MARUT: An Exascale-Ready, GPU-Accelerated High-Order CFD Framework with AMR for High-Speed Flows and Finite-Rate Chemistry

Dieser Beitrag stellt MARUT vor, ein skalierbares, GPU-beschleunigtes CFD-Framework hoher Ordnung mit adaptiver Gitterverfeinerung und Fähigkeiten zur Berücksichtigung endlicher Reaktionsgeschwindigkeiten, das für hochpräzise Simulationen kompressibler und reaktiver Strömungen im Bereich von Unterschall bis Hyperschall auf Exascale-Supercomputing-Architekturen entwickelt wurde.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, einen Hurrikan, einen Überschalljet, der die Schallmauer durchbricht, oder eine Rakete, die in die Atmosphäre zurückkehrt, zu simulieren. Dies sind unglaublich komplexe Ereignisse, bei denen sich Luft mit unterschiedlichen Geschwindigkeiten bewegt, sich erwärmt, abkühlt und sogar ihre chemische Zusammensetzung ändert (wie etwa Sauerstoff, der in Stickoxide umgewandelt wird). Um diese Ereignisse genau vorherzusagen, verwenden Wissenschaftler „Computational Fluid Dynamics" (CFD), was im Wesentlichen ein riesiger digitaler Sandkasten ist, in dem sie mathematische Gleichungen lösen, um zu sehen, wie sich Fluide verhalten.

Das Problem ist, dass diese Simulationen wie der Versuch sind, jedes einzelne Sandkorn an einem Strand zu zählen, während die Flut hereinbricht. Es erfordert so viel Rechenleistung, dass herkömmliche Computer (CPUs) oft überfordert sind, insbesondere wenn Sie hohe Detailgenauigkeit (High Fidelity) und Geschwindigkeit benötigen.

Hier kommt MARUT ins Spiel.

Die Arbeit stellt MARUT vor, eine neue, superschnelle Simulationsengine, die speziell für moderne, leistungsstarke Computerchips namens GPUs entwickelt wurde (die gleichen Chips, die High-End-Videospiele und KI antreiben). Betrachten Sie MARUT nicht als einzelne Arbeitskraft, sondern als eine Armee aus Tausenden winziger, schneller Arbeiter, die alle gleichzeitig ihren Teil leisten.

So funktioniert MARUT, aufgeteilt in einfache Konzepte:

1. Die „intelligente Zoom"-Kamera (Adaptive Mesh Refinement)

Stellen Sie sich vor, Sie machen ein Foto von einem Rennwagen. Wenn Sie zu weit herauszoomen, können Sie die Details des Motors nicht erkennen. Wenn Sie zu nah heranzoomen, verpassen Sie das gesamte Auto.

• Der alte Weg: Sie machen ein Foto mit demselben Detaillierungsgrad überall. Um den Motor zu sehen, müssen Sie das gesamte Foto unglaublich hochauflösend machen, was ewig dauert, um es zu verarbeiten.
• Der Weg von MARUT: Es verwendet Adaptive Mesh Refinement (AMR). Es fungiert wie eine intelligente Kamera, die automatisch nur dort heranzoomt, wo Dinge schnell geschehen oder sich wild verändern (wie eine Stoßwelle oder ein Feuer). In ruhigen Bereichen zoomt es heraus, um Zeit zu sparen. Dieser „intelligente Zoom" findet vollständig im Speicher der GPU statt, sodass keine Zeit damit verschwendet wird, Daten hin und her zum Hauptcomputer zu senden.

2. Die „hochauflösende Linse" (High-Order Methods)

Die meisten Simulationen verwenden ein Gitter, das ein wenig wie ein niedrigauflöses, pixeliges Bild aussieht. Um eine glatte Kurve zu erhalten, benötigen Sie Millionen von Pixeln.

• Der Weg von MARUT: Es verwendet High-Order Spectral Discontinuous Galerkin (DG)-Methoden. Betrachten Sie dies als die Verwendung einer hochwertigen, glatten Linse anstelle von Pixeln. Es kann Kurven und Wellen mit weit weniger „Blöcken" an Daten darstellen und bleibt dennoch unglaublich genau. Dies bedeutet, dass es die scharfen Kanten einer Stoßwelle erfassen kann, ohne sie unscharf zu machen.

3. Die „superschnelle Fabrik" (GPU-Beschleunigung)

Ein herkömmlicher Computer (CPU) ist wie ein brillanter Professor, der sehr schwierige Probleme nacheinander lösen kann, aber langsam. Eine GPU ist wie ein Fabrikboden mit Tausenden von Fließbandarbeitern.

• Die Behauptung der Arbeit: MARUT ist von Grund auf so gebaut, dass es auf diesen „Fließbandarbeitern" läuft. Es hält alle Daten auf der GPU, damit die Arbeiter nie anhalten müssen, um den „Professor" (die CPU) nach Anweisungen zu fragen. Dies ermöglicht es, Simulationen bis zu 20-mal schneller als herkömmliche Methoden bei gleicher Problemgröße auszuführen.

4. Umgang mit der „chemischen Küche" (Finite-Rate Chemistry)

Wenn Luft extrem heiß wird (wie bei einem Hyperschalljet), beginnen die Moleküle, sich aufzubrechen und zu reagieren. Es ist wie eine chemische Küche, in der Zutaten ständig die Partner wechseln.

• Die Behauptung der Arbeit: MARUT simuliert nicht nur den Wind; es simuliert die Chemie. Es verfolgt, wie verschiedene Gase reagieren, wie Wärme in vibrierenden Molekülen gespeichert wird und wie Energie ausgetauscht wird. Es verwendet eine clevere „Aufteilungs"-Technik, um diese schnellen chemischen Reaktionen zu handhaben, ohne die gesamte Simulation zu verlangsamen.

5. Die „Teamarbeit" (Multi-GPU-Skalierung)

Manchmal ist ein Problem zu groß für selbst eine superschnelle GPU. Sie müssen viele GPUs miteinander verbinden.

• Die Behauptung der Arbeit: MARUT ist so konzipiert, dass diese GPUs effizient miteinander kommunizieren können. Es verwendet eine Strategie, bei der die GPUs ihre mathematischen Arbeiten verrichten und gleichzeitig Notizen (Daten) an ihre Nachbarn weitergeben. Dies stellt sicher, dass das System selbst bei der Verwendung von vier oder mehr GPUs nicht stecken bleibt, während es auf Daten wartet. Die Arbeit zeigt, dass es eine hohe Effizienz beibehält, was bedeutet, dass das Hinzufügen weiterer GPUs die Arbeit tatsächlich schneller und nicht langsamer macht.

Worauf haben sie es getestet?

Die Autoren haben es nicht nur gebaut; sie haben es gegen reale Szenarien getestet, um zu beweisen, dass es funktioniert:

• Überschallzylinder: Simulation von Luft, die mit dem Dreifachen der Schallgeschwindigkeit an einem Zylinder vorbeiströmt. MARUT erfasste korrekt die Stoßwellen und den wirbelnden Nachlauf dahinter.
• Taylor-Green-Wirbel: Ein klassischer Test für Turbulenzen. MARUT zeigte, dass es das chaotische Wirbeln der Luft bewältigen kann, ohne Energie oder Genauigkeit zu verlieren, selbst wenn sich das Gitter (das Netz) dynamisch in der Größe änderte.
• Flügelflug: Simulation von Luft, die über einen echten Flugzeugflügel (die ONERA M6) mit Transonikgeschwindigkeit strömt. Es stimmte perfekt mit echten Windkanaldaten überein und erfasste die komplexen Stoßwellen, die sich auf dem Flügel bilden.
• Explosionsdruckwelle: Simulation einer chemischen Explosion, bei der sich Luft erhitzt und reagiert. MARUT sagte korrekt voraus, wie sich die Stoßwelle bewegte und wie sich die chemische Zusammensetzung der Luft änderte.

Das „Geheimrezept" (Julia-Sprache)

Schließlich erwähnt die Arbeit, dass MARUT in einer Programmiersprache namens Julia geschrieben ist. Betrachten Sie Julia als eine Sprache, die so leicht zu lesen ist wie Englisch, aber so schnell wie C++. Aus diesem Grund sagen die Autoren, dass MARUT bereit ist, in Zukunft mit Künstlicher Intelligenz (KI) und Machine-Learning-Tools verbunden zu werden, was potenziell „selbstfahrende" Simulationen ermöglicht, die selbstständig lernen und sich anpassen können.

Zusammenfassung:
MARUT ist ein Simulationswerkzeug der nächsten Generation, das eine „intelligente Zoom"-Kamera, eine hochwertige Linse und eine riesige Armee von GPU-Arbeitern kombiniert, um komplexe, hochgeschwindigkeits Luftströmungen und chemische Reaktionen zu simulieren. Es ist schneller, genauer und effizienter als frühere Methoden und macht es zu einem leistungsstarken Werkzeug für die Entwicklung zukünftiger Luft- und Raumfahrzeuge.

Technische Zusammenfassung

Technische Zusammenfassung: MARUT – Ein exascale-fähiges, GPU-beschleunigtes High-Order-CFD-Framework

Problemstellung
Die hochgenaue Simulation kompressibler Strömungen, insbesondere solcher mit starken Diskontinuitäten (Stoßwellen), dünnen viskosen Schichten und chemisch reagierenden Nichtgleichgewichtsphänomenen, bleibt eine zentrale Herausforderung in der numerischen Strömungsmechanik (CFD). Herkömmliche CPU-basierte Architekturen haben Schwierigkeiten, diese physikalischen Mehrskalenphänomene innerhalb praktikabler Durchlaufzeiten zu lösen, da die mit hochauflösenden Gittern und Diskretisierungen hoher Ordnung verbundenen Rechenkosten prohibitiv sind. Darüber hinaus erfordern neuartige Luft- und Raumfahrtanwendungen – von der Gestaltung hypersonischer Fahrzeuge bis zum Wiedereintritt in die Atmosphäre – Methoden, die in der Lage sind, chemische Reaktionen mit endlicher Geschwindigkeit, thermochemisches Nichtgleichgewicht und adaptive Gitterverfeinerung (AMR) auf heterogenen Supercomputing-Architekturen zu handhaben. Die Kombination aus Genauigkeit hoher Ordnung, dynamischer Adaptivität und realistischen dreidimensionalen Geometrien erzeugt Arbeitslasten, die die Fähigkeiten von Single-Node- oder Single-GPU-Ausführungen übersteigen und skalierbare Multi-GPU-Löser erfordern, die Kommunikationsaufwand minimieren und gleichzeitig die Lösungstreue bewahren.

Methodik
Der Artikel stellt MARUT vor, ein skalierbares, Multi-GPU-Computational-Fluid-Dynamics-Framework, das nativ in der Programmiersprache Julia implementiert ist. Der Löser ist darauf ausgelegt, moderne heterogene Architekturen durch einen vollständig GPU-residenten Workflow zu nutzen, wodurch Engpässe bei Datenübertragungen zwischen Host und Gerät während der Zeitschleifen eliminiert werden.

• Numerische Diskretisierung: MARUT verwendet eine hochordentliche spektrale Diskontinuierliche Galerkin (DG)-Methode für die räumliche Diskretisierung. Es nutzt eine nodale Formulierung auf Gauss–Lobatto–Legendre (GLL)-Knoten mit Tensorprodukt-Basen. Um Stabilität und Entropieerhaltung sicherzustellen, werden die inviskiden Flüsse mittels einer entropiestabilen Split-Form (Ranocha-Fluss) oder einer konvexen Mischung mit einem Finite-Volumen-Subzell-Schema erster Ordnung zur Stoßabfangung (Hennemann–Gassner-Indikator) ausgewertet. Die zeitliche Integration erfolgt mit strong-stability-preserving Runge–Kutta (SSP-RK)-Schemata (insbesondere SSPRK54).
• Viskose und Quellterme: Viskose Terme werden über die Bassi–Rebay 1 (BR1)-Mischformulierung behandelt, die eine Hilfsgradientenvariable einführt, die über einen DG-Operator mit zentralen Differenzen berechnet wird. Für chemisch reagierende Strömungen integriert das Framework chemische Reaktionen mit endlicher Geschwindigkeit (Arrhenius-Gesetze) und thermochemisches Nichtgleichgewicht (Zwei-Temperatur-Landau–Teller-Relaxation). Diese steifen Quellterme werden implizit unter Verwendung einer Strang-Splitting-Strategie mit Newton-Iteration integriert, während die Transport Schritte explizit bleiben.
• Adaptive Gitterverfeinerung (AMR): Ein definierendes Merkmal von MARUT ist seine GPU-residente konservative AMR-Strategie. Aufbauend auf der Bibliothek P4est verwaltet das Framework eine Forest-of-Octrees-Datenstruktur vollständig auf dem Gerät. Der AMR-Zyklus umfasst indikatorenbasierte Markierung, Durchsetzung des 2:1-Gleichgewichts, konservative $L^2$-Projektion für die Lösungsübertragung und dynamische Rekonstruktion von Konnektivität und Mörtel-Schnittstellen. Dieser Ansatz vermeidet die Latenz der CPU-GPU-Synchronisation während der Gitteranpassung.
• Parallelisierung: Der Löser nutzt MPI für verteilte Speicherparallelität über mehrere GPUs. Er setzt eine reine Flächen-Kommunikationsstrategie ein, um das Datenaustauschvolumen zu minimieren, und überlappt Kommunikation mit Berechnung, um Latenz zu verbergen.

Hauptbeiträge

1. Einheitliche High-Order-GPU-Plattform: Entwicklung eines vollständig GPU-beschleunigten spektralen DG-Lösers mit SSP-RK-Zeitintegration, der für niedrig-dissipative, hochgenaue Simulationen von stoßdominierten und reaktiven Strömungen geeignet ist.
2. GPU-residente konservative AMR: Einführung einer dynamischen AMR-Strategie, die vollständig auf der GPU arbeitet, Mehrskalenstrukturen (Stoßwellen, Scherschichten, Reaktionsfronten) auflöst und dabei die primäre Rechenengpassproblematik der Datenbewegung zwischen CPU und GPU überwindet.
3. Validierung über breite Regime: Nachweis der Robustheit in subsonischen, transsonischen, supersonischen und hypersonischen Regimen, einschließlich Strömungen mit chemischen Reaktionen endlicher Geschwindigkeit und steifen reaktiven Quelltermen.
4. Exascale-Bereitschaft: Etablierung einer effizienten Multi-GPU-Skalierbarkeit mit starker und schwacher Skalierungsleistung auf NVIDIA-GPUs, die hohe parallele Effizienz für großskalige Simulationen erreicht.

Ergebnisse
Das Framework wurde gegen eine Suite kanonischer Benchmark-Probleme validiert:

• 2D Supersonischer Zylinder: Simulation einer transienten inviskiden Strömung ($M=3$) mit AMR, die abgetrennte Bugstoßwellen und instationäre Wirbelablösung im Nachlauf erfasst. Der Löser erreichte eine nahezu lineare starke Skalierung und demonstrierte die Fähigkeit der GPU-residenten AMR, sich entwickelnde Strömungsmerkmale zu verfolgen.
• 3D Taylor–Green-Wirbel (TGV): Validierung der Dissipations- und Dispersions Eigenschaften des Lösert bei $Re=1600$ für sowohl subsonische ($M=0.1$) als auch supersonische ($M=1.25$) Regime. Die AMR-Konfiguration (Fall 3) reproduzierte den Abfall der kinetischen Energie und die Dissipationsraten vollständig aufgelöster homogener Gitter (Fall 2) mit deutlich weniger Elementen und bestätigte damit die Genauigkeit der konservativen Projektion und der entropiestabilen Operatoren.
• Transsonischer ONERA M6-Flügel: Simulation einer viskosen Strömung bei $M=0.84$ auf einem gekrümmten hexaedrischen Gitter. Die Ergebnisse zeigten eine enge Übereinstimmung mit experimentellen Oberflächendruckspektren und erfassten komplexe Merkmale wie $\lambda$-Stoßstrukturen und das Aufrollen von Spitzenwirbeln.
• Nichtgleichgewichts-Explosionsreaktion: Modellierung einer zweidimensionalen chemisch reagierenden Explosionswelle mit einem 5-Spezies-Luftmodell und Zwei-Temperatur-Relaxation. Der Löser erfasste erfolgreich Stoßdynamik, Speziesproduktion (N, O, NO) und Vibrationsrelaxation, ohne Positivitätsbedingungen zu verletzen.
• Leistung: In Single-GPU-Benchmarks zeigte MARUT Beschleunigungen von 8x bis 25x gegenüber Multi-Threaded-CPU-Baselines (32–64 Threads) für 2D-Euler- und 3D-Navier–Stokes-Probleme, wobei die Effizienz mit zunehmender Problemgröße stieg. Multi-GPU-Skalierungsstudien auf bis zu vier L40S-GPUs zeigten starke Skalierungseffizienzen von 78,8 % bis 91,5 % und schwache Skalierungseffizienzen von 86,3 % bis 88,3 % für große Problemgrößen, wobei Kommunikationsaufwände in optimalen Konfigurationen unter 10 % gehalten wurden.

Bedeutung
Der Artikel positioniert MARUT als flexible Plattform für exascale-fähige Simulationen der nächsten Generation. Durch die Kombination von Genauigkeit hoher Ordnung, adaptiver Auflösung und nativer GPU-Beschleunigung adressiert es die Herausforderung, komplexe kompressible Strömungsphänomene in Anwendungen hochgeschwindigkeitsreaktiver Strömungen zu simulieren. Die Implementierung des Frameworks in Julia wird als strategischer Vorteil hervorgehoben, der eine natürliche Integration mit differenzierbarer Programmierung und Bibliotheken für maschinelles Lernen ermöglicht. Dies erleichtert zukünftige Entwicklungen in der autonomen Strömungskontrolle, inversen Modellierung und datengesteuerten wissenschaftlichen Entdeckung und spiegelt einen breiteren Übergang in der computergestützten Wissenschaft hin zu modularen, KI-kompatiblen Simulationsökosystemen wider. Die Arbeit etabliert, dass hochgenaue, produktionsreife CFD auf modernen heterogenen Plattformen machbar ist, wenn Algorithmen so gestaltet sind, dass Datenbewegung minimiert und paralleler Durchsatz maximiert wird.