PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

GPU implementation of Kampmann-Wagner numerical precipitation models

Identyfikatory
Warianty tytułu
PL
Implementacja GPU numerycznego model Kampmanna-Wagnera dla wydzieleń
Języki publikacji
EN
Abstrakty
EN
A Kampmann-Wagner type numerical precipitation model (KWN) has been implemented using NVIDIA's CUDA framework for numerical programming of the graphics processing unit (GPU). Different implementation strategies are discussed and subjected to performance measurements. We study two representative cases corresponding to a large and a small workload. The model is found to be well suited for a GPU implementation, provided that there is enough work to keep the device busy and the right parallelization strategy is chosen. For our hardware, we recommend a minimum work load of more than $2^{16}$ histogram bins (as the total of multiple histograms) which corresponds to 146 histogram bins per GPU core. When the KWN model is used in combination with other calculations that are processed by the CPU, the performance improvements can be such that the KWN model incurs only emph{negligible} additional execution time. Also if the KWN model is used standalone for a large case, the GPU implementation achieves good scalability and performance.
PL
Model Kampmanna-Wagncra dla wydzieleń (KWN) został zaimplementowany za pomocą frameworku NVIDIA CUDA w numerycznym programie dla kart graficznych (GPU). W pracy przedyskutowano różne strategie implementacji i oceniono wydajność poszczególnych rozwiązań. Badano dwa reprezentatywne przypadki odpowiadające małemu i dużemu obciążeniu obliczeniowemu. Zauważono, że model jest odpowiedni dla implementacji GPU, zakładając że obciążenie jest wystarczające aby procesory były obciążone i że wybrana jest odpowiednia strategia zrównoleglenia. Dla urządzeń użytych w pracy zarekomendowano minimalne obciążenie 2"’ histogramów czyli dyskretyzowanych cząstek (jako sumę wszystkich histogramów), co odpowiada 146 histogramów na jedną GPU. Kiedy model KWN jest połączony z innymi obliczeniami prowadzonymi na GPU, poprawa wydajności może być uzyskana dzięki temu że model KWN wykorzystuje tylko niewielką część czasu procesora. Ponadto, jeżeli model KWN jest wykorzystany oddzielnie dla dużego zadania, implementacja GPU osiąga dobrą skalowalność i wydajność.
Słowa kluczowe
Rocznik
Strony
127--138
Opis fizyczny
Bibliogr. 23 poz., rys.
Twórcy
autor
autor
  • Impetus AFEA, SE-14160 Huddinge, Sweden
autor
  • Institute for Energy Technology, N-2027 Kjeller, Norway
Bibliografia
  • Bahraini, A., Miroux, A., Sietsma, .1., 2012, An age-hardening model for Al-Mg-Si alloys considering needle-shaped precipitates. Metallurgical and Materials Transactions A, 43, 4445-4453.
  • Chang, L.-W., Stratton, J. A., Kim, 11.-S., Hwu, W.-M. W.,A scalable, numerically stable, high-performance tridiagonal solver using GPUs, Proceedings of the International Conference on High Performance Computing, Networking, Storage and Analysis, Los Alamitos, CA, USA, 27:1-27:1 I.
  • Fazeli, P., Sinclair, C. W., Bastow, T., 2008, The role of excess vacancies on precipitation kinetics in an Al-Mg-Se alloy. Metallurgical and Materials Transactions A, 39, 2297- 2305.
  • Fjær, H. G., Myhr, O. R., Klokkchaug, S., Holm, E. J., 2001, Advances in aluminum weld simulations applying WeldSim, Proceedings of the 11th Intl. ConJ. on Computer Technology in Welding, eds, Siewert, T. A., Pol¬lock, C., Washington, 251-263.
  • Öhlund, C. E. I. C., den Ouden, D., Weidow. J., Thuvandcr, M., Offerman, S. E., 2015, Modelling the evolution of multiple hardening mechanisms during tempering of Fe C Mn Ti martensite, ISIJ International, 55, 884-893.
  • Öhlund, C. E. I.C., Weidow, J., Thuvander, M., Offerman, S. E., 2014, Effect of Ti on evolution of microstructure and hardness of martcnsitic Fe-C-Mn steel during tempering, ISIJ International, 54, 2890-2899.
  • Khan, I. N., Starink, M. J., Yan, .1. L., 2008, A model for precipitation kinetics and strengthening in Al Cu Mg alloys. Materials Science and Engineering: A, 472, 66-74.
  • Myhr, O. R., Grong, O., 2000, Modelling of non-isothermal transformations in alloys containing a particle distribution, Acta Materialia, 48, 1605-1615.
  • Myhr, O. R., Grong, 0., Andersen, S. .1., 2001, Modelling of the age hardening behaviour of Al-Mg-Si alloys, Acta Materialia r, 49, 65-75.
  • Myhr, O. R„ Grong, O., Klokkchaug, S., Fjær, 11. G., 2002, Modelling of the microstructure and strength evolution during ageing and welding of Al-Mg-Si alloys. Mathematical Modelling of Weld Phenomena 6, ed, Cerjak, II., Graz, Austria, 337-364.
  • Myhr, O. R., Klokkchaug, S., Grong, 0., Fjær, 11. G., Kluken, A. O., 1998, Modeling of microstructure evolution, residual stresses and distortions in 6082-T6 aluminum weldments. Welding Journal, 77, 286S-292S.
  • Nicolas, M., Deschamps, A., 2003, Characterisation and modelling of precipitate evolution in an Al-Zn-Mg alloy during non-isothermal heat treatments, Acta Materialia. 51, 6077-6094.
  • Den Ouden, D., Zhao, L., Vuik, C., Sietsma, J., Vcrmolen, F. J.,Modelling precipitate nucléation and growth with multiple precipitate species under isothermal conditions: Formulation and analysis. Computational Materials Science, 79, 933-943.
  • NVIDIA Corporation, 2015, The API reference guide for cau- PARSE, DU-06709-001 v7.5.
  • Patankar, S., 1980, Numerical Heat Transfer and Fluid Flow, Hemisphere Publ., Washington.
  • Perez, M., 2005, Gibbs-Thomson effects in phase transformations, Scripta Materialia, 52, 709-712.
  • Robson, J. D., Jones, M. J., Prangnell, P. B„ 2003, Extension of the N-model to predict competing homogeneous and heterogeneous precipitation in Al-Sc alloys, Acta Materialia, 51, 1453-1468.
  • Simar. A., Bréchet, Y., de Meester, B., Denquin, A., Gallais, C., Pardoen, 'I'., 2012, Integrated modeling of friction stir welding of 6xxx series Al alloys: Process, mierostructure and properties, Progress In Materials Science, 57, 95-183.
  • Simar, A., Bréchet, Y., de Meester, B., Denquin, A., Pardocn, 'I'., 2007, Sequential modeling of local precipitation strength and strain hardening in friction stir welds of an aluminum alloy 6005A-T6, Acta Materialia, 55, 6133- 6143.
  • Wagner, R„ Kampmann, R„ 1991, Homogeneous second-phase precipitation, Materials Science and Technology: Phase Transformations in Materials, eds. Calm, R. W., Haascn, P., Kramer, E. J., VCH, Weinheim, 213-302.
  • Wu, L., Ferguson, W. Cl., 2009, Modelling of precipitation hardening in casting aluminium alloys. Materials Science Forum, 61X-619, 203-206.
  • Yang, J., Enomoto, M., 2005, Numerical simulation of copper precipitation during aging in deformed Fc-Cu alloys, ISI.J International, 45, 1335-1344.
  • Zhang, Y.. Cohen, J., Owens, J. D., 2010, Fast tridiagonal solvers on the GPU, SIGPLAN Not., 45, 127-136.
Uwagi
PL
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-89a69137-9843-4635-b37b-c4e0af9af938
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.