Parallelizzazione basata su CPU
Uno dei limiti principali legati alle simulazioni CFD risiede nella notevole richiesta computazionale. Senza voler intervenire sulle tecniche numeriche, fino a qualche anno fa l’unico modo per ridurre i tempi di calcolo era distribuire le simulazioni su una notevole quantità di CPU. Sono così nati super-computer basati su centinaia, se non migliaia, di CPU, dapprima concentrati nei soli centri di ricerca nazionali ed internazionali, e ora diffusi anche su scala locale. Sono state raffinate tecniche di parallelizzazione basate su memoria condivisa (spesso con librerie OpenMP) e su memoria distribuita (prevalentemente basate su librerie MPI).
Parallelizzazione basata su GPU
Negli ultimi anni è stato introdotto l’impiego di una nuova configurazione hardware, quella delle GPU. Questo tipo di processori trae origine dal mondo della grafica, ma ormai si stanno diffondendo soluzioni esclusivamente dedicate al calcolo. Nuove librerie sono sorte (le CUDA®) atte a sfruttare appieno le potenzialità offerte dalle GPU, e, al momento, è in corso un’attività di porting dei vari strumenti di simulazione su questa nuova tipologia di piattaforma. Quest’ultimo approccio è di fatto lo stato dell’arte, e, in base alle informazioni finora disponibili, promette di segnare un’importante svolta nel mondo della simulazione fluidodinamica e numerica in generale.
Soluzioni on-premise e cloud
DOFWARE ha deciso di investire in entrambe le direzioni. Seguendo l’approccio classico, si è dotata di un cluster di calcolo HPC su cui parallelizza le simulazioni che più necessitano di RAM (tipiche della CFD standard), ma non rinunciando ad investigare soluzioni provenienti dal mondo CLOUD. Al contempo ha iniziato ad effettuare simulazioni anche su GPU, in modo da sfruttare il maggior numero di core a disposizione (tipicamente simulazioni meshless). Diverse prove vengono effettuate ed aggiornate continuativamente in modo da testare a fondo l’hardware a disposizione ed utilizzarlo nel miglior modo possibile. Al momento è in fase di studio una ulteriore strada che sembra promettente, se non altro nella fase di traghettamento dall’ambito CPU a quello GPU: si tratta dell’approccio IBRIDO, nel quale le capacità di CPU e GPU vengono combinate distribuendo parte della simulazione sulle prime e parte sulle seconde.