Cadence推出全新数字孪生平台Millennium Platform，提供超高性能和高能效比

Cadence楷登

4小时前浏览10

内容提要

●

颠覆性的专用软硬件加速平台；利用 GPU 和 CPU 计算以及专有软件算法，提高准确度、速度和规模的同时，带来高达 100 倍的设计效率提升

●

与传统 HPC 相比，支持 GPU-resident 模式的求解器可将仿真能效显著提高 20 倍

●

将数字孪生、人工智能和 HPC 技术相结合，为汽车、航空航天、能源、叶轮机械和数据中心提供更优的多物理场仿真解决方案

●

利用创新的生成式人工智能技术，进一步加速设计和分析探索，获得卓越的设计洞见，提供更好的系统解决方案

●

支持在云端或本地进行 CFD 多物理场分析，以满足客户的业务需求

中国上海，2024 年 2 月 2 日——楷登电子（美国 Cadence 公司，NASDAQ：CDNS）今日宣布推出面向多物理场系统设计和分析的 Cadence^® Millennium^™ Enterprise Multiphysics Platform，率先在业界提供硬件/软件（HW/SW）加速的数字孪生解决方案。第一代 Cadence Millennium M1 平台旨在提高性能和能效比，加速高保真计算流体力学（CFD）仿真。这款一站式解决方案可在云端或本地运行，搭载了来自卓越提供商的图形处理单元（GPUs），具有极其快速的互联和增强型 Cadence 高保真 CFD 软件堆栈，针对 GPU 加速和生成式 AI 经过优化。Millennium M1 实例可融合到统一的集群中，助力客户实现理想的周转速度，当天即可完成设计周转，并为仿真复杂系统提供了近乎线性的扩展能力。

在汽车、航空航天、能源和叶轮机械行业，我们要确保设计的系统性能和能效均达到新的水平，这项要求已成为重中之重。为了优化性能并减少温室气体排放，汽车设计师专注于提高燃油效率、减少阻力和噪声，以及延长电动车的续航里程。提高能效、减少碳排放和降低维护频率，这是航空航天和叶轮机械设计工程师最关心的问题。要实现这些目标，多物理场仿真技术的进步至关重要。数字孪生仿真有助于探索更多创新的设计方案，而性能、准确度、容量和加速计算技术对于实现数字孪生仿真至关重要。在进行原型样机开发和测试之前，有效的仿真可以使我们有十足的把握确保这些设计将按预期正常实施。

Millennium Platform 可以满足这些需求。该平台的主要功能和优势包括：

性能

将同类理想的 GPU-resident CFD 求解器与专用 GPU 硬件相结合，每块 GPU 的算力可与超级计算机相媲美，最多相当于 1000 个 CPU 内核的计算性能。

效率

将计算迭代时间从数周缩短至数小时，与性能相当的 CPU 相比，能效提高了 20 倍。

准确度

利用 Cadence Fidelity^™ CFD 求解器，可提供卓越的准确度，从容应对复杂的仿真挑战。

高性能计算

采用可扩展架构和支持大规模扩展的 Fidelity 求解器，在多个 GPU 节点上提供近乎线性的扩展性能。

AI 数字孪生

快速生成高质量的多物理场数据，利用生成式 AI 为理想系统设计方案创建快速、可靠的数字孪生可视化效果。

一站式解决方案

率先将 GPU 计算与现代的可扩展 CFD 求解器相结合，为加速 CFD 和多学科设计及优化提供了理想的环境。

灵活性

可使用卓越供应商提供的 GPU，在云端至少配置 8 个 GPU，或在本地至少配置 32 个 GPU，提供灵活、可扩展的解决方案，以满足每个客户的部署需求。

“我们一路走过了 35 年的发展历程，在这期间，Cadence 始终致力于帮助具有挑战性的计算应用提高性能，同时保证准确度。算法计算效率始终是一个关键优先事项，而我们正在利用生成式 AI 从海量设计和仿真数据中提取有用的信息。”Cadence 全球副总裁兼多物理场仿真事业部总经理 Ben Gu 说道，“我们新推出了颠覆性的 Millennium 平台，这是一次巨大的飞跃，为数字孪生和人工智能应用提供了卓越的加速和性能扩展。CFD 有望从性能和效率的提升中大大受益，对于那些必须探索更多设计创新并更快将产品推向市场的行业，Millennium M1 的强大性能将为其带来翻天覆地的改变。”

Millennium M1 现已面向早期用户开放使用

要了解更多信息，请访问

www.cadence.com/go/millenniumpr

（您可复制至浏览器或点击阅读原文打开）

客户反馈

“本田和 Cadence 在加速 CFD 设计流程方面的合作已持续了 10 多年。我们部署了 Cadence 的 Millennium M1 多物理场超级计算平台及其 LES 求解器。事实证明，在汽车、航空推进和 eVTOL 项目中，我们的空气动力学、燃烧和气动声学应用系统仿真的迭代速度显著加快，扩展能力也得到很大提升。由于高精度 CFD 仿真性能的巨大提升潜力，我们期待着与 Cadence 继续合作开发新一代 CFD 解决方案。”

——Atsushi Ogawa

Chief Operating Officer

Honda R&D Co., Ltd.

“在 Corvid，我们经常利用高精度 CFD 工具进行空气动力学和热仿真。Cadence Fidelity CFD 软件与 GPU 计算相结合，将亚音速应用的高精度仿真计算效率提高了 8 倍。考虑到每个项目都要进行大量的仿真，预计 Millennium M1 将在速度和准确度方面显著改善我们现有的工作流程。”

——Mathieu Amiraux

Senior Aerodynamicist

Corvid Technologies

“我们与 Cadence 的合作取得了丰硕的成果。华硕很高兴能使用 Cadence 新推出的 Millennium 平台，该平台通过 Cadence 颠覆性的软硬件结合提供了卓越的性能和能效。我们期待双方持续合作，立足当下，展望未来，共同应对 AI 数字孪生设计和多物理场仿真挑战。”

——Paul Ju

Corporate Vice President

and CTO of Data Center, ASUS

“Cadence 的 Millennium M1 及其 CharLES 求解器的高精度流场仿真技术代表了计算流体力学先进的水平，它充分利用了数值方法、物理建模和 GPU 计算方面新的创新成果。在航空航天、汽车和能源系统设计中，湍流的影响至关重要。Cadence 的解决方案集准确度、速度和规模于一身，对上述设计产生了积极影响，将开启可预测性仿真的新时代。此外，高质量仿真数据的生成速度大幅提升，这将大大增强我们开发控制和建模概念的能力，包括基于 AI 的模型和数字孪生的实现。”

——Professor Parviz Moin

Stanford University and Founding Director

of the Center for Turbulence Research (CTR)

来源：Cadence楷登

Fidelity 何以成为首选的大涡模拟（LES）求解器

本文翻译转载于：Cadence blog作者：Veena Parthan 由于气动及流场的涡流效应在汽车、船只等设计中的重要性，计算流体力学（CFD）工程师必须要考虑湍流的影响。为此，在 CFD 模拟中需要构建湍流模型，从而实现对真实湍流现象的仿真。具体地说，当计算资源有限和（/或）时间紧张时，应该首选雷诺平均（RANS）模型进行湍流建模。但对于某些流动情况，使用 RANS 湍流模型时模拟结果的准确性会受到影响。为了解决这一难题，大涡模拟（LES）就派上了用场，特别是在处理具有非线性属性的燃烧和化学反应问题时更为明显。但由于硬件算力的限制，很大程度上使得 LES 无法成为一个广泛适用的解决方案。幸运的是，近年来 GPU 加速技术在仿真领域得以快速发展，使得 LES 变得可行且成本可控。由于使用了非线性稳定的数值格式及高效的 GPU 加速技术，Cadence Fidelity 求解器特别适合用于 LES 模型。Cadence LES 模型的开发历程1980 年，斯坦福大学的 Parviz Moin 教授（Cascade Technologies 创始人，Cascade 现已并入 Cadence 公司）对湍流建模进行了许多开创性的研究。当时有大量关于湍流的实验研究，其中图 1 展示了利用边界层中氢气泡进行湍流可视化研究的实验，目的是研究湍流中绚丽、连贯但无序的涡流结构。图 1：仿真结果（Moin & Kim，1981）（左）实验结果（Kim，Klein & Reynolds，1970）（右）Parvis 及其同事在 1981 年的美国物理学会会议上展示了仿真结果，这些计算是在 NASA Ames 使用 ILLAC IV（15 MFlops 设备）完成的。他们通过屏幕拍摄构建可视化图片，这在当时还属于非常规方法，但他们的模拟结果却显示能够在时点上准确地预测纳维-斯托克斯方程所描述的现象，并获取动力学和湍流的统计数据。如今，随着计算能力的巨大进步，算力已经超越了 mega、giga、tera、peta 和 exa 的量级，实现了更强大的仿真能力。LES 模型已经能够用于真实系统的预测，并且以更高的精度和速度进行湍流建模。它的应用不再只局限于科研机构，而是被越来越多地用于真实的工业设计领域中。为什么 LES 开始被关注？四项不同的技术促使高精度大涡模拟仿真成为可能，或者说走向实用，其中包括：1.网格离散涉及到瞬态模拟时，生成高质量和相对各向同性网格非常关键。虽然靠近壁面的各向异性网格可以节省计算资源，但让网格在整个模拟过程中保持相对一致的质量水平仍然非常重要。2.数值方法鲁棒性、非线性稳定的数值方法和精确代表流动物理现象的先进物理模型对仿真至关重要。3.数据分析由于计算生成的数据量非常庞大，快速可视化和数据分析的能力非常重要。4.可扩展性高并行效率和更快的周转时间对于 LES 的推广至关重要。多年来，LES 模拟的关键是需要低耗散的数值格式。然而，这些低耗散格式却很难满足多物理场应用和复杂几何的处理。虽然高雷诺数的实际粘性较低，但 CFD 代码中的数值耗散通常却非常高。使用 Fidelity LES 求解器，可以获得稳定的低耗散数值格式。对于网格划分，Fidelity LES 求解器可生成具有不同分辨率区域和过渡区的多面体网格。这个网格生成方法本质上是基于一组特定点创建的 3D Voronoi 图。当这些点以有序的方式排布时，就能生成高度均匀性的网格。这使得 Fidelity LES 求解器能够便捷地生成适合 LES 的网格。高精度多物理场 LES 仿真近年来， LES 应用的一个典型成功案例是湍流火焰射流的研究（Sandia D 火焰射流）。如图 2 所示，甲烷燃料从中心注入，与周围同向流动的空气混合，经过射流扩散、燃烧反应，达到最高温度，然后从同向流动中混合更多空气不断冷却。求解器的低数值耗散格式和高效燃烧模型在一系列网格尺寸范围内提供的结果具有很好的鲁棒性。事实上，从 40 万单元到 1600 万单元的不同分辨率并不会显著影响沿火焰中心线温度分布的时均及均方根值，如图 2 所示。这个例子证明了 LES 在解决湍流混合和非线性多物理场等重要复杂问题的有效性。图 2：Sandia D 喷射火焰的 LES 仿真结果网格分辨率从 0.4M 单元到 16M 单元的变化不会显著影响预测的火焰结构（左）或中心线温度分布（右）用于 LES 的 GPU/CPU 加速技术LES 模型的计算代价非常高昂。例如，在公有云或内部部署机群上使用基于 CPU 的硬件执行燃烧动力学的高精度模拟，单次模拟的成本可能高达 1 万美元，每次计算需要大约 100 万核时的量级，特别是需要执行数百个算例时，这个费用可以说是天文数字。尽管目前已经开发出基于 CPU 高扩展性且在一天内能够完成计算的代码，但高成本依旧是在工业和设计领域中广泛推广 LES 的最大阻碍。值得庆幸的是，快速发展的 GPU 技术正在改变现状。随着 GPU 加速的出现，仿真成本显著降低，计算效率明显提升（图 3）。图 3：相同的硬件成本下，GPU 可以提供 CPU 大约 9 倍的算力，或者与 CPU 相同算力的条件下，成本降低 9 倍且能耗降低 17 倍由于气动及流场的涡流效应在汽车、船只等设计中的重要性，计算流体力学（CFD）工程师必须要考虑湍流的影响。但到目前为止，硬件算力的瓶颈限制了 LES 成为一种广泛适用的解决方案。通过利用 GPU 加速技术，Cadence Fidelity 使 LES 模拟更容易实现，从而提高计算效率并显著降低计算成本。来源：Cadence楷登