Одним из приоритетных направлений современной науки является создание новых металлических материалов с заранее заданными свойствами.
В настоящее время в этой области широко применяется компьютерное моделирование (КМ), в том числе метод молекулярной динамики, позволяющий определять целый комплекс свойств (структурные, термодинамические, транспортные) и исследовать взаимосвязи наноструктуры и физико-химических свойств.
При МД-моделировании полимеризующихся расплавов критически важными являются размер моделируемой системы и длительность КМ. Большие значения вязкости, резко увеличивают время моделирования, поскольку накопление данных необходимых для изучения транспортных свойств, осуществляется очень медленно. Большая кривизна потенциальных функций около минимума требует очень малого шага интегрирования уравнений движения для сохранения устойчивости, что ограничивает интервал моделирования системы в состоянии термодинамического равновесия пикосекундами. Сложный характер межчастичного (ионно-ковалентного) взаимодействия требует больших временных затрат на выполнение электростатического суммирования и учета влияния ближнего окружения.
Для получения с помощью КМ результатов, обладающих практической значимостью, необходимы разработка новых подходов, существенно увеличивающих адекватность моделей и, прежде всего, разработка и внедрение новых методов высокопроизводительных вычислений.
Для решения проблемы существенного увеличения размерности моделей полимеризующихся систем в рамках ограниченных временных и вычислительных ресурсов необходимо решить задачу разработки математических и вычислительных моделей и методов для высокопроизводительных вычислений коррелированных систем N-частиц, со сложным многочастичным взаимодействием, содержащих 105-107 частиц.
Решением этой задачи является разработанная модель неоднородных дескрипторов для распределенного МД-моделирования коррелированной системы N-частиц. Основными элементами модели, обеспечивающими возможность распределения расчетов без детализации всех взаимодействий между частицами, являются объект и дескриптор. Под объектом понимается некоторая совокупность описаний частиц исходной системы, а также отношений между ними, выделяемая по определенным правилам и обеспечивающая возможность декомпозиции системы для распределения и распараллеливания расчетов.
Объекты идентифицируются с помощью неоднородных дескрипторов, которые содержат разнотипные элементы описания выделенного объекта необходимые для распределения расчетов.
Таким образом, система – это совокупность объектов, описываемых неоднородными дескрипторами, расчет которых можно распределять по отдельным вычислителям, комбинируя полученные результаты по определенной схеме.
Оба класса предполагают возможность параллельного расчета дескрипторов на разных вычислителях. Однако, если одночастичные дескрипторы можно произвольно распределять по вычислителям, то агрегаторы (содержат элементы, описывающие перекрестные отношения разных порядков между одночастичными дескрипторами и/или агрегаторами) являются «зависимыми» от одночастичного дескриптора и рассчитываются на том же вычислительном устройстве, где и «родительский» одночастичный дескриптор.
На основе модели неоднородных дескрипторов коррелированной системы N-частиц разработана модель распределенных вычислителей, которая подразумевает параллельный расчет отношений между объектами системы, описываемых одночастичными дескрипторами, а так же двухчастичными и трехчастичными агрегаторами.
Для построения вычислительной модели используются Master/slave, которая предусматривает централизованное управление подчиненными вычислителями (slave) главным вычислителем (master)[4].
Задача главного вычислителя – разделение множества дескрипторов на подмножества, которые передаются для расчета на подчиненные вычислители(в дальнейшем будут называться вычислители), прием данных и обработка результатов расчетов. Вся совокупность вычислителей реализует на графическом или центральном процессоре параллельный расчет значений элементов дескрипторов.
Существенного увеличения вычислительных мощностей для проведения КМ этого класса моделей можно добиться, используя комбинированный подход для реализации расчетов, с использованием технологий Message Passing Interface(MPI) и Compute Unified Device Architecture (CUDA).
Для реализации модели распределенных вычислителей разработаны методы высокопроизводительных вычислений для моделей: с распределенной и общей памятью.
Тестирование реализованных методов производилось на кластере состоящем из 16 вычислителей Intel Core 2 Duo E6800, а так же на видеокарте GEFORCE GTS 450.
Ниже представлены результаты расчетов коррелированной системы N-частиц, с использованием технологии MPI.
В табл. 2 представлены результаты расчетов коррелированной системы N-частиц, с использованием технологии CUDA.
Таблица 1
Время расчета коррелированной системы N-частиц, технология MPI
Кол-во частиц |
10240 |
50176 |
250880 |
401408 |
Время расчета (в секундах) |
Кол-во вычислителей |
|||||
2 |
0,29 |
7,89 |
101 |
361 |
|
4 |
0,23 |
7,6 |
76 |
217 |
|
8 |
0,15 |
5,1 |
49 |
137 |
|
16 |
0,02 |
4,2 |
28 |
71 |
Таблица 2
Время расчета коррелированной системы N-частиц, технология CUDA
Кол-во частиц |
10240 |
50176 |
250880 |
401408 |
Время расчета (в секундах) |
0,02 |
0,14 |
3,53 |
9,1 |
Таким образом, внедрение разработанных методов высокопроизводительных вычислений в программный комплекс ИИС «MD-SLAG-MELT» предоставит широкому кругу исследователей возможность удаленного доступа к проведению компьютерного эксперимента и физико-химическим результатам, обладающим прогнозными возможностями. Полученные результаты могут быть использованы в таких областях как физическая химия, теория металлургических процессов, черная и цветная металлургия, компьютерное материаловедение.
Работа выполнена при финансовой поддержке Министерства образования и науки Российской Федерации, проект № 14.132.21.1792.
Библиографическая ссылка
Трунов А.С., Воронова Л.И., Воронов В.И. РАЗРАБОТКА МЕТОДОВ РАСПРЕДЕЛЕНИЯ ДЛЯ ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛЕНИЙ В МНОГОЧАСТИЧНЫХ СИСТЕМАХ // Международный журнал прикладных и фундаментальных исследований. – 2013. – № 10-2. – С. 192-194;URL: https://applied-research.ru/ru/article/view?id=4113 (дата обращения: 17.08.2024).