Vidyut3d: a GPU accelerated fluid solver for non-equilibrium plasmas on adaptive grids

Cet article présente Vidyut3d, un solveur de fluide de plasma hors équilibre, portable en termes de performance et accéléré par GPU, construit sur la bibliothèque AMReX, qui atteint des accélérations de 150 à 400x sur des systèmes multi-architectures CPU+GPU tout en maintenant une précision de second ordre grâce à des grilles adaptatives et des schémas numériques avancés.

L'essentiel

Imaginez que vous essayez de prédire le mouvement d'un nuage d'orage, mais au lieu de la pluie et du vent, le « nuage » est composé de particules surchargées (plasma) qui peuvent atteindre des températures plus chaudes que la surface du soleil, tandis que l'air environnant reste frais. C'est le monde du plasma hors équilibre, et il est utilisé pour tout, de la fabrication de puces informatiques au nettoyage de liquides.

Le document présente un nouvel outil numérique appelé Vidyut3d (qui signifie approximativement « Électrique 3D »). Considérez cet outil comme un simulateur de prévisions météorologiques ultra-rapide et ultra-précis, mais spécifiquement conçu pour ces petites tempêtes électriques chaotiques.

Voici une décomposition de ce que dit le document, en utilisant des analogies simples :

1. Le problème : Le « bouchon » mathématique

Simuler le plasma est incroyablement difficile car cela implique des millions de petites particules interagissant à des vitesses différentes.

• L'ancienne méthode : Les programmes informatiques traditionnels (fonctionnant sur des processeurs standards) sont comme un caissier unique dans un supermarché essayant de scanner des millions d'articles un par un. Cela fonctionne, mais cela prend beaucoup de temps.
• La nouvelle méthode : Les auteurs ont conçu Vidyut3d pour fonctionner sur des GPU (processeurs graphiques). Si un processeur standard est un caissier unique, un GPU est un immense entrepôt avec des milliers de caissiers travaillant en parfaite synchronisation. Cela permet à l'ordinateur de faire les calculs beaucoup, beaucoup plus vite.

2. La fonction de « Zoom Intelligent » (Grilles adaptatives)

L'un des plus grands défis est que les tempêtes de plasma possèdent des centres minuscules et intenses (comme la pointe d'un éclair) et de vastes zones calmes autour d'eux.

• L'analogie : Imaginez que vous essayiez de prendre une photo d'une foule. Si vous dézoomez pour voir tout le monde, les visages sont flous. Si vous zoomez pour voir un seul visage, vous manquez le reste de la foule.
• La solution : Vidyut3d utilise le Raffinement de Maillage Adaptatif (Adaptive Mesh Refinement). C'est comme un appareil photo qui zoome automatiquement de très près uniquement là où l'action se déroule (les « têtes de tempête ») et reste dézoomé pour les zones calmes. Cela économise une quantité massive de puissance de calcul car l'outil ne perd pas de temps à calculer les détails là où rien ne change.

3. Comment ils l'ont testé (Le test de la « Réalité Fabriquée »)

Avant de faire confiance à un simulateur, il faut prouver qu'il fonctionne. Les auteurs ont utilisé quelques tests astucieux :

• Le test de la « Solution Manufacturée » : Ils ont créé une fausse tempête de plasma imaginaire où ils connaissaient déjà la réponse exacte. Ils ont lancé leur simulateur et ont vérifié : « Est-ce que l'ordinateur obtient la réponse que nous connaissions déjà ? » Il l'a fait, avec une grande précision.
• Le test de l'« Éclair » : Ils ont simulé un « streamer » (un minuscule éclair) se déplaçant à travers un gaz. Ils ont comparé leurs résultats à d'autres articles scientifiques célèbres et ont constaté que leurs chiffres correspondaient presque parfaitement.
• Le test de la « Boîte en Verre » : Ils ont simulé une expérience de laboratoire standard (la cellule de référence GEC) que les scientifiques utilisent pour tester l'équipement. Leur simulation correspondait aux mesures du monde réel et à d'autres modèles informatiques.

4. Les grandes simulations (Mise en pratique)

Une fois qu'ils ont prouvé que l'outil fonctionnait, ils ont lancé deux simulations 3D massives pour démontrer sa puissance :

• Le « Spectacle de Lumière » : Ils ont simulé 14 éclairs (streamers) se déplaçant à travers un mélange d'Argon et d'Hydrogène. Ils ont observé comment ces éclairs interagissaient, fusionnaient et se déplaçaient. Cela a pris environ 3 heures sur un supercalculateur doté de 200 cartes graphiques puissantes.
• L'« Usine de Films Minces » : Ils ont simulé une machine utilisée pour revêtir des matériaux (comme la fabrication de panneaux solaires). Cela impliquait une configuration complexe avec trois électrodes. Ils l'ont fait fonctionner pendant longtemps pour voir comment le plasma se stabilisait dans un état stationnaire.

5. Le résultat de vitesse (Le facteur « Fusée »)

La découverte la plus impressionnante est la vitesse.

• Les auteurs ont comparé l'exécution de leur simulation sur un seul processeur standard (CPU) par rapport à une seule carte graphique haute performance (GPU).
• Le résultat : Le GPU était 150 à 400 fois plus rapide qu'un seul CPU.
• L'analogie : Si le CPU mettait un mois pour terminer une simulation, le GPU pourrait la faire en quelques heures. Cela rend possible la réalisation de simulations 3D complexes qui étaient auparavant impossibles ou trop longues pour être utiles.

Résumé

Le document présente Vidyut3d, un nouveau logiciel en code ouvert qui agit comme un appareil photo intelligent à zoom rapide pour les tempêtes électriques (plasmas). En utilisant des cartes graphiques (GPU) modernes et une technique de « zoom intelligent », il peut simuler des comportements de plasma complexes des centaines de fois plus vite que les anciennes méthodes, aidant ainsi les scientifiques à concevoir de meilleurs outils pour la fabrication et l'énergie.

Résumé technique

Résumé technique : Vidyut3d – Un solveur de fluides accéléré par GPU pour les plasmas hors équilibre

Problématique

Les plasmas hors équilibre (non thermiques) sont critiques pour diverses applications d'ingénierie, notamment la fabrication de semi-conducteurs, la synthèse de matériaux et la modification de surfaces. Ces décharges sont caractérisées par des électrons de haute énergie (10 000–100 000 K) coexistant avec un fond gazeux beaucoup plus froid (300–1 000 K). La simulation de ces phénomènes est un défi computationnel en raison de la large gamme d'échelles spatiales et temporelles ainsi que du couplage étroit entre les processus physiques tels que les réactions d'impact électronique, la chimie en phase gazeuse et le transport des espèces.

Bien que les méthodes de Monte Carlo Collision (PIC-MCC) soient efficaces dans les régimes de basse pression, elles deviennent prohibitives à des pressions plus élevées (par exemple, les conditions atmosphériques) où les modèles de fluides sont plus appropriés. Les solveurs de fluides existants pour les plasmas hors équilibre (par exemple, MOOSE, HPEM, COMSOL, PLASIMO, SOMAFOAM) manquent souvent de disponibilité en open-source ou ne supportent pas la parallélisation hybride CPU+GPU, limitant ainsi leur capacité à exploiter les architectures modernes de calcul haute performance (HPC). Il existe une lacune spécifique concernant les solveurs de fluides open-source, portables en termes de performance, capables de fonctionner efficacement sur des systèmes hétérogènes CPU+GPU pour les décharges de plasma non thermique.

Méthodologie

Les auteurs présentent Vidyut3d, un solveur de fluides conçu pour répondre à ces limitations. Le solveur est implémenté en C++ en utilisant AMReX, une bibliothèque de grille cartésienne adaptative (AMR) performante et portable, permettant l'exécution sur des architectures GPU NVIDIA et AMD.

Modèle mathématique

Le solveur utilise un modèle à deux températures pour les régimes de pression intermédiaire et élevée, résolvant les équations de conservation couplées pour :

• Transport des espèces : Conservation des densités numériques pour les électrons, les ions et les neutres en utilisant l'approximation de dérive-diffusion.
• Électrostatique : Une équation de Poisson pour déterminer les champs électriques et les potentiels auto-cohérents.
• Énergie électronique : Une équation d'énergie électronique pour résoudre la température électronique ($T_e$), qui pilote les taux de réaction et les propriétés de transport.
• Photoionisation : Un modèle simplifié de l'équation de Helmholtz à trois termes est utilisé pour calculer les termes sources de photoionisation, essentiels pour les simulations de propagation de streamers.
• Charge de surface : Une condition limite suit la densité de charge de surface sur les surfaces diélectriques.

Le modèle suppose une pression et une température constantes pour le gaz de fond, le couplage avec les équations de fluides gazeux complets étant mentionné comme un travail futur.

Méthodes numériques

• Discrétisation : Une formulation de volume fini sur des grilles cartésiennes.
• Advection : Discrétisée à l'aide d'un schéma WENO (Weighted Essentially Non-Oscillatory) de cinquième ordre.
• Diffusion : Traitée implicitement à l'aide d'un schéma central de second ordre.
• Intégration temporelle : Un schéma de Runge-Kutta implicite global de second ordre (méthode du point milieu) fait progresser le système. Le solveur supporte à la fois des pas de temps fixes et des pas de temps adaptatifs basés sur les nombres de Courant pour l'advection, la diffusion et la relaxation diélectrique.
• Géométrie : Bien qu'essentiellement cartésien, le solveur supporte des configurations axisymétriques et le masquage de cellules pour gérer des géométries complexes (par exemple, les cellules de référence GEC) en désactivant les résolutions dans des régions spécifiques.

Implémentation logicielle

• Portabilité : Le code utilise le système de lancement basé sur les lambdas C++ d'AMReX pour l'exécution GPU et s'interface avec HYPRE pour les systèmes linéaires raides.
• Chimie : Un parseur personnalisé basé sur Python (adapté de CEPTR) convertit les fichiers YAML au format CANTERA en code source C++ compatible avec l'exécution tant sur l'hôte (CPU) que sur le dispositif (GPU). Cela permet l'inclusion de cinétiques de plasma complexes, incluant les réactions d'impact électronique, l'extinction des espèces excitées et la recombinaison ion-ion.

Contributions clés et vérification

L'article fournit une suite complète de vérification et de validation :

1. Méthode des solutions fabriquées (MMS) :

   • Précision spatiale : Une vérification sur un domaine 1D a démontré une précision formelle de second ordre dans l'espace pour la densité des espèces et le potentiel, malgré l'utilisation d'un schéma d'advection de cinquième ordre (limitée par le schéma de diffusion central).
   • Précision temporelle : La vérification a confirmé que le schéma d'intégration temporelle atteint une précision de premier ordre avec une itération de correcteur et une précision de second ordre avec deux itérations ou plus.

2. Comparaisons de référence (Benchmarks) :

   • Décharge capacitive (He à 1 Torr) : Les résultats correspondent aux modèles de fluides établis (Turner et al., SOMAFOAM, mps1d) et montrent les écarts attendus avec les modèles PIC en raison de la paramétrisation des propriétés de transport.
   • Propagation de streamer : Le solveur a reproduit avec succès les résultats de référence de Bagheri et al. pour la propagation d'un streamer positif dans l'air, avec et sans physique de photoionisation.
   • Cellule de référence GEC : Les simulations d'une décharge RF d'argon à basse pression ont montré un accord raisonnable avec les données expérimentales (Overzet et Hopkins) et les modèles de fluides précédents, capturant les pics de densité électronique et les profils radiaux.

Évaluation des performances

Les auteurs ont mené des études de performance sur trois architectures distinctes CPU+GPU (NVIDIA H100, A100 et AMD MI250X) à l'aide d'une simulation de streamer 3D avec 4 millions de cellules et 15 espèces.

• Accélération (Speed-up) : Un seul GPU a démontré une accélération de 150x à 400x par pas de temps par rapport à un seul cœur CPU.
• Mise à l'échelle (Scaling) :
  • Strong Scaling : Une mise à l'échelle favorable a été observée jusqu'à 2048 cœurs CPU. La mise à l'échelle GPU était optimale jusqu'à environ 40 GPU, au-delà desquels les performances se dégradent en raison du transfert de mémoire CPU-GPU et des surcharges de communication inter-GPU.
  • Optimisation : Des optimisations récentes du code, incluant le MPI compatible GPU et la résolution simultanée de plusieurs espèces, ont amélioré l'efficacité de calcul du GPU de 26 % et celle du CPU de 7,5 %.

Simulations de démonstration

Le solveur a été appliqué à deux cas de production 3D complexes :

1. Décharge de streamer Ar-H2 atmosphérique : Une simulation de 14 streamers interagissant dans un mélange Argon-Hydrogène. Le raffinement de maillage adaptatif (AMR) a affiné dynamiquement la grille pour atteindre une résolution d'environ 12 µm dans les régions à fort gradient, utilisant au maximum 337 millions de cellules. La simulation a tourné sur 200 GPU NVIDIA H100 pendant 3 heures de temps de calcul réel.
2. Réacteur RF à trois électrodes : Une simulation à basse pression (0,1 Torr) d'un réacteur de dépôt de couches minces avec deux cibles alimentées et un substrat mis à la terre. Le solveur a capturé la formation de la gaine de plasma et les distributions de densité sur 1 000 cycles RF.

Signification et affirmations

L'article affirme que Vidyut3d représente le premier solveur de fluides de plasma non thermique open-source et performant, capable de fonctionner efficacement sur les architectures CPU+GPU modernes. Sa signification réside dans :

• Accessibilité : Fournir un outil open-source (disponible sur GitHub) pour la communauté des plasmas.
• Scalabilité : Permettre des simulations 3D de haute fidélité de phénomènes de plasma complexes (ex: interaction de streamers, géométries de réacteurs) qui étaient auparavant trop coûteuses en calcul.
• Portabilité : Réussir à abstraire les dépendances matérielles pour fonctionner sur des GPU NVIDIA et AMD sans modification de code, facilitant l'utilisation de diverses ressources de calcul haute performance.

Les auteurs concluent que bien que l'implémentation actuelle se concentre sur les modèles de fluides, des efforts sont en cours pour intégrer la pénalisation de volume pour les géométries complexes, le couplage de circuits externes et d'autres optimisations de performance GPU.