Zhao Ruifeng, Wu Zhijun*, Xu Xiangyu, Li Mengyi, Lei yimming.GPGPU-Parallelized Data-Driven Hierarchical Multiscale 3D FDEM for Rock Meso-macro-numerical Simulation[J].Rock Mechanics and Rock Engineering:1-26[2024-12-02].DOI:10.1007/s00603-024-04218-5.

 GPGPU-Parallelized Data-Driven Hierarchical Multiscale 3D FDEM for Rock Meso-macro-numerical Simulation | Rock Mechanics and Rock Engineering

现有的岩石材料多尺度数值方法在计算精度和效率方面都面临着挑战，作者开发了一种多尺度3D FDEM方法来研究岩石的细观-宏观力学响应。多尺度方法的核心涉及细观和宏观3D FDEM的分层耦合。具体而言，专门开发了时间卷积网络与混合密度网络(TCN-MDN)，用于高效训练和预测升尺度有限单元和粘聚单元(UFEA和UCEA)的力学行为。由TCN-MDN驱动的UFEA和UCEA作为升尺度单元体，取代宏观3D FDEM中的唯象本构关系。此外，在3DFDEM和TCN-MDN中实现了GPGPU并行加速计算，以进一步提高计算效率。在构建GPGPU并行化的DHM-3DFDEM后，通过单轴压缩和巴西劈裂数值试验证实了其与参考解和室内试验的一致性。通过循环加卸载和真三轴压缩试验进一步验证了所提方法能够再现三维空间中复杂加载条件下岩石的力学行为。结果表明TCN-MDN具有一对多映射和高并行性的优势，能够捕捉岩石的非均质性并高效处理大型三维时序应变应力数据集。最后验证了GPGPU并行计算对DHM-3DFDEM的加速效果，最大加速比达到20.09。

图1 GPGPU并行的DHM-3DFDEM模拟岩石宏观力学行为计算框架

图2 TCN计算架构

图3 TCN-MDN计算架构

图4 UCS计算结果验证对比