scholarly journals Massively parallel implementation of finite element, meshless and isogeometric analysis methods in computational mechanics

2014 ◽  
Author(s):  
Αλέξανδρος Καραταράκης
Keyword(s):  
Finite Element ◽  
Isogeometric Analysis ◽  
Computational Mechanics ◽  
Parallel Implementation ◽  
Massively Parallel ◽  
Analysis Methods

Η αριθμητική προσομοίωση κατασκευών και άλλων φορέων πρέπει να γίνεται με ένα τρόπο πουπροσφέρει ικανοποιητική ακρίβεια ενώ είναι υπολογιστικά εφικτός. Σε περιπτώσεις πολύπλοκηςγεωμετρίας, η ακριβής προσομοίωση του φορέα είναι ένα από τα σημαντικότερα προβλήματα πουαντιμετωπίζουν οι μηχανικοί. Οι σύγχρονες μέθοδοι προσομοίωσης μπορούν να προσφέρουν τηνεπιθυμητή ακρίβεια αλλά πολλές φορές έχουν υψηλό υπολογιστικό κόστος. Για να είναι μιαπροσομοίωση εφαρμόσιμη σε πραγματικά προβλήματα, θα πρέπει να πραγματοποιείται σε λογικάυπολογιστικά χρονικά πλαίσια. Επομένως, ένας σημαντικός παράγοντας για την εφαρμογή τωνπροσομοιώσεων στην πράξη είναι η αποδοτική υλοποίηση τους, η οποία θα επιτρέψει την εφαρμογήτους σε προβλήματα μεγάλης κλίμακας. Στις κλασικές μεθόδους πεπερασμένων στοιχείων (FEA) τομεγαλύτερο κόστος βρίσκεται στην επίλυση των αλγεβρικών εξισώσεων. Σε μη πλεγματικές μεθόδους(MMs) καθώς και στην ισογεωμετρική ανάλυση (IGA), το κόστος για την κατασκευή τωνχαρακτηριστικών μητρώων (π.χ. μητρώο στιβαρότητας) είναι ιδιαίτερα υψηλό. Επομένως, για ναμπορούν αυτές οι μέθοδοι να αξιοποιηθούν σε προβλήματα μεγάλης κλίμακας, απαιτούνται τεχνικέςμαζικής πολυεπεξεργασίας όχι μόνο για την επίλυση αλλά και για τη φάση κατασκευής τωνχαρακτηριστικών μητρώων, τα οποία απαιτούν αριθμητική ολοκλήρωση.Ο σκοπός της παρούσας διατριβής είναι η επιτάχυνση των υπολογιστικά απαιτητικών φάσεων τωνμεθόδων αριθμητικής προσομοίωσης με βασικά κριτήρια την αποδοτικότητα και επεκτασιμότητα σεπαράλληλο υπολογιστικό περιβάλλον. Για την επίλυση των εξισώσεων, οι μέθοδοι υποφορέων είναιιδιαίτερα ελκυστικές καθώς χωρίζουν το φορέα σε πολλούς υποφορείς και επιτρέπουν την ταυτόχρονηεπίλυσή τους. Όσον αφορά τη φάση κατασκευής των χαρακτηριστικών μητρών, ο υπολογισμός μεβάση τα μη μηδενικά στοιχεία του μητρώου επιτρέπει την παράλληλη υλοποίησή τους. Οι αριθμητικέςπράξεις που πραγματοποιούνται κατά την εκτέλεση ενός αλγορίθμου πρέπει να γίνονται αποδοτικά.Επομένως, υπολογισμοί όπως πράξεις με μητρώα θέλουν ιδιαίτερη προσοχή. Κάθε τύπος μητρώουείναι κατάλληλος για διαφορετικές λειτουργίες και πρέπει να χρησιμοποιείται κατάλληλα. Όλα ταπαραπάνω συνδυάζονται με τις κάρτες γραφικών (GPUs) οι οποίες έχουμε εξαιρετικές δυνατότητες γιαπαράλληλους υπολογισμούς. Σε αυτή τη διατριβή υλοποιούνται κώδικες για κάρτες γραφικών για τηφάση επίλυσης στη μέθοδο των πεπερασμένων στοιχείων καθώς και τη φάση κατασκευής τωνχαρακτηριστικών μητρώων στις μη-πλεγματικές και στις ισογεωμετρικές μεθόδους με σκοπό τη

Application of Computational Mechanics to Tire Design—Yesterday, Today, and Tomorrow

2011 ◽  
Vol 39 (4) ◽  
pp. 223-244 ◽  
Author(s):  
Y. Nakajima
Keyword(s):  
Finite Element ◽  
New Technologies ◽  
Computational Mechanics ◽  
Design Procedure ◽  
Side Wall ◽  
Rolling Resistance ◽  
Optimization Techniques ◽  
Stress Strain ◽  
Element Analysis ◽  
Crown Shape

Abstract The tire technology related with the computational mechanics is reviewed from the standpoint of yesterday, today, and tomorrow. Yesterday: A finite element method was developed in the 1950s as a tool of computational mechanics. In the tire manufacturers, finite element analysis (FEA) was started applying to a tire analysis in the beginning of 1970s and this was much earlier than the vehicle industry, electric industry, and others. The main reason was that construction and configurations of a tire were so complicated that analytical approach could not solve many problems related with tire mechanics. Since commercial software was not so popular in 1970s, in-house axisymmetric codes were developed for three kinds of application such as stress/strain, heat conduction, and modal analysis. Since FEA could make the stress/strain visible in a tire, the application area was mainly tire durability. Today: combining FEA with optimization techniques, the tire design procedure is drastically changed in side wall shape, tire crown shape, pitch variation, tire pattern, etc. So the computational mechanics becomes an indispensable tool for tire industry. Furthermore, an insight to improve tire performance is obtained from the optimized solution and the new technologies were created from the insight. Then, FEA is applied to various areas such as hydroplaning and snow traction based on the formulation of fluid–tire interaction. Since the computational mechanics enables us to see what we could not see, new tire patterns were developed by seeing the streamline in tire contact area and shear stress in snow in traction.Tomorrow: The computational mechanics will be applied in multidisciplinary areas and nano-scale areas to create new technologies. The environmental subjects will be more important such as rolling resistance, noise and wear.

Massively Parallel Implementation of Steered Molecular Dynamics in Tinker-HP: Comparisons of Polarizable and Non-Polarizable Simulations of Realistic Systems

2019 ◽  
Author(s):  
Frédéric Célerse ◽  
Louis Lagardere ◽  
Étienne Derat ◽  
Jean-Philip Piquemal
Keyword(s):  
Molecular Dynamics ◽  
Parallel Implementation ◽  
Steered Molecular Dynamics ◽  
Massively Parallel

This paper is dedicated to the massively parallel implementation of Steered Molecular Dynamics in the Tinker-HP softwtare. It allows for direct comparisons of polarizable and non-polarizable simulations of realistic systems.

Massively Parallel Implementation of Steered Molecular Dynamics in Tinker-HP: Comparisons of Polarizable and Non-Polarizable Simulations of Realistic Systems

2019 ◽  
Author(s):  
Frédéric Célerse ◽  
Louis Lagardere ◽  
Étienne Derat ◽  
Jean-Philip Piquemal
Keyword(s):  
Molecular Dynamics ◽  
Parallel Implementation ◽  
Steered Molecular Dynamics ◽  
Massively Parallel

This paper is dedicated to the massively parallel implementation of Steered Molecular Dynamics in the Tinker-HP softwtare. It allows for direct comparisons of polarizable and non-polarizable simulations of realistic systems.

Parallel algorithm for the identification of distributed scatterers in the problem of calculating the velocities of displacements of the earth’s surface by the Persistent Scaterrers method

2021 ◽  
pp. 82-97
Author(s):  
Семен Евгеньевич Попов ◽  
Вадим Петрович Потапов ◽  
Роман Юрьевич Замараев
Keyword(s):  
Parallel Implementation ◽  
General Scheme ◽  
Search Time ◽  
Identification Problem ◽  
Radar Data ◽  
Apache Spark ◽  
Massively Parallel ◽  
Maximization Problem ◽  
Homogeneous Sample ◽  
Entire Area

Описывается программная реализация быстрого алгоритма поиска распределенных рассеивателей для задачи построения скоростей смещений земной поверхности на базе платформы Apache Spark. Рассматривается полная схема расчета скоростей смещений методом постоянных рассеивателей. Предложенный алгоритм интегрируется в схему после этапа совмещения с субпиксельной точностью стека изображений временн´ой серии радарных снимков космического аппарата Sentinel-1. Алгоритм не является итерационным и может быть реализован в парадигме параллельных вычислений. Применяемая платформа Apache Spark позволила распределенно обрабатывать массивы стека радарных данных (от 60 изображений) в памяти на большом количестве физических узлов в сетевой среде. Время поиска распределенных рассеивателей удалось снизить в среднем до десяти раз по сравнению с однопроцессорной реализацией алгоритма. Приведены сравнительные результаты тестирования вычислительной системы на демонстрационном кластере. Алгоритм реализован на языке программирования Python c подробным описанием методов и объектов The article describes implementation of the software for a fast algorithm which finds distributed scatterers for the problem of plotting displacement velocities of the earth’s surface based on the Apache Spark platform. The Persistent Scatterer (PS) method is widely used for estimating the displacement rates of the earth’s surface. It consists of the identification of coherent radar targets (interferogram pixels) that demonstrate high phase stability during the entire observation period. The most advanced algorithm for solving the identification problem is the SqueeSAR algorithm. It allows searching and processing Distributed Scatterers (DS) - specific reflectors, integrating them into the general scheme for calculating displacement velocities using the PS method. A careful analysis of the SqueeSAR algorithm has identified areas that are critical to its performance. The whole algorithm is based on an enumeration of the initial data, where nontrivial transformations are performed at each step. The stages of searching for adjacent points in the design window with multiple passes over the entire area of the image and solving the maximization problem when assessing the real values of the interferometric phases turned out to be noticeably costly. To speed up the processing of images, it is proposed to use the Apache Spark massively parallel computing platform. Specialized primitives (Resilient Distributed Data) for recurrent inmemory processing are available here. This provides multiple accesses to the radar data loaded into memory from each cluster node and allows logical dividing of the snapshot stack into subareas. Thus calculations are performed independently in massively parallel mode. Based on the SqueeSAR mathematical model, it is assumed that the radar image data and the calculated geophysical parameters calculated are common for each statistically homogeneous sample of nearby pixels. In accordance with this assumption, the uniformity (homogeneity) of the pixels is estimated within a given window. The search for distributed scatterers occurs independently by the sequence of shifts of the windows over the entire area of the image. The window is shifted along the width and height of the image with a step equal to the width and height of the window. Pairs of samples in the window are composed of vectors of complex pixel values in each of the N images. The validity of the Kolmogorov-Smirnov criterion is checked for each of the pairs. To estimate the values of the phases of homogeneous pixels, the maximization problem is solved. The method of maximum likelihood estimation (MLE) is considered. The construction of the correct MLE form is carried out by analyzing the statistical properties of the coherence matrix of all images using the complex Wishart distribution. The Apache Spark platform applied here permits processing of distributed radar data stack arrays in memory on a large number of physical nodes in a network environment. The average search time for distributed scatterers turned out to be 10 times less compared to the uniprocessor implementation of the algorithm. The algorithm is implemented in the Python programming language with a detailed description of the objects and methods of the algorithm. The proposed algorithm and its parallel implementation allows applying the developed approaches to other problems and types of satellite data for remote sensing of the earth from space

Sign in / Sign up

Export Citation Format

Share Document