Accelerated Flow Visualization of Advective–Diffusive Mixing Processes using GPUs

Abstract

In this article a strategy to accelerate the simulation and visualization of combined ad-vective–diffusive mixing of a contaminant inside a square cavity with time-dependent boundary–conditions is presented. No moving walls are required to mix the fluid, but natural convection by periodic temperatures on opposite walls. A contaminant will diffuse asymptotically to uniform concentration. Advective mixing is evaluated with Lagrangian tracking and diffusive mixing is calculated with the Diffusive Strip method. That calcu-lation requires hours of CPU time due to the large amount of numerical operations and the precision requested but it can be directly translated to a Graphics Processors Unit (GPU), improving the performance by orders of magnitude. The algorithms implemented in Compute Unified Device Architecture (CUDA) and an analysis of the speed achieved are presented. The visualization of the diffusion process is done simultaneously using the data stored in the GPU memory, which allows to make a real-time analysis of the mixing

Se presenta una estrategia para acelerar la simulación y visualización de mezclado advecti-vo–difusivo de un contaminante dentro de una cavidad cuadrada con condiciones de frontera dependientes del tiempo. No se requieren paredes móviles para mezclar el fluido, sino la con-vección natural por temperaturas periódicas en paredes opuestas. Un contaminante se diluye asintóticamente hasta una concentración uniforme. El mezclado advectivo es evaluado con rastreo lagrangiano y el mezclado difusivo con el método Diffusive Strip. Este cálculo requiere horas de tiempo CPU debido a la gran cantidad de operaciones numéricas y la precisión re-querida, pero puede ser directamente transportado a una Unidad de Procesamiento Gráfico (GPU, por su acrónimo en inglés), mejorando así el rendimiento en órdenes de magnitud. Se presentan los algoritmos implementados en la Arquitectura de Cálculo Paralelo (CUDA, en inglés) y un análisis de la velocidad lograda. La visualización del proceso de difusión es simultánea usando los datos almacenados en la memoria de la GPU, lo que permite hacer un análisis en tiempo real del mezclado