Evaluation des performances GPU pour une chaine CFD existante de modelisation des vibrations induites par vortex et par decrochage (VIV/SIV)

Objectif :

Le stage vise a evaluer de maniere pragmatique l'interet des architectures GPU pour accelerer des simulations CFD VIV/SIV deja etablies sur CPU. La chaine de modelisation, de maillage, de calcul et de post-traitement existe deja en environnement CPU ; l'objectif principal est donc de mesurer le gain potentiel en temps de calcul, cout, scalabilite et robustesse, sans degrader la qualite physique des resultats.

Le resultat attendu est une recommandation claire sur les cas ou le GPU apporte une valeur reelle, les limites observees et les conditions necessaires pour une utilisation industrielle fiable.

Perimetre de travail :

1. Comprendre la chaine CFD VIV/SIV existante sur CPU : cas de reference, maillages, solveurs, scripts de lancement, post-traitements et criteres de validation.

2. Realiser une revue ciblee des etudes internes et externes sur la modelisation CFD VIV/SIV et sur les performances CPU/GPU des solveurs CFD pertinents.

3. Reproduire quelques cas de reference CPU representatifs, par exemple pale seule et, si pertinent, rotor complet, afin d'etablir une base de comparaison robuste.

4. Adapter ou preparer les memes cas pour des environnements GPU, selon les possibilites des solveurs disponibles : OpenFOAM/ENGYS HELYX, CFX si besoin

5. Executer les benchmarks CPU/GPU en faisant varier les parametres utiles : taille de maillage, nombre de coeurs, nombre de GPU, precision, decomposition parallele et options solveur.

6. Mesurer et comparer les indicateurs principaux : temps de calcul, acceleration, efficacite parallele, consommation memoire, stabilite numerique, contraintes licences et facilite d'utilisation.

7. Verifier que les resultats physiques restent coherents avec les references CPU : forces instationnaires, frequences dominantes, structures tourbillonnaires, coefficients aerodynamiques et indicateurs VIV/SIV.

8. Structurer les scripts de lancement et de post-traitement afin d'automatiser la comparaison des performances et des resultats physiques.

9. Documenter les bonnes pratiques et formuler une recommandation simple : quand utiliser le GPU, quand rester sur CPU, et quels verrous lever avant de generaliser.

10. Presenter regulierement les resultats intermediaires, difficultes et conclusions techniques a l'equipe.

Livrables :

• 
  Tableau de benchmark CPU/GPU par cas de calcul, solveur et configuration machine.
• Rapport synthetique sur les gains de performance, limites, contraintes pratiques et recommandations d'usage.
• Comparaison documentee entre resultats GPU et references CPU afin de verifier la coherence physique.
• Scripts ou notebooks de post-traitement pour extraire automatiquement temps de calcul, scalabilite, memoire et grandeurs physiques cles.
• Guide court de bonnes pratiques pour lancer, suivre et analyser les calculs CFD VIV/SIV sur CPU et GPU.
• Support de presentation final avec conclusions et recommandations pour l'equipe.

Critères de succès :

• 
  Benchmarks CPU/GPU reproductibles sur un nombre limite mais representatif de cas VIV/SIV.
• Gains de performance quantifies et expliques, avec identification des goulets d'etranglement.
• Validation que l'acceleration GPU ne degrade pas les grandeurs physiques utiles pour l'analyse VIV/SIV.
• Recommandation claire sur la pertinence industrielle du GPU pour la chaine CFD existante.
• Documentation suffisante pour que l'equipe puisse reutiliser les cas, scripts et conclusions apres le stage.

Profil du candidat :

• 
  Etudiant(e) en derniere annee de cycle ingenieur ou Master 2 en mecanique des fluides, aerodynamique, simulation numerique, HPC, mecanique, energie ou informatique scientifique.
• Langages : MATLAB, bash fonctions de base ; C++ est un plus.
• Logiciels CFD niveau utilisateur : OpenFOAM ; FLUENT, CFX et StarCCM+ sont des plus.
• Logiciels de maillage : ANSYS Meshing, Pointwise ou StarCCM+ ; Pointwise est un plus.
• Familiarite avec Linux ; experience avec Git et Slurm est un plus.
• Experience avec clusters de calcul, supercalculateurs ou environnements HPC est un plus.
• Rigueur, autonomie et capacite a documenter clairement les configurations, resultats et limites.
• Anglais courant requis ; le francais est un plus.

ENGLISH

GPU Performance Assessment for an Existing CPU-Based CFD Toolchain for Vortex and Stall-Induced Vibrations (VIV/SIV)

Objective:

The internship aims to pragmatically assess the value of GPU architectures for accelerating CFD simulations of vortex-induced and stall-induced vibrations (VIV/SIV). The CFD modelling, meshing, simulation and post-processing toolchain already exists on CPU-based environments; the main objective is therefore to quantify potential gains in runtime, cost, scalability and robustness without degrading the physical quality of the results.

The expected outcome is a clear recommendation on when GPU computing brings real value, what limitations are observed, and which conditions are required for reliable industrial use.

Scope of Work:

1. Understand the existing CPU-based CFD toolchain for VIV/SIV: reference cases, meshes, solvers, run scripts, post-processing and validation criteria.

2. Perform a focused review of internal and external references on CFD modelling of VIV/SIV and CPU/GPU performance of relevant CFD solvers.

3. Reproduce a limited set of representative CPU reference cases, for example single blade and, if relevant, full rotor, to establish a robust comparison baseline.

4. Adapt or prepare the same cases for GPU environments depending on solver availability: OpenFOAM, FLUENT, CFX.

5. Run CPU/GPU benchmarks while varying useful parameters such as mesh size, CPU cores, GPU count, precision, domain decomposition and solver options.

6. Measure and compare the main indicators: runtime, speed-up, parallel efficiency, memory usage, numerical stability, licence constraints and ease of use.

7. Check that physical results remain consistent with CPU references: unsteady forces, dominant frequencies, vortex structures, aerodynamic coefficients and VIV/SIV indicators.

8. Structure run scripts and post-processing workflows to automate performance and physics comparison.

9. Document best practices and provide a simple recommendation: when to use GPU, when to remain on CPU, and which blockers must be solved before wider deployment.

10. Regularly present intermediate results, technical issues and conclusions to the team.

Deliverables:

• 
  CPU/GPU benchmark matrix by simulation case, solver and machine configuration.
• Concise report on performance gains, limitations, practical constraints and usage recommendations.
• Documented comparison between GPU results and CPU references to verify physical consistency.
• Post-processing scripts or notebooks to automatically extract runtime, scalability, memory usage and key physical quantities.
• Short best-practice guide to run, monitor and analyse VIV/SIV CFD simulations on CPU and GPU.
• Final presentation material with conclusions and recommendations for the team.

Success Criteria:

• 
  Reproducible CPU/GPU benchmarks on a limited but representative set of VIV/SIV cases.
• Quantified and explained performance gains, including identification of bottlenecks.
• Validation that GPU acceleration does not degrade the physical quantities required for VIV/SIV assessment.
• Clear recommendation on the industrial relevance of GPU computing for the existing CFD toolchain.
• Documentation enabling the team to reuse the cases, scripts and conclusions after the internship.

Candidate Profile:

• 
  Final-year engineering school or Master 2 student in fluid mechanics, aerodynamics, numerical simulation, HPC, mechanical engineering, energy or scientific computing.
• Languages: MATLAB, basic bash functions; C++ is a plus.
• CFD software at user level: OpenFOAM; FLUENT, CFX and StarCCM+ are pluses.
• Meshing software: ANSYS Meshing, Pointwise or StarCCM+; Pointwise is a plus.
• Familiar with Linux; experience with Git and Slurm is a plus.
• Previous experience with computing clusters, supercomputers or HPC environments is a plus.
• Rigorous, autonomous and able to clearly document configurations, results and limitations.
• Fluent English required; French is an advantage.