面向高性能數值模擬的并行網格生成軟件研制

鄭 澎，冷玨琳，徐 權，劉田田，楊 洋，高俊琪，董慶利

(1. 中國工程物理研究院 計算機應用研究所，綿陽 621900；2. 中國工程物理研究院 高性能數值模擬軟件中心，北京 100088；3. 北京應用物理與計算數學研究所，北京 100094)

0 引 言

在數值模擬流程中，網格生成環節包括了幾何建模、模型處理、網格剖分、設置邊界/載荷參數、網格組裝等階段，最終得到計算所需要的求解域的離散網格。由于網格的精度和質量直接關系著求解的精度和質量，在上述階段中，為得到滿意的網格剖分結果，模型處理和網格剖分步驟需要反復的人工迭代修改，據美國圣地亞實驗室統計，它們會占到整個算例工作量的50%以上[1]。

高性能數值模擬應用是運行于高性能計算機上的復雜數值模擬應用，往往需要基于復雜模型生成十億規模以上的網格[2-3]，實現這一過程的高度自動化無疑有利于提高效率和避免人工失誤。實現高度自動化的難點在于：首先是模型全自動處理難，數值模擬應用的模型(以下簡稱CAE 幾何模型)大多來自于CAD 模型，而CAD 模型和CAE 幾何模型的幾何表達方式不同，技術關注的目標不同[4-5]，實現CAD模型到CAE 幾何模型的自動處理一直是研究熱點[4-6]，目前，即使是成熟的商業前處理軟件也不能實現任意模型的自動處理；其次是針對復雜模型的全自動網格生成算法難，尤其是六面體網格生成及高階曲面網格生成仍然是眾多研究關注的焦點[7-8]。

大規模網格生成本身對計算能力和內存的消耗也是巨大的，單機生成已無法滿足需求。目前，并行求解器的研制正在逐步適應并行機體系結構，相比之下，網格生成方法的研究滯后很多，嘗試在全自動網格生成算法的基礎上實現并行化，達到“并行網格生成-并行求解”的一致并行，是突破大規模網格生成瓶頸的活躍的研究領域[3,9-12]。并行網格生成的難點在于：首先，要得到高質量的網格劃分，就要盡可能全局考慮幾何，而在全局幾何上的串行和緊耦合操作又會造成并行方面的瓶頸；其次，要支持自適應計算，就需要實現在求解過程中并行自適應調整網格[13-14]，但又不能影響負載平衡；第三，需要考慮并行網格生成與并行求解器的耦合連接問題，外耦合文件連接方式存在巨大的I/O 開銷和網格量數據轉換開銷。這些都造成了網格生成算法并行化實現的困難。上述這些難點決定了必須發展和高性能數值模擬相適應的并行網格生成方法和相關軟件工具。然而，相比于串行網格生成研究已有近50 年的歷史，且開源及商業的網格生成軟件不斷推出[15]，并行網格生成研究起源于20 世紀90 年代，步入21 世紀，才真正隨著高性能計算的飛速發展而逐步展開。并行網格生成屬于以計算數學、計算機圖形學、并行計算等學科為支撐的交叉學科，在國內，缺乏長期投身這一技術研究的研究人員和對通用并行網格生成軟件的持續研發投入，造成國產高性能數值模擬應用軟件普遍存在“前處理弱”的問題，使得軟件的可用性大打折扣，很大程度上影響了軟件的推廣。

1 國內外研究現狀

1.1 CAD 模型自動處理

復雜數值模擬應用很少采用在數值模擬軟件中建模的方式，而是采用在CAD 軟件中建立幾何模型，然后導入到軟件中。理想狀態下，網格生成應能直接基于CAD 模型進行，但實際情況是，導入的CAD 模型需要進行一系列處理，才能得到可為后續網格生成算法使用的CAE 幾何模型。根本原因在于：CAD 技術關注產品設計對象的幾何外形，采用邊界表示法（boundary representation，Brep）表示模型，即模型由一系列封閉解析曲面所包圍的體所定義，體和體之間是拓撲分離，稱為流形拓撲模型。而CAE 幾何模型關注數值模擬計算對象的物理性能和功能的分析，在拓撲上，不一定是封閉的且體與體之間也不一定拓撲分離，稱為非流形拓撲模型，如圖1 所示，存在懸邊、懸面等多維混合，以及共點、共邊、共面等情況。

圖1 非流形拓撲示意Fig. 1 Examples of non-manifold topologies

自20 世紀90 年代起，學術界和工業界就開始廣泛關注CAD 模型與CAE 幾何模型的數據不一致性問題[16]，但直到現在，仍然缺乏業界認可的兩者統一的數據標準，復雜模型的人工處理依然工作量巨大[1]，全自動模型處理技術仍然是研究熱點。

模型處理方法按處理對象，可分為自身錯誤處理和算法關聯錯誤處理兩類；按照實現方式，可分為對連續CAD 模型處理[17-19]和對離散CAD 模型處理[20-21]兩類。

自身錯誤指模型的幾何缺陷和拓撲缺陷，幾何缺陷包括錯位、曲線和曲面自相交、法向不連續等，拓撲缺陷包括存在孤立點、孤立邊、非閉合面、鄰接面相交或重疊等。算法關聯錯誤指模型具有不適合特定網格生成算法的特征，例如：不適合Delaunay 表面網格生成算法的短邊、窄面、尖角等細小幾何特征；算法關聯錯誤還指模型具有對計算結果不產生影響的冗余特征，基于冗余特征生成網格，會造成多余的計算開銷。算法關聯錯誤的判定往往和具體的應用相關。

目前，絕大多數模型處理方法都是串行的。其中，全自動模型處理方法大多是針對自身錯誤的處理，首先通過自動的拓撲檢測剔除孤立點、邊和非閉合面，再以點/線/面間的容差為依據[17]進行縫隙、錯位的縫合和重疊的解除等，采用合適的容差是自身錯誤處理算法的關鍵，過大的容差往往容易造成幾何特征丟失。算法關聯錯誤的處理由于有多種復雜因素影響，一般需要人工輔助來判定要處理的幾何特征和選擇處理方法，處理方法包括冗余細節移除[22]、局部降維[23-24]、對稱處理[25]等，目前，也有學者嘗試基于機器學習方法實現自動的判定和處理，已在單部件模型去細小特征方面取得了初步進展[6]，但離工程實用仍有很大差距。

此外，將CAD 模型信息無縫傳遞給CAE 幾何模型也是研究關注點，例如：通過傳遞CAD 模型的裝配信息給對應的CAE 幾何模型，實現自動設置接觸對、運動副等邊界條件，避免人工操作帶來的失誤。商業CAD 平臺UG、PTC、CATIA、AUTOCAD 與其內置的CAE 求解器之間已實現了這樣的無縫對接，其他CAE 軟件只能通過采用商業轉換插件[26]或在STEP 等中間格式基礎上研發信息傳遞機制[27]來實現。

1.2 并行網格生成及優化

并行網格生成及優化方法需在串行自動網格生成算法基礎上實現并行化。它要考慮并行機的特點，充分發揮機器計算能力的優勢并具備良好的可擴展性，其研究內容涉及區域分解、網格并行剖分、網格自適應優化、并行網格數據結構等。

區域分解方法的目標是在保持子區域負載平衡的同時盡量減少通信，常用的實現方法分為靜態圖剖分和動態圖剖分兩類。靜態圖剖分方法主要有幾何剖分、基于幾何和拓撲的剖分、基于代數連通度的剖分和多層級剖分[28]等。動態圖剖分方法用于負載發生變化后的分區調整，包括全局重剖分和增量重剖分，前者相對后者通信代價高但負載平衡效果能得到保障。當并行網格生成與并行求解器進行內耦合內存對接時，理想狀態是并行求解的進程數與網格生成的分區數相當，這樣會大大減少對接開銷，但網格分區數如果過多，會在子區域內部插入過量的人工邊界，導致子區域定義極易出錯，網格生成無法順利進行。

已有的網格并行剖分方法，按照實現方式不同可分為三類[9]：第一類是生成子區域交界面網格后，再生成各子區域內部網格；第二類是先生成各子區域內部網格，再生成子區域交界面網格；第三類是同步生成各子區域內部網格和交界面網格。

由于網格并行剖分方法的實現需建立在串行自動網格生成算法基礎上，本文站在復用串行算法的角度，對網格并行剖分方法進行新的分類：第一類是零復用串行算法，需對串行算法的底層操作進行并行重構，例如，針對增量Delaunay 四面體算法的插入點操作的并行化[29]，此類方法需要重新設計算法的數據結構和邏輯；第二類是全復用串行算法，它通過區域分解，將整體區域分解為子區域，在子區域內部可全復用串行算法生成網格，對子區域交界面的處理有兩種方式，一種是避免改動子區域交界面[30]，但交界面附近網格質量難以保證，另一種是允許改動交界面但要進行少量通信；第三類是部分復用串行算法，它是前兩類方法的混合[12]。第二、三類方法較容易擴展為能快速集成串行算法成果的網格并行生成框架[31-32]。

網格自適應優化指在求解器并行求解過程中，基于中間計算結果對網格的局部區域進行修改，從而不斷提高計算精度。修改方法分為兩類，一類是網格的重分或細化，一類是保持拓撲不變的網格節點移動。重分方法[3,14,33]刪除修改區域的內部網格，保留區域邊界，然后基于新定義的網格尺寸重新生成區域邊界約束下的網格，當修改區域與分區交界面時，通常固定分區交界面不變，也有的方法是通過動態圖剖分，使新分區的交界面避開修改區域。細化方法將修改區域的網格單元分裂為更細小單元，一般基于模板[34-36]實現，非結構網格常采用最長邊中點分裂的模板，結構網格采用八叉樹分裂模板，但相鄰樹節點深度差不超過1。網格節點移動方法先基于修改區域的網格質量度量構建目標優化函數，然后極小化求解，從而得到節點的較優位置[37]，再移動節點。對分區交界面的優化可在完成內部網格優化后單獨進行，首先需構建與相鄰子區域至少1 層單元重疊的虛（網格）區域（如圖2 所示），因為虛（網格）區域內單元也會對交界面上網格質量產生影響，優化后，再通過通信保持分區交界面的一致性。

圖2 虛（網格）區域示意（來自文獻[38]）Fig. 2 An illustration of ghost zones among sub-domains(courtesy of Ref.[38])

并行網格數據結構支撐了并行網格生成與優化算法的實現。目前，相比串行算法普遍采用的半邊（Half-edge）、半面（Half-face）以及兩者擴展的數據結構，并行網格數據結構的設計并無統一標準，主要從以下幾個要素去考慮[39-40]：支持多樣化的網格單元，支持存儲和訪問高效，易于并行擴展等。

1.3 并行網格生成軟件

網格生成是數值模擬前處理軟件研發的基礎，如圖3 所示，基于網格生成軟件提供的核心數據結構和算法的支撐，再加上交互引擎、前處理界面方面的技術攻關和研發投入，可以快速形成各種專用及通用前處理軟件，這種研發模式被商業前處理軟件普遍采用。

圖3 基于網格生成軟件開發前處理軟件Fig. 3 Development of pre-processing softwares based on the mesh generation software

受益于串行網格生成方法的多年發展，串行網格生成軟件不斷推出[15]，國外研究機構、大學和商業公司在理論與工程實戰經驗積累上占有絕對優勢[41]，相比之下，無論從整個技術還是軟件市場份額而言，國內外的并行網格生成軟件都還不成熟，發展國產并行網格生成軟件面臨機遇。

目前，開源和自研的并行網格生成軟件方面，國外的有美國阿貢實驗室主持研制的SIGMA[42]和哥倫比亞大學研發的GRUMMP[43]等，SIGMA 是并行網格生成及應用的框架軟件，它提供并行網格數據結構和并行網格生成算法的基礎框架，GRUMMP 支持各向同性三角形和四面體網格并行生成。國內有浙江大學研發的HEDP-pre[44]，能基于復雜外形并行生成大規模非結構網格；中國工程物理研究院研發的SuperMesh[45]，具備非結構和結構網格并行生成能力，能支持百萬億次規模的并行計算；以及國防科技大學正在研制中的YHGrid[41]等。雖然大多數商業前處理軟件還不支持并行前處理，但并行化趨勢已顯現，例如，近期Cubit 開始推出并行掃掠六面體網格生成功能[46]，ANSYS 公司Fluent 也推出了64 核并行六面體核心網格生成功能[47]。

2 SuperMesh 研制進展

2.1 軟件概述

中國工程物理研究院計算機應用研究所和中物院高性能數值模擬軟件中心聯合研制的并行網格生成軟件，英文名稱為“SuperMesh”[45]，具備基于復雜幾何模型的結構網格和非結構網格的并行生成功能，并通過無縫對接高性能科學與工程計算并行編程框架[48]，支持高性能科學與工程計算中普適的三類計算：結構網格、非結構網格和無網格組合幾何計算。目前，它已經支撐了結構力學、計算流體力學、輻射流體力學、分子動力學、燃燒學和電磁學，以及多物理過程耦合計算的多個應用。

2.2 架構設計

SuperMesh 軟件架構凝煉了并行網格生成過程的共性特征，設計了可復用的算法構件。軟件架構如圖4 所示，自底向上分別是幾何網格數據層、算法構件庫、流程管理層、編程接口。

圖4 SuperMesh 軟件架構Fig. 4 The architecture of SuperMesh

幾何網格數據層包括可計算幾何數據模型（computational geometry data model, CGDM）和它關聯的網格數據；算法構件庫包括模型處理和網格剖分兩大模塊，模型處理模塊包括模型導入、特征識別、錯誤修復等算法構件，網格剖分模塊包括網格剖分及網格優化構件；流程管理層負責算法構件庫的管理和基于流程組裝算法構件；編程接口是提供給用戶的API 接口，用戶按上文圖3 中所述的開發方式，可直接調用API 接口開發前處理功能。

可計算幾何數據模型包括CAE 幾何數據結構和其上定義的公用操作。如圖5 所示，CAE 幾何數據結構按照非流形拓撲關系來管理幾何對象和附加屬性。非流形拓撲關系在體/面/邊/頂點等鄰接關系的基礎上增加了對共面/共邊/共點鄰接關系的支持。CAE幾何數據上的公用操作包括載入、查詢、修改、賦值四類：載入操作負責將不同表達格式的CAD 模型在邏輯上映射為CAE 幾何數據結構，查詢操作提供對CAE 幾何數據的訪問，修改操作提供對CAE 幾何數據的編輯；賦值操作在幾何對象上定義一些附加屬性，例如：邊界條件、網格尺寸參數、網格數據指針等。

圖5 可計算幾何數據模型Fig. 5 An illustration of computable geometry data

基于可計算幾何數據模型和它關聯的網格數據構成了與高性能計算機體系結構匹配的幾何網格數據結構。數據結構運行時的內存映像如圖6 所示，CAE 幾何數據與計算節點對應，網格數據分為網格區、網格域和網格片，網格區與計算節點對應，網格域與計算節點內的CPU 對應，網格片與計算節點內的CPU 核對應。由于幾何網格數據結構在“網格生成”和“數值計算”兩階段保持一致，實現了網格生成與并行編程框架[48]的內存對接，避免了長時間I/O 開銷和數據轉換開銷[49]。

圖6 與高性能計算機體系結構匹配的幾何網格數據結構Fig. 6 Data structure of geometry and mesh compatible with the architecture of high-performance computers

基于幾何網格數據結構實現了并行網格生成的算法構件化。算法構件的抽象模型如圖7 所示，包括構件接口、數據存儲單元、數據并行通信單元、算法單元四部分。構件接口負責載入輸入參數，并返回生成的數據；數據存儲單元負責在進程私有空間存儲幾何網格數據；數據并行通信單元負責實現進程間拓撲相鄰的幾何網格數據的同步，確保相鄰的網格單元是協調的；算法單元負責在進程內復用串行算法實現模型處理、網格剖分或優化。當用戶按照構件抽象模型約定的規范擴展新的算法構件時，只需將算法構件注冊到SuperMesh 中，新增算法構件就可通過API 接口提供給外部用戶使用。

圖7 算法構件抽象模型Fig. 7 Components of the parallel mesh-generation algorithm

SuperMesh 具有可配置的通用流程，用戶按流程將不同的算法構件連接組裝起來，如圖8 所示，就可快速研發前處理模塊。

圖8 基于構件組裝的并行前處理功能集成Fig. 8 An integration of parallel pre-processing components

2.3 關鍵技術研究進展

2.3.1 并行模型處理技術

高性能數值模擬應用從部件級模擬躍升到多部件乃至整體模型的模擬，系統性、綜合性地考慮不同部件之間的幾何物理耦合關系，獲得更高精度的數值模擬結果。在這類模擬中，典型輸入是多個部件組裝在一起的“裝配體（Assembly Geometry）”，當裝配體模型包含的部件數目成百上千、乃至更多時，為降低建模難度，普遍采用分部件建模的方式獲得。分部件建模獲得的裝配體部件之間存在偏移、交纏、錯位、縫隙等錯誤。

例如圖9 所示，某大壩模型按壩段裝配時存在多種錯誤（模型由中國水利水電科學研究院張國新教授團隊提供）。部件間的共享區域在不同部件中存在多份表征，如果直接在該模型的原始邊界表征上生成網格，重疊區域的網格在幾何和拓撲上都不兼容，不能用于數值模擬計算。針對上述重復表征問題， 提出了適用于裝配體模型的自動曲面嵌入算法[50]，該算法首先建立連續表征與離散表征相互映射的混合表征模型，然后按照從低維向高維順序處理的方式，依據表1 設計的規則，先對裝配模型的離散表征進行局部幾何干涉解除，再更新連續表征，有效的實現了串行自動化的模型處理。

表1 自低維向高維的局部幾何干涉解除規則Table 1 Rules for resolving local interferences from lower dimensions to higher dimensions

圖9 多部件裝配模型錯Fig. 9 Typical assembly errors of a multi-component model

上述的串行方法，當幾何對象的干涉數量上萬時，處理時間接近半個小時，占據整個網格生成時間的一半以上，因此，我們進一步提出基于共享內存的并行化處理方法。其核心思路是：首先對所有要干涉處理任務，判定其所影響的幾何對象，然后將處理任務依次分配給不同的線程進行處理。因此，在原串行算法的預處理環節中，增加建立任務影響鄰接圖步驟，該鄰接圖反映了待處理對象間的影響關系。如圖10 所示，任務隊列中有4 個任務，處理對象包括A、B、C、D 四個，根據處理任務中的對象信息可以構建鄰接圖，該鄰接圖反應了待處理對象間的影響關系。在線程中執行處理任務時，先通過鄰接圖獲取處理任務所影響的對象，為對象上鎖，若對象已被上鎖，則線程等待，接著，按串行算法執行處理任務，最后，為對象解鎖。并行曲面嵌入算法流程如圖11 所示，詳細步驟如表2 所示。

表2 并行曲面嵌入算法Table 2 The algorithm for parallel surface imprinting

圖10 干涉處理任務鄰接關系圖Fig. 10 An adjacency graph of tasks

圖11 并行曲面嵌入算法流程Fig. 11 Sketch for the parallel surface imprinting

基于并行曲面嵌入方法對大壩模型和靶球模型分別進行了串行和多線程并行的測試，測試環境為中物院高性能數值模擬軟件中心的高性能計算集群系統，采用Intel Xeon E5-2680v4(2.4 GHz)處理器，單節點28 核，64G 內存。如圖12所示，輸入的靶球模型包含115 部件，1 952 張曲面和4 739 條曲線，檢測出模型干涉數為15 177 個，執行曲面嵌入算法，串行耗時1 047 s，多線程并行最低耗時457 s；大壩模型包含1 884 部件，檢測出模型干涉數為35 174 個，執行曲面嵌入算法，串行耗時1 521 s，多線程并行最低耗時696 s。測試結果如表3 所示。

圖12 模型的曲面嵌入效果Fig. 12 Examples of surface imprinting

從表3 可看出，我們提出的并行模型處理方法相比串行方法，能提高大概1 倍的效率。但在可擴展性上并不理想，這是由于曲面嵌入算法的擴展性與模型干涉特征緊密相關，因此該方法依然有改進空間。

表3 并行曲面嵌入算法測試Table 3 Parallel performance of the surface imprinting algorithm

此外，針對CAD 模型信息無縫傳遞給CAE 幾何模型的需求，我們提出基于離散CAD 模型的信息自動重構方法。目前，已實現相似幾何體自動識別算法和適用于任意曲面類型的接觸關系自動識別算法。前者基于幾何矩理論，采用一組滿足平移、旋轉、縮放不變性的幾何矩不變量對三維幾何體的形狀特征進行描述，并根據形狀特征向量的相似程度評估幾何體之間的相似性[51]，從而支持批量自動選取幾何相似的對象，避免人工交互下的錯選和漏選。針對復雜的離散CAD 模型可能包含數千萬甚至上億三角面片，后者采用多線程并行加速篩選和接觸檢測過程，自動提取數百部件模型包含的接觸關系只需15 s 左右，同時，為了提高識別精度, 還根據模型特征計算幾何對象間的局部容差, 基于局部容差進行接觸檢測，相比Ansys 和Abaqus 采用統一容差進行檢測，檢測結果更準確。

面向結構網格生成要對CAE 幾何模型進行分區處理的需求，我們實現了可復用的拓撲分區模板。通過將自動識別的幾何構型特征點與拓撲分區模板自動匹配，實現將同一模板重復應用到同類幾何構型上，提高了工作效率。例如圖13 所示，應用分區拓撲模板自動處理發動機三維風扇轉子模型，生成結構網格。

圖13 可復用拓撲分區模板效果Fig. 13 Application of a reusable topology partition template

2.3.2 網格并行生成及優化方法

當生成大規模網格時，串行網格生成和并行求解程序之間產生的輸入、輸出代價不可忽略。而當前的分布式并行網格生成與近萬核并行求解器對接時，區域分解過程仍然存在分區數目過多造成的低質量人工邊界等分區瓶頸問題。針對上述問題，我們提出多級并行網格生成與優化框架，該框架按照部分復用串行算法的方法，通過多級分區方式，克服分區瓶頸問題，并行可擴展性良好[12,52]，可支持十億量級以上網格并行生成。

多級并行網格生成與優化的核心思路是：首先基于對網格分布情況的預估，對CAE 幾何模型進行第一級分解，將幾何實體分配到不同的進程組中，在各進程中完成對初始網格的并行生成；接著，以初始網格為背景網格，進行第二級區域分解，再進行大規模網格的并行細化及優化[53]，算法流程如圖14，詳細步驟如表4 所示。

表4 多級并行網格生成與優化算法Table 4 Mulit-level parallel mesh generation and optimization algorithm

圖14 多級并行網格生成與優化流程Fig. 14 Diagram of multi-level parallel mesh generation and optimization

基于多級并行網格生成方法對上文中的大壩模型進行百億網格生成，壩體初始網格結果如圖15 所示，測試環境為神威太湖之光超級計算機，可擴展結果如表5 所示，可以看出該方法有較高的并行效率。基于多級并行網格生成方法對F6 模型進行了混合網格剖分，初始網格如圖16 所示，混合網格在邊界層采用半結構化的三棱柱單元，剩余區域采用四面體單元填充。

圖16 F6 模型的初始網格Fig. 16 The initial meshes for F6

表5 算法可擴展性測試Table 5 Scalability test

圖15 大壩模型的初始網格Fig. 15 The initial meshes for a dam model

3 技術展望

國產并行網格生成軟件要能實現世界領先，核心競爭力在于并行網格生成技術的超越。過去十年，基于國產頂尖超算系統的大規模數值模擬應用取得了顯著進步，服務于高性能數值模擬應用的并行網格生成技術也得到了很大發展。隨著算力指數進入E 級時代以及人工智能成為新一代超算系統重要的應用場景，并行網格生成需要適應新形勢，未來可從以下兩個方面把握技術的發展方向：

1）基于異構并行體系的并行網格生成方法。超算平臺已發展為CPU 和加速器（GPU）混合的異構并行體系，并行網格生成方法將以計算節點間分布式并行和計算節點內異構線程并行相結合的編程模型為主流，已有的方法需通過移植或改造，適應加速器等硬件，充分發揮超算平臺的性能優勢；此外，超大規模應用的復雜模型占用內存巨大，難以在單個計算節點上進行處理，需研究模型的分布式存儲和表征方法，以及發展基于分布式內存的并行模型處理方法。

2）基于人工智能輔助實現高度自動化網格生成。在網格生成過程中，算法關聯錯誤處理、設置網格尺寸等環節很大程度上依賴工程經驗。基于人工智能技術能從經驗數據中習得“模式”，然后依據“模式”實現處理的自動化，且對復雜問題的處理成功率將隨著數據的積累而不斷提高。例如，模型清理中，可基于模型的幾何特征集和處理操作集構建神經網絡的輸入空間，再利用生成網格的質量度量不斷反饋和修正網絡，從而得到較優的操作組合；基于幾何分解法的六面體占優網格生成中，通過大量樣本訓練可成功識別復雜模型的掃掠特征和拓撲六面體塊特征，進而實現模型自動分解和網格生成；基于人工智能技術還能建立起幾何外形或關鍵特征與網格密度分布之間的關系，為網格節點分布和自適應提供更好的依據，提高網格自適應的效率和計算結果的精準度。

4 結 束 語

面向高性能數值模擬的網格生成與普通的網格生成不同，在求解問題的復雜度和規模不斷增大的前提下，一方面需要實現網格生成的高度自動化，另一方面需要通過并行化來突破生成超大規模網格的內存和效率瓶頸，這就決定了必須發展相應的并行網格生成軟件來滿足需求。本文在分析國內外相關技術和軟件的發展現狀基礎上，指出加強并行網格生成軟件的研制既是挑戰，也是機遇，詳細介紹了自主可控并行網格生成軟件SuperMesh 的架構設計和關鍵技術，并對技術未來的發展方向進行了探討，對相關技術研究和產品研發具有借鑒意義。