در پروژه متن‌باز Blaze GEM، مدلی برای آموزش مدل دیجیتال آسیاب (SAG mill) خودکار ارائه شده است. این مدل با استفاده از یک کارت گرافیک (GPU NVIDIA)، 8 میلیون مثلث هندسی (برای محاسبه مستقیم سایش)، 8 میلیون ذره (احتمالاً DEM برای سنگ معدن) و 16 میلیون ذره (احتمالاً SPH برای سیال) را شبیه‌سازی می‌کند.
شبیه‌سازی 64 ثانیه از فرآیند به 32 ساعت محاسبه نیاز دارد. عملکرد مدل در حد مطلوب است، اما نکته قابل توجه، کیفیت بالای تصاویر ارائه شده توسط مدل است.
این تحقیق توسط برنامه NVIDIA Applied Research Accelerator تامین مالی می شود و پتانسیل انقلابی در صنعت معدن را با امکان استفاده از ابزارهای استنباط مبتنی بر فیزیک دارد.
محققان قصد دارند از این شبیه سازی برای آموزش شبکه های عصبی مبتنی بر فیزیک (PINN) برای ایجاد یک ابزار استنباط برای صنعت معدن استفاده کنند. این ابزار می تواند برای بهینه سازی عملکرد آسیاب، پیش بینی نیازهای تعمیر و نگهداری و بهبود کارایی استفاده شود.
#BlazeGEM #PINN #mining #nvidia #gpu #digitaltwins
شبیه‌سازی 64 ثانیه از فرآیند به 32 ساعت محاسبه نیاز دارد. عملکرد مدل در حد مطلوب است، اما نکته قابل توجه، کیفیت بالای تصاویر ارائه شده توسط مدل است.
این تحقیق توسط برنامه NVIDIA Applied Research Accelerator تامین مالی می شود و پتانسیل انقلابی در صنعت معدن را با امکان استفاده از ابزارهای استنباط مبتنی بر فیزیک دارد.
محققان قصد دارند از این شبیه سازی برای آموزش شبکه های عصبی مبتنی بر فیزیک (PINN) برای ایجاد یک ابزار استنباط برای صنعت معدن استفاده کنند. این ابزار می تواند برای بهینه سازی عملکرد آسیاب، پیش بینی نیازهای تعمیر و نگهداری و بهبود کارایی استفاده شود.
#BlazeGEM #PINN #mining #nvidia #gpu #digitaltwins
This media is not supported in your browser
VIEW IN TELEGRAM
سرعت حل فلوئنت رو ببریم بالا
The Fluent GPU Solver: Unprecedented Speed and Scale for Your CFD Studies | Simulation World
از قدرت GPU استفاده کنیم و هزینه محاسبات رو کم کنیم. یک وبینار خوب حدود 20 دقیقه ای ببینیم.
https://www.youtube.com/watch?v=_3JwubesWS4
#fluent #gpu
The Fluent GPU Solver: Unprecedented Speed and Scale for Your CFD Studies | Simulation World
از قدرت GPU استفاده کنیم و هزینه محاسبات رو کم کنیم. یک وبینار خوب حدود 20 دقیقه ای ببینیم.
https://www.youtube.com/watch?v=_3JwubesWS4
#fluent #gpu
YouTube
The Fluent GPU Solver: Unprecedented Speed and Scale for Your CFD Studies | Simulation World
With the Fluent GPU solver, engineers can explore complex fluid dynamics scenarios with unparalleled speed and scale, gaining deep insights into the behavior of liquids and gases in diverse environments. With robust numerical algorithms and advanced models…
This media is not supported in your browser
VIEW IN TELEGRAM
مزیت انسیس دیسکاوری
شرکت Ansys تصمیم گرفت محصول Discovery® را معرفی کند. مهم‌ترین ویژگی‌هایی که این برنامه را از دیگر برنامه ها متمایز می‌کند عبارتند از:
🔹 محیط یکپارچه برای پیش‌پردازش و پس‌پردازش،
🔹 انجام محاسبات بر روی کارت‌های GPU،
🔹 تولید خودکار شبکه محاسباتی،
🔹 امکان اصلاح هندسه در حین محاسبات،
🔹 پارامتری‌سازی و تحلیل‌های واریانسی در یک محیط واحد.
به لطف این امکانات عملا با تولید مش خودکار بسیاری از ایراداتی که در فایلهای هندسی وجود دارد، نادیده گرفته می شود.
#ansys #discovery #mesh #gpu
شرکت Ansys تصمیم گرفت محصول Discovery® را معرفی کند. مهم‌ترین ویژگی‌هایی که این برنامه را از دیگر برنامه ها متمایز می‌کند عبارتند از:
🔹 محیط یکپارچه برای پیش‌پردازش و پس‌پردازش،
🔹 انجام محاسبات بر روی کارت‌های GPU،
🔹 تولید خودکار شبکه محاسباتی،
🔹 امکان اصلاح هندسه در حین محاسبات،
🔹 پارامتری‌سازی و تحلیل‌های واریانسی در یک محیط واحد.
به لطف این امکانات عملا با تولید مش خودکار بسیاری از ایراداتی که در فایلهای هندسی وجود دارد، نادیده گرفته می شود.
#ansys #discovery #mesh #gpu
این خبر هیجان داشت!
آیا باید منتظر DNS در CFD روی GPU باشیم؟
یک زمانی، Ansys با انجام اولین شبیه‌سازی یک میلیارد المانی در Fluent خبرساز شد. پس از آن، مقیاس‌پذیری خطی این نرم‌افزار روی ۱۰۰ هزار هسته پردازنده نشان داده شد. اما اکنون، در عصر NVIDIA، شاهد آنیم که پردازشگر گرافیکی داخلی Fluent قادر است ۲.۴ میلیارد سلول را روی ۳۲۰ تراشه GPU (سوپرچیپ‌های GH200 Grace Hopper) پردازش کند.
این پیشرفت باعث کاهش زمان اجرای شبیه‌سازی‌های پیچیده از چهار هفته به شش ساعت شده و عملکردی معادل 225,390 هسته CPU را ارائه می‌دهد.
با این پیشرفت‌ها، آیا باید در آینده‌ای نزدیک منتظر استفاده از DNS (Direct Numerical Simulation) در CFD روی GPU باشیم؟
شبیه‌سازی عددی مستقیم یکی از دقیق‌ترین روش‌های عددی در CFD است که تمام مقیاس‌های طولی و زمانی آشفتگی را بدون نیاز به مدل‌سازی تقریب می‌زند. در این روش، معادلات ناویر-استوکس به‌صورت کامل و بدون هیچ مدل توربولانسی حل می‌شوند.
🔗 اطلاعات بیشتر
https://www.ansys.com/news-center/press-releases/11-18-24-ansys-speeds-cfd-simulation-with-nvidia-superchips
#cfd #ansys #fluent #gpu #nvidia
آیا باید منتظر DNS در CFD روی GPU باشیم؟
یک زمانی، Ansys با انجام اولین شبیه‌سازی یک میلیارد المانی در Fluent خبرساز شد. پس از آن، مقیاس‌پذیری خطی این نرم‌افزار روی ۱۰۰ هزار هسته پردازنده نشان داده شد. اما اکنون، در عصر NVIDIA، شاهد آنیم که پردازشگر گرافیکی داخلی Fluent قادر است ۲.۴ میلیارد سلول را روی ۳۲۰ تراشه GPU (سوپرچیپ‌های GH200 Grace Hopper) پردازش کند.
این پیشرفت باعث کاهش زمان اجرای شبیه‌سازی‌های پیچیده از چهار هفته به شش ساعت شده و عملکردی معادل 225,390 هسته CPU را ارائه می‌دهد.
با این پیشرفت‌ها، آیا باید در آینده‌ای نزدیک منتظر استفاده از DNS (Direct Numerical Simulation) در CFD روی GPU باشیم؟
شبیه‌سازی عددی مستقیم یکی از دقیق‌ترین روش‌های عددی در CFD است که تمام مقیاس‌های طولی و زمانی آشفتگی را بدون نیاز به مدل‌سازی تقریب می‌زند. در این روش، معادلات ناویر-استوکس به‌صورت کامل و بدون هیچ مدل توربولانسی حل می‌شوند.
🔗 اطلاعات بیشتر
https://www.ansys.com/news-center/press-releases/11-18-24-ansys-speeds-cfd-simulation-with-nvidia-superchips
#cfd #ansys #fluent #gpu #nvidia