Tese de Doutorado Simulação eficiente de fluidos no espaço paramétrico de malhas estruturadas tridimensionais Aluno: Vitor Barata R. B. Barroso (vbarroso@inf.puc-rio.br)

Apresentação em tema: "Tese de Doutorado Simulação eficiente de fluidos no espaço paramétrico de malhas estruturadas tridimensionais Aluno: Vitor Barata R. B. Barroso (vbarroso@inf.puc-rio.br)"— Transcrição da apresentação:

1 Tese de Doutorado Simulação eficiente de fluidos no espaço paramétrico de malhas estruturadas tridimensionais Aluno: Vitor Barata R. B. Barroso Orientador: Waldemar Celes

2 Motivação Exemplos de fluidos Estudos importantes envolvendo fluidos
Correntes de rios Ondas do mar Fumaça de uma chaminé ou cigarro Vapor quente de um bule ou motor Estudos importantes envolvendo fluidos Vento passando pelas asas e turbinas de um avião Formação e evolução de tempestades e furacões Fluxo de sangue por veias e artérias Transporte de água e óleo em dutos

3 Introdução Simulação de fluidos
Métodos Lagrangianos: representam o fluido com partículas (ex.: SPH) Métodos Eulerianos: subdividem o espaço em voxels Descrição euleriana de um fluido em uma grade regular Campos de valores escalares e vetoriais amostrados no centro de cada célula (i,j,k) da grade Posição: x = [x y z]T Velocidade: u = [u v w]T Pressão: q Propriedades intrínsecas constantes Massa específica:  Viscosidade cinemática:  Temperatura: T Objetivo: integrar os campos de propriedades para descrever sua variação no tempo  x(i,j,k) y x

4 Fronteiras Curvas Grade regular Grade em multirresolução
Marcação de células exteriores Tratamento diferenciado de células de fronteira Grade em multirresolução Captura melhor a forma Não evita artefatos associados a degraus Malha simplicial Requer informação topológica Maior custo computacional Grade curvilínea paramétrica estruturada Simples e rápido Não requer topologia Evita artefatos

5 Proposta Idéia básica: explorar o conceito de malhas curvilíneas de CFD Mapear a grade física curvilínea do espaço do mundo para uma grade computacional uniforme no espaço paramétrico Realizar a integração eficientemente no espaço paramétrico Vantagens: Evitar a necessidade de armazenar dados para toda a caixa envolvente do domínio Considerar paredes e obstáculos curvos de maneira natural, sem a necessidade de se refinar a grade ou de se lidar com casos especiais próximo às fronteiras

6 Proposta Foco: Estratégia:
Gerar boas aproximações para aplicações interativas e de visualização científica Estratégia: Começar com o algoritmo Stable Fluids clássico [Stam99] Realizar adaptações para levar em conta métricas e Jacobianos, além do esquema de amostragem deslocada Incorporar gradativamente técnicas avançadas mais recentes conforme o necessário, sempre verificando as adaptações necessárias para a sua implementação no espaço paramétrico

7 Transformação de Coordenadas
Regra da Cadeia para gradientes de campos escalares Notação Matricial Jacobiano

8 Transformação de Coordenadas
Regra da Cadeia para velocidades Notação Matricial Jacobiano

9 Transformação de Coordenadas
Domínio físico (espaço do mundo) Domínio computacional (espaço paramétrico) J e J-1 podem ser precomputados armazenados por célula como 9 escalares (4 em 2D) podem ser interpolados fora dos pontos amostrais Precisaremos também de termos de segunda ordem: sxx, syy, szz, txx, tyy, tzz, pxx, pyy, pzz

10 Modelo para Simulação Equações de Navier-Stokes (fluidos incompressíveis) Termos: Advecção: as propriedades do fluido são carregadas por ele próprio Pressão: o fluido tende a ocupar áreas de menor pressão Difusão / viscosidade: atrito interno e resistência à deformação Forças externas: acelerações adicionais

11 Algoritmo Stable Fluids original
Equações de Navier-Stokes (fluidos incompressíveis) Stable Fluids [Stam99] Aproximação de alto desempenho e incondicionalmente estável Separação de primeira ordem em passos fracionados Termos considerados sequencialmente de forma independente Algoritmos eficientes e estáveis para cada etapa Cálculo da velocidade em cada passo usa o resultado do anterior Ordem dos operadores é importante Advecção exige campo livre de divergência A – Advecção (ou Convecção) D – Difusão (ou Viscosidade) F – Forças Externas P – Projeção (ou Pressão)

12 Separação de Operadores
Estratégia do tipo “dividir-e-conquistar” Dividir um problema complexo em um conjunto de subproblemas mais simples Resolução de cada subproblema por algoritmos especializados Soma das contribuições de cada solução intermediária Tipos Separação de coordenadas Passos fracionados (separação por fenômenos físicos) Erro Pode ser estimado, existem métodos de diferentes ordens Pode limitar a acurácia da integração mesmo com operadores exatos Separação de Operadores - Operator Splitting Separação de Coordenadas - Coordinate Splitting Integração por Passos Fracionados – Fractional Step Method Método de Lie-Trotter

13 Separação de Operadores
Problema de valor inicial: Resolução direta: Método de Lie-Trotter (primera ordem): Separação de Operadores - Operator Splitting Separação de Coordenadas - Coordinate Splitting Integração por Passos Fracionados – Fractional Step Method Método de Lie-Trotter

14 Discretização do domínio
Amostragem colocalizada [Stam99] Pressões e velocidades nos centros das células Equações desacopladas, componentes oscilatórias Amostragem deslocada [Harlow65,Bridson08] Pressões nos centros, velocidades nas faces das células Componentes de velocidade separadas (interpolação)

15 Representação das velocidades
Velocidades no espaço do mundo Tratamento matemático mais simples Malha deslocada: Desalinhamento entre velocidades e normais das faces não é prejudicial ao resultado[Azevedo12] Maior dificuldade com condições de contorno Velocidades no espaço paramétrico Maior complexidade matemática Velocidades normais são mais intuitivas Condições de contorno mais simples Velocidades no mundo Velocidades paramétricas Malha colocalizada Malha deslocada

16 Advecção semi-Lagrangiana
Dados: Tempo atual t, passo de integração h Partícula numa posição amostral xA com velocidade uA Procedimento: Partícula que seria carregada pelo fluido até o ponto amostral xA Rastrear para trás (qualquer ordem, passo -h) até origem xB Atribuir à amostra a velocidade interpolada em xB Dissipação numérica Interpolação cúbica saturada e outras técnicas Efeito comparável à difusão/viscosidade Interpolação cúbica: Catmull-Rom com saturação para estabilidade Outras técnicas: Confinamento de vorticidade

17 Advecção semi-Lagrangiana
Trajetórias de uma partícula com velocidade u: A – linear no espaço do mundo (correta para u constante no mundo) B – linear no espaço paramétrico local (correta para u paramétrica constante) C – linear no espaço local com passo adaptativo (aproximada para u constante no mundo) Malhas curvilíneas Integração pode ser feita no espaço global ou paramétrico Maior eficiência no espaço em que a velocidade está representada Maior precisão no espaço em que a velocidade exibe comportamento mais simples Subdivisão em passos adaptativos Ao atravessar fronteiras entre células ou percorrer distância unitária no espaço paramétrico Considera variações nas velocidades e nos jacobianos Atribuição final deve ser feita sempre com base no espaço do mundo Evitar influência da variação de tamanho e rotações das células

18 Difusão Equação de Poisson implícita da difusão: [Stam99]
Malhas regulares (cada componente) Solução de um sistema esparso simétrico com 7 diagonais em 3D (5 em 2D) Iterações de Jacobi: Regra de atualização acessa 6 vizinhos em 3D (4 em 2D) Exemplo de solver: Gradiente Conjugado (CG) com pré-condicionador Cholesky Incompleto (IC) Malhas curvilíneas (cada componente) Solução de um sistema esparso não-simétrico com 19 diagonais em 3D (9 em 2D) Iterações de Jacobi: Regra de atualização acessa 18 vizinhos em 3D (8 em 2D) Exemplo de solver: Gradiente Biconjugado Estabilizado (BiCGStab) com pré-condicionador Multigrid Algébrico (AMG)

19 Forças externas Integração explícita de primeira ordem é suficiente em qualquer caso Acelerações arbitrárias violam fortemente condição de incompressibilidade Aplicar projeção logo após esta etapa

20 Projeção Malhas regulares Visão geral Procedimento
Após etapas anteriores, velocidades violam condição de incompressibilidade Queremos projetar as velocidades em um campo livre de divergência Utilizamos a decomposição de HelmHoltz-Hodge: Procedimento Calcular a divergência do campo de velocidades intermediárias Calcular a pressão q (a menos de uma constante) resolvendo a equação de Poisson Projetar a velocidade num campo livre de divergência: Malhas regulares Solução de um sistema esparso com a mesma estrutura do operador de difusão Exemplo de solver: Gradiente Conjugado (CG) com pré-condicionador Cholesky Incompleto (IC)

21 Projeção em malhas curvilíneas
Divergência Malha regular: Malha curvilínea: Espaço paramétrico: As divergências das bases do espaço paramétrico podem ser pré-calculadas Símbolos de Christoffel

22 Projeção em malhas curvilíneas
Pressão Solução de um sistema esparso com a mesma estrutura do operador de difusão Exemplo de solver: Gradiente Biconjugado Estabilizado (BiCGStab) com pré-condicionador Multigrid Algébrico (AMG) Projeção Malha regular: Malha curvilínea: Espaço paramétrico: Os termos da matriz composta acima podem ser pré-calculados

23 Transporte de partículas e densidades de tinta
Transporte de partículas sem massa Integração direta da posição das partículas Segue as mesmas regras da advecção semi-lagrangeana Posições guardadas diretamente no espaço paramétrico Conversão do espaço do mundo para o paramétrico seria custosa Advecção de densidades de tinta[Stam99] Estrutura análoga à equação de Navier-Stokes Operadores: advecção, difusão, extinção e fontes externas Resolução análoga ao procedimento aplicado para Navier-Stokes

24 Condições de Contorno em malha regular
Camada extra de células junto às fronteiras e obstáculos Cada célula de borda B está associada a um offset em (s,t,p) para uma célula interior R de referência Relação entre pressões e velocidades de B e R determina diferentes comportamentos Efeito Malha colocalizada Malha deslocada Pressão uBtan uBort qB Passagem livre uRtan uRort Parede lisa -uRort qR Parede rugosa -uRtan Entrada de fluido uin Saída de fluido uout Condição de Dirichlet: valor = X (ex.: velocidade na borda = 0) Condição de Neumann: derivada = X (ex.: gradiente de pressão na borda = 0)

25 Condições de Contorno em malha curvilínea
Aplicadas no espaço paramétrico normalizado Componentes tangente e ortogonal sempre alinhadas com os eixos locais Módulos independentes do tamanho local das células Utilização de fatores de escala e offset: Pressão: Velocidade: Malha deslocada e velocidades globais: paredes lisas não suportadas devido à dificuldade em garantir que apenas a componente normal seja igual a zero Efeito Malha colocalizada Malha deslocada Pressão stan sort oort sq Passagem livre 1 Parede lisa -1 Parede rugosa Entrada de fluido uin Saída de fluido uout

26 Implementação – Dados CUDA
Armazenamento Escrita Exemplos Dados pré-computados 2D/3D Cuda Arrays - Vértices de células Centros de células Jacobianos Propriedades simuladas 2D Pitch-linear memory ou Acesso direto 2D/3D CUDA Surfaces Velocidade (x2) Divergência Pressão (x2) Densidade de tinta (x2) Influências externas Page-locked async copy Forças externas Fontes de tinta Condições de contorno Offsets de B para R Parâmetros vtan, vort, oort Visualização PBOs / VBOs / Texturas CudaGraphicsResource Velocidades Densidades de tinta Posições de partículas Propriedades que requerem leitura e escrita simultânea precisam de 2 áreas de memória (x2) Cuda Arrays oferecem interpolação eficiente por hardware Suporte a CUDA Surfaces depende do hardware do cliente Dados com 3 componentes devem ser separados para manter o acesso coalescente

27 Implementação – Kernels CUDA
Não há necessidade de uso da memória compartilhada, pois todos os acessos são naturalmente coalescentes ou apresentam localidade espacial. A ser testado: tornar os kernels limitados por computação em vez de por banda [Nguyen10] Atualizações de células de borda: marcações “v” e “p” no diagrama Gargalo: resolução de sistemas lineares esparsos (tarjas no diagrama) Iterações de Jacobi BiCGStab com pré-condicionador Multigrid Algébrico (implementados na biblioteca CUSP) Visualização feita com o auxílio de shaders GLSL

28 Resultados – Validação Inicial
Resultados idênticos ao Stable Fluids em grades regulares 2D/3D

29 Resultados – Caminho curvo 2D

30 Resultados – Caminho curvo 3D

31 Resultados – Constrição 2D

32 Resultados – Constrição 3D

33 Resultados – Constrição 3D
Gráfico mostrando a velocidade média do fluido na direção x ao longo de seções transversais do grid com constrição. A área da constrição é 1/4 da área nas outras partes do percurso.

34 Resultados – Caminho suave 2D

35 Resultados – Caminho suave 3D

36 Resultados – Obstáculo 3D

37 Resultados Informações gerais: Convergência: Jacobi x BiCGStab
Intel Core i GHz, 4GB RAM, placa gráfica GeForce GTX 550 Ti. Gargalo: resolução das equações de Poisson Convergência: Jacobi x BiCGStab Iterações de Jacobi não conseguem atingir erros tão baixos quanto BiCGStab BiCGStab não converge em alguns casos! Melhora com uso da última pressão como chute inicial Melhora significativamente com utilização de um ponto de pressão fixa Condição de Parada Iterações BiCGStab Iterações de Jacobi t = 23ms 1 40 t = 37ms 2 65 t = 51ms 3 90 erro relativo < 10% >200

38 Resultados - Desempenho
Tempos para a simulação completa (fluido, partículas e tinta), mas sem renderização Iterações de Pressão Stable Fluids (300x300) Nosso método 10 Jacobi 13 ms 26 ms 50 Jacobi 53 ms 100 Jacobi 36 ms 71 ms Iterações de Pressão Stable Fluids (64 x 64 x 32) Nosso método 1 CG / BiCGStab 18 ms 45 ms 2 CG / BiCGStab 22 ms 53 ms 3 CG / BiCGStab 26 ms 63 ms 50 Jacobi 14 ms 48 ms 75 Jacobi 16 ms 100 Jacobi 19 ms 59 ms 2 a 3 mais lento, mas melhor representação de domínios curvos

39 Conclusão Método eficiente para a simulação euleriana de fluidos confinados em domínios tridimensionais curvilíneos estruturados Matrizes Jacobianas relacionam o espaço do mundo com o paramétrico de malhas estruturadas Simulação realizada com base numa simples grade uniforme Desempenho Técnica implementada em CUDA, explora bem o paralelismo das placas gráficas atuais. 2 a 3 vezes mais lento que o Stable Fluids original com implementação similar. Fronteiras curvilíneas Dispensa informações topológicas Não exige tratamento de casos especiais Não requer maior refinamento próximo às fronteiras Evita o surgimento de artefatos na simulação Resolvedores de sistemas lineares esparsos Iterações de Jacobi: mais simples de se implementar e paralelizar, estabilidade garantida BiCGStab: convergência muito rápida, diminuindo o tempo de simulação e melhorando a qualidade do resultado, mas estabilidade não garantida Trabalhos futuros Abordagem integral para pressões Técnicas de preservação da vorticidade Tratamento de gravidade e superfície livre

40 Perguntas?

41 Referências [1] N Foster, D Metaxas, Modeling the Motion of a Hot, Turbulent Gas - Proceedings of ACM SIGGRAPH 1997 [2] J Stam, Stable Fluids – Proceedings of ACM SIGGRAPH 1999 [3] M J Harris, Fast Fluid Dynamics Simulation on the GPU – GPU Gems, 2004 [4] P Mullen et al., Energy-Preserving Integrators for Fluid Animation – Proceedings of ACM SIGGRAPH 2009 [5] E Wu, Y Liu, X Liu, An Improved Study of Real-Time Fluid Simulation on GPU – The Journal of Visualization and Computer Animation, 2004 [6] N Foster, R Fedkiw, Practical Animation of Liquids – Proceedings of ACM SIGGRAPH 2001 [7] D Enright, S Marschner, R Fedkiw, Animation and Rendering of Complex Water Surfaces – Proceedings of ACM SIGGRAPH 2002 [8] G Irving et al., Efficient Simulation of Large Bodies of Water by Coupling Two and Three Dimensional Techniques – Proceedings of ACM SIGGRAPH 2006 [9] J-M Hong, C-H Kim, Discontinuous Fluids – Proceedings of ACM SIGGRAPH 2005 [10] F Losasso et al., Multiple Interacting Liquids – Proceedings of ACM SIGGRAPH 2006 [11] A Robinson-Mosher et al., Two-way Coupling of Fluids to Rigid and Deformable Solids and Shells – Proceedings of ACM SIGGRAPH 2008 [12] E. Guendelman et al., Coupling Water and Smoke to Thin Deformable and Rigid Shells – Proceedings of ACM SIGGRAPH 2005 [13] C Batty, F Bertails, R Bridson, A Fast Variational Framework for Accurate Solid-Fluid Coupling - Proceedings of ACM SIGGRAPH 2007 [14] Nguyen A. et al., 3.5-D Blocking Optimization for Stencil Computations on Modern CPUs and GPUs –Proceedings of International Conference for High Performance Computing, Networking, Storage and Analysis, 2010 [15] AZEVEDO, V. C., Efficient smoke simulation on curvilinear grids. – Master’s thesis, UFRGS, 2012.

42 Anexos

43 Difusão em malhas regulares
Equação de Poisson implícita da difusão: [Stam99] Malhas regulares:

44 Difusão em malhas curvilíneas