ansys如何加速仿真的案例
ANSYS加速仿真計算硬件配置建議
畢竟，為仿真應用選購合適的硬件與為電子郵件或客戶關系管理 (CRM) 應用選購臺式電腦截然不同。您必須根據仿真需求來匹配處理器、內存、存儲和網絡。
Ansys 工作負載對內存帶寬和計算能力都有很高的要求，而這些要求會因多種因素而異，包括數據集的大小和所使用的求解器。多年來，我們與高性能計算 (HPC) 合作伙伴攜手合作，積累了豐富的經驗，深知均衡的硬件解決方案能夠最大程度地提高您在硬件和 Ansys 軟件方面的投資回報。換句話說，投資于能夠加速特定 Ansys 應用的技術才是明智之舉。
以下是關于如何選擇關鍵硬件技術以增強 Ansys 仿真運行的一些建議。
選擇最適合模擬的處理器
我們先來選擇合適的處理器。我們的一些應用程序，例如 Ansys Mechanical、Ansys HFSS 和 Ansys LS-DYNA，都使用了 Intel 高級矢量擴展 512 (AVX512) 指令集，因此在 Cascade Lake SP 62xx 和 AP 92xx 系列的 Intel Xeon 可擴展處理器上性能非常出色。
雖然高時鐘頻率的處理器通常是理想之選，但對于運行在大型集群上的 Ansys 應用（例如 Ansys CFX、Fluent 和 LS-DYNA）而言，其重要性并非那么突出。在大型集群中，通信吞吐量比計算速度更為重要，因此處理器速度并非那么關鍵。
通常不建議選擇核心數最多的處理器，因為如果CPU內存沒有相應增加，可能會對內存帶寬產生負面影響。大量的核心可能會降低CFX、Fluent和LS-DYNA的性能，這些軟件通常運行在大型集群上。如需了解更多信息，請下載《適用于Ansys Mechanical和Fluent工作負載的Intel處理器選擇》 白皮書。
展開 GPU如何加速流體仿真分析？
近年來，隨著移動計算、工業智能化的發展，GPU開始用于手機、平板電腦到無人機和機器人等平臺的應用程序的加速，世界各地實驗室、高校、企業以及科研院的研究人員紛紛采用GPU獲得高性能計算支持，在工業領域，GPU也普遍用于仿真計算加速，尤其在汽車、航空航天、工業設備等多個高科技領域，更是掀起了新一輪的CFD應用熱潮。
那么，CFD為何要選擇GPU加速呢？這是為了使CFD仿真發揮最大效用，CFD工程師往往需要快速得到計算結果。而借助于GPU加速計算所提供的非凡應用程序性能，能將CFD程序計算密集部分的工作負載轉移到GPU，同時仍有CPU運行其余程序代碼，這樣計算速度大大提升。另外，從計算性能來看，在CFD應用中單個GPU的性能遠遠優于CPU，基于GPU加速的CFD計算速度明顯加快，很多復雜的CFD難題得以解決，因此，越來越多的CFD工程師選擇GPU加速。
03、流體仿真分析GPU選擇分享
CFD是一個計算需求強烈的領域，GPU的選擇將從根本上決定CFD分析過程的體驗。在CFD分析中，工程師前期花費的時間主要在模型建立和修改上，后期真正的分析時間消耗在計算機上，因此，選擇一款適合自身的CFD軟件和高性能建模工作站就顯得尤為重要。接下來小編軟件將選擇Altair的CFD工具，硬件將選擇NVIDIA RTX8000，通過一些案例模型進行實際評測，希望對大家選擇GPU時有所幫助。
展開 如何利用自適應網格加速Fluent仿真
自適應網格劃分是一種基于求解對仿真網格進行細化的方法。Ansys Fluent中的此方案使您能夠從非常粗糙的網格開始，動態細化高梯度區域。
動態網格自適應可與多面體非結構網格自適應（PUMA）方法結合使用。PUMA不依賴任何模板進行細化，這不會將此自適應方法限制為特定的網格類型。網格經過細化后也可以粗化。
在最新版本Ansys 2021 R2中，針對燃燒和多相流仿真的最佳實踐已嵌入到Ansys Fluent的網格自適應設置面板中，從而：
減少高達70%的網格數
穩態情況下最高可提高4倍的計算速度
自適應網格燃燒模擬應用
Sandia Flame D是一個富燃料湍流擴散甲烷/空氣噴射火焰測試案例。在甲烷和空氣流入之間注入引燃火焰。使用兩種不同的粗網格進行了兩次測試，以分析其精度和最終網格數差異。
網格自適應程序自動將關鍵區域的網格細化為LES級別的網格，包括反應區、剪切層和再循環區。我們發現，與實驗數據相比，這兩種情況都顯示了準確的結果。
Fluent的自適應網格解決方案顯示，在一系列反應流情況下，與非自適應精細LES網格相比，總單元數減少了30-70%。
視頻2.mp4
自適應網格多相流模擬應用
網格自適應也可用于幫助準確有效地模擬多相模擬，如液體射流破碎模擬。流體體積（VOF）到離散相模型（DPM）混合多相模型與動態網格自適應結合使用。VOF模型跟蹤液氣界面，而DPM是一個單獨的解算器，用于跟蹤懸浮在歐拉相中的離散粒子。?
該VOF-to-DPM模型的核心是一種算法，該算法尋找從噴霧主體分離的液體團塊，然后將其轉換為點質量，以便進一步跟蹤。這種方法使我們能夠不跟蹤較小液滴的界面，并減少了對非常精細網格的需要。
該混合模型的第二個重要部分是動態網格細化和粗化。
展開 GPU如何加速流體仿真分析？
1、流體仿真發展趨勢與計算需求
計算流體仿真力學，英文全稱Computational Fluid Dynamics，縮寫為CFD，興起于近50年來，是一門相對年輕的學科。它是數值數學和計算機科學結合的產物，通過空間離散和數值求解的思路，對流體力學的各類問題進行數值實驗、模擬和分析研究，以解決學習、科研或者工程設計中的問題。
作為一個強大的計算工具，CFD在產品研發的諸多環節發揮著重要作用，不僅具有低成本，還可以捕捉到實驗中難以采集的信息，此外，還能提供可控的環境因素和良好的復現性。從CFD的發展趨勢來看，一方面，CFD工具的發展呈現為準確度、自動化、易用性、應用性能的持續提升；??????另一方面，CFD也與熱學、電化學、聲學等學科不斷融合發展，CFD工具變得更加強大。
面對一個具體的工程問題，CFD工程師在應用CFD工具進行仿真分析時的基本流程，通?？梢钥偨Y為五步：前處理、網格劃分、邊界條件加載、求解計算和后處理。但如何去平衡計算量（網格數量）和計算時間，對于很多CFD工程師都是個挑戰。
在實際解決問題的過程中，CFD工程師除了希望能選擇一款稱手的軟件工具外，當然也希望計算機的主頻越高越好，核心越多越好。但是，核心與計算速度并非線性關系，不會因為核心等比例增長。若想在單臺電腦上發揮極限運算能力，還需要使用GPU加速，因為GPU加速通過協調處理器并行運算，能夠極大地提升計算能力，尤其適合多個項目同時進行，這樣獲得的時間收益較大。
展開 
如何利用自適應網格加速Fluent仿真
自適應網格劃分是一種基于求解對仿真網格進行細化的方法。Ansys Fluent中的此方案使您能夠從非常粗糙的網格開始，動態細化高梯度區域。
動態網格自適應可與多面體非結構網格自適應（PUMA）方法結合使用。PUMA不依賴任何模板進行細化，這不會將此自適應方法限制為特定的網格類型。網格經過細化后也可以粗化。
在最新版本Ansys 2021 R2中，針對燃燒和多相流仿真的最佳實踐已嵌入到Ansys Fluent的網格自適應設置面板中，從而：
減少高達70%的網格數
穩態情況下最高可提高4倍的計算速度
自適應網格燃燒模擬應用
Sandia Flame D是一個富燃料湍流擴散甲烷/空氣噴射火焰測試案例。在甲烷和空氣流入之間注入引燃火焰。使用兩種不同的粗網格進行了兩次測試，以分析其精度和最終網格數差異。
網格自適應程序自動將關鍵區域的網格細化為LES級別的網格，包括反應區、剪切層和再循環區。我們發現，與實驗數據相比，這兩種情況都顯示了準確的結果。
Fluent的自適應網格解決方案顯示，在一系列反應流情況下，與非自適應精細LES網格相比，總單元數減少了30-70%。
自適應網格多相流模擬應用
網格自適應也可用于幫助準確有效地模擬多相模擬，如液體射流破碎模擬。流體體積（VOF）到離散相模型（DPM）混合多相模型與動態網格自適應結合使用。VOF模型跟蹤液氣界面，而DPM是一個單獨的解算器，用于跟蹤懸浮在歐拉相中的離散粒子。?
展開 ANSYS新聞：使用仿真加速風力發電
使用仿真加速風力發電：http://www.ansys-blog.com/wind-turbine-accelerating-simulation/
數字孿生 | 如何使用Ansys Twin Builder軟件加速電動汽車開發
本文原刊登于Ansys.com：《How To Accelerate EV Development Using Ansys Twin Builder Software》
作者：Laura Carter | Ansys 高級市場傳播經理
編輯整理：張旭 | Ansys主任應用工程師
國際能源署（IEA）的全球能源行業2050年凈零碳排放路線圖指出，電動汽車預計到2030年將占全球新車銷量的60%。IEA致力于和政府及行業合作開展可持續發展計劃，據該組織稱，2023年電動汽車約占新車銷量的五分之一。目前有4,000萬輛電動汽車上路行駛：其中60%在中國，近25%在歐洲，以及10%在美國?？梢姡w銷售額仍然十分有限。大多數汽車制造商都需要加速開發，才能滿足行業目標。然而，設計和制造能力的匱乏帶來了重大挑戰。
在當前環境下，消費者對內燃機（ICE）技術車輛仍然有較強需求。這使原始設備制造商（OEM）陷入了兩難境地，即需要在開發新型電動汽車技術和現有成熟的ICE汽車計劃之間取得平衡。
嚴格來說，電動汽車制造商的情況則并不完全相同——他們能夠另起爐灶，非?？焖俚亻_始創新，而無需考慮維護現有業務的重擔，因為他們不必在技術平臺上分配資源。許多企業正在取得更快的進展，而無需從電氣化計劃中分出時間和資源，以支持現有的車輛計劃。
為了跟上加速的步伐，OEM廠商必須在設計工作流程早期階段實現“設計左移”，或將任務、流程和職責進行轉移，以同時進行新產品開發和新技術引入。
Ansys高級首席應用工程師Tushar Sambharam說道：“OEM廠商一方面需要維系已有100多年歷史的ICE業務模式，同時，還需要推進其電氣化目標，那么他們如何能夠應對這種復雜性以保持競爭力呢？
展開 客戶案例 | Ansys與臺積電和微軟合作加速光子仿真
兩家公司共同通過Microsoft Azure NC A100v4系列虛擬機，將Ansys Lumerical FDTD光子仿真的速度提升了10倍以上，該虛擬機由基于Azure AI基礎架構運行的NVIDIA加速計算提供支持。PIC是各個行業應用不可或缺的重要組成部分，其應用涵蓋數據通信、生物醫學工具、汽車激光雷達系統、人工智能等領域。</span></p><p class="ql-align-justify"><span style="color: rgb(63, 63, 63);">硅PIC是一種能夠使數據傳輸得更遠更快的光通信類型，對于超大規模數據中心和物聯網應用至關重要。光子電路和電子電路的集成是一項艱巨的任務，需要精確的多物理場設計和制造技術。一個微小的失誤，就可能導致芯片內部產生連續性挑戰，從而可能致使成本增加和項目延期達數月。</span></p><p class="ql-align-justify"><span style="color: rgb(63, 63, 63);">為了應對挑戰并充分發揮硅PIC的超帶寬功能，Ansys與臺積電展開合作，使用搭載了NVIDIA GPU的高效Azure虛擬機來加速Lumerical FDTD仿真。Azure NC A100v4虛擬機可在執行仿真時，確定成本與性能相互平衡的最佳資源。此次合作的總體成果是，實現了無縫部署、通過圖形界面訪問和擴展分布式仿真，以及在云環境中對大型數據集進行后處理。為了實現一致的端到端數字工程工作流程，Azure Virtual Desktop通過提供與本地桌面應用程序相同的用戶體驗，達成了向云端的無縫過渡。
展開 【公開課】如何用高性能計算加速CAE仿真性能
4月17日19：30【技術鄰直播】
Altair官方高級技術經理傾情分享
如何用高性能計算加速CAE仿真性能
眾所周知，CAE作為一門新興的學科已經逐漸的走下神壇，成為了各大企業中設計新產品過程中不可缺少的一環。目前在航空、航天、能源動力等工業領域，利用 CAE 進行反復設計、分析、優化也已成為標準的必經步驟和手段。不同的CAE 應用程序對硬件資源例如處理器、網絡和存儲的要求各不相同，如何用高性能計算加速CAE仿真性能，這就是本期老師要分享的內容。
課程大綱
Ⅰ
不同的CAE應用該如何配置高性能計算
Ⅱ
引入HPC及云平臺加速現有資產價值
Ⅲ
Altair PBS關鍵技術介紹
講師：王軼華
Altair企業解決方案部技術經理
十多年時間專注在HPC技術領域工作，數十個高性能計算項目經驗，負責國內多個航空航天，汽車，能源客戶的HPC基礎架構規劃及性能優化，目前主要負責中國區Altair PBS Works產品線的團隊建設、產品售前、合作伙伴支持等工作。
戳戳戳“立即報名”
TIPS：如果想提升CAE仿真工作效率，千萬不要錯過這場免費公開課哦！
展開 Realtek與Ansys合作利用前沿仿真工作流程加速RFIC和高速IC的復雜設計
Ansys RaptorH可檢測并減少電磁干擾問題，將建模時間縮短了高達10倍
主要亮點
Realtek使用Ansys解決方案加速高度復雜射頻集成電路（RFIC）的設計
RaptorH幫助Realtek的IC設計人員更快地解決極具挑戰的RFIC設計問題，并顯著提高仿真的預測準確性與效率
Realtek采用了Ansys開發的先進且用戶友好型電磁（EM）仿真工作流程，通過縮小芯片面積加速復雜RFIC設計并提高效率。Realtek采用RaptorH的芯片優化建模流程，通過準確預測從RFIC與高速IC到前沿物聯網產品等應用中的EM耦合，大幅縮短仿真時間并減少過度設計浪費。
RFIC的先進節點設計必須應對高頻毫米波信號引起的電磁干擾以及不同RF模塊之間出現的電磁干擾的挑戰。為了更好的把控設計裕量，Realtek IC設計人員依靠Ansys? RaptorH?的大容量引擎來高保真地分析完整的電路模塊。
通過采用這種芯片優化建模流程，Realtek設計人員將電磁建模時間縮短了3-10倍。此外，在極其復雜的設計中，他們還通過大幅減少模塊到模塊的電磁串擾來縮小芯片基板面積。
展開 Realtek與Ansys合作利用前沿仿真工作流程加速RFIC和高速IC的復雜設計
Ansys RaptorH可檢測并減少電磁干擾問題，將建模時間縮短了高達10倍
主要亮點
Realtek使用Ansys解決方案加速高度復雜射頻集成電路（RFIC）的設計
RaptorH幫助Realtek的IC設計人員更快地解決極具挑戰的RFIC設計問題，并顯著提高仿真的預測準確性與效率
Realtek采用了Ansys開發的先進且用戶友好型電磁（EM）仿真工作流程，通過縮小芯片面積加速復雜RFIC設計并提高效率。Realtek采用RaptorH的芯片優化建模流程，通過準確預測從RFIC與高速IC到前沿物聯網產品等應用中的EM耦合，大幅縮短仿真時間并減少過度設計浪費。
RFIC的先進節點設計必須應對高頻毫米波信號引起的電磁干擾以及不同RF模塊之間出現的電磁干擾的挑戰。為了更好的把控設計裕量，Realtek IC設計人員依靠Ansys? RaptorH?的大容量引擎來高保真地分析完整的電路模塊。
通過采用這種芯片優化建模流程，Realtek設計人員將電磁建模時間縮短了3-10倍。此外，在極其復雜的設計中，他們還通過大幅減少模塊到模塊的電磁串擾來縮小芯片基板面積。
圖為Ansys RaptorH對硅上射頻線圈進行詳細建模以高度精確地模擬電磁相互作用的示例
Realtek副總裁黃依瑋（Yee-Wei Huang）表示：“RaptorH提供了高度直觀的圖形用戶界面和簡化的設置，無需對布局或代工廠技術文件進行任何手動修改即可執行電磁耦合分析。這有助于我們的工程團隊發現片上設計流程中的電磁耦合問題，這種預測精度，加上其高容量和速度，使我們的設計人員能夠在不影響全新且極其復雜的芯片保真度的情況下，最大限度地減小面積并提高價值。”
展開 
9/24 Ansys Discovery 運用NVIDIA 最新工業級GPU技術加速仿真計算
傳統研發流程中工程師往往在后期階段采用仿真分析，此時發現的問題將帶來成本高昂且耗時的返工。Ansys Discovery是專為設計工程師開發的實時仿真設計工具，能為他們在概念設計階段提供包括幾何建模及清理、結構、模態、熱及流體（內流及外流）以及拓撲優化等一系列設計及分析功能。借助全新的Ansys Discovery，工程師能夠在概念評估、設計改進優化階段盡早利用仿真推進研發，這意味著工程師能夠在有限的預算中更快地優化產品與工作流程。
同時，在NVIDIA GPU的助力下，Ansys Discovery能夠提供即時 3D 設計仿真功能，實現實時交互設計探索和快速產品創新。基于NVIDIA CUDA的Ansys產品可將幾小時的設計模擬工作流程縮短為幾分鐘甚至幾秒，助力設計工程師以更快的速度做出更明智的設計決策。本次網絡研討會，我們邀請到NVIDIA高級解決方案架構師宋毅明，以及Ansys中國高級應用工程師鄭偉巍共同為大家講解Ansys Discovery 運用NVIDIA 最新工業級GPU技術如何以更快的速度探索概念、執行迭代與創新。歡迎報名參會！
時間：9月24日（星期四），14:00-15:00
會議大綱：通過觀看本次網絡研討會，您將學習到，
NVIDIA Quadro系列產品介紹
NVIDIA CUDA如何加速仿真計算及流程
Ansys Discovery產品介紹及仿真精度
Ansys Discovery在行業中的應用案例
講師簡介：
宋毅明，NVIDIA Quadro 產品部門高級解決方案架構師。南京大學計算機軟件工程方向碩士畢業。曾在 AMD、Intel 從事 3D 圖形驅動開發，在 epic games 從事 UNREAL 游戲引擎開發工作。
展開 行業分享丨如何實現快速仿真和創新設計，顛覆式加速產品研發？
wx_fmt=png" width="734"></p><p><strong>歐洲航空航天領先設備供應商RUAG Space利用拓撲優化設計的衛星天線支架</strong></p><p><br></p><p>由此可見，仿真前置可促進正向設計，給予設計工程師更可靠的設計基礎和更廣闊的創作空間。</p><p><br></p><p><strong>02、設計仿真一體化：無網格技術推動設計流程重構</strong></p><p><br></p><p>如前所說，在仿真工作中，大量時間耗費在前端網格劃分上，Altair因此推出前處理工具Altair<sup>?</sup> HyperMesh<sup>?</sup>。但是，Altair并未就此止步不前，近年來推出無網格工具 SimSolid 頗有“自我革命”的態度，因為Altair意識到，快速仿真的作用不僅僅是加速仿真這個單一環節，而是對整個設計流程進行重構，使全流程綜合提效。</p><p><br></p><p><img src="https://mmecoa.qpic.cn/mmecoa_png/x0yLiaf5fF6x6Uic6md6iaibKhcVdO532eAfPs59Cs0vCCmgfVewU2bMA5QoZhVTywN4hm6nEerrjmLzDt2wUmblkw/640?wx_fmt=png" width="794"></p><p><strong>通過無網格快速仿真，加速設計流程</strong></p><p><br></p><p>無網格技術顧名思義，就是工程師不需要劃網格，直接將整個實體導入軟件，即可進行仿真計算。
展開 Ansys攜手臺積電和微軟加速機械應力仿真，基于云技術實現3D-IC可靠性
Ansys Mechanical 基于Azure的專用HPC基礎架構運行，有助于在保持預測準確性的同時，擴展計算要求嚴苛的應力仿真。通過將高度復雜的熱-機械應力仿真自動化，Ansys Mechanical可以憑借高效的混合并行求解器仿真大量模型，利用按需云計算資源（如Azure），該求解器可實現經濟高效的計算。</p><p><br></p><p class="ql-align-center"><img src="https://mmbiz.qpic.cn/mmbiz_jpg/sJ5jnYn8SicfCtgZH9dBWfXML2goXRxevsEicUpIyf4UTp77gFgs4grXkdRiccFQdwhIArHSBNWjTf9XB04XLvyLg/640?wx_fmt=webp&from=appmsg"></p><p class="ql-align-center">Ansys聯合臺積電和微軟共同提高3D-IC可靠性</p><p><br></p><p>臺積電3D IC集成部總監James Chen表示：“面對半導體系統不斷增長的尺寸和復雜性所帶來的設計挑戰，精確的分析結果對于采用臺積電最新3DFabric技術的3D IC設計而言至關重要。對于使用基于Microsoft Azure的Ansys Mechanical的設計人員而言，我們與Ansys和微軟的最新合作將使其大獲裨益——他們能夠在不影響精度的情況下更快地執行仿真，以確保為新一代AI、HPC、移動和網絡應用提供高質量的3D IC設計?！?/span>
展開 行業熱點丨仿真歷史數據難以使用？如何利用幾何深度學習破局，加速汽車工程創新
1.AI 驅動研發升級：幾何深度學習創造行業新價值
人工智能正加速推動各行業研發能力升級。麥肯錫最新報告顯示，該技術在制藥、化工和航空航天等領域的應用，有望為相關企業創造高達5600億美元的經濟價值。 AI 技術應用的先行者，全球500強汽車零部件制造商麥格納（Magna）。通過與 Altair 合作，運用幾何深度學習（Geometric Deep Learning, GDL）技術，顯著提升了汽車工程創新效率。
2.PhysicsAI 突破：三維數據訓練加速復雜設計開發
Altair 研發的 PhysicsAI 系統突破性地支持三維數據訓練（而非自然語言），使其能夠快速理解衛星、車輛等復雜物理對象的設計原理并加速開發流程。Altair 工程數據科學副總裁 Fatma Kocer-Poyraz 正領導這項技術在物理產品設計領域的應用突破——該領域長期受限于高昂的原型制作成本和耗時的仿真流程。
"我們身邊幾乎所有的物品都經過工程化設計，"Kocer-Poyraz 表示，"以汽車為例，不僅涉及外觀造型，更包含從副車架結構到零件厚度、曲面形態、材料選擇及制造工藝的完整體系。每個工程決策都至關重要。"
傳統工程流程往往依賴耗時數小時至數周不等的實體原型制作，而 PhysicsAI 支持的快速測試仿真技術，可在實物化階段前完成多輪設計迭代優化。這一突破性進展正重新定義現代產品研發范式。
Kocer-Poyraz 解釋道："傳統工程研發通常依賴一次性物理原型進行測試。這種方式成本極其高昂——比如車輛碰撞測試后原型即報廢，無法重復利用。這正是我們推動從物理測試向虛擬測試轉型的根本原因。"
展開 