Accelerating phase-field simulations on exascale computing systems for faster-than-real-time precipitate aging predictions

Materiaalwetenschappers worden vaak geconfronteerd met een frustrerende paradox: de processen die metalen hun sterkte geven, verlopen te snel om te kunnen observeren, terwijl de computers die nodig zijn om ze te modelleren te traag zijn om er het tempo van bij te houden. Om te begrijpen hoe een metaallegering zichzelf versterkt, bestuderen onderzoekers minuscule kristallen, genaamd precipitaten, die ontstaan in het materiaal wanneer het wordt verhit. Deze deeltjes groeien en versmelten in de loop van de tijd, een proces dat bepaalt of het metaal standhoudt onder spanning of barst onder druk. Decennialang was het simuleren van dit gedrag in drie dimensies een computationele nachtmerrie. De wiskunde die nodig is om duizenden van deze deeltjes over een realistisch volume te volgen, is zo zwaar dat een simulatie die bedoeld is om enkele uren aan reële verhitting te representeren, weken of zelfs maanden kan duren op een standaardcomputer. Deze vertraging betekende dat wetenschappers alleen onrealistisch kleine monsters konden bestuderen of te lang moesten wachten op de resultaten, wat een kloof creëerde tussen de theorie en de werkelijke experimenten in het laboratorium.

Een team van onderzoekers heeft die kloof nu overbrugd door drie krachtige computertstrategieën te combineren om deze simulaties sneller dan de werkelijke tijd te laten draaien. Ze richtten zich op een specifieke nikkelgebaseerde legering, een materiaal dat cruciaal is voor toepassingen met hoge sterkte zoals straalmotoren, en modelleerden de groei van bijna tweeduizend kleine precipitaten binnen een microscopische kubus van het metaal. Door gebruik te maken van de brute kracht van moderne supercomputers uitgerust met duizenden gespecialiseerde grafische processoren, slaagden ze erin een simulatie van een zeven uur durende warmtebehandeling in slechts vijf en een half uur te voltooien. Deze prestatie is niet louter een versnelling; het verandert fundamenteel de manier waarop deze studies worden uitgevoerd. Voor het eerst kunnen onderzoekers een computermodel draaien dat klaar is voordat het fysieke experiment zelfs is voltooid, waardoor ze live gegevens kunnen interpreteren en experimenten gaande van het lijf kunnen aanpassen.

Het succes van dit project steunde op een holistische aanpak die het probleem vanuit drie verschillende invalshoeken aanpakte. Ten eerste verplaatste het team de volledige berekening naar grafische processoren, of GPU's. Deze chips, oorspronkelijk ontworpen voor het renderen van videogames, zijn uitzonderlijk goed in het afhandelen van het enorme aantal kleine, gelijktijdige berekeningen die vereist zijn voor dit type fysica. De onderzoekers ontdekten dat het gebruik van deze chips de computer tot wel zeventien keer sneller maakte dan het gebruik van traditionele centrale verwerkingseenheden alleen. Ten tweede verdeelden ze de taken over duizenden van deze chips tegelijkertijd. In plaats van één computer die al het rekenwerk probeert te doen, verdeelden ze de virtuele metaalkubus in miljoenen kleine stukjes en wijsden elk stukje toe aan een andere processor, waarbij ze deze coördineerden zodat ze samen konden werken zonder te wachten op data. Deze schaalbaarheid stelde hen in staat om een simulatiegrid met 1,5 miljard punten te verwerken, een omvang die op oudere systemen onmogelijk zou zijn geweest.

De derde en misschien meest subtiele innovatie betrof de manier waarop de computer door de tijd stapte. De meeste eerdere simulaties namen zeer kleine, voorzichtige stappen om nauwkeurigheid te garanderen, wat betekende dat ze miljoenen stappen moesten zetten om enkele uren te bestrijken. De onderzoekers ontwikkelden een methode om veel grotere, intelligentere stappen te nemen zonder precisie te verliezen. Door een meer geavanceerde wiskundige techniek te gebruiken om de toekomstige staat van de deeltjes te voorspellen, verminderden ze het aantal benodigde stappen met een factor van bijna drie vergeleken met standaardmethoden. Wanneer deze drie verbeteringen werden gecombineerd — het gebruik van krachtige grafische chips, het spreiden van het werk over duizenden daarvan, en het nemen van grotere stappen door de tijd — resulteerde dit in een totale versnelling van tussen de tweehonderd en vijfhonderd keer vergeleken met de oude methode.

Het resultaat is een simulatie van een Ni–Nb–Fe-legering waarbij 1.920 precipitaten groeien en versmelten over een periode van zeven uur. In het model beginnen deze deeltjes als minuscule kernen en breiden ze uit, waarbij sommige groter worden terwijl anderen oplossen, een proces dat bekend staat als vergroving (coarsening). Het team zag dit proces ontvouwen op een grid van 1,5 miljard punten, waarbij de complexe dans van interacties tussen duizenden deeltjes werd vastgelegd. Omdat de berekening in 5,5 uur voltooid was, is het nu mogelijk om deze modellen parallel te draaien aan werkelijke experimenten bij grote onderzoekscentra. Als een wetenschapper een metaalmonster verwarmt bij een synchrotron of een neutronenbron, kan hij nu een computermodel parallel laten draaien dat in realtime voorspelt wat het metaal doet en het experiment tijdens het proces helpt te sturen.

Dit werk demonstreert dat de flessenhals van tijd, die de studie van microstructuren van materialen lange tijd heeft beperkt, overwonnen kan worden. De onderzoekers lieten zien dat hun methoden niet slechts een eenmalige truc voor deze specifieke legering zijn, maar een algemene strategie die kan worden toegepast op andere complexe simulaties, zoals vloeistofdynamica of het gedrag van kristallen onder spanning. Door te bewijzen dat deze massieve, driedimensionale simulaties in een middag kunnen worden voltooid, heeft het team de deur geopend naar het bestuderen van verschijnselen die voorheen te groot of te traag waren om te observeren. Ze kunnen nu honderden simulaties draaien om verschillende condities te testen, onzekerheid te kwantificeren en te onderzoeken hoe duizenden deeltjes interageren op manieren die eenvoudige theorieën niet kunnen voorspellen. Het vermogen om de toekomst van de microstructuur van een materiaal te zien voordat het experiment zelfs is voltooid, markeert een significante verschuiving in hoe de materiaalkunde wordt beoefend: van een trage, retrospectieve analyse naar een snelle, voorspellende tool.