高性能计算环境下大规模CO₂捕集与封存过程并行模拟算法设计.pdfVIP

高性能计算环境下大规模CO捕集与封存过程并行模拟算法设计1

高性能计算环境下大规模CO捕集与封存过程并行模拟算

法设计

1.高性能计算环境概述

1.1高性能计算架构特点

高性能计算（HPC）环境为大规模COfi捕集与封存（CCS）过程模拟提供了强大

的计算支持，其架构特点如下：

•多核处理器与加速器：现代HPC系统广泛采用多核处理器，如英特尔的至强系列

和AMD的霄龙系列，单个处理器拥有数十个甚至上百个核心。此外，图形处理

单元（GPU）和现场可编程门阵列（FPGA）等加速器也被大量集成。以NVIDIA

的A100GPU为例，其拥有超过5000个CUDA核心，能够显著提升计算密集型

任务的执行速度。在CCS过程模拟中，这些多核处理器和加速器可以并行处理复

杂的物理化学方程求解，如在模拟COfi在多孔介质中的扩散和吸附过程时，能够

快速计算不同网格单元的物理量变化。

•大规模并行处理架构：HPC系统通常采用大规模并行处理（MPP）架构，由数千

个计算节点组成。每个节点包含多个处理器和一定量的本地内存，节点之间通过

高速互连网络（如InfiniBand）进行通信。例如，美国的Summit超级计算机拥

有超过4600个计算节点，其峰值性能可达每秒200千万亿次浮点运算。在CCS

过程模拟中，可以将计算任务分解为多个子任务，分配到不同的计算节点上并行

执行。例如，在模拟COfi在地下储层的封存过程时，可以将储层划分为多个区

域，每个区域的模拟任务在不同的计算节点上并行进行，通过节点间通信同步数

据，从而大幅缩短模拟时间。

•高性能存储系统：CCS过程模拟会产生大量的数据，如网格划分数据、物理量分

布数据等。HPC系统配备的高性能存储系统能够高效地存储和读取这些数据。分

布式存储系统（如Lustre文件系统）被广泛应用，它通过将数据分散存储在多个

存储节点上，提高了数据的读写速度和可靠性。例如，在一次大规模CCS过程

模拟中，可能需要存储数TB的数据，高性能存储系统能够确保数据的快速存取，

避免因数据I/O瓶颈影响模拟效率。

1.高性能计算环境概述2

1.2并行计算基础

并行计算是高性能计算环境中的核心技术，对于大规模COfi捕集与封存过程模拟

至关重要：

•并行计算模型：常见的并行计算模型有共享内存模型和分布式内存模型。在共享

内存模型中，多个线程共享同一片内存空间，适用于多核处理器内部的并行计算。

例如，在模拟COfi捕集过程中的化学反应时，可以在多核处理器上使用OpenMP

等并行编程模型，通过共享内存实现线程间的高效通信和数据共享。分布式内存

模型则适用于大规模并行处理架构，每个计算节点拥有独立的内存空间，节点间

通过消息传递进行通信。在CCS过程模拟中，通常采用MPI（MessagePassing

Interface）等消息传递库来实现节点间的通信和任务协调。例如，在模拟COfi在

地下多孔介质中的流动时，可以将计算任务分配到不同的计算节点上，通过MPI

在节点间传递边界条件和物理量信息，实现分布式并行计算。

•并行算法设计原则：为了充分利用高性能计算环境的并行计算能力，设计并行算

法时需要遵循一些基本原则。首先，任务分解要合理，将计算任务分解为多个子

任务，尽量使子任务的计算量均衡，避免出现部分计算节点过载而其他节点空闲

的情况。其次，要尽量减少通信开销，因为节点间通信会消耗时间和资源。例如，

在CCS过程模拟中，可以通过优化数据分布和通信策略，减少节点间的数据传输

量。例如，采用局部数据通信策略，只在相邻计算节点之间传递必要的数据，从

而降低通信开销。最后，要充分利用计算资源的局部性，尽量使数