利用矢量化化学积分加速反应流模拟
摘要：化学集成的高成本是使用运算符分裂进行真实反应流模拟的一个显著计算瓶颈。本文提出了一种利用OpenCL框架在CPU上进行单指令多数据向量处理来加速化学动力学常微分方程的求解的方法。首先，我们使用pyJac软件的化学动力学源项和解析雅可比矩阵，对比了几种向量化积分算法与广泛使用的积分代码CVODEs。接下来，我们扩展了OpenFOAM计算流体力学库，将向量化求解器纳入其中，并将基于向量化形式和OpenFOAM的对应方法的四阶线性隐式积分器的精度与社区标准的化学动力学库Cantera进行了比较。然后，我们将我们的方法应用于各种化学动力学模型、湍流强度和模拟尺度，以研究一系列工程和科学尺度问题，包括(伪)稳态和时间相关的雷诺平均纳维尔-斯托克斯模拟了Sandia火焰D和Volvo Flygmotor物体底部稳定的预混火焰。随后，我们对研究的模型和模拟的向量化和原生OpenFOAM积分器的性能进行了比较，并发现我们的向量化方法的性能比原生OpenFOAM求解器快33-35倍，精度高。
作者：Nicholas J. Curtis, Kyle E. Niemeyer, and Chih-Jen Sung
论文ID：2205.05681
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-05-13