Simulating Snow as an Elastoplastic Material on the GPU

Abstract

De siste årene, spesielt under pandemien, har Norge sett en drastisk vekst i folk som prøver topptur for første gang. Med denne økningen i uerfarne turgåere i snøbelagte fjell, er det en medfølgende fare for utsettelse for og utløsning av snøskred. Det er derfor veldig viktig å bedre forstå hvordan man unngår farene ved snøskred. Ettersom den mest skadelige typen av snøskred er flakskred, undersøker denne avhandlingen mulighetene for å simulere slike skred.

Snø er derimot et ekstremt komplisert materiale, med fysiske egenskaper som omfatter alt fra kald støvete snø til hard is, gitt dens temperatur og trykk. I tillegg til dette er den vanligvis bygd opp i lag som reflekterer forholdene da snøen falt, i tillegg til aktuelle vær forhold. Nylig arbeid har derimot vist lovende resultater ved å modellere snø som et elastoplastisk materiale. En av de numeriske teknikkene som er brukt er SPH (Smoothed Particle Hydrodynamics) metoden som har muligheten til å modellere et vidt utvalg av snøegenskaper.

Ettersom slutten av Moores lov har tredd i kraft, har man måttet finne nye måter å øke kraften til datamaskiner. Dette har presset grafikkortleverandører til å prioritere grafikkorts bruk innen generelle beregninger. Disse kortene inneholder maskinvare som er dedikert til å utføre store mengder parallelle oppgaver. SPH simulasjoner er i seg selv beregningsmessig intensive, men de kan dra nytte av en stor grad av parallellisering. Bruken av grafikkort er derfor verdt å utforske og denne avhandlingen fokuserer på hvordan man kan modellere flakskred med SPH på grafikkort.

Denne avhandlingens bidrag inkluderer en meget detaljert oversikt over numeriske metoder som er brukt, spesielt SPH og hvordan det er brukt for snø simulering, i tillegg til en seriell implementasjon som, selv om den ikke når ambisjonene om å simulere flakskred i sin helhet, viser en evne til å modellere enkelte aspekter man finner i flakskred, slik som sprekkdannelse. I tillegg viser denne avhandlingen at en parallell implementasjon på grafikkort, integrert i HPC-Labbens snøsimulator, selv om den forblir beregningsmessig intensiv, oppnår gode ytelses forbedringer. Resultatene inkluderer tidtaking og grafiske visualiseringer av tre typer implisitt stress, hvorav det er løst for båre akselerasjon og fart, i tillegg til eksplisitt stress.

The last couple of years, especially during the recent pandemic, Norway has seen a drastic increase in people trying out ski touring for the first time. With this increase in the number of inexperienced tourers traversing snowy mountains, there is an encompassed risk of them being exposed to or triggering avalanches. It is therefore very important to understand better how to avoid the dangers of avalanches. As the most dangerous type of avalanche is the slab avalanche, this thesis investigates the possibility of simulating such avalanches.

Snow is, however, an exceptionally complex material whose physical properties range from dusty cold snow to dense ice depending on its temperature and pressure. In addition, it is typically built up in layers that reflect the conditions at the time of the snow fall, but also the overall current weather conditions. However, recent works have shown promising results by modeling snow as an elastoplastic material. One of the numerical techniques used is the SPH (Smoothed Particle Hydrodynamics) method, which has the ability to model a wide variety of snow properties.

With the end of Moore’s law becoming a reality, computers have had to improve in other ways. This has pushed the vendors of GPUs (Graphical Processing Units) to prioritize their use for general computational tasks. These computer chips contain hardware dedicated to performing highly parallel tasks. SPH simulations are inherently computationally intensive, but can benefit from a high degree of parallelism. Utilizing the power of GPUs is therefore worth exploring and this thesis thus focus on how to model slab avalanches using SPH on GPUs.

The thesis's contributions include a fairly detailed summary of the numerical methods used, including the SPH and how it is used in snow simulations, as well as a serial implementation that, while not meeting the ambitions of simulating full scale avalanches, shows an ability to model certain aspects found in slab avalanches such as crack formations. In addition, the thesis demonstrates how a parallel implementation on the GPU, which is integrated into the HPC-Lab snow simulator, while remaining computationally expensive, does result in great performance benefits. The results includes timing and graphical outputs for three types of implicit stress solved for both acceleration and velocity as well as explicit stress.