Simulation de tsunami, intégration et visualisation dans Google Earth

La simulation et la visualisation de vagues de tsunami provoquées par un tremblement de terre ou un glissement de terrain sous-marin sont utiles pour plusieurs raisons. La première est l’évaluation du risque sous deux aspects : l’urgence et la planification. En urgence, il est très important de pouvoir se rendre compte de la taille de l’inondation possible des terres ainsi que de la trajectoire et du temps d’arrivée des vagues de tsunami. Les variations importantes de l’inondation, dues aux caractéristiques variables de l’origine du tsunami, vont avoir une influence sur la façon de planifier des secours ou d’organiser des évacuations de la population vivant dans les zones à risques.

Avoir un grand écran de visualisation avec des capacités 3D immersif et interactif permet d’englober une plus grande région pour la prise de décision collaborative d’un groupe d’experts réunis en urgence. D’un point de vue planification, des cartes de risques construites à partir de possibles scénarios doivent être présentées aux décideurs. Ces cartes devraient de manière idéale inclure des incertitudes possibles autour d’un scénario moyen. Cela requiert des capacités de visualisation 3D immersive et interactive pour pouvoir s’immerger et naviguer dans les possibles surfaces de risque d’inondation.

La deuxième raison de l’utilisation de moyens avancés de visualisation est la recherche scientifique. En effet, le groupe de recherche en statistique du Professeur Serge Guillas de University College London au Royaume-Uni (professeur invité au CMLA en 2014) se penche particulièrement sur l’incertitude des caractéristiques des vagues de tsunami. La visualisation 3D avec effet de transparence permet ainsi de comprendre où, pourquoi et comment ces incertitudes dans les mesures de profondeur de l’océan peuvent se propager aux vagues de tsunami.

Visualisation et manipulation de résultats et champs numériques 3D

Paraview est une application Open Source d’analyse de données et de visualisation de résultats de simulation qui s’appuie sur les outils de visualisation VTK (Visualization ToolKit). Paraview gère nativement l’affichage stéréoscopique. Il est donc possible de visualiser des champs de calcul tridimensionnels de manière stéréoscopique et de naviguer (rotation, translation, zoom) entre les lignes de courants, les nuages de points et les rendus volumiques. Paraview inclut un système de plugins pour des tâches spécifiques, et en particulier un outil de contrôle distant (Paraview Mobile Remote Control) depuis un dispositif léger mobile de type smartphone ou tablette, via le Wifi.

Après une période de mise en route pendant laquelle SHIVA a fonctionné de manière autonome et isolée, nos objectifs sont à présent de mettre en place des liaisons directes et haut débit 10 Gbit avec d’autres dispositifs. On pourra d’une part interagir avec les autres plateformes de DIGISCOPE et d’autre part travailler sur des flux de données fournis par des ressources de calcul ou d’images comme par exemple le Centre de Calcul du Laboratoire de Mécanique et Technologie de l’Ecole Normale Supérieure (LMT Cachan) ou son tomographe à rayons X (EquipEx MATMECA). Le tomographe LMT est un scanner 3D doté de moyens d’essais mécaniques in-situ permettant la génération d’images tridimensionnelles de matériaux sous chargement.

Exploration d’un ensemble paramétré de résultats de calcul

Les grands dispositifs de visualisation sont particulièrement intéressants quand un grand volume de données doit être affiché simultanément pour guider l’exploration, faire des choix, trouver un compromis ou prendre une décision. C’est particulièrement vrai en analyse de données et statistiques dans un contexte Big Data.

C’est aussi de plus en plus vrai pour l’analyse des résultats de simulation numérique dans un contexte CAE (Computed-Aided Engineering). La tendance est aujourd’hui de tenir compte dans les calculs des incertitudes ou de déterminer les “réponses” en fonction de toutes les configurations et régimes de fonctionnement possibles. On est alors amené à calculer des familles de solutions de problèmes aux dérivées partielles. Les “données” ne sont plus seulement spatiales ou temporelles ; elles dépendent de paramètres, en dimension éventuellement grande. Pour réduire aussi bien la complexité de taille des résultats numériques et faciliter leur manipulation, il faut utiliser des techniques de réduction de complexité ou de réduction de modèles (reduced-order modeling). Par exemple, l’image ci-dessous montre une carte de résultats de calculs d’écoulements supersoniques autour d’un obstacle (profil d’aile) en fonction de la vitesse infinie amont d’une part et de l’angle d’attaque d’autre part, illustrant sur une seule vue l’ensemble des régimes d’écoulement possibles.

Calcul de fluide accéléré sur GPU avec visualisation et interaction temps réel

Le dispositif SHIVA connecté à des moyens de calcul performants équipés d’accélérateurs graphiques (GPGPU) permet d’explorer des pistes nouvelles de visualisation de calcul et d’interaction quasi temps-réel en Computational Fluid Dynamics (CFD) sur des maillages de taille intermédiaire, typiquement de l’ordre de 1024² points.

Il est ainsi possible de résoudre les équations de Navier-Stokes 2D à moyen nombre de Reynolds en temps réel à condition que le solveur numérique se prête bien à la parallélisation sur GPU. Nous explorons des schémas de volumes finis d’ordre élevé ainsi que des méthodes Lattice Boltzmann (à la croisée des automates numériques et des solveurs différences finies sur grille cartésienne). Parmi les fonctionnalités originales qui ont été mises en œuvre, mentionnons l’ajout à la volée d’obstacles dans le calcul permettant d’observer instantanément la réponse du fluide.

Cela ouvre la voie à de nouveaux modes de préconception (preliminary design) où l’utilisateur peut se faire une idée des pistes intéressantes à explorer. Une fois les pistes identifiées, on peut terminer l’optimisation de design au moyen d’un code de calcul intensif. En perspective, on envisage d’étendre ces fonctionnalités au cas de simulation et d’interaction temps-réel d’écoulements tridimensionnels avec les problématiques de visualisation associées. L’ENS Cachan est labellisée CUDA Research Center par NVIDIA (2013-2014) – le centre étant animé par Florian De Vuyst, Professeur et chercheur au CMLA.

Contacts : Florian De Vuyst (CMLA ENSC), Serge Guillas (UCL), Atman Kendira, Christophe Labourdette (CMLA ENSC), Luba Tchertanov (LBPA ENSC)

Responsables techniques SHIVA : Atman Kendira, Christophe Labourdette
Responsable scientifique SHIVA : Florian De Vuyst