A Scalable Multi-GPU Accelerated CityFFD Solver for Whole City Urban Microclimate Simulations
Notice bibliographique
Résumé
Achieving real-time, high-fidelity computational fluid dynamics (CFD) simulations for urban microclimate analysis remains a substantial challenge due to limitations in computational constraints, data acquisition, and over-simplification of the underlying physics. In recent years, the growing interest in smart city development, such as the integration of urban air mobility (UAM) systems and smart city planning strategies, has further amplified the demand for rapid, high-resolution urban microclimate analysis to support operational safety assessments and urban planning decisions. To illustrate the computational challenge, consider a typical urban domain spanning about 5 km × 5 km × 0.1 km (length × width × height) with a grid resolution of 1 m3, which would require approximately 2.5 billion computational cells, making both the computational cost and memory requirements prohibitively expensive. To mitigate these computational barriers, this work develops a novel computational framework that integrates the Message Passing Interface (MPI) and Computed Unified Device Architecture (CUDA) C++ with the CityFFD solver, enabling scalable parallel GPU-accelerated simulations for efficient large-scale computations while overcoming memory constraints. Specifically, the framework incorporates a parallel high-order Semi-Lagrangian (SL) solver for efficient advection equation solutions, a modified PaScal_TDMA 2.0 library for distributed tridiagonal matrix algorithm (TDMA) computations, and a parallel Jacobi algorithm with enhanced convergence properties for solving the Poisson equation, making it suitable for scalable parallel GPU-accelerated environments. The developed solver is validated through three benchmark cases: (1) a 2D isothermal lid-driven cavity problem, (2) a 3D isolated building, and (3) a 3D high-rise building surrounded by a group of low-rise buildings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».