La morphologie de la turbulence pleinement développée au centre du jet. Crédit image :Michael Gauding.
Lorsque vous versez de la crème dans une tasse de café, le liquide visqueux semble se disperser paresseusement dans la tasse. Prenez une cuillère à mélanger ou une paille dans la tasse, bien que, et la crème et le café semblent se combiner rapidement et en toute transparence dans une couleur plus claire et, au moins pour certains, une boisson plus agréable.
La science derrière cette anecdote relativement simple parle en fait d'une vérité plus large sur la dynamique des fluides complexe et sous-tend de nombreux progrès réalisés dans les transports, la production d'énergie, et d'autres technologies depuis l'ère industrielle - les mouvements chaotiques apparemment aléatoires connus sous le nom de turbulence jouent un rôle vital dans les processus chimiques et industriels qui reposent sur un mélange efficace de différents fluides.
Alors que les scientifiques étudient depuis longtemps les écoulements de fluides turbulents, leur nature chaotique inhérente a empêché les chercheurs d'élaborer une liste exhaustive de « règles, " ou des modèles universels pour décrire et prédire avec précision la turbulence. Ce grand défi a fait de la turbulence l'un des derniers grands " grands défis " de la physique non résolus.
Dans les années récentes, Les ressources de calcul haute performance (HPC) ont joué un rôle de plus en plus important pour mieux comprendre comment la turbulence influence les fluides dans diverses circonstances. Récemment, des chercheurs de l'université RWTH d'Aix-la-Chapelle et du centre de recherche CORIA (CNRS UMR 6614) en France ont utilisé les ressources HPC du Jülich Supercomputing Center (JSC), l'un des trois centres HPC comprenant le Gauss Center for Supercomputing (GCS), pour exécuter des simulations numériques directes (DNS) à haute résolution d'installations turbulentes, y compris des jets de flammes. Bien qu'extrêmement coûteux en calcul, Le DNS de la turbulence permet aux chercheurs de développer de meilleurs modèles pour fonctionner sur des ressources informatiques plus modestes qui peuvent aider les chercheurs universitaires ou industriels à utiliser les effets de la turbulence sur un écoulement de fluide donné.
"Le but de nos recherches est d'améliorer à terme ces modèles, spécifiquement dans le cadre des applications de combustion et de mélange, " a déclaré le Dr Michael Gauding, Scientifique et chercheur du CORIA sur le projet. Le travail récent de l'équipe vient d'être nommé le document distingué du colloque "Turbulent Flames", qui s'est déroulé dans le cadre du 38e Symposium international sur la combustion.
Démarre et s'arrête
Malgré son apparence aléatoire, caractéristiques chaotiques, les chercheurs ont identifié certaines propriétés importantes qui sont universelles, ou du moins très fréquent, pour les turbulences dans des conditions spécifiques. Les chercheurs étudient comment le carburant et l'air se mélangent dans une réaction de combustion, par exemple, compter sur la turbulence pour assurer une efficacité de mélange élevée. Une grande partie de ce mouvement turbulent important peut provenir de ce qui se passe dans une zone mince près du bord de la flamme, où ses mouvements chaotiques entrent en collision avec les fluides plus fluides qui l'entourent. Cette zone, l'interface turbulente-non turbulente (TNTI), a de grandes implications pour la compréhension du mélange turbulent.
Lors de l'exécution de leurs calculs DNS, Gauding et son collaborateur, Mathis Bode de RWTH Aix-la-Chapelle, a décidé de se concentrer spécifiquement sur ce sujet parmi les plus subtils, phénomènes plus complexes qui se déroulent à la TNTI.
Le bord du jet turbulent, montrant un modèle on-off de turbulence qui reflète l'intermittence externe. Crédit :Michael Gauding
Spécifiquement, les chercheurs voulaient mieux comprendre les fluctuations rares mais puissantes appelées "intermittence" - un processus irrégulier se produisant localement mais avec une très grande amplitude. Dans des flammes turbulentes, l'intermittence améliore l'efficacité du mélange et de la combustion, mais trop peut également éteindre la flamme. Les scientifiques distinguent l'intermittence interne, qui se produit aux plus petites échelles et est une caractéristique de tout écoulement turbulent pleinement développé, et intermittence externe, qui se manifeste au bord de la flamme et dépend de la structure du TNTI.
Même en utilisant des ressources HPC de classe mondiale, exécuter de grandes simulations DNS de turbulence est coûteux en temps de calcul, comme les chercheurs ne peuvent pas utiliser d'hypothèses sur le mouvement des fluides, mais résolvez plutôt les équations régissant toutes les échelles pertinentes dans un système donné - et la plage d'échelles augmente avec la "force" de la turbulence en tant que loi de puissance. Même parmi les chercheurs ayant accès aux ressources HPC, les simulations manquent souvent de la résolution nécessaire pour résoudre complètement l'intermittence, qui se produit en couches minces confinées.
Pour Bode et Gauding, comprendre la turbulence à petite échelle qui se produit à la frontière mince de la flamme est le point. "Nos simulations sont hautement résolues et s'intéressent à ces couches minces, " Bode a déclaré. "Pour les séries de production, la résolution de la simulation est nettement supérieure à celle des simulations DNS similaires pour résoudre avec précision les fortes rafales liées à l'intermittence. »
Les chercheurs ont pu utiliser les supercalculateurs JUQUEEN, JURECA, et JUWELS au JSC pour créer une base de données complète de simulations de turbulence. Par exemple, une simulation a été exécutée pendant plusieurs jours sur le module JUQUEEN complet, employant tous les 458, 752 cœurs de calcul lors de la "Big Week" du centre en 2019, simuler un flux-jet avec environ 230 milliards de points de grille.
Mélanger et assortir
Avec une meilleure compréhension du rôle que joue l'intermittence, l'équipe récupère les données de leurs exécutions DNS et les utilise pour améliorer les simulations de grands tourbillons (LES) moins exigeantes en calcul. Tout en restant parfaitement précis pour une variété d'objectifs de recherche, Les LES se situent quelque part entre une simulation ab initio qui commence sans hypothèse et un modèle qui a déjà intégré certaines règles sur le comportement des fluides.
L'étude des flammes de jet turbulent a des implications pour une variété d'objectifs d'ingénierie, des technologies aérospatiales aux centrales électriques. Alors que de nombreux chercheurs qui étudient la dynamique des fluides ont accès à des ressources HPC telles que celles du JSC, D'autres ne le font pas. Les modèles LES peuvent souvent fonctionner sur des ressources de calcul plus modestes, et l'équipe peut utiliser ses données DNS pour mieux informer ces modèles LES, rendre les simulations moins exigeantes en termes de calcul plus précises. "En général, les modèles LES actuels ne sont pas en mesure de rendre compte avec précision de ces phénomènes au voisinage de la TNTI, ", a déclaré Gauding.
L'équipe a pu faire évoluer son application pour tirer pleinement parti des ressources informatiques du JSC en participant régulièrement à des événements de formation et à des ateliers organisés au JSC. Bien qu'il soit déjà en mesure d'exploiter de grandes quantités de puissance HPC, bien que, l'équipe reconnaît que ce défi scientifique est suffisamment complexe pour que même les systèmes HPC de nouvelle génération capables d'atteindre des performances exascales, soit un peu plus de deux fois plus vite que le supercalculateur le plus rapide d'aujourd'hui, le supercalculateur Fugaku de RIKEN au Japon - pourrait ne pas être en mesure de simuler complètement ces dynamiques turbulentes. Cependant, chaque avancée informatique permet à l'équipe d'augmenter les degrés de liberté et d'inclure des éléments physiques supplémentaires dans leurs simulations. Les chercheurs envisagent également d'utiliser des approches davantage axées sur les données pour inclure l'intermittence dans les simulations, ainsi que l'amélioration, développement, et valider des modèles basés sur les données DNS de l'équipe.