Eugen Riegel studied aviation and aerospace engineering at the Technical University in Munich (TUM). He has been fascinated by GPU and 3D graphics ever since which made him build the first prototype for pacefish.
After his studies in 2007, with his expertise in the CPU and GPU area, he joined in establishing the company the software prototype was first introduced in.
In 2013, he founded Numeric Systems with his gained experience. Ever since he has been working on pacefish with a changing team.
Eugen Riegel studied aviation and aerospace engineering at the Technical University in Munich (TUM). He has been fascinated by GPU and 3D graphics ever since which made him build the first prototype for pacefish.
After his studies in 2007, with his expertise in the CPU and GPU area, he joined in establishing the company the software prototype was first introduced in.
In 2013, he founded Numeric Systems with his gained experience. Ever since he has been working on pacefish with a changing team.
Mit Hilfe von GPUs (Graphics Processing Unit, Grafikprozessor) erreicht pacefish® im Vergleich zu CPUs (Central Processing Unit, Universalprozessor) eine sehr viel höhere Arbeitsgeschwindigkeit und reduziert dadurch massiv die Kosten einer physikalischen Strömungssimulation.
Bei anderen CFD-Werkzeugen muss sich der Nutzer zwischen kurzer Durchlaufzeit und belastbaren Simulationsergebnissen entscheiden. Indem pacefish® die Kosten pro Simulation radikal reduziert, bekommen pacefish® Nutzer beides zu gleich:
Kurze Durchlaufzeit bei transienten Strömungssimulationen und belastbare physikalische Simulationsergebnisse.
Zur Berechnung des Strömungsverhaltens nutzt pacefish® die Lattice-Boltzmann Methode (LBM).
Die transiente Modellierung berücksichtigt zeitabhängige Effekte wie z.B. Wirbelstraßen, dynamische Wirbelablösungen sowie Druck- und Geschwindigkeitsfluktuationen.
Der integrierte robuste Pre-Processor importiert komplexe Geometrien im verbreiteten STL Datenformat und toleriert dabei kleinere Defekte.
Ein vorgelagertes Geometry-Cleanup ist dadurch in der Regel nicht mehr nötig.
Durch lokale Gitterverfeinerung werden Simulationszellen dort eingesetzt, wo sie benötigt werden, z.B. in wandnahen Bereichen oder im Nachlauf.
Der integrierte Präprozessor generiert ausgehend von der Objektgeometrie parametrisiert vollautomatisch Bereiche lokaler Gitterverfeinerung.
Die Ergebnisdaten werden typischerweise im EnSight-Gold und CSV Datenformat exportiert und stehen damit für die Weiterverarbeitung mit zahlreichen Werkzeugen wie z.B. ParaView oder Excel zur Verfügung.
Neben dem Smagorinsky LES-Modell bietet pacefish® hybride uRANS-LES (SST-DDES und SST-IDDES) sowie uRANS (K-Omega-SST) Turbulenzmodelle an.
Die Letzteren erzielen durch eine besonders genauere Wiedergabe der turbulenten Grenzschicht wesentlich belastbare Prognosen.
Um die Arbeitsgeschwindigkeit zusätzlich zu erhöhen nutzt pacefish bei fast idealer Skalierung gleichzeitig bis zu 16 GPUs.
Dies ermöglicht Simulations-Modelle mit über 1 Milliarde Zellen. Modelle mit über 100 Millionen Zellen werden bereits in wenigen Stunden berechnet.
Die Leistungsfähigkeit von pacefish® wird ermöglicht durch die effiziente Nutzung moderner Grafikprozessoren (GPUs). Dies sind parallele Prozessoren mit über 5000 Kernen, ursprünglich aus dem Grafikbereich. GPUs besitzen eingeschränkte Fähigkeiten, können diese aber bei gleichen Kosten um ein Vielfaches schneller umsetzen als CPUs.
Die besondere Architektur der GPUs stellt die Programmentwicklung vor spezielle Herausforderungen. Mit der ersten Zeile Programmcode wurden diese berücksichtigt, sodass pacefish® die Vorteile der GPU-Architektur effektiv abschöpft und die Nachteile neutralisiert.
Die Arbeitsgeschwindigkeit von pacefish® wird bereits mit einer einzigen GPU um das 20fache gegenüber der Verwendung einer Multicore-CPU beschleunigt. Durch Multi-GPU Beschleunigung mit bis zu 16 GPUs erzielt pacefish® bei nahe zu idealer Skalierbarkeit beeindruckende Leistungswerte.
Die belastbare Prognosegenauigkeit ist das Ergebnis der intensiven Forschung, Entwicklung und Erprobung insbesondere der Wand- und Turbulenzmodellierung für LBMs. Das so in über zehn Jahren aufgebaute exklusive Know-How behebt wichtige elementare Schwächen der LBM und ermöglicht die Nutzung von pacefish® für Simulationsmodelle industrieller Komplexität.
Untersuchen und Optimieren der komplexen Aerodynamik von Fahrzeugen.
Analysieren des transienten Windverhaltens in Häuserschluchten bei Veränderungen der Bebauung.
Bestimmen und Optimieren der dynamischen Windlasten auf die Fassade und Struktur eines Gebäudes.