Simulating Snow as an Elastoplastic Material on the GPU
Abstract
De siste årene, spesielt under pandemien, har Norge sett en drastisk vekst ifolk som prøver topptur for første gang. Med denne økningen i uerfarne turgåerei snøbelagte fjell, er det en medfølgende fare for utsettelse for og utløsningav snøskred. Det er derfor veldig viktig å bedre forstå hvordan man unngårfarene ved snøskred. Ettersom den mest skadelige typen av snøskred erflakskred, undersøker denne avhandlingen mulighetene for å simulere slikeskred.
Snø er derimot et ekstremt komplisert materiale, med fysiske egenskaper somomfatter alt fra kald støvete snø til hard is, gitt dens temperatur og trykk. Itillegg til dette er den vanligvis bygd opp i lag som reflekterer forholdene dasnøen falt, i tillegg til aktuelle vær forhold. Nylig arbeid har derimot vistlovende resultater ved å modellere snø som et elastoplastisk materiale. En avde 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 nyemåter å øke kraften til datamaskiner. Dette har presset grafikkortleverandørertil å prioritere grafikkorts bruk innen generelle beregninger. Disse korteneinneholder maskinvare som er dedikert til å utføre store mengder parallelleoppgaver. SPH simulasjoner er i seg selv beregningsmessig intensive, men de kandra nytte av en stor grad av parallellisering. Bruken av grafikkort er derforverdt å utforske og denne avhandlingen fokuserer på hvordan man kan modellereflakskred med SPH på grafikkort.
Denne avhandlingens bidrag inkluderer en meget detaljert oversikt overnumeriske metoder som er brukt, spesielt SPH og hvordan det er brukt for snøsimulering, i tillegg til en seriell implementasjon som, selv om den ikke nårambisjonene om å simulere flakskred i sin helhet, viser en evne til å modellereenkelte aspekter man finner i flakskred, slik som sprekkdannelse. I tilleggviser denne avhandlingen at en parallell implementasjon på grafikkort,integrert i HPC-Labbens snøsimulator, selv om den forblir beregningsmessigintensiv, oppnår gode ytelses forbedringer. Resultatene inkluderer tidtaking oggrafiske visualiseringer av tre typer implisitt stress, hvorav det er løst forbåre akselerasjon og fart, i tillegg til eksplisitt stress. The last couple of years, especially during the recent pandemic, Norway hasseen a drastic increase in people trying out ski touring for the first time.With this increase in the number of inexperienced tourers traversing snowymountains, there is an encompassed risk of them being exposed to or triggeringavalanches. It is therefore very important to understand better how to avoidthe dangers of avalanches. As the most dangerous type of avalanche is the slabavalanche, this thesis investigates the possibility of simulating suchavalanches.
Snow is, however, an exceptionally complex material whose physical propertiesrange from dusty cold snow to dense ice depending on its temperature andpressure. In addition, it is typically built up in layers that reflect theconditions at the time of the snow fall, but also the overall current weatherconditions. However, recent works have shown promising results by modeling snowas an elastoplastic material. One of the numerical techniques used is the SPH(Smoothed Particle Hydrodynamics) method, which has the ability to model a widevariety of snow properties.
With the end of Moore’s law becoming a reality, computers have had to improvein other ways. This has pushed the vendors of GPUs (Graphical Processing Units)to prioritize their use for general computational tasks. These computer chipscontain hardware dedicated to performing highly parallel tasks. SPH simulationsare inherently computationally intensive, but can benefit from a high degree ofparallelism. Utilizing the power of GPUs is therefore worth exploring and thisthesis thus focus on how to model slab avalanches using SPH on GPUs.
The thesis's contributions include a fairly detailed summary of the numericalmethods used, including the SPH and how it is used in snow simulations, as wellas a serial implementation that, while not meeting the ambitions of simulatingfull scale avalanches, shows an ability to model certain aspects found in slabavalanches such as crack formations. In addition, the thesis demonstrates how aparallel implementation on the GPU, which is integrated into the HPC-Lab snowsimulator, while remaining computationally expensive, does result in greatperformance benefits. The results includes timing and graphical outputs forthree types of implicit stress solved for both acceleration and velocity aswell as explicit stress.