Il supercomputer Frontier mappa le turbolenze con una precisione mai vista

Sfruttando il supercomputer Frontier, i ricercatori raggiungono dettagli senza precedenti nella comprensione dei flussi turbolenti tridimensionali

Redazione

Nuovo traguardo raggiunto dal supercomputer Frontier del Department of Energy presso l’Oak Ridge National Laboratory: grazie alla sua capacità di eseguire calcoli su scala exascale (ovvero un miliardo di miliardi di operazioni al secondo il supercomputer ha permesso a un team di ricercatori del Georgia Institute of Technology di realizzare la simulazione numerica diretta (DNS) più avanzata mai eseguita sulla turbolenza tridimensionale, raggiungendo un record di 35 trilioni di punti griglia, aprendo nuove prospettive per comprendere fenomeni naturali e ingegneristici che vanno dalle correnti oceaniche e atmosferiche ai motori e agli aeromobili.

Una nuova frontiera nella simulazione della turbolenza

La turbolenza rappresenta uno dei problemi più complessi della fluidodinamica, caratterizzata da fluttuazioni disordinate su una vasta gamma di scale spaziali e temporali.

Come spiega il professor P. K. Yeung, a capo del progetto, “la risoluzione è la chiave: con simulazioni ad alta risoluzione possiamo comprendere meglio le fluttuazioni turbolente e le loro implicazioni pratiche in molte discipline”. Migliorare la comprensione delle fluttuazioni turbolente può infatti portare a progressi pratici in molti settori, tra cui una previsione più accurata del meteo e la progettazione di veicoli più efficienti.

Prima di Frontier, simulare in dettaglio le piccole scale della turbolenza era praticamente impossibile. Grazie a 32.768 punti griglia per ciascuna dimensione, la simulazione tridimensionale ha permesso di osservare i dettagli più fini dei flussi turbolenti.

Fluttuazioni estreme e predizioni statistiche

Un tema centrale della ricerca riguarda le fluttuazioni turbolente estreme, rare e localizzate nel tempo e nello spazio, che possono avere conseguenze significative, come tornado, piogge record o instabilità nei motori a combustione.

Nella turbolenza, si osservano fluttuazioni significative in molte proprietà del flusso. Anche piccole fluttuazioni possono avere conseguenze enormi. Sono in qualche modo casuali, ma sono comunque soggette a leggi fisiche e si verificano nel tempo e nello spazio. Quindi, invece di cercare di calcolare quanta pioggia cadrà tra una settimana, diciamo: ‘La probabilità che piova la prossima settimana è X percento’. Convertiamo la domanda da deterministica a stocastica o statistica“, ha detto Yeung. 

Per raggiungere questi risultati, il team ha implementato un protocollo chiamato “multiresolution independent simulation”, che combina simulazioni ad alta risoluzione per brevi intervalli con simulazioni a risoluzione inferiore su tempi più lunghi. Questa metodologia ha permesso di studiare dettagli finissimi senza dover simulare l’intero flusso per tempi estesi, garantendo precisione e affidabilità.

Impatti futuri e condivisione dei dati

In breve, questa nuova simulazione ad altissima risoluzione consente di analizzarne la distribuzione statistica, e da una semplice probabilità statistica si riesce finalmente a prevedere quanto tali fenomeni possano verificarsi. Basti solo pensare che il progetto ha raggiunto un numero di Reynolds pari a 2.500: un valore che consente di avvicinare le simulazioni numeriche agli esperimenti di laboratorio reali.

Secondo Yeung, questa simulazione rappresenta un traguardo storico: dopo 50 anni di studi sulla turbolenza e oltre 30 anni di lavoro personale, le simulazioni su Frontier consentono oggi di ottenere un dettaglio comparabile agli esperimenti di laboratorio, con un livello di precisione senza precedenti e la possibilità di testare ipotesi fondamentali su fenomeni complessi come la turbolenza ad alta intensità.

I dati prodotti sono già resi parzialmente disponibili sulla Johns Hopkins Turbulence Database (JHTDB), suscitando grande interesse nella comunità scientifica. Gli studenti di dottorato del team, come Rohini Uma-Vaideswaran e Daniel Dotson, stanno utilizzando il dataset per avanzare nello studio tramite machine learning e visualizzazione 3D dei flussi turbolenti.

Iscriviti alla newsletter

Non inviamo spam! Leggi la nostra Informativa sulla privacy per avere maggiori informazioni.