Indice dei contenuti
L’integrazione del Geometric Deep Learning (GDL) in Simcenter STAR-CCM+ 2602 consente di ottenere previsioni istantanee per valutare varianti di design in tempo reale, accelerando i processi decisionali nelle fasi preliminari. Questa release introduce inoltre il supporto nativo GPU per i solver Volume of Fluid (VOF) e Mixture Multiphase (MMP), insieme a un miglioramento dello scaling multi-GPU che riduce drasticamente i tempi di calcolo per carichi di lavoro multifase e su larga scala.
La nuova flessibilità lato hardware, che include il supporto per GPU AMD su Windows e una co-utilizzazione intelligente CPU/GPU, permette di sfruttare appieno la potenza di calcolo disponibile. Miglioramenti fondamentali nell’accuratezza, come il meshing avanzato dei prism layer e i piani di miscelazione impliciti (implicit mixing planes) completamente conservativi, rafforzano la robustezza numerica e l’affidabilità dei risultati.
Convergenza rapida e accuratezza con gli Enhanced Quality Prisms
Nelle geometrie complesse, i layer di prismi sono spesso soggetti a “retrazione” (shrinkage), specialmente in prossimità di spigoli concavi e convessi, degradando la qualità della mesh vicino a parete e rallentando la convergenza.
Con la versione 2602, il mesher Enhanced Quality Prism genera strati più spessi e regolari, eliminando le topologie a “nodi pendenti” (hanging nodes) nelle transizioni dei layer. Questo stabilizza i residui e accelera la convergenza del solver, garantendo una rappresentazione più precisa dello strato limite e previsioni più affidabili su sforzi di taglio a parete, scambio termico e distacco della vena.
Conservazione totale nei piani di miscelazione impliciti
Nelle turbomacchine, l’accoppiamento tra rotore e statore tramite piani di miscelazione può introdurre errori di conservazione dell’energia se la conformità della mesh è scarsa.
La nuova release applica una strategia avanzata di aggiornamento dei valori al contorno unita al binning delle impronte (imprint binning), riducendo gli errori su pressione e temperatura totale di un ordine di grandezza.
Previsioni istantanee per l’aerodinamica esterna
Le capacità di Geometric Deep Learning (GDL) sono ora integrate direttamente nel Design Manager. È possibile addestrare modelli predittivi capaci di valutare le performance in pochi minuti, utilizzando dataset CFD preesistenti.
- Inference in tempo reale: Confronta i risultati CFD e l’inferenza AI fianco a fianco.
- Workflow fluido: Nessun trasferimento di dati esterni; tutto avviene nell’ambiente familiare di STAR-CCM+.
Valorizzazione dei dati storici
Gli ingegneri possono ora importare risultati di simulazioni passate direttamente nel Design Manager per utilizzarli come dati di addestramento per i modelli GDL. Questo permette di creare modelli surrogati senza dover rieseguire simulazioni, massimizzando il valore degli investimenti CFD storici.
Accelerazione GPU per applicazioni multifase
I casi VOF e MMP, cruciali per settori come il navale o l’automotive (sloshing, phase change), possono ora essere eseguiti nativamente su GPU.
- Efficienza: Una singola GPU può eguagliare il throughput di circa 250 core CPU, consumando solo il 19% dell’energia.
- Affidabilità: Poiché il codice del solver è identico, i risultati tra CPU e GPU sono garantiti coerenti.
Scalabilità Multi-GPU migliorata del 20%
STAR-CCM+ 2602 ottimizza il trasferimento dati tra dispositivi, riducendo l’overhead computazionale. Questo si traduce in un aumento della velocità fino al 20% in configurazioni ad alto numero di GPU, permettendo di gestire modelli CFD massivi con tempi di turnaround ridotti.
Flessibilità Hardware: AMD e Co-Utilizzazione dinamica
- AMD su Windows: Gli utenti con workstation dotate di GPU AMD possono ora sfruttare l’accelerazione hardware direttamente su Windows.
- Utilizzo adattivo della CPU: I task intrinsecamente legati alla CPU (come il surface wrapping o il post-processing) possono ora impegnare dinamicamente i core disponibili anche mentre le GPU sono cariche, eliminando i colli di bottiglia e ottimizzando l’intero nodo di calcolo.
Simulazioni di guado (Vehicle Wading) con SPH
L’analisi del guado tramite il solver Smoothed Particle Hydrodynamics (SPH) è stata ottimizzata. È possibile rifinire le particelle attorno al veicolo e risolvere moti dinamici complessi (sospensioni e contatto pneumatico-strada) in tempi molto più brevi, integrando valutazioni idrodinamiche e stress meccanici sulle componenti.
