Massively parallel simulation of low-Mach number turbulent flow
Simulations massivement parallèles des écoulements turbulents à faible nombre de Mach
Résumé
The main objective of this thesis is to accelerate deflated Conjugate Gradient solvers used for solving the pressure Poisson equation, for the simulation of low-Mach number flows on unstructured meshes. A restart method based on an estimation of the effect of numerical errors has been implemented and validated. Then, a three-level deflation method has been created, and two techniques are developed in order to reduce the number of iterations on the coarse levels : one of them is the creation of initial guesses thanks to a well-suited projection method, the other one consists in adapting the convergence criterion on the coarse grids. Numerical results on massively parallel simulations show, among others, a drastic reduction of the computational times of the solver. Other lines of research are introduced, especially regarding dynamic load balancing.
L'objectif de cette thèse est l'accélération des solveurs de Gradient Conjugué avec déflation utilisés pour la résolution de l'équation de Poisson pour la pression, dans le cas de la simulation d'écoulements à faible nombre de Mach sur des maillages non structurés. Une méthode de redémarrage basée sur une estimation de l'effet des erreurs numériques a été mise en œuvre et validée. Par la suite, une méthode à trois niveaux de maillage a été créée, et deux techniques ont dû être développées pour réduire le nombre d'itérations sur les niveaux grossiers : l'une permet la création de solutions initiales grâce à une méthode de projection adaptée, l'autre consiste en une adaptation du critère de convergence sur les niveaux grossiers. Les résultats numériques sur des simulations massivement parallèles montrent entre autres une réduction considérable du temps de calcul global. D'autres pistes de recherche sont introduites, notamment concernant l'équilibrage dynamiques de charge de calcul.
Origine | Version validée par le jury (STAR) |
---|