新相場模擬框架: 開源、通用

2021-02-07 npj計算材料學

相場模擬是計算材料科學的基礎工具之一,用於研究各種過程中的微觀結構演變,包括凝固、晶粒生長和固態相變。相場模型幾乎完全為數值求解,不同的應用需要不同數量的相場變量、不同形式的自由能函數,並且可能需要解附加的耦合方程(如,力學平衡),因此,不同應用之間的代碼移植非常困難。來自美國密西根大學材料科學與工程系的Stephen DeWitt團隊以及美國威斯康星州麥迪遜大學的合作者,開發了一個新的通用相場模擬框架PRISMS-PF(稜鏡-PF),使用了無矩陣變量的有限元方法,並結合了先進的自適應網格劃分和並行化策略。對兩種沉澱物所作的基準測試表明,在相同的誤差水平時,PRISMS-PF比一個基本的、定製的有限差分代碼快12倍。PRISMS-PF的第二個特點是其模塊化、以應用為中心的結構,使用戶能夠專注於感興趣的系統,而不是枯燥的代碼。PRISMS-PF核心庫還包括成核和多晶系統的功能,已通過其在一系列應用中的使用得到證明,包括沉澱成核、枝晶凝固、晶粒生長和腐蝕。這種新的框架提供了高性能、靈活性、易用性和開放性,從而推動材料科學領域的突破。該文近期發布於npj Computational Materials 6: 29 (2020)。

Editorial Summary

Discarding the single-purpose code: a general phase field simulation framework     

The phase field model is one of the basic tools of Computational Materials Science, which is used to study the microstructure evolution in various processes, including solidification, grain growth and solid phase transformation. The phase field model is almost completely solved by numerical method. The phase field simulation on the length and time scale is computationally intensive. Therefore, when choosing numerical method, the calculation performance and parallel scalability are the primary consideration. In addition, simulation code written for one application can't be migrated to another without a lot of modifications.

Stephen DeWitt's team from the Department of materials science and engineering, University of Michigan and collaborators from the University of Madison, USA, developed a new open source community framework, PRISMS-PF, which is a key component of the open source multi-scale materials modeling framework developed by prism center. The computing and parallel scalability of PRISMS-PF can reach or exceed the typical phase field simulation code. The framework supports all kinds of phase field models, can create or modify the interface of a group of control equations simply and clearly, and can be separated from the numerical methods used to solve them as much as possible. In particular, the framework is open-source and can be widely adopted, modified and developed by members of the developer community. PRISMS-PF integrates with Materials Common information base and collaboration platform to collect, store and share detailed records of each simulation, providing high performance, ease of use, flexibility and adaptability to various applications. This article was recently published in npj Computational Materials 6, 29(2020).

原文Abstract及其翻譯

PRISMS-PF: A general framework for phase-field modeling with a matrix-free finite element method (PRISMS-PF: 一種通用的無矩陣有限元相場模擬方法)

Stephen DeWitt, Shiva Rudraraju, David Montiel, W. Beck Andrews and Katsuyo Thornton

Abstract: A new phase-field modeling framework with an emphasis on performance, flexibility, and ease of use is presented. Foremost among the strategies employed to fulfill these objectives are the use of a matrix-free finite element method and a modular, application-centric code structure. This approach is implemented in the new open-source PRISMS-PF framework. Its performance is enabled by the combination of a matrix-free variant of the finite element method with adaptive mesh refinement, explicit time integration, and multilevel parallelism. Benchmark testing with a particle growth problem shows PRISMS-PF with adaptive mesh refinement and higher-order elements to be up to 12 times faster than a finite difference code employing a second-order-accurate spatial discretization and first-order-accurate explicit time integration. Furthermore, for a two-dimensional solidification benchmark problem, the performance of PRISMS-PF meets or exceeds that of phase-field frameworks that focus on implicit/semi-implicit time stepping, even though the benchmark problem’s small computational size reduces the scalability advantage of explicit time-integration schemes. PRISMS-PF supports an arbitrary number of coupled governing equations. The code structure simplifies the modification of these governing equations by separating their definition from the implementation of the numerical methods used to solve them. As part of its modular design, the framework includes functionality for nucleation and polycrystalline systems available in any application to further broaden the phenomena that can be used to study. The versatility of this approach is demonstrated with examples from several common types of phase-field simulations, including coarsening subsequent to spinodal decomposition, solidification, precipitation, grain growth, and corrosion.

摘要:本研究提出了一種強調性能、靈活性和易用性的新的相場模擬框架。實現這些目標所採用的策略包括使用無矩陣有限元方法和以應用程式為中心的模塊化代碼結構。這種方法是在新的開源PRISMS-PF框架中實現的。它的性能可以通過將無矩陣的有限元方法與自適應網格優化、顯式時間積分和多級並行處理相結合來實現。粒子生長問題的基準測試表明,採用自適應網格和高階單元的PRISMS-PF比採用二階精確空間離散和一階精確顯式時間積分的有限差分代碼快12倍。此外,對於二維固化基準問題,PRISMS-PF的性能達到或超過專注於隱式/半隱式時間步進的相場框架的性能,即使基準問題的計算量降低了顯式時間積分方案的可伸縮性優勢。PRISMS-PF支持任意數量的耦合控制方程。代碼結構通過將控制方程的定義與用於實現求解它們的數值方法分離,簡化了對這些控制方程的修改。作為模塊化設計的一部分,該框架包括成核和多晶體系的函數,可用於任何材料領域和拓寬研究對象。這種方法的多功能性通過幾種常見類型的相場模擬的例子得到了證明,包括調控組分後的粗化、凝固、沉澱、晶粒生長和腐蝕。

微信分享

相關焦點

  • 搜狗開源 srpc:自研高性能通用 RPC 框架
    今年 7 月底,搜狗公司開源了內部的工業級 C++ 伺服器引擎 Workflow。
  • Facebook新框架Ax和BoTorch雙雙開源
    >【新智元導讀】近日,Facebook開源了兩款基於PyTorch的實驗框架Ax和BoTorch。Ax是一個面向自適應實驗的理解、管理、部署和自動化任務的通用平臺,BoTorch則主要面向貝葉斯優化任務。這兩個框架旨在簡化PyTorch應用中的自適應實驗流程。在現代機器學習應用中,對實驗到生產的流程進行簡化是最難實現的任務之一。在已經市場化深度學習框架中,Facebook的PyTorch因其高度靈活性成為數據科學界的最愛,PyTorch能夠實現快速建模和實驗。
  • 谷歌開源了量子算法框架Cirq,「軟硬兼施」擁抱量子霸權時代
    開源框架,為NISQ而生於是,谷歌開源了Cirq框架,這是專為NISQ算法打造的框架。這個框架,經Apache 2.0協議許可,可以修改,可以嵌入任何開源/付費的軟體包。還有應用示例與Cirq框架一同發布的,還有OpenFermion-Cirq,這是一個基於Cirq的應用示例。介紹一下,OpenFermion是一個量子算法開發平臺,專註解決化學問題。OpenFermion-Cirq則是一個開源庫,把量子模擬算法編譯成Cirq能用的樣子。
  • 開發者必備:基於Linux生態的十大AI開源框架盤點
    Deeplearning4j遵循Apache 2.0開源協議,提供了基於AWS雲服務的GPU運算支持,以及微軟伺服器框架的支持。官網:http://deeplearning4j.org/2. Caffe:廣受歡迎的深度學習框架
  • 開發者必備:基於 Linux 生態的十大AI開源框架盤
    Deeplearning4j遵循Apache 2.0開源協議,提供了基於AWS雲服務的GPU運算支持,以及微軟伺服器框架的支持。官網: http://deeplearning4j.org/2. Caffe:廣受歡迎的深度學習框架
  • Google AI的量子團隊宣布開源了用於NISQ計算機的Cirq量子計算框架
    打開APP Google AI的量子團隊宣布開源了用於NISQ計算機的Cirq量子計算框架 李倩 發表於 2018-07-22 09:32:24
  • 獨家| 人工智慧學習篇4:計算機視覺開源框架
    計算機視覺是使用計算機及相關設備來模擬生物視覺,其核心問題是研究如何對輸入的圖像信息進行組織,對物體和場景進行識別,進而對圖像內容給予解釋。具體說來,是指用攝影機和計算機代替人眼對圖像內容進行解釋,實現目標識別、跟蹤和測量等功能。代表性技術和開源軟體馬爾《視覺》的問世,標誌著計算機視覺成為一門獨立的學科。
  • REST Style來襲 LinkedIn開源Rest.li框架
    如果你正在尋找基於REST方面的API,那麼LinkedIn開源的 Rest.li正是您的最佳選擇,一款RESTful服務架構框架。 LinkedIn的高級工程師Joe Betz在博客中 宣布,Rest.li是一個REST+JSON框架,使用動態發現和簡單的異步API即可構建健壯可伸縮的服務架構體系。
  • 輕量級部署,騰訊優圖開源深度學習推理框架TNN
    機器之心發布機器之心編輯部6 月 10 日,騰訊優圖實驗室宣布正式開源新一代移動端深度學習推理框架 TNN。從學界到工業界,「開源」已經成為 AI 領域的關鍵詞。可以說「開源」是 AI 落地和繁榮不可或缺的源動力。6 月 10 日,騰訊優圖實驗室宣布正式開源新一代移動端深度學習推理框架 TNN,通過底層技術優化實現在多個不同平臺的輕量級部署落地。該框架性能優異、簡單易用。基於 TNN,開發者能夠將深度學習算法輕鬆移植到手機端並高效執行,開發人工智慧 APP,真正將 AI 帶到指尖。
  • 物超所值:八大網絡安全開源框架
    能幫助構建、操作安全系統的開源項目多到數不清,尤其是隨著對工具的安全監控和事件反應的要求不斷加強的情況下,開源安全軟體不得不提高自己的性能。下面為你介紹10款開源的安全軟體。1. BroBro 是一款很強大的框架,用於網絡分析和安全監控,它和常見的IDS有所不同。
  • 扒一扒COMSOL中的Phase field相場方法
    與VOF、LS和FT方法具有銳利界面的特性不同,相場方法的界面存在一定厚度,密度、粘度等物理量在此區域內連續快速變化。引入序通量f來區分和定義兩相式中:ri—— 第i相的密度;Ci—— 第i相的濃度,且滿足。由定義可知,單相內為1或-1,而在界面處其值處在(-1,1)的範圍內。
  • 微軟打造深度學習開源框架「自動翻譯機」:不同框架輕鬆切換
    【新智元導讀】微軟Cortana智能和機器學習小組的數據科學家最新在Giuhub開源項目,對各個深度學習框架進行了基準測試,提供了很多有參考價值的數據以及GPU優化代碼。眾多的深度學習框架,就像世界上各種不同的語言一樣,但是,不會「外語」並不可怕,他們希望構建一個深度學習框架的羅塞塔石碑,讓開發人員和研究者能在這個眾多框架並存的環境中,好好生存。
  • 華為開源自研AI框架MindSpore!一次訓練,可多場景部署
    乾明 發自 凹非寺量子位 報導 | 公眾號 QbitAI華為的開源AI框架,來了!剛剛,華為宣布正式開源自研深度學習框架MindSpore,代碼已經上線。MindSpore是一款支持端邊雲全場景的深度學習訓練推理框架,主要應用於計算機視覺、自然語言處理等AI領域,面向數據科學家、算法工程師等人群,提供設計友好、運行高效的開發體驗。作為華為整體AI解決方案的一部分,MindSpore在提供昇騰AI處理器原生支持及軟硬體協同優化,也支持通用CPU和GPU。
  • [開源推薦]高性能Web框架Zend Framework
    Zend Framework (ZF)是用 PHP 5.3及更高版本來開發 Web 程序和服務的開源框架。ZF用100% 面向對象編碼實現。 ZF的組件結構獨一無二,每個組件幾乎不依靠其他組件。這樣的鬆耦合結構可以讓開發者獨立使用組件。 我們常稱此為 「use-at-will」設計。
  • 解密華為最新AI生態布局,開源AI計算框架,三大頂會密集發論文81篇
    HMS槍響方熄,華為又發新的生態炮彈。3月27日至28日,首次在線上舉辦的華為開發者大會,成為華為「鯤鵬+昇騰」雙引擎計算戰略的大型秀場。基於鯤鵬的免費商用版作業系統、基於昇騰的開源AI計算框架接連亮相,為華為計算長卷再添上濃墨重彩的一筆。
  • 英特爾優化OpenVINO工具包;Streamlit發布開源機器學習開發框架
    為了向 OpenVINO 社區提供培訓功能,英特爾今天在神經網絡壓縮框架(NNCF)中發布了對二進位模型的支持,該框架是 OpenVINO 培訓擴展的一部分。松寶有話說:二進位是機器能自身能識別的語言,所以性能肯定最優。2.
  • 2020,國產AI開源框架「亮劍」TensorFlow、PyTorch
    3月20日,清華大學計算機系圖形實驗室開源AI框架計圖(Jittor),這是由中國學界開源的首個AI框架,直接對標PyTorch。在短短8天時間裡,來自中國AI開源框架「你方唱罷我登臺」,向AI開源框架領域的霸主們亮劍,這也許會成為國產深度學習框架開源歷史上重要的高光時刻。
  • 3個開源Python GUI框架
    作為通用程式語言的本質,在每個通用作業系統中都可以使用解釋器,Python必須完全不知道它為創建圖形用戶界面所做出的選擇。幸運的是,有許多選項可供程式設計師使用,希望為用戶創建一種與程序交互的簡便方法。在各種平臺上存在多個UI框架的綁定,包括Windows,Mac和Linux本地的UI框架,以及可以在這三個平臺上工作的許多UI框架。
  • 計算機圖形也能自動可微:MIT學神的微分太極框架開源
    這一框架可以基於太極實現自動微分,在物理模擬優化方面有很高的性能和靈活性。這意味著太極從計算機圖形學進入了機器學習的領域。目前,一作胡淵鳴已在 GitHub 上開源了基於這一框架完成的 10個 物理模擬器,項目登上了 GitHub 熱榜。而微分太極論文也已被 ICLR2020 接收。
  • 微軟開源ONNX Runtime,想用什麼深度學習框架任你選!
    新智元報導 來源:Azure編輯:大明【新智元導讀】微軟宣布將多平臺通用ONNX機器學習引擎開源,此舉將讓機器學習框架,向著機器學習框架的標準化和性能優化方向邁進了一大步。此前,為了推進AI框架標準化,更好地支持PyTorch和TensorFlow等框架,微軟甚至降低了對自家CNTK框架的宣傳調門,可謂「用心良苦」。當地時間12月4日,微軟在GitHub上宣布ONNX Runtime開源 。