Benchmarking of Massively Parallel Phase-Field Codes for Directional Solidification

Dit artikel presenteert een uitgebreide benchmark die een door GPU-versnelling ondersteunde finite-difference faseveldcode (GPU-PF) vergelijkt met een door CPU-parallelisatie ondersteunde finite-element adaptief-netcode (PRISMS-PF) voor het simuleren van directionele solidificatie van Al-Cu- en SCN-kamferlegeringen onder experimenteel relevante omstandigheden, waarbij hun nauwkeurigheid in het voorspellen van dendrietenmorfologie en tipdynamiek wordt gevalideerd en hun rekenprestaties worden geëvalueerd ter ondersteuning van geïntegreerde computationele materiaaltechnologie-workflows.

De kern

Stel je voor dat je probeert te voorspellen hoe een bevroren meer ijskristallen vormt, of hoe metaal afkoelt om een sterke balk te worden. Wetenschappers gebruiken een speciaal soort computersimulatie, een "Phase-Field"-model, om dit te doen. Denk aan deze modellen als digitale weersvoorspellingen voor stollende materialen. In plaats van regen te voorspellen, voorspellen ze hoe kleine boomachtige structuren (dendrieten genoemd) groeien binnen een vloeistof terwijl deze verandert in een vaste stof.

Echter, net zoals er verschillende weermodellen zijn (sommige draaien op supercomputers, sommige op laptops; sommige gebruiken verschillende wiskunde), zijn er verschillende computercodes om deze simulaties uit te voeren. De grote vraag is: Vertellen ze allemaal hetzelfde verhaal?

Dit artikel is een "proeverij" of een wedren tussen twee zeer verschillende computercodes die zijn ontworpen om te simuleren hoe materialen stollen. Het doel was om te zien of ze dezelfde resultaten opleveren wanneer ze worden gevoed met exact hetzelfde recept en dezelfde ingrediënten.

De Twee Renners

De auteurs vergeleken twee verschillende "raceauto's" (computercodes):

1. De GPU-PF (De Snelheidsliefhebber): Deze code is gebouwd voor GPUs (de krachtige grafische kaarten die in gamingcomputers worden gevonden). Het maakt gebruik van een "finite difference"-methode, wat vergelijkbaar is met het bekijken van een raster van vierkante tegels. Het is ongelooflijk snel en efficiënt, vooral wanneer je er veel hebt die samenwerken. Het is ontworpen om getallen met bliksemsnelheid te verwerken.
2. De PRISMS-PF (De Precisie-Navigator): Deze code is gebouwd voor CPUs (de standaardprocessors in de meeste computers) en maakt gebruik van een "finite element"-methode met adaptieve meshing. Stel je dit voor als een kaart die in- en uitzoomt. Het gebruikt een grof raster voor lege ruimte, maar voegt automatisch kleine, hooggedetailleerde tegels toe alleen waar de actie plaatsvindt (zoals precies aan de rand van de groeiende kristal). Het is flexibeler, maar vereist meer rekenkracht om te beheren.

Het Racecircuit: Realistische Omstandigheden

Meestal worden deze codes getest op eenvoudige, geïdealiseerde circuits (zoals een perfecte cirkel in een vacuüm). Maar de auteurs wilden zien hoe ze presteerden op een echt, hobbelig racecircuit.

Ze gebruikten gegevens van NASA-experimenten op het Internationale Ruimtestation. In de ruimte is er geen zwaartekracht, dus het vloeibare metaal draait niet rond (convectie); het zit gewoon stil en bevriest puur door diffusie. Dit creëert een "schone" omgeving om de codes te testen. Ze simuleerden twee scenario's:

• De Sprint: Een aluminium-koper legering die zeer snel stolt (zoals een snelheidsrace).
• De Marathon: Een transparante organische legering die langzaam stolt in microzwaartekracht (zoals een hardloopwedstrijd over lange afstand).

De Resultaten: Stemmen Ze Overeen?

De auteurs draaiden beide codes naast elkaar en controleerden drie dingen:

1. De Vorm van het Ijs: Tekenden beide codes dezelfde kristalvormen?

   • Uitspraak: Ja. Wanneer de startvoorwaarden correct waren ingesteld, tekenden beide codes bijna identieke kristalpatronen. De "bomen" groeiden in dezelfde richtingen, splitsten op hetzelfde moment en hadden dezelfde onderlinge afstand. Het was alsof twee verschillende artiesten dezelfde boom tekenden vanuit dezelfde foto; het resultaat was niet van elkaar te onderscheiden.

2. De "Chaos"-Valstrik: De auteurs ontdekten een lastige valkuil. Als je de simulatie start met een zeer specifieke, instabiele trilling, wordt het systeem chaotisch (zoals het "Vlindereffect"). In deze toestand zorgen kleine verschillen in de wiskunde ervoor dat de twee codes wild uiteenlopen en volledig verschillende bomen laten groeien.

   • Les: Om een eerlijke vergelijking te krijgen, moet je de race starten met een stabiele opstelling. Zodra ze de startvoorwaarden hebben gecorrigeerd, kwamen de codes weer perfect overeen.

3. De Snelheid: Wie finishte de race sneller?

   • Uitspraak: De GPU-PF (Snelheidsliefhebber) was over het algemeen sneller, vooral bij het gebruik van meerdere GPUs die samenwerken. Het verwerkte de "snelheid" van de simulatie zeer goed.
   • De PRISMS-PF (Precisie-Navigator) was iets langzamer, maar liet zien dat het het werk goed kon afhandelen op standaard computerclusters. Het bewees dat je geen superduurzame grafische kaart nodig hebt om nauwkeurige resultaten te krijgen, hoewel het meer tijd kost.

De Grote Conclusie

Dit artikel is een kwaliteitscontrole. Het bewijst dat:

• Je deze verschillende computercodes kunt vertrouwen om je hetzelfde antwoord te geven als je ze correct instelt.
• De "Snelheidsliefhebber" (GPU) geweldig is voor enorme, snelle simulaties.
• De "Precisie-Navigator" (CPU/Adaptief) geweldig is voor flexibiliteit en gedetailleerde resolutie.
• Beide zijn nu klaar om te worden gebruikt als betrouwbare hulpmiddelen voor ICME (Geïntegreerde Computergestuurde Materiaaltechniek). Dit is een raamwerk waarbij ingenieurs computermodellen gebruiken om betere materialen te ontwerpen (zoals sterkere vliegtuigonderdelen of betere batterijen) zonder eerst fysieke prototypes te hoeven bouwen en te breken.

Kortom, de auteurs bouwden een gestandaardiseerd testcircuit en toonde aan dat twee zeer verschillende soorten simulatiemotoren dit met dezelfde precisie kunnen rijden, waardoor wetenschappers vertrouwen krijgen om ze te gebruiken voor realistisch materiaalontwerp.

Technische samenvatting

1. Probleemstelling

Geïntegreerd Berekenend Materiaal Engineering (ICME) vereist de integratie van op fysica gebaseerde modellen over meerdere schalen om materiaaleigenschappen te voorspellen. Het simuleren van legeringstolling op experimenteel relevante lengte- (millimeters) en tijdschalen (seconden) blijft echter een aanzienlijke computereis.

• De Uitdaging: Hoewel er talloze Phase-Field (PF) codes bestaan (bijv. PRISMS-PF, MOOSE, GPU-PF), hanteren deze vaak verschillende numerieke formuleringen (Finite Element versus Finite Difference), discretisatieschema's (adaptief versus uniform) en paralleliseringsstrategieën (CPU versus GPU).
• Het Gat: Bestaande benchmarks richten zich doorgaans op geïdealiseerde, kleinschalige of vereenvoudigde gevallen die de rekenkundige en modelleringstijdsuitdagingen van real-world experimenten niet weerspiegelen. Er ontbreekt een rigoureuze, "appels-tot-appels" vergelijking tussen flexibele modulaire frameworks en prestatie-geoptimaliseerde codes onder experimenteel gevalideerde omstandigheden.
• Specifiek Doel: Het kwantitatief benchmarken van twee verschillende state-of-the-art PF-implementaties—GPU-PF (finite-difference, uniform rooster, GPU-versneld) en PRISMS-PF (finite-element, adaptief rooster, CPU-geparalleliseerd)—onder identieke fysische modellen en experimenteel relevante omstandigheden.

2. Methodologie

A. Gecentraliseerd Fysisch Model

Om een eerlijke vergelijking te waarborgen, werden beide codes gedwongen om dezelfde kwantitatieve phase-field formulering op te lossen voor verdunning van verdunde legeringen:

• Model: Het éénzijdige model voor verdunde legeringen van Echebarria et al., met inbegrip van een anti-trapping stroom om spurius solute trapping te elimineren.
• Benadering: De "thin-interface" benadering werd gebruikt om de sharp-interface limiet te herstellen via matched asymptotic analysis.
• Fysica: Het systeem lost gekoppelde partiële differentiaalvergelijkingen op voor het phase veld ($\phi$) en dimensieloze verzadiging ($U$), beheerst door een Lyapunov-functionaal.
• Randvoorwaarden: De Frozen Temperature Approximation (FTA) werd toegepast, waarbij een vaste 1D temperatuurgradiënt wordt aangenomen.

B. Benchmark Systemen

Twee verschillende materiële systemen werden gesimuleerd om verschillende regimes te testen:

1. Al-3wt%Cu (2D): Stolling met hoge snelheid. Gebruikt als basislijn voor snelle convergentietests op consumentenhardware.
2. SCN-0.46wt% Camphor (2D & 3D): Directionele stolling in microzwaartekracht gebaseerd op NASA DECLIC-DSI-R experimenten. Dit systeem elimineert convectie gedreven door opwaartse kracht, en biedt een "schone" benchmark voor het valideren van tip-dynamica, primaire afstand en morfologie tegen ruimtevluchtdata.

C. Numerieke Implementaties

• GPU-PF:
  • Methode: Finite Difference Method (FDM) op gestructureerde, uniforme roosters.
  • Hardware: CUDA-versneld op NVIDIA V100 GPU's.
  • Functies: Gebruikt een gepreconditioneerd phase veld ($\psi$) om stabiliteit te verbeteren bij ruwe resoluties en grote tijdstappen. Hanteert isotrope discretisatie in 2D om roosteranisotropie te mitigeren.
• PRISMS-PF:
  • Methode: Finite Element Method (FEM) met Adaptive Mesh Refinement (AMR).
  • Hardware: MPI-geparalleliseerd op AMD EPYC CPU's.
  • Functies: Gebruikt een matrix-vrije aanpak met sum-factorization en Gauss-Lobatto kwadratuur. Ondersteunt willekeurige geometrieën en hogere orde nauwkeurigheid.

D. Experimenteel Ontwerp

De auteurs ontwierpen specifiek beginvoorwaarden om numerieke robuustheid uit te dagen:

• Chaotische versus Niet-Chaotische Regimes: Zij toonden aan dat bepaalde beginperturbaties (golf met lange golflengte) leiden tot chaotische dynamica waarbij kleine numerieke verschillen exponentieel worden versterkt, waardoor directe vergelijking onmogelijk wordt.
• Stabiel Regime: Zij identificeerden specifieke beginvoorwaarden (perturbaties met kortere golflengte) die stabiele, periodieke dendrietrijen opleveren, waardoor een zinvolle kwantitatieve vergelijking van tipstraal en afstand mogelijk is.

3. Belangrijkste Bijdragen

1. Eerste "Appels-tot-Appels" Benchmark: De studie biedt de eerste rigoureuze vergelijking van een high-performance, hard-coded GPU-oplosser (GPU-PF) tegenover een flexibel, open-source, adaptief FEM-framework (PRISMS-PF) met behulp van een identiek fysisch model.
2. Validatie tegen Ruimtevluchtdata: De benchmarks worden direct gevalideerd tegen NASA's DECLIC-DSI-R microzwaartekrachtdata, waardoor wordt afgeweken van geïdealiseerde theoretische benchmarks naar experimenteel relevante scenario's.
3. Inzicht in Numeriek Chaos: Het artikel benadrukt een kritieke bevinding: beginvoorwaarden bepalen vergelijkbaarheid. Het toont aan dat simulaties van directionele stolling chaotische gevoeligheid kunnen vertonen voor beginperturbaties. Als de beginvoorwaarde instabiele modi exciteert, divergeren de oplossingen exponentieel, waardoor codevergelijkingen slecht gesteld worden.
4. Prestatieschaalanalyse: Een gedetailleerde analyse van strong scaling en rekenkundige efficiëntie over verschillende hardware-architecturen (GPU versus CPU) en domeingroottes.

4. Resultaten

A. Morfologische en Kwantitatieve Overeenstemming

• 2D Al-Cu: Beide codes toonden uitstekende overeenstemming in interface-evolutie, inclusief tip-splitsing en zijvertakking, waardoor de GPU-implementatie werd gevalideerd tegen het geconvergeerde FEM-resultaat.
• 2D & 3D SCN-Camphor:
  • Bij gebruik van chaotische beginvoorwaarden (lange golflengte) divergeerden de codes aanzienlijk door gevoeligheid voor numeriek ruis.
  • Bij gebruik van stabiele beginvoorwaarden (kortere golflengte, $n=6$) bereikten de codes bijna perfecte overeenstemming.
  • Tipstraal: Het dendriet tipstraal ($\rho$) verschilden slechts met 4,3% ($\rho_{GPU} = 13,30 W_0$ versus $\rho_{PRISMS} = 13,87 W_0$).
  • Root Mean Square Difference (RMSD): Het verschil tussen longitudinale tipprofielen bedroeg $0,63 W_0$, wat minder is dan één roosterafstand, wat convergentie op tip-schaal bevestigt.
  • Primaire Afstand: Beide codes voorspelden een stabiele primaire afstand van $\Lambda \approx 200 \mu m$, wat valt binnen de theoretisch voorspelde stabiliteitsband voor het SCN-Camphor-systeem.

B. Rekenkundige Prestaties

• GPU-PF:
  • Toonde superieure doorvoer voor grote domeinen.
  • Bereikte sublineaire schaling op multi-GPU-opstellingen, maar behield hoge efficiëntie vanwege het vermogen om grotere tijdstappen te gebruiken (mogelijk gemaakt door preconditie).
  • Voor een volledig 3D-domein voltooide 4 GPU's de simulatie in 3,08 uur.
• PRISMS-PF:
  • Toonde bijna ideale schaling tot 256 kernen, maar daalde de schalingsefficiëntie bij hogere kernaantallen (2048 kernen) door communicatie-overhead en complexiteit van roosteraanpassing.
  • Vereiste aanzienlijk meer tijd voor hetzelfde 3D-domein: 6,42 uur op 2048 kernen.
  • Uitmuntend in het oplossen van scherpe kenmerken en het behandelen van interface-foutoriëntatie ten opzichte van het rooster zonder de noodzaak van isotrope stencils.

5. Betekenis en Conclusie

Dit werk vestigt een praktisch kader voor het beoordelen van phase-field code-prestaties in ICME-werkstromen.

• Voor ICME: Het valideert dat zowel flexibele open-source tools (PRISMS-PF) als geoptimaliseerde interne codes (GPU-PF) experimentele realiteit met hoge fideliteit kunnen reproduceren, mits het fysische model consistent is en beginvoorwaarden worden gekozen om chaotische divergentie te vermijden.
• Voor Code-ontwikkeling: Het onderstreept de trade-offs in code-architectuur:
  • GPU-PF is ideaal voor high-throughput, grootschalige screening waar uniforme roosters acceptabel zijn.
  • PRISMS-PF is superieur voor problemen die adaptieve resolutie, complexe geometrieën of hogere orde nauwkeurigheid nabij interfaces vereisen.
• Toekomstperspectief: De auteurs roepen op tot gestandaardiseerde benchmarks om de integratie van PF-modellen met machine learning en experimentele pijplijnen te faciliteren. De data en code die in deze studie worden gebruikt, zijn publiek beschikbaar om reproduceerbaarheid en verdere ontwikkeling in de gemeenschap te ondersteunen.

Kortom, het artikel slaagt erin de kloof tussen theoretische phase-field modellering en experimentele validatie te overbruggen, en bewijst dat moderne massaal parallelle codes de microstructurele evolutie in voor de ruimte relevante stollingsomstandigheden nauwkeurig kunnen voorspellen.