JCG (thermal) Solver is
- eight core cpu with a Tesla and lot of vram, in fea the graphic card run only in medium or low power mode
PCG Solver or iterative is
- big cpu with a lot of core's
Sparse Solver or direct is
- six core cpu with low power consumption an a lot of memory or alternative fast nvme disk with high i/o rate (> 300.000)
Es gibt also nicht den einen Rechner. Da die größten Kosten sowie so die Energiekosten sind, sollte man den Rechner schon passend wählen. Ein 32 Kerner macht für den Sparse Solver überhaupt keinen Sinn, da der Sparse Solver kaum mit der Anzahl der Kerne skaliert und das nur unnötig den benötigten Arbeitsspeicher erhöht.
Es gibt bezüglich dem Sparse Solver eine nette Ansys Folie
https://www.ansys.com/-/media/Ansys/corporate/resourcelibrary/presentation/hpc-for-mechanical-ansys.pdf
Aber den Speedup halte ich hier für eine Phantasie. Auf jeden Fall ist ein 6 Kerner genauso schnell wie ein 32 Kerner.
Auf dieser Folie Seite 10 widerspricht man sich:
https://support.ansys.com/staticassets/ANSYS/Conference/Confidence/San%20Jose/Downloads/high-performance-computing-techniques-parallel-processing.pdf
Figure 1 auf Seite 10 zeigt einen annäherend linearen Rating, während Figure 2 eindeutig gegen eine Sätting (DM) läuft.
Von daher würde ich höchstens einen 8 Kerner einsetzen.
Der JCG Solver skaliert gut mit einer GPU. Es sind aber maximal 8 Kerne pro GPU sinnvoll. Man kann auch mehrere GPU einsetzten.
Am besten mit der Kernanzahl skaliert der PCG Solver. Hier würde eine größe CPU z.b. ein Epyc mit 64 Kernen sinnvoll sein. Nur kann man wegen der geringen Robustheit des PCG Solver nur lineare Modelle rechnen.
Wenn Du Lust hast könnte ich euch einen Rechner zusammen bauen bzw mehrere.
Eine Antwort auf diesen Beitrag verfassen (mit Zitat/Zitat des Beitrags) IP