multisphere: a Python implementation of the Multi Sphere Shape generator (MSS) for DEM simulations

1. Problema e Contexto

O Método dos Elementos Discretos (DEM) é uma técnica numérica fundamental para simular sistemas granulares e particulados em áreas como ciência dos materiais, geomecânica e engenharia de processos. Um desafio central no DEM é a representação precisa de partículas não esféricas. O comportamento macroscópico desses sistemas depende fortemente da forma individual das partículas, influenciando o empacotamento, interações de contato e dinâmica de fluxo.

Embora a abordagem de multiesfera (representar uma partícula complexa como um conjunto de esferas interseccionadas) seja amplamente utilizada por simplificar a detecção de contato (reduzindo-a a interações esfera-esfera), a geração eficiente dessas representações é um problema complexo de otimização geométrica. O objetivo é encontrar o conjunto de raios e posições de esferas que minimize a diferença (mismatch) entre a forma alvo e a aproximação de multiesfera, mantendo o número de esferas baixo para garantir eficiência computacional.

2. Metodologia

O artigo apresenta uma implementação em Python do algoritmo Multi-Sphere Shape generator (MSS). A metodologia baseia-se nos seguintes pilares:

• Algoritmo MSS: Diferente de outros geradores, o MSS foi projetado para exigir menos esferas para atingir um determinado nível de precisão e preserva as propriedades de simetria da forma original. É computacionalmente eficiente, sendo ideal para simulações que exigem reconstrução frequente (ex.: fraturamento de partículas).
• Fluxo de Trabalho de Três Estágios:
  1. Pré-processamento: Aceita formas alvo como malhas de superfície trianguladas (STL, OBJ, PLY) ou volumes voxelizados (arrays NumPy). Malhas são voxelizadas internamente se necessário.
  2. Processamento: O algoritmo gera a representação de multiesfera a partir dos dados voxelizados. O processo é controlado por critérios de terminação: precisão de reconstrução alvo (coeficiente de Dice-Sørensen), raio mínimo admissível da esfera e número máximo de esferas.
     • Uma funcionalidade opcional (confine_mesh) impede que a aproximação de multiesfera se estenda além da malha alvo, reduzindo os raios das esferas para evitar comportamentos físicos não realistas em simulações de fratura.
  3. Pós-processamento: Gera uma malha de superfície a partir da união das esferas para visualização e avaliação de precisão, além de ferramentas de exportação.
• Estrutura de Dados: O pacote utiliza duas estruturas principais: VoxelGrid (para dados de entrada e campos de distância) e SpherePack (armazena posições e raios das esferas em unidades físicas).
• Tecnologia: Implementado em Python (≥3.10), dependendo de bibliotecas como numpy, scipy, scikit-image, trimesh e pyvista.

3. Principais Contribuições

• Implementação Open-Source: Disponibilização do algoritmo MSS como um pacote Python acessível (multisphere), facilitando sua adoção pela comunidade científica.
• Versatilidade de Entrada: Capacidade de processar tanto malhas 3D (de escaneamentos CAD, tomografias ou 3D) quanto volumes voxelizados diretamente.
• Eficiência e Precisão: O algoritmo consegue gerar representações de alta fidelidade com um número menor de esferas em comparação a outros métodos, otimizando o custo computacional das simulações DEM.
• Ferramentas Integradas: Oferece um conjunto completo de ferramentas para avaliação (cálculo do coeficiente de Dice), visualização interativa e exportação de dados (CSV, VTK, STL).
• Preservação de Simetria: Garante que o modelo gerado mantenha as simetrias da forma original, uma característica crítica para a fidelidade física.

4. Resultados

O artigo valida o software através de exemplos ilustrativos:

• Cone de Stanford e Grãos de Areia: O software foi testado na reconstrução do "Stanford Bunny" e de diversos grãos do "Sand Atlas" (areia de Hamburgo, grãos de cuscuz, areia de Hostun, etc.), cobrindo uma ampla gama de morfologias (angulares, arredondadas, alongadas e planas).
• Desempenho:
  • Precisão: O coeficiente de Dice (medida de similaridade) aumenta conforme o número de esferas aumenta, atingindo altos níveis de similaridade com relativamente poucas esferas.
  • Tempo de Execução: O tempo de reconstrução é escalável em relação ao número de esferas e à complexidade da partícula.
  • Comparação: O artigo cita que o MSS requer menos esferas que outros geradores para atingir o mesmo valor de erro, conforme descrito na literatura de referência [16].

5. Significado e Impacto

O pacote multisphere tem um impacto significativo na simulação de materiais granulares:

• Redução de Custos Computacionais: Ao permitir a representação de formas complexas com menos esferas, reduz drasticamente o número de interações esfera-esfera necessárias no DEM, acelerando as simulações.
• Aplicações Dinâmicas: É particularmente relevante para simulações onde a forma das partículas muda durante o tempo de execução, como em processos de fraturamento e deformação plástica, onde a reconstrução rápida e precisa da nova geometria é essencial.
• Acessibilidade: Ao fornecer uma interface Python amigável e baseada em bibliotecas padrão, democratiza o uso de técnicas avançadas de geração de geometria para pesquisadores que utilizam DEM, permitindo o uso direto de dados de varredura 3D e CAD.

Em resumo, o multisphere preenche uma lacuna importante entre a aquisição de dados de formas de partículas complexas e sua implementação eficiente em simulações numéricas de alta fidelidade.