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

Ce papier présente MARUT, un cadre CFD d'ordre élevé évolutif et accéléré par GPU, doté de capacités de raffinement adaptatif de maillage et de chimie à taux fini, conçu pour fournir des simulations haute fidélité des écoulements compressibles et réactifs, depuis les régimes subsoniques jusqu'aux régimes hypersoniques, sur des architectures de calcul exascale.

L'essentiel

Imaginez que vous essayez de simuler un ouragan, un avion supersonique franchissant le mur du son, ou une fusée rentrant dans l'atmosphère. Ce sont des événements incroyablement complexes où l'air se déplace à différentes vitesses, se réchauffe, se refroidit et change même sa composition chimique (comme l'oxygène se transformant en oxydes d'azote). Pour prédire ces événements avec précision, les scientifiques utilisent la « Dynamique des Fluides Numérique » (CFD), qui est essentiellement une immense boîte à sable numérique où ils résolvent des équations mathématiques pour voir comment les fluides se comportent.

Le problème est que ces simulations sont comme essayer de compter chaque grain de sable d'une plage pendant que la marée monte. Cela nécessite une telle puissance de calcul que les ordinateurs traditionnels (CPU) sont souvent submergés, surtout lorsque vous avez besoin d'un haut niveau de détail (haute fidélité) et de vitesse.

Voici MARUT.

L'article présente MARUT, un nouveau moteur de simulation ultra-rapide conçu spécifiquement pour les puces informatiques modernes et puissantes appelées GPU (les mêmes puces qui alimentent les jeux vidéo haut de gamme et l'IA). Considérez MARUT non pas comme un travailleur unique, mais comme une armée de milliers de petits travailleurs rapides accomplissant chacun leur tâche simultanément.

Voici comment MARUT fonctionne, décomposé en concepts simples :

1. L'appareil photo « Zoom intelligent » (Raffinement Adaptatif de Maillage)

Imaginez que vous prenez une photo d'une voiture de course. Si vous zoomez trop loin, vous ne pouvez pas voir les détails du moteur. Si vous zoomez trop près, vous ne voyez pas toute la voiture.

• L'ancienne méthode : Vous prenez une photo avec le même niveau de détail partout. Pour voir le moteur, vous devez rendre toute la photo incroyablement haute résolution, ce qui prend une éternité à traiter.
• La méthode MARUT : Elle utilise le Raffinement Adaptatif de Maillage (AMR). Elle agit comme un appareil photo intelligent qui zoome automatiquement uniquement là où les choses se produisent rapidement ou changent violemment (comme une onde de choc ou un incendie). Dans les zones calmes, elle zoome arrière pour gagner du temps. Ce « zoom intelligent » se produit entièrement dans la mémoire du GPU, de sorte qu'il ne perd pas de temps à envoyer des données d'avant en arrière vers l'ordinateur principal.

2. La « lentille haute résolution » (Méthodes d'Ordre Élevé)

La plupart des simulations utilisent une grille qui ressemble un peu à une image pixelisée de basse résolution. Pour obtenir une courbe lisse, vous avez besoin de millions de pixels.

• La méthode MARUT : Elle utilise des méthodes Galerkin Discontinues Spectrales d'Ordre Élevé (DG). Imaginez cela comme utiliser une lentille de haute qualité et lisse au lieu de pixels. Elle peut représenter des courbes et des ondes avec beaucoup moins de « blocs » de données tout en restant incroyablement précise. Cela signifie qu'elle peut capturer les bords nets d'une onde de choc sans les flouter.

3. L'« usine ultra-rapide » (Accélération GPU)

Un ordinateur traditionnel (CPU) est comme un professeur brillant qui peut résoudre des problèmes très difficiles un par un, mais lentement. Un GPU est comme un plancher d'usine avec des milliers d'ouvriers sur des chaînes de montage.

• L'affirmation de l'article : MARUT est construit dès le départ pour fonctionner sur ces « ouvriers de chaîne de montage ». Il garde toutes les données sur le GPU afin que les ouvriers n'aient jamais à s'arrêter pour demander des instructions au « professeur » (le CPU). Cela lui permet d'exécuter des simulations jusqu'à 20 fois plus vite que les méthodes traditionnelles sur la même taille de problème.

4. Gérer la « cuisine chimique » (Chimie à Cinétique Finie)

Lorsque l'air devient super chaud (comme dans un avion hypersonique), les molécules commencent à se briser et à réagir. C'est comme une cuisine chimique où les ingrédients échangent constamment des partenaires.

• L'affirmation de l'article : MARUT ne simule pas seulement le vent ; il simule la chimie. Il suit comment différents gaz réagissent, comment la chaleur est stockée dans des molécules vibrantes et comment l'énergie est échangée. Il utilise une technique astucieuse de « découpage » pour gérer ces réactions chimiques rapides sans ralentir toute la simulation.

5. Le « travail d'équipe » (Passage à l'échelle Multi-GPU)

Parfois, un problème est trop grand pour même un seul GPU ultra-rapide. Vous devez connecter plusieurs GPU ensemble.

• L'affirmation de l'article : MARUT est conçu pour permettre à ces GPU de communiquer efficacement entre eux. Il utilise une stratégie où les GPU effectuent leur travail mathématique tout en passant simultanément des notes (des données) à leurs voisins. Cela garantit que même lors de l'utilisation de quatre GPU ou plus, le système ne reste pas bloqué en attendant des données. L'article montre qu'il maintient une haute efficacité, ce qui signifie que l'ajout de plus de GPU rend le travail plus rapide, et non plus lent.

Sur quoi l'ont-ils testé ?

Les auteurs ne l'ont pas seulement construit ; ils l'ont testé contre des scénarios réels pour prouver qu'il fonctionne :

• Cylindre supersonique : Simulation de l'air s'écoulant autour d'un cylindre à 3 fois la vitesse du son. MARUT a correctement capturé les ondes de choc et le sillage tourbillonnant derrière lui.
• Vortex de Taylor-Green : Un test classique pour la turbulence. MARUT a montré qu'il pouvait gérer le tourbillonnement chaotique de l'air sans perdre d'énergie ni de précision, même lorsque le maillage (la grille) changeait de taille dynamiquement.
• Vol d'aile : Simulation de l'air s'écoulant sur une vraie aile d'avion (l'ONERA M6) à des vitesses transsoniques. Il correspondait parfaitement aux données réelles de la soufflerie, capturant les ondes de choc complexes qui se forment sur l'aile.
• Onde de choc explosive : Simulation d'une explosion chimique où l'air se réchauffe et réagit. MARUT a correctement prédit comment l'onde de choc se déplaçait et comment la composition chimique de l'air changeait.

Le « secret » (Langage Julia)

Enfin, l'article mentionne que MARUT est écrit dans un langage de programmation appelé Julia. Considérez Julia comme un langage aussi facile à lire que l'anglais mais aussi rapide que le C++. Grâce à cela, les auteurs disent que MARUT est prêt à être connecté à l'Intelligence Artificielle (IA) et aux outils d'apprentissage automatique à l'avenir, permettant potentiellement des simulations « autonomes » capables d'apprendre et de s'adapter par elles-mêmes.

En Résumé :
MARUT est un outil de simulation de nouvelle génération qui combine un appareil photo à « zoom intelligent », une lentille de haute qualité et une immense armée de travailleurs GPU pour simuler des écoulements d'air complexes à haute vitesse et des réactions chimiques. Il est plus rapide, plus précis et plus efficace que les méthodes précédentes, ce qui en fait un outil puissant pour concevoir de futurs véhicules aérospatiaux.

Résumé technique

Résumé technique : MARUT – Un cadre CFD d'ordre élevé prêt pour l'exascale et accéléré par GPU

Énoncé du problème
La simulation haute fidélité des écoulements compressibles, en particulier ceux impliquant de fortes discontinuités (chocs), des couches visqueuses minces et des phénomènes hors équilibre chimiquement réactifs, demeure un défi central en dynamique des fluides computationnelle (CFD). Les architectures traditionnelles basées sur CPU peinent à résoudre ces physiques multi-échelles dans des délais de traitement pratiques en raison des coûts computationnels prohibitifs associés aux maillages haute résolution et aux discrétisations d'ordre élevé. De plus, les applications aérospatiales émergentes – allant de la conception de véhicules hypersoniques à la rentrée atmosphérique – nécessitent des méthodes capables de gérer la chimie à taux fini, le non-équilibre thermo-chimique et le raffinement adaptatif de maillage (AMR) sur des architectures de supercalcul hétérogènes. La combinaison de la précision d'ordre élevé, de l'adaptativité dynamique et de géométries tridimensionnelles réalistes crée des charges de travail qui dépassent les capacités d'une exécution sur un seul nœud ou un seul GPU, nécessitant des solveurs multi-GPU évolutifs qui minimisent les surcoûts de communication tout en maintenant la fidélité de la solution.

Méthodologie
L'article présente MARUT, un cadre de dynamique des fluides computationnelle évolutif et multi-GPU implémenté nativement dans le langage de programmation Julia. Le solveur est conçu pour exploiter les architectures hétérogènes modernes grâce à un flux de travail entièrement résident sur GPU, éliminant les goulots d'étranglement de transfert de données hôte-périphérique lors des boucles d'intégration temporelle.

• Discrétisation numérique : MARUT emploie une méthode spectrale Discontinuous Galerkin (DG) d'ordre élevé pour la discrétisation spatiale. Elle utilise une formulation nodale sur les nœuds de Gauss–Lobatto–Legendre (GLL) avec des bases à produit tensoriel. Pour assurer la stabilité et la conservation de l'entropie, les flux inviscides sont évalués en utilisant une forme fractionnée stable en entropie (flux de Ranocha) ou un mélange convexe avec un schéma de volume fini (FV) d'ordre un sur sous-cellules pour la capture de chocs (indicateur de Hennemann–Gassner). L'intégration temporelle est effectuée à l'aide de schémas Runge–Kutta préservant la forte stabilité (SSP-RK) (spécifiquement SSPRK54).
• Termes visqueux et sources : Les termes visqueux sont traités via la formulation mixte Bassi–Rebay 1 (BR1), qui introduit une variable de gradient auxiliaire calculée via un opérateur DG à différences centrales. Pour les écoulements chimiquement réactifs, le cadre intègre la chimie à taux fini (lois d'Arrhenius) et le non-équilibre thermo-chimique (relaxation Landau–Teller à deux températures). Ces termes sources raides sont intégrés implicitement en utilisant une stratégie de fractionnement de Strang avec itération de Newton, tandis que les étapes de transport restent explicites.
• Raffinement adaptatif de maillage (AMR) : Une caractéristique déterminante de MARUT est sa stratégie AMR conservatrice résidente sur GPU. Construite sur la bibliothèque P4est, le cadre gère une structure de données de forêt d'octrees entièrement sur le périphérique. Le cycle AMR comprend un marquage basé sur un indicateur, une application de l'équilibre 2:1, une projection conservatrice $L^2$ pour le transfert de solution, et une reconstruction dynamique de la connectivité et des interfaces de mortier. Cette approche évite la latence de synchronisation CPU-GPU lors de l'adaptation du maillage.
• Parallélisation : Le solveur utilise MPI pour le parallélisme à mémoire distribuée sur plusieurs GPU. Il emploie une stratégie de communication uniquement par faces pour minimiser le volume d'échange de données et chevauche la communication avec le calcul pour masquer la latence.

Contributions clés

1. Plateforme GPU d'ordre élevé unifiée : Développement d'un solveur spectral DG entièrement accéléré par GPU avec intégration temporelle SSP-RK, capable de simulations haute fidélité à faible dissipation d'écoulements dominés par les chocs et réactifs.
2. AMR conservatrice résidente sur GPU : Introduction d'une stratégie AMR dynamique opérant entièrement sur le GPU, résolvant les structures multi-échelles (chocs, couches de cisaillement, fronts de réaction) tout en surmontant le principal goulot d'étranglement computationnel du mouvement de données entre CPU et GPU.
3. Validation sur un large régime : Démonstration de la robustesse dans les régimes subsonique, transsonique, supersonique et hypersonique, y compris les écoulements avec chimie à taux fini et termes sources réactifs raides.
4. Prêt pour l'exascale : Établissement d'une évolutivité multi-GPU efficace avec des performances de mise à l'échelle forte et faible sur les GPU NVIDIA, atteignant une efficacité parallèle élevée pour les simulations à grande échelle.

Résultats
Le cadre a été validé contre une série de problèmes de référence canoniques :

• Cylindre supersonique 2D : Simulation d'un écoulement inviscide transitoire ($M=3$) avec AMR, capturant les chocs détachés et le décollement tourbillonnaire instable de la sillage. Le solveur a atteint une mise à l'échelle forte quasi-linéaire et démontré la capacité de l'AMR résidente sur GPU à suivre les caractéristiques d'écoulement évolutives.
• Tourbillon de Taylor–Green 3D (TGV) : Validation des propriétés de dissipation et de dispersion du solveur à $Re=1600$ pour les régimes subsonique ($M=0.1$) et supersonique ($M=1.25$). La configuration AMR (Cas 3) a reproduit la décroissance de l'énergie cinétique et les taux de dissipation des maillages uniformes entièrement résolus (Cas 2) avec nettement moins d'éléments, confirmant la précision de la projection conservatrice et des opérateurs stables en entropie.
• Aile ONERA M6 transsonique : Simulation d'un écoulement visqueux à $M=0.84$ sur un maillage hexaédrique curviligne. Les résultats ont montré un accord étroit avec les coefficients de pression de surface expérimentaux et ont capturé des caractéristiques complexes comme les structures de chocs en $\lambda$ et le roulement des tourbillons de pointe.
• Réaction d'explosion hors équilibre : Modélisation d'une onde de choc chimiquement réactive 2D avec un modèle d'air à 5 espèces et une relaxation à deux températures. Le solveur a capturé avec succès la dynamique des chocs, la production d'espèces (N, O, NO) et la relaxation vibrationnelle sans violer les contraintes de positivité.
• Performance : Dans les benchmarks sur un seul GPU, MARUT a démontré des accélérations allant de 8x à 25x par rapport aux bases de référence CPU multithreadées (32–64 threads) pour les problèmes d'Euler 2D et de Navier–Stokes 3D, l'efficacité augmentant à mesure que la taille du problème grandissait. Les études de mise à l'échelle multi-GPU sur jusqu'à quatre GPU L40S ont montré des efficacités de mise à l'échelle forte de 78,8 % à 91,5 % et des efficacités de mise à l'échelle faible de 86,3 % à 88,3 % pour les grandes tailles de problème, les surcoûts de communication restant inférieurs à 10 % dans les configurations optimales.

Importance
L'article positionne MARUT comme une plateforme flexible pour les simulations prêtes pour l'exascale de nouvelle génération. En combinant la précision d'ordre élevé, la résolution adaptative et l'accélération native par GPU, il répond au défi de la simulation de phénomènes d'écoulement compressible complexes dans les applications d'écoulement réactif à haute vitesse. L'implémentation du cadre en Julia est soulignée comme un avantage stratégique, permettant une intégration naturelle avec la programmation différentiable et les bibliothèques d'apprentissage automatique. Cela facilite les développements futurs dans le contrôle autonome des écoulements, la modélisation inverse et la découverte scientifique pilotée par les données, reflétant une transition plus large en science computationnelle vers des écosystèmes de simulation modulaires et compatibles avec l'IA. Ce travail établit que la CFD haute fidélité à l'échelle de production est réalisable sur des plateformes hétérogènes modernes lorsque les algorithmes sont conçus pour minimiser le mouvement de données et maximiser le débit parallèle.