Исследование нейроморфных вычислений с помощью Loihi-2 для высокопроизводительного моделирования вычислительной гидродинамики

Современные симуляции вычислительной гидродинамики (CFD) достигают беспрецедентных масштабов, как это было продемонстрировано на примере проекта NASA X-59, включающего 117 миллиардов ячеек сетки. Такая сложность подталкивает традиционные архитектуры CPU и GPU к пределу своих возможностей, особенно в плане энергоэффективности и масштабируемости для моделирования турбулентности в реальном времени или адаптивного измельчения сетки. В данной статье рассматривается нейроморфный процессор Intel Loihi-2 в качестве потенциального решения. Опираясь на событийно-управляемую и асинхронную параллельную обработку, Loihi-2 значительно снижает энергопотребление, справляясь с высокопроизводительными рабочими нагрузками CFD. Экспериментальные результаты показывают вычислительную эффективность 103,9 GFLOPs/W, что значительно превышает 3,8 GFLOPs/W CPU и 74,7 GFLOPs/W GPU. Потребление энергии за итерацию снижается до 0,09 джоулей, что представляет собой улучшение в 34 раза по сравнению с CPU и в 10 раз по сравнению с GPU. Этот прирост производительности подчёркивает практичность нейроморфного оборудования для энергоэффективных крупномасштабных вычислительных гидродинамических задач, включая моделирование турбулентности. Более того, сниженные энергозатраты Loihi-2 выгодно отличают его от других приложений в аэрокосмической отрасли, требующих моделирования бортового потока, а также для сценариев Интернета вещей в реальном времени. В целом, данное исследование демонстрирует перспективность интеграции нейроморфных процессоров в вычислительные гидродинамические решатели нового поколения, объединяя нейробиологические вычисления и высокопроизводительное проектирование.

Modern computational fluid dynamics (CFD) simulations are reaching unprecedented scales, as seen in NASA’s X-59 effort involving 117 billion grid cells. Such complexity pushes conventional CPU and GPU architectures to their limits, particularly in energy efficiency and scalability for real-time turbulence modeling or adaptive grid refinement. This paper investigates Intel’s Loihi-2 neuromorphic processor as a potential solution. By relying on event-driven and asynchronous parallel processing, Loihi-2 significantly reduces power demands while managing high-throughput CFD workloads. Experimental results reveal a compute efficiency of 103.9 GFLOPs/W far exceeding the 3.8 GFLOPs/W of CPUs and 74.7 GFLOPs/W of GPUs. Per-iteration energy consumption drops to 0.09 Joules, representing an improvement of 34x over CPUs and 10x over GPUs. These performance gains underscore the practicality of neuromorphic hardware for energy-efficient, large-scale CFD, including turbulence modeling. Moreover, Loihi-2’s reduced power overhead positions it favorably for aerospace applications requiring onboard flow simulations, as well as real-time IoT scenarios. Overall, this study demonstrates the viability of integrating neuromorphic processors into next-generation CFD solvers, bridging neuroscience-inspired computation and high-performance engineering.