OpenFOAMでミルククラウンの形成過程をシミュレーションしてみました

1. OpenFOAMによる
ミルククラウンの
シミュレーション
日本アムスコ

2. きっかけ
• 5年前に行われたミルククラウンの実験・
シミュレーション（OpenFOAM）
突起出ず壁に穴あき
計算結果 理想的な形状
以前行われたシミュレーションでは
きれいなミルククラウンにならなかった

3. 目的
５年経ち、ソフト・ハードの性能が向上
ＣＡＥ環境にも変化が
様々な計算資源を活用し
きれいな形状のミルククラウンを作る

4. 課題①
以前よりもメッシュを細かくした試計算を実施
しかし、形状が不自然
よりきれいな形状にするには
パラメーターの調整が必要
試計算結果
飛散し過ぎ高さ不足
理想的な形状

5. 課題②
初期条件・物性値・計算スキームなど
調整すべきパラメーターは多数
パラメーターの調整に時間がかかりすぎる
（1/4モデルでも1条件に3日かかる）
計算の高速化が必要

6. シミュレーションの進め方
1. 計算領域・メッシュ最適化
2. FOCUSスパコンの活用
3. GPUの活用
まず課題②の計算の高速化（下記）を行い
その後、課題①のパラメーター調整を行う
計算高速化対策

7. 計算高速化対策1（計算領域・メッシュ最適化）
時間の進行に伴い、現象の大きさに応じて
計算領域・メッシュサイズを適宜調整
メッシュは二段階
（界面付近は周囲の1/4サイズ）
のアダプティブメッシュを使用
計算序盤
計算領域：小 メッシュサイズ：小
計算終盤
計算領域：大 メッシュサイズ：大

8. 計算高速化対策2（ＦＯＣＵＳスパコンの活用）
公益財団法人 計算科学振興財団の
FOCUSスパコンの活用
• 12CPUの並列計算を行うことで35%の高速化を実現
• FOCUSではメモリが多いのも利点
• 実際の計算では、利用は有料のためフルモデル計算の一部に活用
ベンチマークに用いたミルククラウン計算
（約10,000,000メッシュ）
メモリ32GB メモリ64GB

9. 計算高速化対策3（ＧＰＵの活用（1/2））
OpenFOAMでのGPUの活用
処理に時間のかかる
「③線形ソルバー」を
自作のGPUコードに挿し替え
計算のながれ
main{
AX = b
}
CPU用コード
挿し替え
③線形ソルバー
（連立方程式の求解）
①入力値読込 ②式の組立 ④値の更新 ⑤結果の出力

10. 自宅PC
3.5GHz×4CPU
(GAMGソルバー)
自宅PC
CPU+GPU
（Geforce970）
計算時間
33%短縮
• 線形ソルバーは高速化したが、その他CPUの処理(メッシュ生成・
気液界面の計算)が多く効果は限定的、計算全体では33%の高速化
• 実際の計算では、1/4モデルのパラメータ調整に活用
GPU線形ソルバーを用いて計算時間を測定
ベンチマークに用いたミルククラウン計算
（約10,000,000メッシュ）
計算高速化対策3（ＧＰＵの活用（2/2））
線形
ソルバー
その他処理
(CPU)
CPU
GPU

11. パラメータ調整の実施（1/3）
突起を形成するには？
• OpenFOAMバージョン→2.3.0以降
（界面の計算方法が改良されている）
• メッシュサイズ→40μm以下
（十分細かくしないと突起が形成されない）
ある程度計算は高速化したのでパラメータ調整に移行…

12. パラメータ調整の実施（2/3）
高い形状にするには？
• 初期水面→低く
• 表面張力→小さく
• 水滴初速→速く
• 水滴大きさ→大きく

13. パラメータ調整の実施（3/3）
穴が開かないようにするには？
• メッシュ→細かく
• 界面の鮮明化係数→小さく
• クラウン高さ→低く
薄い膜に穴が
開くことがある

14. ミルククラウンの完成・ポスト処理
界面形状を抽出し
オープンソースソフトPOV-Ray
によるレンダリングを実施
POV-Rayによるレンダリング
完成したミルククラウン

15. まとめ
• きれいなミルククラウンをシミュレーションで
作ることができた
• 物性値が現実の値と異なるため、完全再現
とは言えない
• FOCUSやGPUの利用は比較的容易、しかし
どの程度高速化するかは計算内容に依る