Towards heterogeneous parallelism for SPHinXsys

Cet article présente une méthode WCSPH améliorée pour le modèle RANS dans SPHinXsys, qui résout les incohérences lagrangiennes grâce à des traitements innovants des parois et du flux principal, permettant pour la première fois une convergence satisfaisante de la vitesse et de l'énergie cinétique turbulente dans des écoulements turbulents pariétaux complexes.

L'essentiel

🌊 Le Super-Héros de l'Eau : SPHinXsys et son Nouveau Moteur

Imaginez que vous essayez de simuler le comportement de l'eau, du vent ou même du sang dans un corps humain sur un ordinateur. C'est un peu comme essayer de suivre chaque goutte d'eau individuellement dans une rivière. C'est ce que fait le logiciel SPHinXsys : il utilise des millions de "particules" virtuelles pour modéliser la physique des fluides.

Mais il y a un problème : suivre des millions de particules demande une puissance de calcul énorme. C'est comme essayer de diriger une armée de 10 000 soldats avec un seul général (un processeur classique). Ça prend trop de temps !

Ce papier présente une révolution pour ce logiciel : il lui donne maintenant un super-pouvoir pour utiliser deux types de cerveaux en même temps (le processeur classique et la carte graphique), rendant les calculs jusqu'à 27 fois plus rapides.

---

🧩 1. Le Problème : La "Cuisine" en Désordre

Avant, les développeurs de ce logiciel devaient écrire deux recettes de cuisine différentes :

• Une recette pour le four classique (le processeur CPU).
• Une recette spéciale pour le four à micro-ondes ultra-rapide (la carte graphique GPU).

C'était pénible, source d'erreurs, et difficile à maintenir. Si vous vouliez changer un ingrédient (un calcul physique), il fallait le faire deux fois. De plus, les turbulences de l'eau (comme les vagues qui se brisent contre un mur) étaient très difficiles à calculer précisément avec cette méthode.

🛠️ 2. La Solution : Le "Chef Cuisinier Universel" (SYCL)

Les auteurs ont utilisé une nouvelle technologie appelée SYCL. Imaginez que SYCL est un chef cuisinier universel.

• Au lieu d'écrire deux recettes, vous écrivez une seule recette.
• Ce chef intelligent décide automatiquement : "Aujourd'hui, je vais utiliser le four classique pour les petites tâches, et le four micro-ondes pour les grosses tâches."
• Le développeur n'a pas besoin de savoir comment fonctionne le four. Il écrit juste la recette (le code), et le chef s'occupe de tout.

C'est ce qu'ils appellent le parallélisme hétérogène : faire travailler ensemble des outils différents (CPU et GPU) comme une équipe bien rodée, sans que l'ingénieur ait à se soucier des détails techniques.

🏗️ 3. Comment ça marche ? (L'Analogie du Chantier)

Pour que ce système fonctionne, ils ont dû réorganiser le chantier de construction du logiciel en trois étages :

1. L'Étage du Plan (Outer Layer) : C'est là qu'on dessine la forme du bâtiment (l'eau, les murs).
2. L'Étage des Outils (Kernel-Shell) : C'est la boîte à outils. On prépare les données pour qu'elles soient prêtes à être utilisées.
3. L'Étage du Bricolage (Kernel) : C'est là où le travail physique se fait. C'est le seul endroit où le "chef" envoie les ouvriers travailler en masse sur la carte graphique.

Grâce à cette structure, le logiciel peut maintenant gérer des cas complexes, comme l'eau qui tourbillonne autour d'un poisson ou dans un canal, avec une précision incroyable.

🏁 4. Le Résultat : Une Course de Formule 1

Pour prouver que leur nouvelle méthode fonctionne, ils ont organisé une course contre un concurrent célèbre appelé DualSPHysics (qui utilise une technologie différente).

• Le Défi : Simuler un barrage qui cède (une inondation soudaine) avec 56 millions de particules d'eau.
• Le Conflit : Le concurrent a mis 32 heures pour simuler 2 secondes de ce chaos.
• La Victoire : SPHinXsys a fait la même chose en 18 heures.

C'est comme si votre voiture de sport faisait le même trajet que la voiture de votre voisin, mais en arrivant bien avant lui, tout en consommant moins de carburant (de temps de calcul).

🌟 En Résumé

Ce papier nous dit que :

1. On peut maintenant simuler des fluides complexes (comme l'eau dans une rivière ou autour d'un poisson) beaucoup plus vite et plus précisément.
2. Le logiciel est devenu plus facile à utiliser pour les ingénieurs : ils écrivent une seule fois le code, et il fonctionne sur n'importe quel ordinateur, qu'il ait une carte graphique ou non.
3. C'est une étape majeure pour l'avenir, permettant de simuler des interactions complexes (comme un bateau qui heurte une vague) sans attendre des jours pour obtenir les résultats.

En gros, ils ont transformé un logiciel scientifique lent et complexe en un outil rapide, flexible et accessible, prêt à résoudre les problèmes d'ingénierie de demain.

Résumé technique

1. Problématique

L'article aborde deux défis majeurs dans le domaine de l'hydrodynamique des particules lissées (SPH) appliquée aux écoulements turbulents :

• Incohérence physique : Il existe une incompatibilité fondamentale entre la nature lagrangienne de la méthode SPH et les modèles de turbulence RANS (Reynolds-Averaged Navier-Stokes), particulièrement dans les écoulements pariétaux avec cisaillement intense ou séparation d'écoulement. Cela entraîne des problèmes de dissipation, de perturbation de l'énergie cinétique turbulente et de sur-prédiction.
• Coût computationnel et portabilité : Les bibliothèques SPH existantes souffrent de coûts de calcul élevés dus aux interactions intensives entre particules. Bien que les GPU offrent un rapport performance/coût supérieur pour les simulations à grande échelle (millions de particules), les implémentations actuelles reposent souvent sur des directives spécifiques au fournisseur (CUDA) ou sur OpenCL. Ces approches nécessitent une définition de bas niveau des noyaux de calcul (kernels), ce qui rend le code difficile à programmer, à maintenir et à débugger, tout en limitant la flexibilité pour les développeurs non experts en parallélisme.

2. Méthodologie

Les auteurs proposent une approche double, combinant des améliorations physiques et une refonte architecturale logicielle basée sur le standard SYCL (via l'implémentation Intel DPC++).

A. Améliorations Physiques (Modèle SPH-RANS)
Pour résoudre les incohérences dans les écoulements turbulents pariétaux, l'article introduit :

• Traitements de la zone principale (Mainstream) : Utilisation d'une dissipation d'édies Riemann adaptative (ARD) et d'une formulation de vitesse de transport débruitée pour corriger les incompatibilités de dissipation et les perturbations d'énergie cinétique turbulente.
• Traitements pariétaux (Near-wall) : Mise en œuvre d'un modèle de paroi basé sur des particules, d'un schéma de compensation pondéré et d'une stratégie d'espacement constant normal à la paroi. Des particules fictives (« wall dummy particles ») sont conservées pour faciliter le couplage futur avec la dynamique des solides.
• Technique de décalage de frontière (BOT) : Une méthode basée sur les ensembles de niveau (level-set) est développée pour garantir une distance normale à la paroi cohérente lors des tests de convergence, indépendamment de la résolution.

B. Architecture Logicielle (Hétérogénéité via SYCL)
L'objectif est d'unifier la base de code pour permettre l'exécution sur CPU et GPU sans réécriture majeure :

• Standard SYCL : Contrairement aux solutions CUDA, SYCL permet d'écrire du code C++ standard unique (single-source) sans directives spécifiques aux accélérateurs.
• Modèle d'exécution étendu : Le code source des méthodes SPH est partagé. Une nouvelle politique d'exécution (parallel_device_policy) est ajoutée aux politiques existantes (sequenced_policy, parallel_policy).
• Architecture en trois couches :
  1. Couche externe : Définition du problème physique et génération des particules.
  2. Couche « Kernel-shell » : Définition des méthodes SPH avec des structures de données intermédiaires (discrete_ et singular_variables) pour transférer les données.
  3. Couche « Kernel » : Contient uniquement les fonctions de calcul, accessibles via des pointeurs bruts (USM - Unified Shared Memory) compatibles avec l'hôte et l'appareil.
• Optimisations spécifiques GPU : Remplacement des listes chaînées par cellules (utilisant concurrent_vector sur CPU) par des opérations atomiques pour éviter les conflits de threads. Utilisation de la recherche directe (direct search) pour les noyaux de calcul et de l'algorithme radix_sort (au lieu de quick_sort) pour le tri des particules, afin de contourner les limitations des algorithmes récursifs sur GPU.

3. Contributions Clés

• Première convergence satisfaisante SPH-RANS : La méthode proposée réussit, pour la première fois à la connaissance des auteurs, à obtenir une convergence satisfaisante à la fois pour la vitesse et l'énergie cinétique turbulente dans des simulations SPH-RANS.
• Unification du code (Single Source) : Développement d'un modèle de programmation permettant d'exécuter le même code source sur CPU (séquentiel ou parallèle) et sur GPU (SYCL) avec des modifications minimales. Cela rend la bibliothèque accessible aux ingénieurs mécaniques sans expertise approfondie en programmation parallèle.
• Portabilité et Débogage : La capacité à tester les noyaux de calcul sur des environnements sans GPU (CPU standard) facilite le développement et le débogage, une fonctionnalité souvent absente dans les bibliothèques CUDA.
• Support de la dynamique des solides : Préservation de l'utilisation de particules fictives pour le couplage fluide-structure (FSI) futur.

4. Résultats

Des simulations de référence d'écoulements turbulents dans des canaux (droits, courbés, convergents-divergents) et un passage à poissons ont été réalisées.

• Performance GPU vs CPU : Sur une station de travail équipée d'un GPU NVIDIA RTX 2080 Ti, la version GPU (précision simple) offre une accélération allant jusqu'à 27 fois par rapport à l'exécution CPU.
• Comparaison avec DualSPHysics (CUDA) :
  • SPHinXsys (SYCL) est deux fois plus rapide que DualSPHysics (CUDA) pour le même cas test (déversoir avec obstacle).
  • Pour un cas avec 56 millions de particules, SPHinXsys simule 2 secondes de physique en 18 heures, contre 32 heures pour DualSPHysics.
  • Le taux d'interactions de particules par seconde (GPIPS) de SPHinXsys est deux fois supérieur à celui de DualSPHysics, confirmant l'efficacité de l'architecture SYCL et de l'utilisation de la recherche directe.
• Précision : Les résultats sont lissés et raisonnablement précis, en bon accord avec la littérature pour les cas tests de référence.

5. Signification

Ce travail représente une avancée significative pour la communauté SPH et le calcul haute performance (HPC) :

• Démocratisation du calcul hétérogène : En éliminant la nécessité de réécrire le code pour chaque architecture (CPU/GPU) et en masquant la complexité du parallélisme, SPHinXsys devient un outil plus robuste et accessible pour les ingénieurs.
• Futur du FSI et de la turbulence : La méthode ouvre la voie à des simulations réalistes d'interaction fluide-structure turbulente, un domaine souvent difficile à modéliser avec des méthodes lagrangiennes.
• Modèle de développement open-source : L'approche démontre qu'il est possible d'intégrer des technologies d'accélération modernes (SYCL, DPC++) dans des bibliothèques scientifiques complexes tout en préservant la maintenabilité, la modularité et les capacités de test (CI/CD) essentielles au développement open-source.