Dans ce modèle de simulation d'écoulement de deux fluides, les sphères grises représentent des supports solides, tandis que le fluide de la phase mouillante et le fluide de la phase non mouillante sont représentés en bleu foncé et bleu clair, respectivement. Crédit :Laboratoire national d'Oak Ridge
En 1922, Le météorologue anglais Lewis Fry Richardson a publié Weather Prediction by Numerical Analysis. Ce travail influent comprenait quelques pages consacrées à un modèle phénoménologique qui décrivait la façon dont plusieurs fluides (gaz et liquides) s'écoulent à travers un système à milieu poreux et comment le modèle pouvait être utilisé dans la prévision météorologique.
Depuis, les chercheurs ont continué à s'appuyer sur le modèle de Richardson et à l'étendre, et ses principes ont été utilisés dans des domaines tels que le génie pétrolier et environnemental, hydrologie, et la science du sol.
Cass Miller et William Gray, professeurs à l'Université de Caroline du Nord à Chapel Hill, sont deux de ces chercheurs qui travaillent ensemble pour développer une méthode plus complète et précise de modélisation de l'écoulement des fluides.
Grâce à un prix INCITE du Département de l'énergie des États-Unis (DOE), Miller et son équipe ont obtenu l'accès au supercalculateur IBM AC922 Summit de l'Oak Ridge Leadership Computing Facility (OLCF), une installation d'utilisateurs du DOE Office of Science située au Oak Ridge National Laboratory (ORNL) du DOE. La puissance de la machine à 200 pétaflops permet à Miller d'aborder le sujet des écoulements à deux fluides (mélanges de liquides ou de gaz) d'une manière qui aurait été inconcevable à l'époque de Richardson.
Briser la tradition
Le travail de Miller se concentre sur la façon dont deux fluides s'écoulent à travers des milieux poreux (roches ou bois, par exemple) sont calculés et modélisés. De nombreux facteurs influencent le mouvement des fluides à travers les milieux poreux, mais pour des raisons différentes, toutes les approches informatiques ne les considèrent pas. En général, les phénomènes de base qui affectent le transport de ces fluides, tels que le transfert de masse et de quantité de mouvement, sont bien compris par les chercheurs à petite échelle et peuvent être calculés avec précision.
"Si vous regardez un système de support poreux à une plus petite échelle, " Miller a dit, "une échelle continue où disons, par exemple, un point existe entièrement dans une phase fluide ou dans une phase solide, nous comprenons relativement bien les phénomènes de transport à cette échelle—nous appelons cela la micro-échelle. Malheureusement, nous ne pouvons pas résoudre beaucoup de problèmes à l'échelle microscopique. Dès que vous commencez à réfléchir à l'emplacement des particules solides et à l'emplacement de chaque fluide, il devient difficile de décrire un système à cette échelle sur le plan informatique et pragmatique."
Pour résoudre ce problème d'échelle, les chercheurs ont traditionnellement abordé la plupart des problèmes pratiques d'écoulement des fluides à l'échelle macro, une échelle à laquelle le calcul devient plus faisable. Parce que de nombreuses applications du monde réel nécessitent des réponses à de multiples problèmes d'écoulement de fluide, les scientifiques ont dû sacrifier certains détails de leurs modèles au profit de solutions accessibles. Plus loin, Le modèle phénoménologique de Richardson a été écrit sans dérivation formelle à plus grande échelle, ce qui signifie que la physique microscopique fondamentale, par exemple, ne sont pas représentés explicitement dans les modèles à macro-échelle traditionnels.
Au temps de Richardson, ces omissions étaient sensées. Sans méthodes de calcul modernes, relier la physique microscopique à un modèle à grande échelle était une tâche presque impensable. Mais maintenant, avec l'aide du supercalculateur le plus rapide au monde pour la science ouverte, Miller et son équipe comblent le fossé entre la micro-échelle et la macro-échelle. Faire cela, ils ont développé une approche connue sous le nom de théorie de la moyenne à contrainte thermodynamique (TCAT).
"L'idée de TCAT est de surmonter ces limitations, " a déclaré Miller. " Pouvons-nous d'une manière ou d'une autre partir d'une physique bien ou mieux comprise et arriver à des modèles qui décrivent la physique des systèmes qui nous intéressent à l'échelle macro?
Cadre TCAT pour la construction de modèles, fermeture, évaluation, et validation. Crédit :Laboratoire national d'Oak Ridge
L'approche TCAT
La physique à l'échelle microscopique fournit une base fondamentale pour représenter les phénomènes de transport à travers les systèmes de milieux poreux. Pour résoudre des problèmes qui intéressent la société, cependant, L'équipe de Miller avait besoin de trouver un moyen de traduire ces premiers principes en modèles mathématiques à grande échelle.
"L'idée derrière le modèle TCAT est que nous partons de la micro-échelle, " Miller a dit, "et nous prenons cette physique à plus petite échelle, qui inclut la thermodynamique et les principes de conservation, et nous déplaçons tout cela à une plus grande échelle d'une manière mathématique rigoureuse où, par nécessité, nous devons appliquer ces modèles.
L'équipe de Miller utilise Summit pour aider à comprendre la physique détaillée agissant à l'échelle microscopique et utilise les résultats pour aider à valider le modèle TCAT.
"Nous voulons évaluer cette nouvelle théorie en la démontant et en examinant des mécanismes individuels et en examinant des systèmes plus grands et le modèle global, " Miller a déclaré. "La façon dont nous faisons cela est le calcul à petite échelle. Nous effectuons régulièrement des simulations sur des réseaux qui peuvent avoir jusqu'à des milliards d'emplacements, plus de cent milliards de sites de réseau dans certains cas. Cela signifie que nous pouvons résoudre avec précision la physique à une échelle affinée pour des systèmes suffisamment grands pour satisfaire notre désir d'évaluer et de valider ces modèles.
"Summit fournit une ressource unique qui nous permet d'effectuer ces simulations à micro-échelle hautement résolues pour évaluer et valider cette nouvelle classe passionnante de modèles, " il ajouta.
Mark Berrill du Scientific Computing Group de l'OLCF a collaboré avec l'équipe pour permettre l'analyse des simulations à haute résolution à l'échelle microscopique.
Pour continuer le travail, Miller et son équipe ont reçu 340 autres, 000 heures de nœud sur Summit via le programme INCITE 2020.
« Alors que nous avons élaboré la théorie sur la façon dont nous pouvons modéliser ces systèmes à plus grande échelle, nous travaillons à travers INCITE pour évaluer et valider cette théorie et finalement la réduire à une pratique de routine qui profite à la société, ", a déclaré Miller.
