Evaluation of efficient computational work division in parallel Monte Carlo grain growth algorithm

• Autorzy: Sitko M. , Madej Ł.

Warianty tytułu

PL

Efektywny podział przestrzeni obliczeniowej w równoległej wersji algorytmu rozrostu ziaren na bazie metody Monte Carlo

• Języki publikacji: EN

Abstrakty

EN

Implementation of parallel version of the Monte Carlo (MC) grain growth algorithm is the subject of the present paper. First, modifications of the classical MC grain growth algorithm required for the parallel execution are presented. Then, schemes for the MC space division between subsequent computational threads/nodes are discussed. Finally, implementation details of different parallelization approaches based on OpenMP and MPI are presented and compared.

PL

W pracy przedstawiono implementację równoległej wersji algorytmu rozrostu ziaren z wykorzystaniem metody Monte Carlo (MC). W pierwszej części pracy zostały przedstawione modyfikacje klasycznego algorytmu rozrostu ziaren bazującego na metodzie MC, pozwalające na równoległe wykonanie aplikacji. Następnie zostały opisane różne podziały przestrzeni obliczeniowej pomiędzy poszczególne subdomeny obliczeniowe. Wyniki przedstawionej implementacji opartej na OpenMP oraz MPI zostały zaprezentowane oraz porównane pod kontem przyspieszenia obliczeń oraz maksymalnej redukcji czasu wykonania symulacji.

Słowa kluczowe

EN

Monte Carlo; OpenMP; MP1; parallelization; grain growth

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2016
• Tom: Vol. 16, No. 3
• Strony: 113--120
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Sitko M.

• AGH University of Science and Technology, 30 Mickiewicza Av., Krakow, 30-059 Poland

autor

Madej Ł.

• AGH University of Science and Technology, 30 Mickiewicza Av., Krakow, 30-059 Poland

Bibliografia

• Dong, D., Chen, F., Cui, Z., 2016, Static recrystallization behavior of SA508-III steel during hot deformation, Journal of Iron and Steel Research, 23, 466-474.
• Goins, P.E., Holm, E.A., 2016, The material point Monte Carlo model: a discrete, off-lattice method for microstructural evolution simulations, Computational Materials Science, 124, 411-419.
• Humphreys, M.J., Hatherly, M., 2004, Recrystallization and related annealing phenomena, second ed. Elsevier, Oxford.
• Ivasishin, O.M., Shevchenko, S.V., Vasiliev, N.L., Semiatin, S.L., 2006, A 3-D Monte Carlo (Potts) model for recrystallization and grain growth in polycrystalline materials, Materials Science and Engineering A, 422, 216-232.
• Madej, L., Rauch, L., Perzynski, K., Cybulka, P., 2011, Digital Material Representation as an efficient tool for strain inhomogeneities analysis at the micro scale level, Archives of Civil and Mechanical Engineering, 1 l, 661-679.
• Mason, J.K., 2015, Grain boundary energy and curvature in Monte Carlo and cellular automata simulations of grain boundary motion, Acta Materialia, 94, 162-171.
• Mason, J.K., Lind, 1., Lia, S.F., Reed, B.W., Kumar, M., 2015, Kinetics and anisotropy of the Monte Carlo model of grain growth, Acta Materialia, 82, 155-166.
• Rollett, A.D., Manohar, P., 2004, The Monte Carlo Method, in Continuum Scale Simulation of Engineering Materials: Fundamentals - Microstructures - Process Applications, eds Raabe, D., Roters, F., Barlat, F., Chen, L.-Q., Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, FRG. doi:10.1002/3527603786.ch4, 77-114.
• Scholtes, B., Boulais-Sinou, R., Settefrati, A., D. Munoz, D.P., Poitrault, 1., Montouchet, A., Bozzol, N., Bernacki, M.,2016, 3D level set modeling of static recrystallization considering stored energy fields, Computational Materials Science, 122, 57-71.
• Sieradzki, L., Madej, L., 2013, A perceptive comparison of the cellular automata and Monte Carlo techniques in application to static recrystallization modeling in polycrystalline materials, Computational Material Science, 67, 156-173.
• Su, J., Sanjari, M., Kabir, A.S.H., Jonas, J.J., Yue, S., 2016, Static recrystallization behaviour of magnesium AZ31 alloy subjected to high speed rolling, Materials Science & EngineeringA, 662, 412-425.
• Sun, L., Muszka, K., Wynne, B.P., Palmiere, E.J., 2013, On the interactions between strain path reversal and dynamic recrystallisation in 316L stainless steel studied by hot torsion, Materials Science and Engineering A, 568, 160- 170.
• Williamson, A., Delplanque, J.-P., 2016, Investigation of dynamic abnormal grain growth using the Monte Carlo Potts method, Computational Materials Science, 124, 114-129.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).