你可以設想一下，如果每項任務都能節省幾分鐘、幾小時甚至幾天的時間，那一整年下來能節省多少時間啊。如果任務涉及計算流體動力學（CFD）仿真，且希望減少求解時間，那么Ansys Fluent GPU求解器正是您想要的解決方案。

無論是求解10萬個單元還是1億個單元的模型，傳統的減少仿真時間的方法都是使用大量CPU進行求解。近年來，另一種方法開始受到行業的關注，那就是使用圖形處理單元，簡稱GPU。這種方法首先是將CPU求解的某些部分交給GPU來處理，從而加速整體求解時間，這種做法被稱為“轉移”到GPU。

早在2014年，Ansys Fluent就采用了這項“轉移”技術，而今年我們則將GPU技術的使用發揮到全新的高度，在Fluent中推出了原生多GPU（multi-GPU）求解器。本地部署方案能提供GPU上的所有求解器特性，避免CPU和GPU之間因交換數據造成的開銷，從而相對于轉移技術能實現更好的提速。

釋放GPU對CFD的全部潛力需要將整個代碼運行在GPU上。

在系列博客的上半部分中，我們重點介紹了大型汽車外氣動仿真的32倍提速案例，不過并非所有用戶的仿真模型能達到如此大的規模。本文作為系列內容的下半部分，將重點介紹GPU針對包含更多物理功能的小規模模型的優勢，如多孔介質和共軛傳熱（CHT）。

各種不同規模的CFD仿真提速

從51.2萬個單元到700多萬個單元，本文介紹的模型采用GPU求解都能大幅提升性能。而且無需采用最昂貴的服務器級GPU就能大幅提升性能，因為Fluent GPU求解器可以使用您的筆記本或工作站GPU就能顯著縮短求解時間。口說無憑，請繼續往下看，了解原生多GPU求解器如何實現提速：

進氣系統提速8.32倍

牽引逆變器提速8.6倍

兩種不同的換熱器設計分別提速15.47倍和11倍

通過多孔過濾器的氣流

汽車進氣系統吸入的氣體通過過濾器清除雜物，讓清潔空氣進入引擎。這個仿真涉及710萬個單元，過濾器模型為多孔介質，粘滯阻力為1e+8m-2，慣性阻力為2,500m-1。空氣流入進氣系統的質量流率為0.08kg/s。

用一個NVIDIA A100 GPU求解后，優化進氣系統可實現8.32倍的提速。

我們采用四種不同的硬件配置求解該模型，三種配置采用Intel Xeon Gold 6242核心，一種配置采用一個NVIDIA A100 Tensor Core GPU。

使用單個NVIDIA A100 GPU相對于采用32個Intel Xeon Gold核心求解而言，能提速8.3倍。

使用單個NVIDIA A100 GPU仿真通過多孔介質的氣流相對于32個Intel Xeon Gold核心而言，能實現8.3倍的提速

使用共軛傳熱建模（CHT）進行熱管理

在許多工業應用中，考慮到流體流動時造成的熱效應至關重要。為準確捕獲系統的熱行為，流體的傳熱與相鄰金屬的熱傳導耦合往往非常重要。我們的原生GPU求解器針對這種耦合CHT問題展示出了強大的提速特性。

以下給出三種涉及CHT的不同熱仿真，一個為400萬個單元的水冷式牽引逆變器，一個為140萬個單元的百葉窗翅片換熱器，還有一個為512,000個單元的立式散熱器。

水冷式牽引逆變器

涉及CHT的牽引逆變器仿真采用一個NVIDIA A100 GPU求解，可實現8.6倍的提速。

牽引逆變器從高壓電池獲得直流電（DC），并將其轉為交流電（AC）發送給電機。熱管理對牽引逆變器確保安全性和長期使用壽命至關重要。

以上所示模型為400萬個單元的水冷式牽引逆變器，其具有4個絕緣柵雙極晶體管（IGBT），熱負載為400 W。25℃的水以0.5 kg/s的速度流過外殼實現制冷，并使用對流邊界條件對周圍空氣的熱消耗進行建模。

采用一個NVIDIA A100 GPU求解問題，相對于32個Intel Xeon Gold 6242核心而言，可提速8.6倍。

百葉窗翅片換熱器

換熱器模型通過百葉窗翅片換熱器實現強制對流。這個待求解的問題涉及20℃的空氣以4 m/s的速度通過鋁制百葉窗翅片，以實現銅管制冷。

為獲得基準，我們在8個Intel Xeon Gold 6242核心上運行了140萬個單元的模型。在一個NVIDIA A100 GPU上運行完全相同的模型，可實現15.5倍的提速。

百葉窗翅片換熱器的溫度分布在一個NVIDIA A100上求解速度快15.47倍。

對百葉窗翅片換熱器而言，單GPU求解可實現15.47倍的提速

立式散熱器

最后一個問題涉及一個自由對流五翅片鋁制散熱器，基座保持恒溫76.85℃，周邊空氣環境溫度為16.85℃。

使用安裝有一個NVIDIA Quadro RTX 5000 GPU的一臺筆記本電腦求解包含512,000個單元的外殼，相對于采用六核Intel Core i7-11850H的筆記本電腦而言，可實現11倍的提速。

即便只采用一個NVIDIA Quadro RTX 5000筆記本顯卡GPU，使用Fluent中的原生多GPU求解器也能大幅縮短求解時間。如果采用類似的工作站圖形卡，還能進一步提高性能。

采用一個NVIDIA Quadro RTX 5000 GPU進行求解，512,000個單元的散熱器仿真能實現11倍的提速。

通過GPU實現CFD仿真變革

Fluent用戶現在能在只有一個GPU的筆記本或工作站上獲得強大功能和靈活性，當然也可以擴展至多GPU服務器上。利用您已有的硬件加速CFD仿真，獲得的提速超過您的想象。

Fluent中的原生多GPU求解器能運行在2016年之后推出的任何NVIDIA卡上，安裝的驅動程序版本不低于11.0或更新版本。

Ansys在GPU技術運用于仿真領域一直是領軍者，憑借新型求解器技術，將我們的技術水平提升到新的高度。原生GPU求解器中的所有特性都采用與Fluent CPU求解器相同的離散和數值方法，能在更短的時間內為用戶提供他們所期待的準確結果。

審核編輯：劉清