deepflame-dev

DeepFlame是一个深度学习赋能的计算流体动力学软件包，用于模拟单相或多相、层流或湍流、全速域的反应流。它旨在提供一个开源平台，结合OpenFOAM、Cantera和PyTorch库的各自优势，实现深度学习辅助的反应流模拟。它还可以利用下一代异构超级计算和人工智能加速基础设施，如GPU和FPGA。

教程示例中使用的神经网络模型可以在AIS Square找到。要运行带有DNN的DeepFlame，请将DNN模型DF-ODENet下载到您想要运行的案例文件夹中。

文档

安装和教程的详细指南可在我们的文档网站上获取。

特性

v1.3新功能（2023年12月30日）：

完成dfLowMachFoam求解器的全流程GPU实现，实现所有计算在GPU上高效执行
引入DF-ODENet模型，利用典型燃烧模拟配置的采样来降低训练成本并提高计算效率
支持大涡模拟（LES）和两相燃烧模拟能力
扩展flareFGM表至六维，并支持在新的六维flareFGM表中用神经网络替换某些物理量
通过DeepFGM神经网络接口支持多GPU和多处理器执行
修改Cantera的传输性质计算方法，以支持多组分反应流的真实流体热物理性质计算，并集成神经网络更新真实流体热物理性质
添加新的示例案例并更新文档主页，提供更全面的安装和使用说明 v1.2新版本（2023/06/30）：
启用GPU加速，用于快速高效构建求解偏微分方程的离散矩阵
引入DeePFGM模型：基于神经网络的方法，替代FGM模型的火焰片数据库，减少内存需求
支持使用Cantera的PR/RK状态方程计算真实流体密度，并更新等熵压缩系数（psi）的计算
改进dfHighSpeedFoam求解器
- 对组分方程的对流项应用通量分裂，以提高一致性和准确性
- 采用强稳定性保持的Runge-Kutta（RKSSP）时间格式，增强稳定性和性能
将WENO格式和libROUNDSchemes作为第三方子模块引入，用于对流通量重构
提供接口访问给定基元反应中各组分的反应速率
实现机理文件检测功能，验证机理文件输入的有效性
捕获并报告Cantera错误，改善错误处理和用户体验

v1.1新版本（2023/03/31）：

添加FGM模型
添加GPU兼容的线性求解器AmgX（采用自petsc4Foam和FOAM2CSR）
添加新的负载均衡算法
支持在GPU（DNN）和CPU（CVODE）上同时求解化学源项
添加使用CMake编译的支持
改进纯CPU时的DNN求解程序
重构dfChemistryModel
更新PaSR燃烧模型中的化学和混合时间尺度模型

v1.0新版本（2022/11/15）：

添加使用libtorch在多个GPU上并行计算DNN的支持
添加TCI模型

v0.5新版本（2022/10/15）：

添加通过单个和多个GPU并行计算DNN的支持
添加使用PyTorch的访问

v0.4新版本（2022/09/26）：

将OpenFOAM的燃烧库适配到DeepFlame
laminar、EDC、PaSR燃烧模型

v0.3新版本（2022/08/29）：

1/2/3D自适应网格细化（2/3D采用自SOFTX_2018_143和multiDimAMR）
添加Sigma/dynSmag LES湍流模型
添加functionObjects/field库
新增reactiveShockTube示例用于dfHighSpeedFoam

v0.2新版本（2022/07/25）：

化学求解器的动态负载均衡（采用自DLBFoam）

v0.1版本（2022/06/15）：

用于.cti、.xml或.yaml格式化学机理的原生Cantera读取器
完全兼容Cantera的UnityLewis、Mix和Multi传输模型
零维恒压或恒容反应器求解器df0DFoam
基于压力的低马赫数反应流求解器dfLowMachFoam
基于密度的高速反应流求解器dfHighSpeedFoam
两相拉格朗日/欧拉喷雾反应流求解器dfSprayFoam
用于化学反应速率评估的Cantera原生SUNDIALS CVODE求解器
用于神经网络输入/输出和计算的Torch张量运算功能
用于获取化学反应速率的DNN模型接口
带有Allrun和Allclean脚本的多个示例和教程案例
- 0D完全搅拌反应器
- 1D自由传播预混火焰
- 2D提升部分预混三重火焰
- 3D带火焰的Taylor-Green涡
- 1D均匀预混混合物中的爆轰波
- 3D亚琛炸弹喷雾火焰