TY  - THES
AB  - Vakuumkomponenten spielen in vielen Bereichen eine entscheidende Rolle. Ihre Entwicklung erfordert oft viele Iterationen mit Simulationssoftware wie Molflow. Molflow nutzt die Test-Partikel-Monte-Carlo (TPMC) Methode, um physikalische Größen wie Druck und Partikeldichte in beliebig komplexen Geometrien zu approximieren. Der Algorithmus basiert auf Ray-Tracing. Die Performance der Simulationen hängt in großem Maße von der Effizienz der zugrundeliegenden Datenstrukturen und Algorithmen ab, die für die Ray-Tracing Routinen verwendet werden. Fortschritte in Algorithmenforschung und spezialisierter GPU-Hardware ermöglichen eine Neubewertung dieser Methoden für physikalische Simulationen wie in Molflow. Verbesserte Algorithmen und Datenstrukturen wurden für Molflows Monte-Carlo-Modell implementiert, besonders für Simulationen mit Zeitparameter. Spezialisierte Ray-Tracing-Algorithmen wurden sowohl für CPU- als auch für GPU-Simulationen entwickelt. GPU-Simulationen profitieren von NVIDIAs OptiX-API und hardwarebeschleunigten Ray-Tracing-Einheiten (RTUs) auf modernen NVIDIA RTX GPUs. Zwei Splitting-Kriterien, die Ray Distribution Heuristic (RDH) und die Hit Rate Heuristic (HRH), wurden eingeführt, um leistungsfähige Beschleunigungsdatenstrukturen zu schaffen. Ein neuer Offset reduziert negative Effekte von 32-Bit-Gleitkommaoperationen bei hardwarebeschleunigtem Ray-Tracing. Der GPU-Code maximiert die Nutzung von RTUs und der Neighbor Aware Offset behandelt einige dieser Effekte softwareseitig. Unsere Forschung markiert den ersten Schritt hin zur Ausführung von Molflow-Simulationen auf GPUs.
AU  - Bähr, Pascal
CY  - Wuppertal
DA  - 2023
DO  - 10.25926/BUW/0-456
DP  - Bergische Universität Wuppertal
LA  - eng
N1  - Tag der Verteidigung: 26.02.2024
N1  - Bergische Universität Wuppertal, Dissertation, 2024
PB  - Veröffentlichungen der Universität
PY  - 06. Dezember 2023
SP  - 1 Online-Ressource (XV, 210 Seiten)
T2  - Informatik
TI  - Advancing ray-traced ultra-high vacuum simulations: enhanced algorithms and data structures in molflow
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:468-2-2625
Y2  - 2024-07-27T16:18:05
ER  -