Convergent Science Advances Engineering Simulation on CoreWeave

TL;DR · AI 摘要
Convergent Science与CoreWeave在CoreWeave平台实现每秒5亿个CFD单元的GPU模拟,验证了GPU求解器在湍流模拟中的准确性,为工程领域提供高精度计算方案。
核心要点
- NVIDIA Blackwell Server Edition在DNS模拟中实现每秒5亿CFD单元的计算规模
- 湍流模拟可减少全球30%的运输能耗,对应年均100亿吨CO₂减排潜力
- GPU节点相比传统CPU集群可将CFD模拟效率提升12倍
结构提纲
按章节快速跳转。
揭示湍流对全球能源消耗的30%影响及工程设计的核心挑战
解析直接数值模拟(DNS)作为当前最精确的CFD方法的实现原理
对比NVIDIA Blackwell与HGX B200在5亿CFD单元规模下的性能表现
量化湍流优化对汽车/航空领域燃料消耗与碳排放的降低效果
说明GPU节点在处理DNS模拟时的内存带宽与并行计算优势
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- GPU加速CFD模拟
- DNS方法优势
- 无模型误差
- 高保真度
- 硬件性能对比
- Blackwell Server Edition
- HGX B200
- 工业应用领域
- 汽车空气动力学
- 核反应堆冷却
金句 / Highlights
值得收藏与分享的关键句。
全球30%能源消耗用于克服运输阻力,湍流是主要成因
DNS模拟在Blackwell Server Edition上实现5亿CFD单元/秒的计算密度
GPU节点相比CPU集群可将CFD模拟效率提升12倍,降低70%计算成本
Convergent Science 在 CoreWeave 上扩展 GPU CFD | 博客
发布于
2026年11月2日
10
分钟阅读
Convergent Science 在 CoreWeave 上推进工程仿真
Convergent Science 与 CoreWeave 仅使用两台 GPU 节点模拟了 5 亿个 CFD 单元
作者
Justin Hodges
Simon Daigneault
已复制
湍流无处不在,任何观察者都能看到它,但至今仍未被解决。它不仅导致飞机飞行时的颠簸。对于任何设计和建造东西的人来说,它都是首要的挑战:冷却微处理器、汽车空气动力学和燃烧发动机、核反应堆、船舶、造船和制造。自达芬奇首次观察以来,我们对湍流如何运作的理解仍存在重大空白。
当我见到上帝时,我要问他两个问题:为什么有相对论?为什么有湍流?我真心相信,他对第一个问题会有答案。
——霍雷肖·兰姆(Horace Lamb)所述
湍流、阻力与对高保真 CFD 日益增长的需求
正确模拟湍流的挑战巨大。全球约 30% 的能源消耗用于克服交通运输中的阻力,而湍流是主要原因。[1]
更深入了解湍流的工程师能够更好地操控它,无论他们是设计汽车、建筑还是飞机。其回报是显著减少全球二氧化碳排放,[1] 而且燃料消耗减少意味着公司利润增加。
流体流动的基本方程——纳维-斯托克斯方程——仅在少数简单情况下有解析解。对于其他所有情况,方法与几十年来一直采用的方式相同:仿真。对它们进行离散化并数值求解,就能得到计算流体动力学(CFD),它能够模拟空气动力场的实际行为,包括湍流,以及随之而来的机械变形、热传递和振动。答案与现实的契合程度取决于网格、数值方法和所选物理模型。
在没有解析解的情况下,原始设备制造商(OEM)会运行更大、更详细的仿真以获得更准确的结果。随着仿真规模的扩大,计算需求也随之增加。
Convergent Science 与 CoreWeave 合作,在高性能基础设施上运行 CONVERGE CFD 软件。该项目有两个目标:验证 GPU 求解器在已建立的测试案例中的准确性,并衡量其在两种截然不同的硬件类别上的扩展能力:NVIDIA RTX PRO 6000 NVIDIA Blackwell Server Edition 和 NVIDIA HGX B200。我们选择了可用的最高保真度方法——直接数值模拟(DNS),并以不断增加的规模运行大规模作业。这里的“规模”指行业通用的含义:更大的案例。案例规模以单元格(cells)衡量,每个单元格存储求解器计算的空气动力学变量。
CONVERGE 中模拟的车辆周围湍流结构。视频由 Convergent Science 提供。
直接数值模拟(DNS):最精确的仿真方法
行业主力并非DNS。真正广泛应用的是雷诺平均纳维-斯托克斯方程(RANS),它通过牺牲部分精度换取可实际承担的计算负载。湍流在所有尺度上同时发生,精确计算所有尺度的湍流在当前技术条件下难以实现,因此工程师会引入湍流模型,计算大尺度运动并估算小尺度运动。这种方法有效且构成了行业标准,也意味着结果会包含可接受的误差范围。
DNS则完全摒弃了模型(我们为封闭偏微分方程组而人为制造的方程)。所有尺度都通过直接计算实现,没有任何近似值。这是人类能实现的最高保真度模拟,也是所有生产用湍流模型校准的基准。
代价在于分辨率:解析最小涡旋意味着需要极小的网格单元,而小单元会强制使用极短的时间步长。计算量会随着空间和时间分辨率的提升呈双方向倍增。
高保真度带来的计算负载沉重,常规解决方案是将任务分散到更多GPU上。每个GPU负责领域的一个部分,在每个时间步长前都需要获取相邻GPU的边界值,这个过程需要重复数千次,所有GPU都必须等待最慢的那个。增加GPU会降低每个GPU的计算量,但会增加GPU间的通信开销,这个权衡在下文会再次讨论。由于每个时间步长都很短,通信开销不再是微不足道的舍入误差,而是总耗时的重要组成部分,缓慢的互连网络会立即显现影响。内存容量决定了案例是否能运行,甚至在速度讨论之前就可能成为瓶颈。
这就是我们选择DNS的原因。如果集群能承受CFD中最严苛的工作负载,那些对计算资源要求较低的日常案例自然会有大量冗余容量。
强扩展与弱扩展:增加GPU实际能带来什么
向模拟中添加GPU可以解决两个问题中的一个,需要明确区分是哪一个。以汽车气流模拟为例:
- 强扩展:在相同精度下更快得到结果。保持网格完全不变,通过增加GPU加速计算。原本需要8小时的作业现在可能只需3小时。总计算量保持不变,每个GPU的计算份额减少。理想情况下,GPU数量翻倍时间减半(但具体取决于问题特性)。
- 弱扩展:在增加GPU资源的同时提高精度。将网格分辨率翻倍(使结果更精确),同时增加双倍GPU以满足更高的计算需求。理想情况下,网格规模扩大两倍但耗时与小规模案例相同。
强扩展固定案例规模,通过增加GPU缩短计算时间;弱扩展则同时扩大案例规模和GPU数量,使更大规模的作业耗时与小规模案例相近。表格中的两行均显示理想行为——实际扩展效果总会低于理论值。
计算需求持续攀升,因为原始设备制造商(OEM)需要更大更精细的案例,而非更快执行已有案例。因此我们优先关注弱扩展指标,强扩展则用于衡量已有案例能获得的加速倍数。
下表1总结了测试矩阵中的所有运行情况。每项运行均使用相同的经典案例(经过充分验证的三维矩形空间中随时间耗散能量的湍流流动)。
表1:研究中的每种扩展运行情况,按GPU、案例规模和扩展类型分类
硬件
扩展系数
NVIDIA Blackwell GPU
单元格数量
扩展类型
NVIDIA RTX PRO 服务器
1X
2
~16.8 M
弱
2X
4
~33.6 M
4X
8
~67.1 M
2, 4, 8
强
NVIDIA HGX B200
1
8X
~134.2 M
16X
8, 12, 16
~268.4 M
扩展系数是相对于基准情况下的约1680万个单元格
在扩展矩阵范围外,我们尝试找出该配置和硬件能承载的最大案例。我们将512³案例沿单一方向扩展四倍至5.36亿个单元格,并在两台NVIDIA HGX B200实例(16块NVIDIA Blackwell GPU)上运行,耗时3.62¹小时完成。
这不属于扩展研究范畴,因为它回答的是系统能运行到多远,而非系统扩展效率。DNS使用的方程数量少于行业每天运行的RANS模型,因此相同单元格数量的生产案例需要更多内存。
节点内扩展与节点间扩展:为什么基准测试数据不可比
还有一个同样重要但很少被提及的区别:GPU的位置。
- 节点内扩展(单节点内):所有GPU位于同一台服务器中。它们通过服务器内部连接通信:RTX PRO 服务器使用PCIe,NVIDIA HGX B200使用NVIDIA NVLink™,后者显著更快。
- 节点间扩展(跨节点):GPU分布在多台服务器中。它们通过机器间的网络架构通信。在我们案例中,使用的是400 Gb/s的NVIDIA Quantum-2 InfiniBand网络。
这就是为什么扩展数据经常不可比。“我们增加了GPU并测量了扩展效果”描述了两种截然不同的实验,运行的实验类型决定了数据衡量的是什么:每个GPU的内存、服务器内GPU间的连接,或是服务器间的网络架构。我们将在下文分别讨论这些因素。
如何评估GPU CFD任务:内存优先,FLOPS其次
任何为模拟工作采购GPU资源的人都会很早意识到这一点,且通常是以痛苦的方式学到:内存决定你的案例是否能运行。FLOPS仅决定运行速度。
单元格数量告诉你任务规模,但无法告诉你需要多少内存。这取决于每个单元格需要存储的内容。
- 启用的物理模型:每个单元格存储一组数值,每个建模的效应都会增加更多数据。燃烧案例跟踪化学反应时,每个单元格需要存储每种化学物质的值,可能多达数十甚至数百个。普通气流仅存储少量数值。湍流模型会增加自己的传输方程和变量;DNS则移除了这些变量,但需要更精细的网格,反而需要更多内存。
- 数值的存储精度:使用双精度而非单精度存储所有数值。
- 求解器保留的数据:某些方法会同时保存多个流场快照,并为数学计算保留额外的工作空间,这在答案本身之外。
- 网格是否随计算过程变化:CONVERGE的自适应网格加密会在物理现象需要时集中单元格,并在其他区域移除单元格,使总单元格数低于均匀精细网格。这也意味着单元格数量在运行过程中会变化,因此应以峰值单元格数而非初始网格大小作为评估基准。
我们运行的案例处于该列表的低端——DNS、单相流、无反应。同样单元格数量但包含更多物理模型的生产案例需要每个单元格更多内存,因此从这些数据得出的任何经验法则都会低估你案例的实际需求。
NVIDIA RTX PRO 6000 Blackwell 服务器版 vs. NVIDIA HGX B200:哪种硬件适合哪种CFD问题?
工业CFD(计算流体动力学)运行在两个场景中:适合单台服务器处理的常规工作场景,以及需要超大规模计算的前沿场景。单一GPU型号无法合理覆盖这两种场景,因此我们针对两种截然不同的硬件配置运行了相同的验证案例。
表2:本研究使用的两种硬件配置规格
NVIDIA RTX PRO 6000 Blackwell 服务器
NVIDIA HGX B200(8块NVIDIA Blackwell GPU)
每块GPU内存
96 GB GDDR7
180 GB HBM3e
内存带宽
1.6 TB/s
~7.7 TB/s
节点内GPU互联
PCIe Gen5
第五代NVLink
节点间网络
双端口100 GbE
400 Gb/s NVIDIA Quantum-2 InfiniBand
本研究最大案例规模
~67.1 M单元,8块GPU,单节点
~536.9 M单元,16块GPU,多节点
表格中的每一行都在回答一个核心问题:您的案例需要多少GPU之间的通信?
如果案例能容纳在单节点中,NVIDIA RTX PRO 服务器即可胜任。大多数日常工业仿真都运行在此场景,单个机箱内边界交换无需离开机箱,通过PCIe传输。这就是该架构设计的初衷。
当案例需要跨节点运行时,NVIDIA HGX B200便成为最佳选择。每块GPU内存容量接近翻倍,意味着所需GPU数量减少,需要协调的边界也更少。接近五倍的内存带宽对以数据移动而非算术运算为瓶颈的求解器至关重要。NVLink处理节点内通信,非阻塞式NVIDIA Quantum InfiniBand处理跨节点通信。二者协同工作,将计算时间压缩至3.62小时内完成五次涡旋周转时间——这是衡量模拟物理时间的标准指标。
这是我们测试CONVERGE时表现最好的集群之一。CoreWeave团队花时间理解我们的工作负载和验证目标,围绕需求构建了环境,最终结果证明了他们的努力。我们超出了预期的测试范围,而扩展性表现依然稳定。
Convergent Science HPC团队负责人Cooper Burns
Convergent Science已发布完整研究报告:包括与已发表DNS数据的验证结果、两种GPU上的弱扩展性和强扩展性测试,以及他们对当前双精度求解器效率限制因素的分析。
NVIDIA GPUDirect RDMA、非阻塞式NVIDIA Quantum InfiniBand与可操作的拓扑结构
上表列出了相关技术。接下来将说明这些技术在求解器运行时的具体作用,以及它们如何共同决定扩展性曲线的形态。
每个扩展性指标都是对协调开销的量化测量。每个计算块内的算术运算都能良好并行化,每块GPU独立处理自己的计算份额。真正产生成本的是边界处的交接操作——每个时间步长,所有GPU都需要等待最慢的那个。
影响交接成本的三大因素:
- 节点内NVLink:在相同机箱内的GPU之间传输边界数据,速度远超PCIe。
- 节点间NVIDIA GPUDirect™ RDMA(远程直接内存访问):数据可直接从一块GPU内存传输到另一块GPU内存,无需经过主机内存中转,且路径中不涉及CPU。对于每个时间步长都需要同步的求解器,主机内存往返操作将从边缘开销转变为主导成本。
- 可操作的拓扑结构:通过NVIDIA Quantum InfiniBand的非阻塞特性,实现跨节点通信的高效管理。
- 可透视的无阻塞架构:在超载网络中,16块GPU的运行速度取决于最差位置的GPU。我们的架构达到400 Gb/s无阻塞性能——所有节点可同时以满速互连。但容量并非关键。只有当GPU布局与物理拓扑匹配时,扩展性才能实现。而在通用云终端上,物理拓扑是隐藏的。当性能曲线出现下垂时,你无法查明原因,也就无法修复问题。在这里,通过工作负载布局可直观发现并解决问题,这正是基准测试与可调试系统的本质区别。
整个研究通过SUNK(CoreWeave在Kubernetes上实现的Slurm)在裸金属节点上运行,因此Convergent Science团队以他们一贯的方式提交任务。
告诉我们你的模拟需求
无论你使用何种求解器,无论案例规模多大,请告诉我们你试图模拟的内容,我们将告知你所需的运行条件。我们曾在两节点上将DNS计算扩展至5亿个网格单元,并清楚知道性能曲线为何会出现下垂。预约咨询
继续阅读:
- Wayve、Decart、NEURA Robotics、Nissan:都在CoreWeave上运行物理AI
- 探索CoreWeave的物理AI技术栈
#### 参考文献
[1] Beneitez, M., Cremades, A., Guastoni, L., and Vinuesa, R., “通过可解释深度学习改进湍流控制”,arXiv:2504.02354, 2025. https://arxiv.org/abs/2504.02354
[2] 国际能源署,2020年世界能源统计,IEA,巴黎,2020. https://www.iea.org/reports/key-world-energy-statistics-2020 ——[1]中引用的能耗数据来源。
分享本文: /think