Mechanical APDL supports NVIDIA’s CUDA-enabled Tesla and Quadro series workstation and server cards. When using the sparse solver or eigen solvers based on the sparse solver with NVIDIA cards
additional considerations apply (please consult the ANSYS installation guide for details).
Comme pour certains soft il faut des cartes pro, pas de gtx, comme catia v5 (qui utilise que 2 cœurs max cpu et ont fait toujours des avions et voiture avec) il est bridé en image par seconde en gtx si je me rapelle bien, solidworks non. Vu que ce sont des soft pour entreprise, les gens normalement ont des cartes pro. car c’est dans les 500 000 une full licence ansys il me semble
Il me semble que même dans mechanical tu ne peux pas l’utiliser dans toutes les conditions, pour de l’implicit oui mais pas d’explicit.
Et je crois meme que c’est simplement de l’accélération, ça ne fait qu’apporter un petit plus en performances.
Mais moi qui utilise le soft et explicit dynamic d’ansys mechanical, les seules solutions qui s’offrent à moi (tu peux notamment aller faire un tour sur le forum de cfd online) pour avoir des performances décentes, il faut se tourner sur d’énormes xeon ou Threadripper. Même une quadro a6000 ne serait pas utile
@Loposo C’est une belle plaquette poublicitaire avec quelques graphes et quelques chiffres. Il n’en demeure pas moins que la comparaison la plus parlante est celle qui montre un speed-up de 8.5 entre 1 A100 et 1 xeon 32c. Pas nouveau, ça fait 10/15 ans qu’on est sur ce type de ratio. A ce stade, considérant le coût total du hardware on est peu ou prou équivalent en ratio perf/$, encore loin d’une révolution techno qui ferait basculer tout le secteur de la cfd vers le calcul GPU. Le graphe qui s’en suit « hardware cost » me paraît plus que fumeux, mais marketing oblige, aucun détail n’est donné.
Ce qui me paraît à l’heure actuelle faire pencher la balance vers le gpu pour ces softs est plus en lien avec la politique de licence qui doit être favorable à l’adoption de multi-gpu via un partenariat bien ficelé avec nvidia.
Là où le gpu en revanche excelle c’est pour les modèles massivement parallélisables tels que Lattice-Boltzman. Pour les calculs type éléments finis, fluide ou solide, je pense qu’il y a encore du chemin à faire avant de jeter les cpus par la fenêtre.