一、软件官网
Github仓库:https://github.com/ProjectPhysX/FluidX3D
项目文档:https://github.com/ProjectPhysX/FluidX3D/blob/master/DOCUMENTATION.md
Moritz Lehmann 博士论文:https://epub.uni-bayreuth.de/id/eprint/6977/
二、软件简介
号称速度最快、内存效率最高的格子玻尔兹曼(LBM) CFD 软件,在相同的 GPU 硬件上,FluidX3D 的性能比现今商用 CFD 求解器高出 100 到 2000 倍(研究派注:速度提高的一部分来自LBM算法天然易于并行计算,另一方面来自FluidX3D软件的针对性优化)。
FluidX3D基于OpenCL, 可在所有 GPU 和 CPU 上运行(由于没有依托于NAVID的CUDA,因此FluidX3D可以在任何GPU上使用GPU加速)。
FluidX3D 实现了格子波尔兹曼方法(LBM),这是一种直接数值模拟 (DNS),是最精确的流体模拟类型之一,但也是计算难度最大的类型之一。
FluidX3D采用了大量技术提高LBM方法的计算速度,如底层只采用 FP32 甚至 FP32/FP16的浮点数精度,并通过额外的优化保证在大多数情况下,精度与 FP64 双精度无异。此外,FluidX3D也舍弃了多重松弛时间(MRT)碰撞算子,采用简单的 SRT 。通过大量类似的方式,FluidX3D在LBM方法计算速度上追求到了极致。
FluidX3D 可选的扩展模型包括体积力 (Guo 强迫)、自由表面 (流体体积和PLIC )、温度模型和 Smagorinsky-Lilly 子网格湍流模型。
- FluidX3D 可以进行非常大的模拟,以至于存储体积数据以供后续渲染变得难以管理(例如,单帧需要 120GB,视频需要数百 TB)
- 相反,FluidX3D 允许直接在 VRAM 中渲染原始模拟数据,因此不需要将大型体积文件导出到硬盘
- 渲染速度非常快,可以实时交互进行光栅化和光线追踪
- 光栅化和光线追踪在 OpenCL 中完成,并且可以在所有 GPU 上运行,即使是没有 RTX/DXR 光线追踪核心或根本没有任何渲染硬件的 GPU(如 A100、MI200 等)
- 如果没有可用的监视器(例如在远程 Linux 服务器上),则可以使用ASCII 渲染模式在终端中以交互方式可视化模拟(即使在 WSL 中和/或通过 SSH)
- 通过无缝域分解光栅化,渲染完全实现多 GPU 并行化
- 禁用交互式图形模式时,图像分辨率可以达到 VRAM 允许的最大分辨率(4K/8K/16K 及以上)
- (交互式)可视化模式:
- 标记线框/固体表面(如果使用扩展,则标记固体单元上的力矢量或表面压力)
- 速度场(带切片模式)
- 流线(带切片模式)
- 速度色Q准则等值面
- 使用移动立方体对自由表面进行栅格化
- 使用快速射线网格遍历和行进立方体对自由表面进行射线追踪,每像素 1-4 条射线或每像素 1-10 条射线
三、开发团队介绍
FluidX3D 由 Moritz Lehmann 博士独自开发和维护。
Moritz Lehmann博士毕业于德国拜罗伊特大学物理专业。其博士论文即专注于实现高计算速度和高内存优化的LBM程序。
Moritz Lehmann博士目前在微软担任GPU 软件开发工程师,同时担任OpenCl的外部顾问,由此可以相信,FluidX3D在GPU计算和OpenCl方面的算法应该属于世界前列水平。
四、软件案例
FluidX3D于2022年底开源,截至本文攥写时间已经得到4K颗星。

虽然目前尚未由实际工程落地案例,但是Moritz Lehmann博士在Youtube频道分享了很多其完成的示例视频,这些酷炫的CFD仿真视频在中文互联网也得到了广泛传播,虽然很多人并不知道是出自FluidX3D。

五、软件许可
特此授予获得此软件和相关文档文件副本的任何人免费使用本软件进行公共研究、教育或个人用途的许可,以及自由修改和重新分发本软件的许可,但须遵守以下限制:
- 不得歪曲本软件的来源;您不得声称您编写了原始软件。更改后的源版本必须明确标记,并且不得歪曲为原始软件。
- 不允许商业使用。您不得出售本软件、修改后的源版本、其任何部分或许可证授予您的任何权利。您不得向第三方提供任何产品或服务,无论其价值是源自本软件、修改后的源版本或其任何部分的功能,还是收取费用或其他报酬(包括但不限于与软件相关的托管或咨询/支持服务的费用),除非版权所有者明确授予您许可。
- 不允许用于军事用途。您不得将此软件、修改后的源版本或其任何部分用于军事研究或任何军事或国防工业用途,或在军事机构内使用。
- 您不得在本软件的源代码、修改后的源版本或其任何部分上训练AI模型。
- 如果发布了改变的源版本的二进制文件或改变的源版本生成的数据或结果,则也必须发布改变的源代码。
- 如果科学出版物源自该软件或更改的源版本,则应引用此处列出的文章。
- 任何来源发行版均不得删除或更改本许可声明。
软件按“原样”提供,不作任何明示或暗示的保证,包括但不限于适销性、特定用途的适用性和不侵权性的保证。在任何情况下,作者或版权持有者均不对因软件或使用或其他处理软件而引起的或与之相关的任何索赔、损害或其他责任承担责任,无论是合同行为、侵权行为还是其他行为。

友情提醒:
本官方内容包含对第三方产品或服务的介绍,仅供参考。请您在做出选择时进行充分考量,本站不对任何第三方产品或服务的使用后果承担责任。
- 除非另有明确标注,本站内容的版权均归属于原始发布者。未经发布者和本站明确授权,任何个人或组织均不得复制、盗用、采集或以其他任何方式将本站内容发布至其他媒介或平台。
- 若本站内容侵犯了您的合法权益,请联系我们进行处理。
- 对于非本站官方发布的内容,本站无法对其具体内容承担责任。请用户务必自行仔细甄别信息的真实性、准确性和完整性。