HPC und Cloud

Die Grundlage: Skalierbare Architektur

COMSOL Multiphysics^® verfügt über eine clusterfähige Architektur, die sich von lokalen Arbeitsplätzen bis hin zu HPC-Umgebungen in Unternehmen und Clouds skalieren lässt. Nach einer einmaligen Clusterkonfiguration optimiert die Software numerische Workloads automatisch für die jeweilige Hardware. Diese Fähigkeit ermöglicht es Ingenieuren, ohne manuelle Änderungen oder wiederholte Cluster-Optimierungen vom Prototyping am Desktop auf groß angelegte Produktionsläufe überzugehen.

Skalierung bei Multicore- oder Multiprozessorsystemen (Shared-Memory Parallelism)

Nutzen Sie die volle Leistungsfähigkeit der Workstation-Hardware sofort nach dem Auspacken. COMSOL Multiphysics^® nutzt Shared-Memory Parallelism (über OpenMP^®), um Rechenaufgaben automatisch auf alle verfügbaren Prozessorkerne zu verteilen. Diese automatische Parallelisierung führt zu sofortigen Leistungssteigerungen bei großen, hochpräzisen Modellen, ohne dass eine Softwarekonfiguration erforderlich ist. Für Shared-Memory Parallelism auf einem einzelnen Computer fallen keine zusätzlichen Lizenzgebühren an, um das Programm auf einer unbegrenzten Anzahl von Prozessorkernen auszuführen.

Hochleistungsskalierung (Distributed-Memory Parallelism)

Überschreiten Sie die physikalischen Grenzen eines einzelnen Rechners, indem Sie die gebündelten Ressourcen eines Clusters nutzen. Mit einer Netzwerklizenz (FNL) fallen keine zusätzlichen Lizenzgebühren an, um das Programm auf einem Cluster beliebiger Größe auszuführen. Durch die Verwendung von MPI zur Aufteilung des Speicherbedarfs und der Rechenlast eines Modells auf mehrere Knoten kann COMSOL Multiphysics^® hochpräzise Simulationen mit Hunderten von Millionen Freiheitsgraden durchführen. Diese Fähigkeit ermöglicht es Anwendern, umfangreiche Netzverfeinerungen durchzuführen oder große, komplexe Multiphysik-Modelle zu lösen, sofern ausreichend Cluster-Hardware zur Verfügung steht.

Maximale Hardwareeffizienz (Hybrid Memory Parallelism)

Maximieren Sie den Rechendurchsatz durch die Kombination von Strategien mit gemeinsam genutztem und verteiltem Speicher. Durch die ausgewogene Nutzung von Multithreading (über OpenMP^®) innerhalb einzelner Knoten und von Message Passing (MPI) über einen Cluster hinweg minimiert COMSOL Multiphysics^® den Overhead bei der Netzwerkkommunikation und optimiert die Hardwareauslastung. Dieser hybride Ansatz gewährleistet, dass Simulationen auf modernen Many-Core-Architekturen effizient skalieren, was zu schnelleren Durchlaufzeiten und einer vorhersehbaren Leistung über umfangreiche Rechenressourcen hinweg führt.

Hochleistungsrechnen: Verwaltung paralleler parametrischer Sweeps

High-Throughput-Computing ermöglicht eine schnelle Designauswertung, indem der Schwerpunkt von der Lösung eines einzelnen umfangreichen Modells auf die gleichzeitige Bewertung Tausender Parametervariationen verlagert wird. Auf einer HPC-Infrastruktur bietet COMSOL Multiphysics^® mehrere unterschiedliche Funktionen zur Aufgabenparallelität. Der Knoten Batch Sweep nutzt die native Scheduler-Integration, wie beispielsweise SLURM^® oder LSF^®, um separate Batch-Jobs für verschiedene Parameterwerte zu starten und so sicherzustellen, dass eine einzelne nicht konvergierende Variation nicht die gesamte Studie zum Stillstand bringt. Alternativ bündelt ein Distributed Parametric Sweep mehrere gleichzeitige Parameterauswertungen zu einem einzigen großen MPI-Job, was bei der Bereitstellung in einem verteilten System äußerst effizient sein kann, um lange Wartezeiten in der Scheduler-Warteschlange zu umgehen.

Diese hohe Durchsatzleistung ist nicht auf Cluster-Umgebungen beschränkt. Für Anwender, die auf lokalen Multicore-Workstations arbeiten, bringt die Funktion Batch Sweep die Aufgabenparallelität direkt auf den Desktop. Dadurch ist es möglich, mehrere Parametersets gleichzeitig zu lösen, indem die lokale Hardwareauslastung maximiert wird, was eine Methode für die Designzuordnung in kleinerem Maßstab bietet, bevor auf einen Cluster umgestellt wird.

Eine dritte Möglichkeit besteht darin, vollständig unabhängige COMSOL Multiphysics Prozesse auf einem Cluster auszuführen, wobei jeder Prozess ein separates Modell, ein separates Parameterset oder ein separates Simulationsszenario verarbeitet. Dieser Ansatz eignet sich gut für lose gekoppelte Arbeitslasten, bei denen jeder Durchlauf unabhängig ablaufen kann, und er bietet Anwendern volle Kontrolle über die Auftragseinreichung, Überwachung und Auswertung der Ergebnisse mithilfe von Skripten oder externen Tools. Mit einer FNL lässt sich dieser Arbeitsablauf auf eine große Anzahl von Designvarianten desselben Modells skalieren, ohne dass zusätzliche Lizenzgebühren je nach Clustergröße oder Kernanzahl anfallen.

Diese Parallel-Sweep-Technologien bilden die Grundlage für Workflows im Bereich des maschinellen Lernens (ML), insbesondere für die Generierung synthetischer Daten im Rahmen der Studie Surrogate Model Training. Durch die schnelle Abbildung von Designräumen auf lokaler Hardware oder in Clustern können Ingenieure umfangreiche Datensätze mit Referenzwerten erstellen, um Ersatzmodelle wie Deep Neural Networks (DNN) zu trainieren.

Kompatibilität mit Cloud Computing

Viele Anwender führen Simulationen in der Cloud durch, um skalierbare Rechenressourcen nach Bedarf nutzen zu können, ohne eine eigene HPC-Infrastruktur unterhalten zu müssen. Anwender mit einer FNL-Lizenz können diese auf einer Cloud-Plattform ihrer Wahl nutzen.

COMSOL-Modelle können bei den großen Cloud-Anbietern wie AWS^®, Azure^® und Google Cloud sowie über HPC-Cloud-Plattformen und Partner wie Rescale und Nimbix bereitgestellt werden. Nutzer haben zudem die Möglichkeit, die Software mit Amazon Elastic Compute Cloud™ (Amazon EC2™) auszuführen. Weitere Informationen finden Sie auf den Seiten zu den HPC-Partnern.