En 1922, El meteorólogo inglés Lewis Fry Richardson publicó Predicción meteorológica mediante análisis numérico. Este influyente trabajo incluyó algunas páginas dedicadas a un modelo fenomenológico que describía la forma en que fluyen múltiples fluidos (gases y líquidos) a través de un sistema de medio poroso y cómo el modelo podría usarse en la predicción meteorológica.

Desde entonces, Los investigadores han seguido desarrollando y ampliando el modelo de Richardson, y sus principios se han utilizado en campos como el petróleo y la ingeniería ambiental, hidrología, y ciencia del suelo.

Cass Miller y William Gray, profesores de la Universidad de Carolina del Norte en Chapel Hill, Hay dos investigadores que trabajan juntos para desarrollar un método más completo y preciso de modelado de flujo de fluidos.

A través de un premio INCITE del Departamento de Energía de EE. UU. (DOE), Miller y su equipo han obtenido acceso a la supercomputadora IBM AC922 Summit en Oak Ridge Leadership Computing Facility (OLCF), una instalación para usuarios de la Oficina de Ciencias del DOE ubicada en el Laboratorio Nacional Oak Ridge (ORNL) del DOE. El gran poder de la máquina de 200 petaflop significa que Miller puede abordar el tema de los flujos de dos fluidos (mezclas de líquidos o gases) de una manera que hubiera sido inconcebible en la época de Richardson.

Rompiendo la tradición

El trabajo de Miller se centra en la forma en que fluyen dos fluidos a través de medios porosos (rocas o madera, por ejemplo) se calculan y modelan. Numerosos factores influyen en el movimiento de fluidos a través de medios porosos, pero por diferentes razones, no todos los enfoques computacionales los consideran. En general, los fenómenos básicos que afectan el transporte de estos fluidos, como la transferencia de masa y momento, son bien conocidos por los investigadores a pequeña escala y pueden calcularse con precisión.

"Si observa un sistema de medios porosos a menor escala, "Miller dijo, "una escala continua donde digamos, por ejemplo, un punto existe enteramente dentro de una fase fluida o dentro de una fase sólida, Entendemos relativamente bien los fenómenos de transporte en esa escala; a eso lo llamamos microescala. Desafortunadamente, no podemos resolver muchos problemas a microescala. Tan pronto como empiece a pensar en dónde están las partículas sólidas y dónde está cada fluido, se vuelve computacional y pragmáticamente abrumador describir un sistema a esa escala ".

Para resolver este problema de escala, Los investigadores han abordado tradicionalmente la mayoría de los problemas prácticos de flujo de fluidos a macroescala, una escala en la que el cálculo se vuelve más factible. Debido a que numerosas aplicaciones del mundo real requieren respuestas a múltiples problemas de flujo de fluidos, los científicos han tenido que sacrificar ciertos detalles en sus modelos con el fin de encontrar soluciones accesibles. Más lejos, El modelo fenomenológico de Richardson fue escrito sin derivación formal a mayor escala, lo que significa que la física fundamental a microescala, por ejemplo, no están representados explícitamente en los modelos tradicionales de macroescala.

En la época de Richardson, estas omisiones fueron sensatas. Sin métodos computacionales modernos, vincular la física a microescala con un modelo a gran escala era una tarea casi impensable. Pero ahora, con la ayuda de la supercomputadora más rápida del mundo para la ciencia abierta, Miller y su equipo están reduciendo la brecha entre la microescala y la macroescala. Para hacerlo han desarrollado un enfoque conocido como Teoría de promedios restringidos termodinámicamente (TCAT).

"La idea de TCAT es superar estas limitaciones, ", Dijo Miller." ¿Podemos de alguna manera partir de la física que se comprenda bien o mejor y llegar a modelos que describan la física de los sistemas que nos interesan a macroescala? "

El enfoque TCAT

La física a microescala proporciona una base fundamental para representar los fenómenos de transporte a través de sistemas de medios porosos. Para resolver problemas que sean de interés para la sociedad, sin embargo, El equipo de Miller necesitaba encontrar una manera de traducir estos primeros principios en modelos matemáticos a gran escala.

"La idea detrás del modelo TCAT es que partimos de la microescala, "Miller dijo, "y tomamos esa física a menor escala, que incluye termodinámica y principios de conservación, y trasladamos todo eso a una escala mayor de una manera matemática rigurosa donde, por necesidad, tenemos que aplicar estos modelos.

El equipo de Miller usa Summit para ayudar a comprender la física detallada que actúa a microescala y usa los resultados para ayudar a validar el modelo TCAT.

"Queremos evaluar esta nueva teoría separándola y analizando mecanismos individuales y analizando sistemas más grandes y el modelo general, ", Dijo Miller." La forma en que lo hacemos es computación a pequeña escala. Realizamos simulaciones de forma rutinaria en celosías que pueden tener hasta miles de millones de ubicaciones, más de cien mil millones de sitios de celosía en algunos casos. Eso significa que podemos resolver con precisión la física a una escala refinada para sistemas que son lo suficientemente grandes como para satisfacer nuestro deseo de evaluar y validar estos modelos.

"Summit proporciona un recurso único que nos permite realizar estas simulaciones a microescala de alta resolución para evaluar y validar esta nueva y emocionante clase de modelos, "añadió.

Mark Berrill, del Grupo de Computación Científica de la OLCF, colaboró ​​con el equipo para permitir el análisis de las simulaciones a microescala de alta resolución.

Para continuar el trabajo, Miller y su equipo han obtenido otros 340, 000 horas nodo en Summit a través del programa INCITE 2020.

"Si bien tenemos la teoría elaborada sobre cómo podemos modelar estos sistemas a una escala mayor, estamos trabajando a través de INCITE para evaluar y validar esa teoría y finalmente reducirla a una práctica rutinaria que beneficie a la sociedad, "Dijo Miller.