Как работает Mechanical на HPC процессорах AMD

Очень актуально, с учетом того, что в этом месяце AMD показали процессоры EPYC 9005 аж на 192 физических ядра.

https://www.youtube.com/watch?v=m86E3HnGRYM

SESAME Database

Открыл для себя любопытный факт. Есть такая интересная библиотека, как SESAME, которую делает Los Alamos National Laboratory. Содержит данная библиотека уравнения состояния материалов при экстремальных давлениях. Короче, серьезная библиотека для серьезных людей, занимающихся ВВ и ударными волнами. Так вот, кажется, что старый-недобрый код Autodyn - это единственный на рынке код, имеющий интерфейс к данной библиотеке и не требующий , при этом у вас американского гражданства на право использования. Ни модный Impetus и Viper Blast, и моя любимая LS-DYNA, ни открытый blastFoam вроде как не имеют подобных интерфейсов.

Вопрос к знатокам: так ли крут SESAME, есть ли ему альтернативы, и кто еще умеет работать с подобными библиотеками?

https://www.lanl.gov/org/ddste/aldsc/theoretical/physics-chemistry-materials/sesame-database.php

Столконовения с дронами - отчет под эгидой Министерства транспорта США

Настоящий крутой технический отчет сделанный с вниманием к деталям. Наслаждаемся тем, как можно делать хорошо. Судя по скриншотам, модели готовили в Hypermesh + Primer, ну а считали, естестевнно, в LS-DYNA.

DOI: 10.13140/RG.2.2.11989.64486

https://www.linkedin.com/posts/gerardo-olivares-3a495334_the-final-report-for-the-a67-faa-assure-research-ugcPost-7252422843546656768-8t47/

AI построит оптимальные сетки для CFD

Доклад Рубена Севилья из Университета Суонси на тему «Генерация и адаптация сетки с помощью зеленого ИИ». В целом, идея интересная. У вас есть много типовых расчетов. Вы учите ИИ на основе их результатов понимать, где самые интересные места в модели, и где стоило бы сделать сеточку по гуще, что бы получить результаты по четче. В целом интересно, но как быть, если ИИ проглядит интересное место, и все эффекты будут съедены грубой сеткой? Хотя сейчас ничего не мешает такой же косячить мясному интеллекту.

https://www.youtube.com/watch?v=2_bLfUg_Ok0

ПОЛИМАТ HYPHA SPDM

Ребята из одной дружественной компании создали (и продолжают развивать) SPDM систему под название Полимат (HYPHA). А главное дают бесплатную полнофункциональную версию на 5 пользователей!

Система служит для решения следующих задач:
- Хранения и структурирования данных инженерных расчетов
- Создания и запуска десятков симуляций в рамках рабочего процесса
- Управления прикладным программным обеспечением
- Сбора и хранения базы знаний, а также информации о принятых инженерных решениях
- Интеграции расчетных процессов с вычислительными ресурсами: отдельными узлами, HPC кластерами или «облачной» инфраструктурой

Сайт: https://www.mycesys.com/
Github: https://github.com/mycesys/hypha-installation

Вопросы и запрос лицензии:
hypha@mycesys.com
polimat@crplab.ru

Как вы считаете, есть ли потребность у небольших команд в SPDM системах?

Altair ищет покупателя

Повторяется история Ansys. Компания Altair, которая лично для меня больше всего ассоциируется с препроцессором HyperMesh, оптимизатором и решателем OptiStruct, открытым/закрытым клоном LS-DYNA по имени OpenRadioss/Radioss и конечное мощнейшим планировщиком для кластеров PBS Pro, ищет себе крышу. Судя по информации в прессе, компания предлагает себя за 9 миллиардов долларов (четверть Ansys). Вроде как обсуждается сделка с PTC или Cadence. PTC вообще-то дружит с Ansys. А
Cadence ненавидит Ansys, и еще недавно поглотило BetaCAE, где Ansa - прямой конкурент
HyperMesh. Короче, я буду болеть за PTC. Ну или вдруг у Synopsis есть сдача на покупку еще и Altair?

https://www.reuters.com/technology/engineering-software-firm-altair-explores-sale-sources-say-2024-10-22/

Siemens Altair?

Кажется, что наиболее вероятным покупателем станет таки Siemens.

https://www.bloomberg.com/news/articles/2024-10-24/siemens-erwagt-milliardenubernahme-im-softwaresegment-kreise

Магазин моделей для IMPETUS

Продолжая ветку про данный боевой код, ни могу не пройти мимо их магазина моделей. Мы примыкали, что для гражданских кодов можно докупить модели тела человека или дорожного ограждения, можно активировать какие-то особые модели материалов или UDF... А вот у
IMPETUS, по мимо дополнительных моделей материалов, продаются модели снарядов, боеприпасов, брони... С этим не шутят.

https://market.impetus.no

Altair - продано/потрачено

Всего-то 10 ярдов, и он теперь с Siemens.

https://schnitgercorp.com/2024/10/30/its-official-siemens-buys-altair-for-10-billion/amp/

IGA на GPU?!

COREFORM поднял очередной раунд финансирования на портирование своих алгоритмов под GPU. При этом, как я понял, их решатель и в Open MOOSE будет еще теснее интегрирован. Все на деньги атомки из США.

https://coreform.com/news/coreform-wins-major-grant-to-expand-isogeometric-analysis-for-use-in-nuclear-energy/

Virtual Element Method

Метод виртуальных элементов (Virtual Element Method, VEM) — численный метод для решения задач механики сплошных сред и моделирования физических явлений (деформация твердых тел, теплообмен и др.). VEM — это обобщение метода конечных элементов (FEM), использующее "виртуальные" функции и преодолевающее ограничения FEM, особенно при сложной геометрии.

Основные характеристики VEM:
- 📐 *Гибкость сетки*: поддержка элементов произвольной формы, включая многоугольники и сложные геометрии.
- ⚙️ *Аппроксимация функций*: функции определяются явно только на границе элемента, что упрощает построение сложных сеток.
- 🔄 *Локальная согласованность*: метод обеспечивает устойчивость и точность аппроксимации.
- ⚡ *Энерго-сохранение*: сохранение энергетических свойств для повышения точности моделирования.

Преимущества VEM:
- 🔧 *Гибкость при сложных геометриях*: элементы не требуют точного параметрического представления.
- 🛡️ *Стабильность*: метод остается устойчивым при использовании искаженных элементов сетки.
- 🌍 *Универсальность*: подходит для широкого спектра задач, включая сложные граничные условия.

Применение:
VEM используется для задач механики сплошных сред, включая трещинообразование и динамическое поведение материалов. Это делает его эффективным там, где геометрия сложна, и традиционные методы менее эффективны.

Принцип работы:
Метод включает разбиение области на элементы (многоугольные/многогранные), построение системы уравнений с виртуальными функциями и вычисление решения. В отличие от FEM, функции могут быть определены только на границах, что снижает вычислительные затраты.

VEM продолжает активно развиваться, повышая эффективность численных методов в прикладных задачах.

https://www.vemhub.com