Hierarchical Iterative Method in CFD Numerical Solution

Die vorgestellte hierarchische asynchrone Iterationsmethode teilt das Strömungsfeld in drei Schichten mit unterschiedlichen Iterationsschritten auf, was bei strukturierten Gittern zu identischen Ergebnissen wie herkömmlichen Verfahren führt, jedoch die Rechenzeit auf 53,2 % reduziert.

Das Wesentliche

Der "Schildkröte und Hase"-Effekt in der Luftfahrt-Simulation

Stellen Sie sich vor, Sie wollen vorhersagen, wie Luft um ein Flugzeug strömt. Dazu nutzen Wissenschaftler Supercomputer, die das Flugzeug in Millionen von kleinen Würfeln (einem Gitter) zerlegen und berechnen, wie sich die Luft in jedem dieser Würfel verhält.

Das alte Problem: Der langsame Zug
In der traditionellen Methode laufen alle diese Würfel synchron ab. Das ist wie ein Marathon, bei dem ein Hase (die Luft weit weg vom Flugzeug) und eine Schildkröte (die Luft direkt an der Oberfläche des Flugzeugs) an einem Seil gebunden sind.

• Der Hase ist schnell und erledigt seine Aufgabe in einem Schritt.
• Die Schildkröte ist sehr langsam, weil die Luft direkt am Flugzeug extrem komplex ist und viele kleine Details hat.

Da sie am Seil hängen, muss der Hase warten, bis die Schildkröte mit ihrem Schritt fertig ist. Der Hase rennt also oft unnötig herum, wartet aber am Ende trotzdem auf die Schildkröte. Das ist eine enorme Verschwendung von Rechenzeit. In der alten Methode laufen alle Würfel gleich oft durch, egal ob sie schnell oder langsam konvergieren.

Die neue Lösung: Der "Hierarchische" Ansatz
Die Autoren dieses Papers haben eine clevere Idee entwickelt: Warum muss der Hase warten? Warum können wir sie nicht entkoppeln?

Sie teilen das Rechenfeld in drei Schichten ein:

1. Die Rüstung (Grenzschicht): Direkt am Flugzeug. Hier ist die Schildkröte. Sie braucht viele Schritte, um genau zu werden.
2. Der Innenbereich: Ein bisschen weiter weg. Hier ist ein gemächlicheres Tier.
3. Der Außenbereich: Weit weg vom Flugzeug. Hier ist der schnelle Hase.

Wie funktioniert die neue Methode?
Statt alle Schichten gleichzeitig zu bearbeiten, erlaubt die neue Methode, dass jede Schicht ihre eigene Geschwindigkeit hat:

• Die Schildkröte (Grenzschicht) darf so oft rechnen, wie sie braucht (z. B. 10 Mal).
• Der Innenbereich rechnet weniger oft (z. B. 3 Mal).
• Der Hase (Außenbereich) rechnet nur einmal.

Danach tauschen sie kurz Informationen aus und beginnen den Zyklus von vorne.

Die Analogie: Ein Bauprojekt
Stellen Sie sich einen Bauvorstand vor, der ein Haus baut:

• Der alte Weg: Alle Arbeiter (Maurer, Elektriker, Maler) müssen jeden Tag zur gleichen Zeit Pause machen und sich abstimmen, auch wenn der Elektriker schon fertig ist und der Maurer noch viel zu tun hat. Der Elektriker steht nur herum und wartet.
• Der neue Weg: Der Elektriker macht seine Arbeit schnell ab (1 Durchgang), der Maler macht mittelmäßig (3 Durchgänge), und der Maurer, der das Fundament legt, arbeitet hart (10 Durchgänge). Sie tauschen sich nur aus, wenn es nötig ist. Niemand steht untätig herum.

Was haben die Forscher herausgefunden?
Sie haben drei verschiedene Flugzeug-Modelle getestet (von schnellen Überschall-Flugzeugen bis zu langsamen, komplexen Hochauftriebs-Flügeln). Das Ergebnis war verblüffend:

1. Genaue Ergebnisse: Die neuen Berechnungen waren exakt gleich genau wie die alten, langen Methoden. Das Flugzeug flog in der Simulation genauso, wie es sollte.
2. Massive Zeitersparnis: Die neue Methode benötigte nur etwa 53 % der Rechenzeit der alten Methode. Das bedeutet, man spart fast die Hälfte der Zeit und damit auch Geld und Energie.
3. Überraschender Bonus: Bei sehr komplexen Strömungen (wie bei einem Flugzeug mit ausgefahrenen Landeklappen) war die neue Methode sogar noch schneller als erwartet. Warum? Weil der "Hase" in der alten Methode manchmal zu schnell war und die "Schildkröte" durch sein Ziehen am Seil verwirrt hat. In der neuen Methode läuft jeder in seinem eigenen Tempo, was zu einer stabileren und schnelleren Lösung führt.

Fazit
Die Forscher haben keinen neuen, komplizierten Algorithmus erfunden, sondern einfach die Art und Weise optimiert, wie die Computer arbeiten. Sie haben erkannt, dass nicht alle Teile einer Strömung gleich viel Aufmerksamkeit brauchen. Indem sie die Rechenleistung dorthin lenken, wo sie am dringendsten benötigt wird (die Grenzschicht), und die weniger wichtigen Bereiche (den Außenbereich) entspannter behandeln, haben sie einen "Turbo" für die Luftfahrt-Simulationen entwickelt.

Es ist, als würde man einem Team sagen: "Hört auf, alle gleichzeitig zu arbeiten, wenn nur einer vorankommt. Jeder arbeitet in seinem eigenen Tempo, und wir tauschen uns nur aus, wenn es wirklich nötig ist."

Technische Zusammenfassung

Titel: Hierarchische iterative Methode in der CFD-Numerischen Lösung

Autoren: Dehong Meng, Hao Yue, Hao Wang, Wei Li, Yuhang Qi, Rui Wang, Junwu Hong (China Aerodynamics Research and Development Center - CARDC)

---

1. Problemstellung

In herkömmlichen CFD-Simulationen (Computational Fluid Dynamics) erfolgt die iterative Fortschreibung des Strömungsfeldes synchron über das gesamte Rechengebiet. Alle Gitterzellen durchlaufen in jedem Iterationsschritt die Lösung der governing equations (Governing Equations). Dies führt zu einem fundamentalen Ineffizienzproblem:

• Skalenunterschiede: Die Gitterzellen in der Grenzschicht (Boundary Layer) müssen extrem fein sein (hohe Auflösung für Wandnähe), was zu einem extremen Aspektverhältnis (oft > 10.000:1) und einem Volumen führt, das um Faktoren von $10^{13}$ bis $10^{15}$ kleiner ist als das des Fernfeldes.
• Konvergenz-Bottleneck: Da die Konvergenzgeschwindigkeit stark von der lokalen Gittergröße abhängt (bei lokalen Zeitschritten), konvergiert die Grenzschicht viel langsamer als das äußere Strömungsfeld.
• Ressourcenverschwendung: In der traditionellen synchronen Methode warten die schnell konvergierenden Bereiche (Fernfeld) auf die langsame Grenzschicht. Die Iterationen im äußeren Feld sind in diesen Phasen effektiv nutzlos ("Leerlauf"), was zu einer erheblichen Verschwendung von Rechenressourcen führt.

2. Methodik: Die hierarchische asynchrone Iterationsmethode

Die Autoren schlagen eine neue numerische Strategie vor, die das Strömungsfeld räumlich in drei Schichten unterteilt und für jede Schicht unterschiedliche Iterationsstrategien anwendet. Dies ist keine neue Lösungsalgorithmus, sondern eine Optimierung des bestehenden CFD-Rahmens.

Die drei Schichten:

1. Schicht 1 (Grenzschicht): Der Bereich direkt an der Wand mit der langsamsten Konvergenzrate.
2. Schicht 2 (Inneres Feld): Der Bereich zwischen Grenzschicht und Fernfeld, in dem signifikante Gradienten und mögliche Ablösungen auftreten.
3. Schicht 3 (Äußeres Feld/Fernfeld): Der Bereich mit geringen Änderungen der Strömungsparameter.

Umsetzung in drei Stufen:

1. Gittergenerierung: Das Rechengebiet wird explizit in diese drei Schichten unterteilt. Jeder Gitterblock erhält eine "Schicht-Nummer" (Layer Sequence Number). Dies erfordert nur minimale zusätzliche Arbeit bei der Gittererstellung.
2. Parallele Partitionierung: Bei der Verteilung der Gitter auf Prozessoren (MPI) wird sichergestellt, dass jeder Prozessor einen ausgewogenen Anteil an Zellen aus jeder der drei Schichten erhält (z. B. 150.000 Zellen pro Schicht pro Prozessor), anstatt nur eine gleichmäßige Gesamtzahl zu verteilen.
3. Lösungsalgorithmus (Solver): Der Solver wird modifiziert, um Schleifen über die Schichten unabhängig zu steuern.
   • Asynchrone Iteration: Innerhalb eines Zyklus werden die Schichten unterschiedlich oft iteriert (z. B. ein "10-3-1"-Modell: 10 Iterationen für die Grenzschicht, 3 für das innere Feld, 1 für das äußere Feld).
   • Kommunikationsoptimierung: Der Datenaustausch zwischen den Schichten erfolgt nur nach Abschluss der Iterationen der jeweiligen Schicht. Wenn die Grenzschicht iteriert, aber das innere Feld nicht, wird der Austausch zwischen diesen Bereichen unterdrückt, da keine neuen Informationen vorliegen. Dies reduziert den Kommunikationsaufwand.

Konvergenzkriterium: Die Anzahl der Iterationsschritte wird neu definiert: Ein Schritt entspricht einer Iteration der Grenzschichtgitter. Bei einem "10-3-1"-Modell bedeutet ein Zyklus also 10 Schritte, wobei das innere Feld 0,3-mal und das äußere Feld 0,1-mal iteriert wird.

3. Schlüsselbeiträge

• Paradigmenwechsel: Einführung einer asynchronen Iteration, die die physikalischen Konvergenzunterschiede zwischen den Strömungsregionen nutzt, anstatt sie durch Synchronisation zu ignorieren.
• Implementierungsfreundlichkeit: Die Methode lässt sich nahtlos in bestehende CFD-Codes (strukturierte/unstrukturierte Gitter, Multigrid, Parallel Computing) integrieren. Der Codeaufwand ist gering (ca. 2–4 Arbeitstage für erfahrene Programmierer).
• Flexibilität: Die Methode erlaubt nicht nur unterschiedliche Iterationszahlen, sondern auch den Einsatz unterschiedlicher Kontrollgleichungen (z. B. Thin-Layer Navier-Stokes in der Grenzschicht) oder Multigrid-Parameter (Relaxationsfaktoren) pro Schicht.
• Validierung: Umfassende Tests an drei Benchmark-Fällen mit unterschiedlichen Geschwindigkeitsbereichen (überschall, transsonisch, niedriggeschwindigkeit).

4. Ergebnisse

Die Methode wurde an drei Benchmark-Modellen validiert:

1. CHN-F1 (Überschall-Flügel):
   • Ergebnisidentisch mit der traditionellen Methode (bis auf 5 signifikante Stellen).
   • Zeitersparnis: Nur 53,25 % der Rechenzeit der traditionellen Methode.
   • Die Anzahl der Konvergenzschritte war nahezu identisch.
2. DLR-F6 (Transsonisch):
   • Ergebnisidentisch.
   • Zeitersparnis: Nur 54,67 % der Rechenzeit.
   • Hier zeigte sich, dass bei transsonischen Strömungen eine leichte Erhöhung der Iterationen im äußeren Feld (z. B. "10-3-2" statt "10-3-1") notwendig ist, um niederfrequente Oszillationen zu vermeiden.
3. Trap Wing (Niedriggeschwindigkeit, komplexe Ablösung):
   • Dies ist der komplexeste Fall mit starken Ablösungen.
   • Ergebnis: Die Methode lieferte identische Ergebnisse.
   • Überraschender Befund: In diesem komplexen Fall war die asynchrone Methode nicht nur schneller pro Schritt, sondern reduzierte auch die Anzahl der benötigten Iterationsschritte signifikant (bis zu 66 % weniger Schritte bei bestimmten Anstellwinkeln).
   • Gesamteffizienz: Im Durchschnitt über alle Bedingungen wurde nur 50,85 % der Rechenzeit benötigt.
   • Erkenntnis: Bei komplexen Strömungen kann eine zu schnelle Konvergenz im inneren Feld (bei traditioneller Methode) zu "Overshoots" führen, die die globale Konvergenz verzögern. Die hierarchische Methode balanciert dies aus.

Zusammenfassende Statistik:
Die vorgeschlagene Methode erreicht identische Simulationsergebnisse bei einer Reduktion der Rechenzeit auf durchschnittlich 53,2 % der traditionellen Methoden, ohne den Personalaufwand signifikant zu erhöhen.

5. Bedeutung und Ausblick

• Effizienzsteigerung: Die Methode adressiert das Hauptproblem der CFD-Rechenzeit (das Warten auf die Grenzschicht) direkt und eliminiert die "Leerlauf"-Iterationen im Fernfeld.
• Skalierbarkeit: Sie ist kompatibel mit modernen High-Performance-Computing-Architekturen (MPI, GPU) und Multigrid-Verfahren.
• Übertragbarkeit: Das Konzept ist nicht auf CFD beschränkt, sondern kann auf andere numerische Probleme mit räumlichen Skalenunterschieden angewendet werden (z. B. Elektromagnetik, Astrophysik, Reservoir-Simulation).
• Zukunftsperspektive: Die Autoren schlagen vor, die Methode auch auf instationäre Probleme (mit Dual-Time-Stepping) und unstrukturierte Gitter zu erweitern. Zudem bietet sie Raum für adaptive Strategien, bei denen die Iterationszahlen dynamisch an den Strömungszustand angepasst werden.

Fazit: Die hierarchische asynchrone Iterationsmethode stellt einen signifikanten Fortschritt in der numerischen Strömungsmechanik dar, der Rechenressourcen drastisch einspart, indem sie die physikalischen Eigenschaften der Strömung (unterschiedliche Konvergenzgeschwindigkeiten) in den Algorithmus integriert, anstatt sie zu ignorieren.