Scientific Computation Hub

In unserem Scientific Computation Hub integrieren wir modernste Software-Frameworks für Strömungssimulationen und darüber hinaus. Entwickelt am Lehrstuhl für Aerodynamik und Strömungsmechanik der Technische Universität München (TUM), vereint unser Hub vier unterschiedliche, sich jedoch ergänzende Frameworks: ALPACA, JAX-Fluids, TorchLBM und LAMAS. 

ALPACA und JAX-Fluids sind vielseitige Löser für kompressible Mehrphasenströmungen, die auf präzise Simulationen, Parallelisierung und Skalierbarkeit ausgelegt sind. Beide Frameworks nutzen hochauflösende Finite-Volumen-Methoden, um Strömungsdiskontinuitäten exakt abzubilden. Durch die Implementierung von diffusen und scharfen Methoden der Grenzflächenmodellirung eignen sie sich hervorragend für die Simulation verschiedenster Mehrphasenströmungen in unterschiedlichen Anwendungsbereichen. ALPACA verwendet adaptive Gitterverfeinerung (Adaptive Mesh Refinement), wodurch hoch-performante Simulationen mit hoher Auflösung ermöglicht werden. JAX-Fluids hingegen verwaltet komplexe Strömungsszenarien effizient mithilfe statisch gestreckter Gitter und erzielt durch die statische Aufteilung des Rechengebiets maximale Rechenleistung. 

TorchLBM hebt sich als Solver auf Basis der Lattice-Boltzmann-Methode (LBM) hervor und bietet einen einzigartigen Ansatz für Strömungssimulationen. Seine Skalierbarkeit und Parallelisierbarkeit machen ihn besonders geeignet für Hochleistungsrechnungen in unterschiedlichen Bereichen, darunter Mehrphasenströmungen und komplexe Fluid-Struktur-Wechselwirkungen. 

LAMAS spezialisiert sich auf Anwendungen im Bereich der additiven Fertigung und konzentriert sich auf die komplexe Wechselwirkung mehrerer Phasen wie Gas, Schmelze und Festkörper. Unter Einsatz der Smoothed Particle Hydrodynamics (SPH) bietet LAMAS ein robustes Framework zur Simulation komplexer Fertigungsprozesse, einschließlich anspruchsvoller physikalischer Effekte und Strömungen freie Oberflächen. 

Die Integration von maschinellem Lernen in Software-Frameworks spielt eine zentrale Rolle in der modernen computergestützten Wissenschaft. ALPACA verfügt über Closed-Loop-Anwendungen wie Bayesian Optimization und automatische Datensatzgenerierung, während JAX-Fluids vollständige Differenzierbarkeit bietet und eine End-to-End-Optimierung ermöglicht. Ebenso stellt TorchLBM Differenzierbarkeit bereit und erweitert diese durch Fourier Neural Operators, wodurch die Vorhersagefähigkeiten für beschleunigte stationäre Strömungssimulationen verbessert werden. 

Durch die Integration dieser Frameworks in einen zentralisierten Scientific Computation Hub profitieren Forschende von den jeweiligen Stärken der einzelnen Systeme und fördern gleichzeitig Zusammenarbeit sowie interdisziplinäre Innovation. Dank Interoperabilität und modularem Design bietet unser Hub eine einheitliche Umgebung, um vielfältige strömungsdynamische Herausforderungen effizient zu bearbeiten. Dabei unterstreichen wir die Bedeutung gemeinschaftlicher Forschungsarbeit für den Fortschritt wissenschaftlicher Simulationen und zeigen, wie die Zusammenführung unterschiedlicher Frameworks interdisziplinäre Forschung vorantreiben kann.