2020 Fiscal Year Annual Research Report
Multiphase thermal and turbulent flow simulation with fast distributed visualization in GPU cluster environment
| Project/Area Number |
18K11323
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
安藤 英俊 山梨大学, 大学院総合研究部, 准教授 (50221742)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鳥山 孝司 山梨大学, 大学院総合研究部, 准教授 (50313789)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | GPU / 多相流体シミュレーション / 数値計算 / 可視化 |
|---|
| Outline of Annual Research Achievements |
令和２年度には，前年度に開発された手法のさらなる改良・拡張を行った．熱輻射の実装については昨年度登場したNvidia社のAmpereアーキテクチャに基づく最新型GPUにおいて導入された最新のTensorCoreを活用し，大幅な高速化を目指した．本来は開発と実験用に複数のGPUを入手して進める予定であったが，全世界的に深刻なGPU不足となり，１枚入手するのがやっとであった．最新のTensorCoreは性能が大幅に向上しており，これを効率的に活用することで本手法の高速な実装が可能となることが確認された．ただし残念ながら浮動数演算においての丸め誤差が発生することが確認されており，そのため期待された精度向上の達成は困難であった．今後ファームウェアの更新などによって状況が改善されることを期待したい．それ以外に熱輻射部分については新しいRTCoreによりフォトンマッピング法が高速化できることが確認された．
深層学習を用いた超解像技術については，シミュレーションにおいて用いられる各種物理量や，シミュレーション過程で特段の追加計算を必要とせずに入手可能な各種の微分量などをヒントとして活用することとした．これにより一般的な画像の超解像と比較してさらに高精度な超解像画像の推測が可能となることが確認された．このためには一般的な画像のための高性能な超解像手法を基礎として，その入力を自然に拡張する形で実装することができる．そのため今後は基礎となる超解像手法が進歩すれば，非常に容易にその恩恵を活用することが可能であるという利点もある．
|
