den virkelige verden, men den slags simuleringer, der kan køre på en hverdagscomputer, er uklare og lavopløselige. Den millimeter-for-millimeter-skala, som Balachandars team har opnået, kræver ressourcerne fra en kraftfuld supercomputer.
Forskerne designet deres simulering til at replikere luftbevægelser i et rigtigt hjem. Stort set introducerede de varm luft i bunden af en væg langs fodpladen og så den udvikle sig over tid, mens den steg. Det simulerede hus havde lodrette vægge og taglinjer med forskellige hældninger, langs hvilke de termiske faner udviklede sig, ligesom hvad der ville ske i et rigtigt hjem.
Sammen med eksperimenter og teorier fra den virkelige verden udgør denne slags simuleringer en vigtig søjle for videnskabelige opdagelser, siger Balachandar.
"Ved hjælp af computere løser vi Mother Nature, og hvad computersimuleringen giver os, er en hidtil uset adgang til alle detaljerne om, hvad der sker indeni. Med vores simulering kan vi gå ind i vægfanen og se hver en krog," sagde Balachandar.
Samlet set sporede forskerne næsten 100 milliarder komponenter, såsom hastighed, tryk og temperatur, over en kvart million øjeblikke i tiden. Arbejdet krævede 125 af de 140 noder i HiPerGator AI-klyngen. Hver node er vært for otte GPU'er og 128 CPU'er, som hver udfører forskellige slags beregninger. Balachandars team optimerede deres kode til at køre på NVIDIA GPU'erne, der driver AI-klyndeknuderne, hvilket yderligere forbedrede ydeevnen af deres simulering.
Disse former for detaljerede simuleringer falder også ned mod praktiske anvendelser. For eksempel bruger ingeniører meget enklere modeller - med muligvis defekte antagelser - for at hjælpe dem med at designe og forstå hjemmevarmesystemer eller brandkoder. Forbedring af disse modeller kan gøre disse designs bedre.
"Nu kan vi teste eksisterende modeller og finde ud af, hvor de kommer til kort. Vi planlægger at bruge kunstig intelligens til at analysere vores terabyte af data og hjælpe os med at udvikle bedre modeller, som folk kan bruge," sagde Balachandar. + Udforsk yderligere