Научный CFD код BATS-R-US MHD перемолол 0.5 триллона ячеек. Было потрачено 200 миллионами процессорных часов.
Красивые картинки прилагаются.
PERMAS Computes Highly Nonlinear Structures
PERMAS TechnologyHighly Nonlinear Structures- material nonlinear- hyperelastic material- geometrically nonlinear- nonlinear contact with and without friction...
www.youtube.comЭтот код берет свое начало с 60-х годова, когда разработка его пропродителя началась в Институте статики и динамики Штутгартского университета. Короче говоря, еще один неявный решатель МКЭ с прицелом на моделирование геометрической и физической нелинейности. Интересно посмотреть, что по внутренним тестам он уделывает Marc.
The Apple M1 Ultra Crushes Intel in Computational Fluid Dynamics Performance
There are certain workloads where the M1 Ultra truly excels. Hit one, and it's game over for current x86 platforms.
www.extremetech.comОчень жаль, что все большие игроки CAE рынка игнорируют платформу macOS и ее ARM процессоры Apple Mx. Вот прошлогодняя статейка, где показано, как M1 Ultra в щепки разносит все серверные процессоры Intel в наборе тестов USM3D. USM3D - это открытый CFD код для неструктурированных тетраэдральных сеток, разрабатываемый для решения задач внешней аэродинамики в NASA с 1989 года на FORTRAN-90. Жалко только, что в тесте нет аналогичных машины на Linux и Windows для полноты сравнения.
В современной автомобильной, и не только, промышленности очень актуальны задачи взаимодействия твердых тел с жидкостями, что бы было много брызг. Два ключевых примера таких задач:
- Прохождение автомобиля по глубоким лужам/через мелкий брод и определение
- Смазка и охлождение чего-то быстро вращающегося, как, например, коробки передач Как показывает обзор современных публикаций, все предпочитают использовать для этого SPH и его вариации.
Примером сравнения реализаций работы данного метода является отчет Чалмерского технологического университета (Chalmers). Свое исследованием она выполнили по заказу Volvo Trucks. В данном отчете проведено подробное сравненеие работы Ansys LS-DYNA (IISPH), Preonlab (IISPH) и Siemens Simcenter SPH Flow (Riemann-SPH). Кроме SPH коллеги затронули и VOF с MPS.
Потом Yahoo закрыл свой сервис групп. Но группа любителей LS-DYNA не пропала. Она переехала на Google Groups и живет по адресу: https://groups.google.com/g/ls-dyna2
Weltweit führendes Unternehmen im KI-Computing
Wir entwickeln den schnellsten Supercomputer der Welt und die weltweit größte Gaming-Plattform.
info.nvidia.comPhysics ML - это термин, который в NVIDIA используется для обсуждения решения сложных инженерных задач с помощью ИИ: таких задач, как оптимизация инженерных проектов, разработка виртуальных датчиков и создание цифровых двойников. До недавнего времени некоторые из этих проблем решались только с помощью сложных численных инструментов, а другие считались невозможными из-за высоких вычислительных требований традиционных методов. В этом докладе NVIDIA обсудит, как Physics ML меняет представление о возможностях. NVIDIA поделится некоторыми примерами, представит три различных типа методов Physics ML, навыки, необходимые для их использования, и обсудит, что NVIDIA делает, чтобы помочь снизить барьер для разработки и внедрения решений Physics ML.
В книге «Черты будущего» (в оригинале «Profiles of the Future», 1962) английский изобретатель, писатель и футуролог Артур Кларк сформулировал так называемые «законы Кларка», в соответствии с которыми, по его мнению, развивается современная наука.
Первый закон: Если заслуженный, но престарелый учёный говорит, что нечто возможно, он почти наверняка прав. Если же он говорит, что нечто невозможно, он почти определённо ошибается. Второй закон: Единственный путь обнаружить пределы возможного — уйти за эти пределы, в невозможное. Третий закон: Любая достаточно развитая технология неотличима от магии.
Machine Learning Methods in Geotechnical Engineering
Hosted by Prof Majid Nazem of RMIT University, Melbourne, Australia.Machine Learning in Geotech needs data. You can easily generate training sets using OPTUM...
www.youtube.comПодход машинного обучения является областью искусственного интеллекта и основан на принципе, что машины могут получать данные, обучаться и предсказывать поведение на основе прошлых наблюдений из полученных данных. На этом вебинаре будет рассмотрена применимость различных методов машинного обучения в ряде задач геомеханики, таких как устойчивость склонов, несущая способность свай, динамическая пенетрация и прогнозирование свойств, присущих грунтам.
Статистические методы и искусственный интеллект (ИИ) использовались для прогнозирования поведения грунта во многих геотехнических приложениях. Тем не менее, с развитием больших данных и совершенствованием вычислительного интеллекта, модели ИИ оказались более успешными в прогнозировании по сравнению со статистическими моделями. Благодаря своей эффективности и надежности, методы ИИ привлекли определенное внимание для решения сложных проблем, где существуют сильно нелинейные отношения между влияющими параметрами.
3D Printing Helices - Reproducing work from Wyss Insitute - Particleworks Meshless CFD
For more information visit https://particleworks-europe.com/Particleworks Europe Mesh-less CFDMPS SPH Digital Simulations Engineering
www.youtube.com