Динамика процессов турбулентного перемешивания в лазерных мишенях

• Автор: Кучугов, Павел Александрович
• Шифр специальности: 01.02.05
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 149 с. : ил.

Содержание
Введение
Глава 1. Обзор литературы
Глава 2. Численное моделирование процессов турбулентного перемешивания
2.1. Описание численной методики
2.2. Реализация численной методики для GPU
2.2.1. Основные понятия, необходимые при использовании технологии CUDA
2.2.2. Методика распараллеливания с использованием CUDA
2.2.3. Тестовые расчёты
2.2.4. Оценка ускорения и эффективности алгоритма
2.3. Моделирование развития неустойчивости Рэлея-Тейлора для
одномодового возмущения
2.3.1. Постановка расчётов
2.3.2. Результаты моделирования
2.4. Выводы к Главе
Глава 3. Исследование влияния сжимаемости на развитие неустойчивости Рэлея-Тейлора
3.1. Оценка значимости эффекта применительно к задачам JITC
3.2. Линейный анализ. Обзор различных конфигураций
3.3. Численное моделирование развития неустойчивости Рэлея-Тейлора в сжимаемом случае
3.3.1. Особенности вычисления параметров для смешанных
ячеек

3.3.2. Постановка задач для моделирования и полученные результаты
3.4. Выводы к Главе
Глава 4. Эволюционный подход. Нелинейный анализ неустойчивости Рэлея—Тейлора
4.1. Совместное действие неустойчивостей Рэлея-Тейлора и Кельвина-Гельмгольца
4.2. Эволюционная теория
4.2.1. Критический возраст
4.2.2. Влияние азимутальных мод неустойчивости Кельвина-Гельмгольца на величину критического возраста
4.2.3. Скорость роста ширины зоны перемешивания
4.2.4. Влияние переходного слоя на скорость роста ширины зоны перемешивания
4.2.5. Логарифмическое представление
4.3. Выводы к Главе
Глава 5. Результаты применения эволюционного подхода и регулировка его параметров
5.1. Применение эволюционного подхода
5.2. Выводы к Главе
Глава 6. Особенности развития неустойчивости Рэлея-Тейлора в 2Ю и ЗЮ геометрии
6.1. Постановка расчётов
6.2. Результаты моделирования
6.3. Выводы к Главе

Заключение
Литература
Приложение А. Линейный анализ неустойчивости Рэлея-Тейлора. Вычисление циркуляции скорости
Приложение Б. Вычисление инкрементов неустойчивости Кельвина-Гельмгольца

2.2. Реализация численной методики для GPU
При использовании численной методики, описанной в разделе 2.1, для разрешения мелкомасштабных деталей течения или достаточно малых амплитуд возмущений требуется задавать сопоставимый шаг по пространству. В результате для описания физически осмысленных размеров счётной области необходимо большое число ячеек, а также значительное число шагов по времени, если интересоваться достаточно поздними временами процесса развития НРТ. В связи с этим актуальной становится задача реализации эффективного параллельного алгоритма для проведения моделирования. Такие алгоритмы для кластерных систем с использованием MPI (Message Passing Interface) и OpenMP были разработаны, например, в работах [122, 123]. Однако более перспективной представляется возможность запуска подобных вычислений на GPU устройствах и реализация гибридных программных комплексов.
Как известно, процесс распараллеливания задачи сводится к её декомпозиции на независимые составляющие, которые не требуют последовательного исполнения. Существует два основных варианта декомпозиции: функциональная декомпозиция, когда разными процессами исполняются различные подзадачи основной задачи, и декомпозиция данных, когда разными процессами исполняется одна и та же задача, но над различными наборами данных.
Результатом описанной в предыдущем разделе численной методики является явная разностная схема, что, во-первых, позволяет нам реализовать саму возможность написания параллельной программы, а во-вторых, определяет основной метод декомпозиции, который будет использоваться, - это декомпозиция данных. В случае использования массивно-параллельной архитектуры, такой как GPU устройства, где количество вычислительных процессов достигает десятков и сотен тысяч, можно предполагать, что одна нить, отвечающая одному процессу, будет обрабатывать одну счётную ячейку об-