GPU加速渲染的案例
Altair使用NVIDIA GPU加速工程仿真
使用AcuSolve進行客艙冷卻模擬
（使用Thea Render渲染）
Thea Render使用CUDA
顯著提高渲染速度
Thea Render是功能強大的3D渲染和動畫工具，使工程師能夠可視化其工作的真實預覽。現在，基于CUDA的渲染器可以使用NVIDIA OptiX AI加速的降噪器進行光線跟蹤。
此外，帶有Thea Render和可視化應用程序ParaView的Altair Inspire Studio設計軟件都利用GPU加速的AI來減少渲染高質量、無噪聲圖像所需的時間。
Altair軟件使用CUDA顯著提高了速度和吞吐量。這使工程師能夠自由、快速地探索設計并根據更準確的結果做出決策，從而大大縮短上市時間。
展開 Spaceclaim顯示圖形不可用的解決方案，以及注意避坑AMD顯卡
Spaceclaim如下顯示：圖形不可用
圖形
允許為SpaceClaim選擇圖形渲染。
禁用：選擇此項，禁用圖像渲染功能。
Direct3D11（默認）
WARP
OpenGL
值得一提的是AMD 顯卡驅動效果不行，可能屬性欄出現鋸齒，黑框。Direct3D11（默認）是最好的顯示性能選項。
AMD顯卡的坑來了：
如果你想配電腦，新買電腦，請盡量避免AMD顯卡。另外你想玩玩ANSYS Discovery live，PTC實時仿真，Keyshot GPU加速渲染，MeshFree無網格仿真軟件等英偉達GPU驅動的軟件，請購買中端以上的英偉達顯卡，垃圾專業圖形顯卡P600，P620等盡量避開。
展開 2018年度最佳作圖渲染GPU大比拼
2018年度最佳作圖渲染GPU大比拼
用GPU加速Fluent計算
用Fluent開啟GPU進行計算，過程其實很簡單，不過現在只找到采用N卡進行計算的方法。首先在開始界面需要設置并行計算的核數與你要用來計算的GPU數量，一般電腦都只有一塊顯卡，所以設置為1就可以了。
打開之后就需要用命令行去打打開顯卡計算并進行設置，命令行/solve/set/amg-options/amg-gpgpu-options/，后面還需要跟上你想并行計算的模型比如我這里的壓力耦合計算，后面是一些精度和求解方法的設置，其中精度和迭代次數比較重要，搞得不好反倒會發散，比如這里設置為0.1，如果過大那時間就會比較長。
設置好了之后運行就可以了，也沒什么需要注意的，但是有的模型本身就有限制用不了并行加速方法，具體的可以參考這里的內容https://www.nvidia.cn/data-center/gpu-accelerated-applications/ansys-fluent/
我這里模型比較小，計算時間就2分鐘效果提升不明顯，大的模型會明顯一些，但顯卡確實用起來了。
如果是自己編寫的程序想并行求解的會麻煩很多，但也不是沒有辦法。
后續更新如何用代碼主要是基于matlab進行三維模型計算，包括讀取網格（基于Openfoam格式的網格），處理拓撲，離散求解一系列流程。
展開 
GPU加速應用-現狀
AMD顯卡驅動的程序如下：
當然也有不少的AMD RADEON ProRender插件，For Blender、3Dmax，或者Altair Inspire Studio等Thea 加速。但是聽說 Cinema 4D的 ProRender被移除了，SolidWorks Visualize也宣傳了英偉達TRX。
所以不推薦買AMD顯卡是有原因的。
GPU如何加速流體仿真分析？
◎ 計算時間對比
04、總 結
作為當前最重要的三大協處理加速技術之一，GPU已經成為數值分析的新寵，廣泛應用于各個領域。以流體仿真領域為例，隨著CFD分析對計算能力的要求日益增高，越來越多的CFD工程師傾向于采用GPU加速，例如借助 NVIDIA RTX8000加速，能以遠低于傳統 CPU 解決方案的成本、空間和功耗，獲得無與倫比的計算性能。
同時，在渲染方面，利用NVIDIA RTX8000強大的運算能力，將流場和流體構件建立數學模型，并用數字化可視化的形式表現出來，可以獲得任意位置的結果值，這無疑也極大地提高了設計的精確性。e-works認為，優秀的計算性能和尖端的數值方法的組合，在更短的時間內研究復雜的流體問題，將成為未來CFD領域高效而主流的方式。
來源于：數字化企業
展開 GPU加速計算的狼來了？
而格子玻爾茲曼方法基于笛卡爾網格的顯式線性的計算特點，使得其天然適合于GPU的流處理框架。比如在GPU上計算D2Q9格式的LBM方程，我們可以將具有相同速度向量的數據包分配到一個數組中，并保持原始格子布局，求解過程便是對這些數組的更新。
當然，GPU在進行LBM計算的時候，不會改變其物理計算的本質，仍然是通過速度分布函數、宏觀物理量和平衡態分布之間的迭代來實現的。因此，如果代碼調試沒有問題的話，GPU計算的結果和CPU應該是一致的。
當然，要想GPU算法能夠實現更好的加速效果，也需要對參數存儲、傳遞和計算進行優化。目前，許多LBM方法在配合GPU計算已產生恐怖的加速性能，比如已有商業軟件可將單塊顯卡的計算加速能力提高到等價于數千個CPU核的量級。相信隨著GPU性能和軟件本身的不斷進化，GPU一定會讓LBM徹底飛起來。
來源于：LBM與流體力學 作者： 盧比與鋼蛋
展開 在 COMSOL Multiphysics 中設置 GPU 加速計算
從那里，您可以導航到 Computing 部分，然后單擊 GPU Acceleration 頁面。最后，單擊 Verify CUDA 安裝 按鈕。???
這偏好窗口中，帶有??驗證 CUDA 安裝對話框是否打開。
Ubuntu 中 COMSOL Multiphysics 的“首選項”窗口，帶有??驗證 CUDA 安裝對話框是否打開。
COMSOL Multiphysics 的安裝現在支持 GPU 加速計算，并且可以立即使用。下圖展示了在 COMSOL Multiphysics 的設置中啟用 GPU 加速的一些示例。??
這使用加速求解器公式復選框（左）、間斷伽遼金加速求解器復選框（中）和在 GPU 上訓練復選框（右）分別用于壓力聲學，時域顯式模型、使用 dG 方法的瞬態仿真和 DNN 訓練。
進一步學習
有關使用 dG 方法和代理模型訓練的瞬態仿真的 GPU 支持的更多信息，請參閱文檔中的 COMSOL Multiphysics 版本說明和 COMSOL Multiphysics 參考手冊。
展開 Abaqus實現GPU加速的完整配置操作手冊 ￥50
本文檔詳細說明Abaqus軟件借助 NVIDIA CUDA 實現Standard 求解器 GPU 加速的完整流程，包含環境檢查、CUDA 安裝、軟件關聯、加速啟用與效果驗證全步驟，同時明確使用限制與常見問題，可直接用于工程仿真配置參考。
文檔目錄為：
一、使用限制與要求
二、檢查電腦 CUDA 支持版本
三、下載適配版本的 CUDA Toolkit
四、CUDA Toolkit 安裝步驟
五、CUDA 與 Abaqus 關聯配置
六、Abaqus 中啟用 GPU 加速與效果驗證
七、常見問題與注意事項
八、其他
展開 GPU如何加速流體仿真分析？
以流體仿真領域為例，隨著CFD分析對計算能力的要求日益增高，越來越多的CFD工程師傾向于采用GPU加速，例如借助 NVIDIA RTX8000加速，能以遠低于傳統 CPU 解決方案的成本、空間和功耗，獲得無與倫比的計算性能。
同時，在渲染方面，利用NVIDIA RTX8000強大的運算能力，將流場和流體構件建立數學模型，并用數字化可視化的形式表現出來，可以獲得任意位置的結果值，這無疑也極大地提高了設計的精確性。優秀的計算性能和尖端的數值方法的組合，在更短的時間內研究復雜的流體問題，將成為未來CFD領域高效而主流的方式。
《CST Studio Suite 2024 GPU加速計算指南》
《GPU Computing Guide》是由Dassault Systèmes Deutschland GmbH發布的有關CST Studio Suite 2024的GPU計算指南。涵蓋GPU計算的各個方面，包括硬件支持、操作系統支持、許可證、GPU計算的啟用、NVIDIA和AMD GPU的詳細信息以及相關的使用指南和故障排除等內容。
1. 硬件支持
- NVIDIA GPU：詳細列出了支持和不支持的NVIDIA GPU硬件，如支持的有L40S、RTX 5000 Ada Gen等，不支持的如Kepler和Maxwell部分型號被標記為棄用。同時提到GPU計算要求64位計算機架構，不同代的GPU不能在單個主機系統中組合使用。
- AMD GPU：目前只有時域求解器（FIT）支持AMD GPU，如Instinct MI 210、Radeon VII等，并給出了相關規格和主機系統要求。
2. 操作系統支持：CST Studio Suite在不同操作系統上持續測試，可在支持的操作系統上使用GPU計算，具體參考相關文檔。
3. 許可證：GPU計算功能通過CST Studio Suite許可證模型的加速令牌或SIMULIA統一許可證模型的SimUnit令牌或積分授權。
4. GPU計算的啟用
- 交互式模擬：通過加速對話框啟用，打開求解器對話框，點擊“加速”按鈕，打開“硬件加速”并指定GPU設備數量。
- 批處理模式：使用命令行開關（-withgpu），并給出了Windows和Linux下的使用示例。
5.
展開 
Siemens NX何時支持GPU光線追蹤與圖形加速？
【2】已發布以下SFB，影響NX的交互版本（不適用于批處理模式，因為不涉及圖形），從NX版本2306開始：
support.sw.siemens.com/en-US/product/209349590/knowledge-base/PL8719836
NX一直需要加速圖形，這使得圖形處理單元（GPU）在運行NX時至關重要。
以前，如果沒有GPU，會話仍然會運行，根據所使用的命令，甚至可能看起來是一個成功的會話。在這些情況下，syslog文件中會出現一條關于缺少GPU的消息，但用戶通常沒有看到這一信息，因此可能顯示GPU只是推薦的，而不是必需的。
NX中使用的圖形庫的加速現在需要使用GPU。
從2023年6月的版本開始，如果沒有GPU， NX會向用戶顯示以下消息，這也被寫入syslog文件。
*******************************************************************
圖形配置錯誤
這是一個未加速的圖形配置。NX需要
加速圖形配置。也許是圖形設備
不支持，或者安裝了不合適的設備驅動程序。
試圖打開任何部分可能導致程序終止。
*******************************************************************
如果忽略此消息并繼續運行NX會話，可能會導致未定義的行為或錯誤消息。
GPU要求用于交互式或“無頭”圖像捕獲會話。其他` headless ` NX批處理會話將繼續像以前一樣工作。
支持的硬件和圖形
當前支持的硬件和圖形卡的列表可以在硬件和軟件認證中找到。
展開 NVIDIA GTC 2023 上的 GPU 加速 Cadence CFD 解決方案
此外，通過收購 Cascade Technologies，Cadence 擴展了其 CFD 功能，包括一種稱為大渦模擬 (LES) 的高保真方法，該方法使用 GPU 加速。
Ben Gu 提到，由于符合分配單位小時數 (Auhs) 定義，F1 目前不允許對求解器進行 GPU 加速。然而，這種轉變正在影響賽車、商用汽車和許多其他行業的其他領域。觀看 Ben Gu 關于使用保真度優化一級方程式的主題演講，了解有關 Cadence 高保真 CFD 解決方案的更多見解。
12/21 基于Ansys Speos的GPU光學模擬加速計算
Ansys與NVIDIA有著長久的戰略合作關系，作為高性能計算領域的技術領導者，雙方展開密切合作在Ansys多物理場解決方案中開發GPU加速求解器和算法，確保在Ansys軟件上運行的仿真工作具有最快的性能。此外還在專業圖形方案領域進行合作，確保Ansys在建模、后處理和可視化等工作流程能夠發揮最佳性能和質量水平。
當下隨著科技的發展，汽車內外飾照明越來越復雜，以往想要模擬出高逼真的視覺效果，需要堆棧CPU數量用于模擬計算，硬件成本很高。而在即將正式推出的Ansys Speos GPU加速計算中，可實現4-8倍運算能力的提高，通過借助GPU加速獲得更好的結果、更快的模擬以及更高的精度和分辨率，實現基于物理的逼真渲染，消除時間/硬件管理等障礙，進一步加快開發速度。
12月21日，Ansys將聯合NVIDIA共同推出【基于Ansys Speos的GPU光學模擬加速計算】網絡研討會，本次會議邀請來自NVIDIA 行業拓展經理茅勇，以及Ansys Speos應用工程師孫鴻燁作為主講嘉賓，共同分享實現快速計算的關鍵技術以及最新光學仿真的功能革新，歡迎大家報名參會。
展開 北鯤云超算平臺借助GPU實現仿真加速
同樣的，在CAE仿真領域，隨著模型規模越來越大，產品創新方案需求越來越快，傳統的CPU越來越無法滿足現代3D圖形應用程序的復雜計算任務，因此，對于GPU加速的計算需求也越來越多。在這樣的市場需求環境下，北鯤云超算平臺接入了GPU A100能夠為仿真領域的工程師提供更加完善的云計算仿真資源。
在CFD（Computational Fluid Dynamics，計算流體仿真），網格的合理設計和高質量生成是CFD計算的前提條件，也是影響CFD計算結果的最主要的決定性因素之一，借助于GPU加速計算所提供的強大的應用程序性能，能將CFD程序計算密集部分的工作負載轉移到GPU，使CFD計算速度明顯加快。由于GPU的選擇將從根本上決定CFD分析過程的體驗，如何更有效結合CFD模型特點和GPU硬件加速，進而充分釋放并行計算能力實現極致加速成為非常重要的研究課題。對于真領域的工程師而言，通過在北鯤云超算平臺云計算SaaS服務，在北鯤云超算平臺可以自行選擇所需的計算資源。
當前，CFD工程師面臨產品復雜度更高、運行環境復雜多變等挑戰，需要強大的計算能力來滿足仿真和分析復雜工程設計的密集多線程要求，面對更復雜的仿真計算模型，對于顯卡也有較高的要求，因此，北鯤云超算平臺提供NVIDIA V100、NVIDIA A100等豐富的計算資源，對于CFD工程師而言顯然是一個不錯的選擇。
北鯤云超算平臺具備優異的追蹤渲染性能以及加速計算專用處理單元，CFD工程師們可以在預處理、求解以及后處理的流程中獲取GPU的出色性能加持，加快仿真迭代速度。這個能力使CFD工程師能夠以比現在快幾個數量級的速度解決全球最具挑戰性的計算問題。
展開 