Abstract

The results of numerical modeling of white dwarf mergers on massive parallel supercomputers using a AVX-512 technique are presented. A hydrodynamic model of white dwarfs closed by a star equation of state and supplemented by a Poisson equation for the gravitational potential is constructed. This paper presents a modification based on a local linear reconstruction of the solution of the Rusanov scheme for the hydrodynamic equations. This reconstruction makes it possible to considerably decrease the numerical dissipation of the scheme for weak shock waves without any external piecewise polynomial reconstruction. The scheme is efficient for unstructured grids, when it is difficult to construct a piecewise polynomial solution, and also in parallel implementations of structured nested or adaptive grids, when the costs of interprocess interactions increase significantly. As input data, piecewise constant values of the physical variables in the left and right cells of a discontinuity are used. The smoothness of the solution is measured by the discrepancy between the maximum left and right eigenvalues. This discrepancy is used for a local piecewise polynomial reconstruction in the left and right cells. Then the solutions are integrated along the characteristics taking into account the piecewise linear representation of the physical variables. A performance of 234 gigaflops and 33-fold speedup are obtained on two Intel Skylake processors on the cluster NKS-1P of the Siberian Supercomputer Center ICM & MG SB RAS.

中文翻译：

---

一种新型Rusanov型求解器，具有局部线性求解重构，可通过大规模并行超级计算机对白矮星合并进行数值建模

摘要

给出了使用AVX-512技术在大型并行超级计算机上对白矮星合并进行数值建模的结果。建立了一个白矮星的流体力学模型，该模型由状态星型方程封闭，并用泊松方程补充重力势。本文提出了一种基于局部线性重构的流体力学方程的Rusanov方案解的修改。这种重构使得有可能在没有任何外部分段多项式重构的情况下显着减小用于弱冲击波的方案的数值耗散。当难以构造分段多项式解决方案时，以及在结构化嵌套或自适应网格的并行实现中，该方案对于非结构化网格都是有效的，当进程间交互的成本显着增加时。作为输入数据，使用了不连续的左右单元中的物理变量的分段常数值。解决方案的平滑度是通过左右最大特征值之间的差异来衡量的。该差异用于左右单元格中的局部分段多项式重构。然后，考虑到物理变量的分段线性表示，将解决方案沿特性进行集成。在西伯利亚超级计算机中心ICM和MG SB RAS的群集NKS-1P上的两个Intel Skylake处理器上，性能达到234千兆位触发器，速度提高了33倍。使用不连续的左，右单元格中物理变量的分段常数值。解决方案的平滑度是通过左右最大特征值之间的差异来衡量的。该差异用于左右单元格中的局部分段多项式重构。然后，考虑到物理变量的分段线性表示，将解决方案沿特性进行集成。在西伯利亚超级计算机中心ICM和MG SB RAS的群集NKS-1P上的两个Intel Skylake处理器上，性能达到234千兆位触发器，速度提高了33倍。使用不连续的左，右单元格中物理变量的分段常数值。解决方案的平滑度是通过左右最大特征值之间的差异来衡量的。该差异用于左右单元格中的局部分段多项式重构。然后，考虑到物理变量的分段线性表示，将解决方案沿特性进行集成。在西伯利亚超级计算机中心ICM和MG SB RAS的群集NKS-1P上的两个Intel Skylake处理器上，性能达到234千兆位触发器，速度提高了33倍。然后，考虑到物理变量的分段线性表示，将解决方案沿特性进行集成。在西伯利亚超级计算机中心ICM和MG SB RAS的群集NKS-1P上的两个Intel Skylake处理器上，性能达到234千兆位触发器，速度提高了33倍。然后，考虑到物理变量的分段线性表示，将解决方案沿特性进行集成。在西伯利亚超级计算机中心ICM和MG SB RAS的群集NKS-1P上的两个Intel Skylake处理器上，性能达到234千兆位触发器，速度提高了33倍。