Überblick

Moderne Simulationsmethoden benötigen parallele Höchstleistungsrechner und geeignete Softwareumgebungen. Entsprechend unserer Mission hat sich das IMCS der Spitzenforschung im Bereich der numerischen Mathematik und computergestützten Simulation im Ingenieurwesen verschrieben, weshalb sowohl einer lokalen und stets verfügbaren Hardwareausstattung als auch einer selbst entwickelten und massiv parallelisierbaren Forschungssoftware eine entscheidende Bedeutung zukommt. Nicht zuletzt profitieren auch unsere Forschungspartner aus Wissenschaft und Industrie von den hervorragenden technischen Rahmenbedingungen, die hierdurch an der Universität der Bundeswehr München geschaffen werden und im Rahmen von Forschungskooperationen zur Verfügung stehen.

 

Hardwareausstattung

Am IMCS steht ein Höchstleistungsrechner (Linux-Cluster) für parallele Berechnungen im Rahmen von Finite-Elemente-Methoden (FEM) und anderen Diskretisierungsverfahren zur Verfügung. Die Inbetriebnahme fand im März 2019 statt.

Der Cluster wird vom Data Science & Computing Lab (DSC Lab) des Instituts betrieben.

 

Werfen Sie einen Blick auf die Webseite des DSC Lab für weitere Details zu den Hardware-Spezifikationen!

 

Forschungssoftware

4C

Unser Institut entwickelt gemeinsam mit weiteren Forschungspartnern den parallelen Multiphysics-Forschungscode 4C. 4C wurde vor mehr als 10 Jahren am Lehrstuhl für Numerische Mechanik der TU München (Prof. Wolfgang A. Wall) ins Leben gerufen und hat sich mittlerweile zu einem der weltweit führenden Forschungscodes im Bereich der numerischen Festkörpermechanik und Strömungemechanik sowie insbesondere für gekoppelte Mehrfeldprobleme entwickelt. Große Teile von 4C basieren auf Finite-Elemente-Methoden (FEM), aber auch alternative Diskretisierungsverfahren wie zum Beispiel Discontinuous-Galerkin-Verfahren (DG), Partikelmethoden und netzfreie Methoden wurden mittlerweile erfolgreich umgesetzt. Die Forschungssoftware ist durchgängig mittels modernem Softwardesign in objekorientierter Programmierung (C++) implementiert und mit MPI für Distributed Memory Hardwarearchitekturen parallelisiert.

 

 

QUEENS

Quantification of Uncertain Effects in Engineering SystemsQUEENS (Quantification of Uncertain Effects in Engineering Systems) ist ein Python-Framework zur solverunabhängigen Durchführung von Multi-Query-Analysen großskaliger Rechenmodelle. Es bietet fortschrittliche Algorithmen für deterministische und probabilistische Analysen– darunter Parameteridentifikation, Sensitivitätsanalysen, Surrogatmodellierung, Unsicherheitsquantifizierung und bayes'sche Inverse Analyse.

Dank seiner modularen Architektur ermöglicht QUEENS eine effiziente parallele Ausführung von Modellauswertungen, eine robuste Verwaltung von Daten, Rechenressourcen und Fehlern, den flexiblen Wechsel zwischen verschiedenen Analysetypen sowie eine nahtlose Skalierung – von lokalen Rechnern bis hin zu HPC-Clustern.

QUEENS als Forschungssoftware wurde ursprünglich am Lehrstuhl für Numerische Mechanik der Technischen Universität München unter der Leitung von Prof. Wolfgang A. Wall entwickelt. Heute ist QUEENS als Open-Source-Software frei verfügbar und wird gemeinschaftlich vom Lehrstuhl für Numerische Mechanik der TUM und unserem Institut weiterentwickelt und gepflegt.

Weitere Informationen finden Sie unter queens-py.org.

Willmann, H., Nitzler, J., Brandstäter, S., Wall, W.A. (2022): Bayesian calibration of coupled computational mechanics models under uncertainty based on interface deformation. Advanced Modeling and Simulation in Engineering Sciences 9, 24.

MeshPy

MeshPy ist ein Open-Source-Netzgenerator mit Spezialisierung auf 3D-Balken-Finite-Elemente. Seit Beginn der Entwicklung im Jahr 2018 hat sich MeshPy zu einem unverzichtbaren Werkzeug für unsere Projekte im Bereich der 3D-Balkentheorie und darüber hinaus entwickelt. Die Bibliothek wird in der Skriptsprache Python entwickelt und legt den Fokus darauf, ein vielseitiges und leistungsfähiges Tool bereitzustellen, das die schnelle Erstellung komplexer 3D-Balkengeometrien ermöglicht. MeshPy ist nicht nur auf 4C beschränkt, sondern kann auch als Pre-Processor für kommerzielle FEM Programme wie z.B. Abaqus verwendet werden. Zusätzlich zu Balken Netzen unterstützt MeshPy sowohl klassische Netze für FEM-Analysen als auch Netze für isogeometrische Analysen (IGA). Als Python-Bibliothek ist MeshPy nahtlos in andere Python-basierte Software Tools integrierbar, was bereits erfolgreich durch die Kombination mit dem Softwarepaket Queens oder dem an der TU Wien entwickelten Reinforcement-Learning-Tool ReLeSO demonstriert wurde.