Forschung am SWZ

Die Simulation ist heute eine der wichtigsten und in vielen Fällen einzig praktikablen Techniken zur Analyse und Optimierung von großen Netzen. Telekommunikationsnetze, Verkehrs-/Logistiknetze und Energienetze haben vieles gemeinsam. Die Komplexität der Netze mit ihren vielen parallel existierenden Knoten und den Strömen zwischen den Knoten ist schwer überschaubar und oft mit anderen Techniken als Simulation nicht beherrschbar. Das tatsächliche Verhalten eines solchen Netzes unterscheidet sich oft von dem vermuteten Verhalten. Der Aufbau, Betrieb, Modifikation und Optimierung solcher Netze stellt in der Regel eine Infrastrukturaufgabe dar, die mit erheblichen Kosten verbunden ist. Um hier Fehlentwicklungen zu vermeiden, wird vor einer physischen Installation die Simulation als wichtigstes Hilfsmittel eingesetzt, um die Eigenschaften eines Netzes, das Verhalten, die kritischen Leistungskenngrößen und Parameter in einem frühen Stadium zu ermitteln. Die 2005 in Kraft getretene EU-Verordnung z.B. zu Ausgleichszahlungen an Fluggäste bei Annullierungen oder großen Verspätungen (EG 261/2004) unterstreicht die Notwendigkeit geeigneter Verfahren und Systeme für den praktischen Einsatz.

Die Fortschritte der Materialwissenschaften haben seit jeher den Entwicklungsstand einer Gesellschaft definiert. Materialwissenschaften sind gerade in der deutschen Industrielandschaft eines der zentralen Themen, welche die Grundlage für viele Innovationen in anderen Industriezweigen liefern.

In den Materialwissenschaften hat sich bereits eine stark interdisziplinäre Arbeitsweise herausgebildet, welche in den stark überlappenden Bereichen „Computational Materials Science“, „Computational Physics“ and „Computational Chemistry“ ausgeprägt ist. Simulationen haben sich in den Materialwissenschaften und den benachbarten naturwissenschaftlichen Disziplinen zu einem lebendigen und forschungsstarken Wissenschaftszweig herausgebildet, der vermehrt auch von der Industrie wahrgenommen und aktiv gefördert wird.

Probleme der Materialwissenschaften sind sehr vielfältig und spielen sich typischerweise auf unterschiedlichsten Längen- und Zeitskalen ab. Deshalb zeichnet sich das Feld der Materialsimulationen durch eine Vielzahl verschiedener Simulationsmethoden aus, welche auf die jeweilige Problemklasse zugeschnitten sind:

Auf der kleinsten Längenskala werden in so genannten ab-initio Simulationen atomare Prozesse parameterfrei auf der Grundlage von Naturgesetzen simuliert. Diese quantenmechanischen Methoden erfordern meistens Hochleistungsrechner, erlauben aber vielfältige und quantitative Aussagen zu treffen. Ein solches Programmpaket wird in Clausthal entwickelt und vertrieben.

Auf der makroskopischen Längenskala wird das Material als ein Kontinuum betrachtet, dessen Verhalten von Materialparametern bestimmt wird, die entweder aus dem Experiment bekannt oder durch grundlegendere Simulationen bestimmt wurden. Weil die Simulationstechniken hier weitgehend einheitlich sind, kommen besonders kommerzielle Programmpakete zum Einsatz. Das Hauptinteresse richtet sich hier auf die Modellierung des Problems und die Bestimmung der dabei verwendeten Parameter und Zustandsgleichungen, sowie die Verifikation und die Visualisierung der Resultate.

Zwischen diesen Polen befinden sich eine Vielzahl weiterer Methoden die hier nur einige als Stichworte genannt werden sollen: Monte-Carlo Methoden, Molekularmechanik, Molekulardynamik, Phasenfeldtheorien, Mikrostruktursimulation von Versetzungsnetzwerken und Korngrenzen.

Eine der „Grand Challenges in Computational Materials Science“ ist daher die Multiskalensimulation, die im Idealfall von der ab-initio Simulation bis zur Simulation von Umformprozessen und Herstellungsverfahren reicht. Diese Herausforderung wird einerseits dadurch angegangen, dass Simulationsparameter gezielt von den mikroskopischen Simulationen zu den makroskopischen Simulationen durchgereicht werden. Andererseits werden unterschiedliche Simulationsmethoden in eine einheitliche Simulationsumgebung integriert, um Effekte zu beschreiben, bei denen unterschiedliche Längen- und Zeitskalen nicht mehr entkoppelt werden können. Diese Aktivitäten erfordern die Zusammenarbeit unterschiedlicher Wissenschaftsdisziplinen und profitieren von Zusammenschlüssen, wie sie im Simulationswissenschaftlichen Zentrum geplant sind.

Im Gegensatz zu etlichen anderen Anwendungen von Simulationsverfahren sind Simulationen im Bereich der Materialwissenschaften sehr häufig dadurch gekennzeichnet, dass sie alle verfügbaren, informationsverarbeitenden Ressourcen bis an die Grenzen ausschöpfen müssen, um verwertbare Ergebnisse zu erzielen. Fragen der algorithmischen Komplexität und der Effizienz von Implementierungen sind daher für Fortschritte der Simulationsmethoden in diesem Teilgebiet von entscheidender Bedeutung.

Die numerische Simulation technisch-wissenschaftlicher Probleme gehört traditionell zu den Disziplinen mit dem höchsten Bedarf an Rechenleistung. Dementsprechend werden solche Probleme auf Supercomputern mit Vektor- und Parallelrechnerarchitektur bearbeitet. Die größten Parallelrechner der Welt wurden in den USA für Simulationsanwendungen installiert. Die größten Parallelrechner in Deutschland haben nur einen Bruchteil der Leistung dieser Rechner und sind an den drei Standorten München (LRZ und RZG), Stuttgart (HLRS) und Jülich (FZ) konzentriert. In Niedersachsen stehen für große Simulationsaufgaben der HLRN II (Norddeutscher Verbund für Hoch- und Höchstleistungsrechnen) und einige kleinere Anlagen an universitären Rechenzentren zur Verfügung. Um noch mehr Rechenleistung zu erhalten, ist es notwendig, die numerischen Probleme auf die bereits existierende Hardware-Infrastruktur an den Universitäten und ihre Rechenzentren zu verteilen. Man spricht dabei von verteilter Simulation. Leider ist dabei der Aufwand für die Erstellung der Software und der Middleware, die zwischen den Anwendungen und den Betriebssystemen sitzt, im Allgemeinen sehr hoch und es gibt enorme Einschränkungen für die Anwendungen. Bislang hat es sich deshalb nur in Einzelfällen gelohnt, Simulationen auf mehrere PC Cluster zu verteilen. Mit dem Aufkommen des Grid Computing zeichnet es sich jedoch ab, dass der Aufwand für die Verteilung von Simulationsanwendungen auf existierende PCs und Workstations in einen Bereich kommt, wo er für viele Anwender interessant wird.

In diesem Projektbereich sollen daher Modelle und Methoden untersucht werden, mit denen Simulationen auf ein Grid verteilt werden können und die dabei entstehenden Probleme des Software-Tests und der Qualitätssicherung gelöst werden können. „Verteilte Simulation“ meint aber auch die Simulation hochgradig verteilter realer Systeme, wie z.B. Lieferketten im Supply Chain Management, die nicht durch ein herkömmliches, geschlossenes Modell erfasst werden können.