Parallel DEM software for simulation of granular media

Abstract

The paper describes the development and performance of parallel algorithms for the discrete element method (DEM) software. Spatial domain decomposition strategy and message passing inter-processor communication have been implemented in the DEMMAT code for simulation of visco-elastic frictional granular media. The novel algorithm combining link-cells for contact detection, the static domain decomposition for parallelization and MPI data transfer for processors exchanging particles has been developed for distributed memory PC clusters. The parallel software DEMMAT_PAR has been applied to model compacting of spherical particles in the rectangular box. Two benchmark problems with different numbers of particles have been solved in order to measure parallel efficiency of the code. The inter-processor communication has been examined in order to improve domain decomposition topology and to achieve better load balancing. The speed-up equal to 11 has been obtained on 16 processors. The parallel performance study has been performed on the PC cluster VILKAS of Vilnius Gediminas Technical University, Lithuania.

Straipsnyje nagrinėjamas diskrečiųjų elementų metodo (DEM) programinės įrangos lygiagrečiųjų algoritmų kūrimas ir tobulinimas. DEMMAT programų pakete birioms klampiai-tamprioms medžiagoms modeliuoti įdiegtos tarpprocesorinės komunikacijos, pagrįstos pranešimų perdavimu, bei srities skaidymo koncepcija. Paskirstytos atminties PK telkiniams sukurtas naujas algoritmas, jungiantis gardelių metodiką kontaktų paieškai, statinę srities skaidymo koncepciją ir dalelių perėjimų iš vieno procesoriaus į kitą, pagrįstų MPI pranešimų perdavimu. Sferinių dalelių suspaudimo stačiakampėje srityje uždavinys išspręstas lygiagrečių programų paketu DEMMAT_PAR. Lygiagrečiųjų skaičiavimų efektyvumas išmatuotas sprendžiant du testinius uždavinius su skirtingais dalelių skaičiais. Siekiant pagerinti srities skaidymo topologiją ir užtikrinti subalansuotą procesorių apkrovą, ištirtas tarp procesorių persiunčiamas duomenų kiekis. Naudojant 16 procesorių, nagrinėjamą uždavinį pavyko išspręsti 11 kartų greičiau. Visi lygiagrečiųjų skaičiavimų tyrimai atlikti Vilniaus Gedimino technikos universiteto PK telkinyje VILKAS.