Wir treffen Dr. Francesca Mangani am Getreidemarkt-Campus der TU Wien im Institut für Strömungsmechanik und Wärmeübertragung, wo sie sich als Senior Scientist mit turbulenten Mehrphasenströmungen beschäftigt. Zwischen Bücherregalen und Flugzeugmodellen sprechen wir über ihre Simulationen von Tropfenverteilungen und Supercomputing-Berechnungen sowie über die Bedeutung der Grundlagenphysik im Ingenieurstudium. Mit ihrem Abschluss in Luftfahrttechnik aus Mailand erzählt sie uns zunächst, wie sie ihre Leidenschaft für die Grundlagenforschung der Strömungsmechanik entdeckte: Jede Auftriebs-, Widerstands- und Schubkraft, die Flugzeuge in der Luft hält, hängt vom unsichtbaren Verhalten der umgebenden Strömungen ab.

Tropfen und Luftblasen

„Ich arbeite an Tropfen und Luftblasen. Wenn Wasser in der Luft ist, sind das Tropfen im Gas. Wenn Luft im Wasser ist, sind das Blasen. Das Ziel ist es, zu untersuchen, wie sich diese Tropfen oder Blasen in Turbulenzen verhalten. Während ihre Oberflächenspannung sie kugelförmig hält und stets danach strebt, diese Kugelform wiederherzustellen, stört die Turbulenz diese Oberfläche. Wir untersuchen diese Prozesse, diese sogenannten turbulenten Mehrphasenströmungen, um zuverlässige Modelle zu Aufbrechphänomenen, Kollisionen oder dem Zusammenwachsen von Tropfen zu erstellen.“

Dr. Francesca Mangani erklärt uns, wie ihr Forschungsgebiet in experimentelle und computergestützte Methoden unterteilt ist, wobei sie mit mathematischen Modellen und Gleichungen der Strömungsdynamik arbeitet, um Strömungsverhalten annähernd vorherzusagen. Um das scheinbar chaotische Verhalten von Tropfen in einer turbulenten Strömung zu beschreiben, nutzt ihr Team spezielle Software, die relevante Größen extrahiert, wie zum Beispiel: Wie viele Tropfen jeder Größe es gibt, wie sich diese Verteilung im Laufe der Zeit entwickelt usw.

Durch die Untersuchung dieser grundlegenden Wechselwirkungen finden sie bestimmte Skalierungsgesetze, die es ihnen ermöglichen, komplexe Phänomene im Zusammenhang mit der Tropfendynamik zu vereinfachen, was wiederum Anwendung in der Klima- und Ozean-Atmosphären-Modellierung findet. Francesca nennt als Beispiel brechende Wellen, bei denen das Überschwappen und Eintauchen die Fluidgrenzfläche um bis zu 30 Prozent vergrößert und dadurch den Austausch von Wärme, Masse und insbesondere CO₂ zwischen dem Ozean und der Atmosphäre beschleunigt.

In der Industrie kommen hingegen typischerweise andere komplexe Geometrien vor – wie beispielsweise die Strömung um Flugzeuge oder Turbomaschinen, die aus Flüssigkeiten Strom erzeugen. In solchen Konstellationen müssen hochpräzise Simulationen aufgrund des hohen Rechenaufwands vereinfacht werden.

Verringerung des Maßstabs von Phänomenen

„Im Grunde genommen kann man ein physikalisches Phänomen simulieren, indem man einen Satz von Gleichungen löst, die mit geeigneten numerischen Schemata diskretisiert wurden. Man verwendet einen Code, der für eine bestimmte Reihe grundlegender Probleme geschrieben wurde und all diese Operationen ausführt, und lässt diesen auf einem Computer laufen. Wenn das Ziel darin besteht, ein physikalisches Phänomen bestmöglich zu verstehen, sollte die verwendete Methodik so genau wie möglich sein, bei geringen Rechenkosten. Tatsächlich müssen wir oft die Größe des betrachteten physikalischen Problems reduzieren – wir konzentrieren uns auf einen kleinen Bereich, nur eine Box, vielleicht die Simulation einer brechenden Welle, aber mit Abmessungen von nur 10 mal 10 Zentimetern. Um eine größere Welle zu erhalten, bräuchte man mehr Rechenleistung. Wir können hier unterschiedliche Bedingungen festlegen, bestimmte Effekte aktivieren oder deaktivieren; zum Beispiel können wir nur die Strömung mit oder ohne Wärmeübertragung untersuchen usw.“

Francesca Mangani zeigt uns eine solche begrenzte „Box“ aus ihren Simulationen – ein Kanal, in dem heiße Tropfen Wärme abgeben (siehe Grafik oben). Selbst hier erfordert die vollständige Auflösung der Turbulenzen fünf umfangreiche Dateien pro Zeitschritt: je eine für die drei Geschwindigkeitskomponenten, die sich über den gesamten Bereich erstrecken, sowie separate Felder für Temperatur- und Phasenverfolgung, die die Position jedes Tropfens genau bestimmen. Diese transienten Berechnungen durchlaufen Zeitschritte, bis sich ein Gleichgewicht einstellt, bei dem die Wärmeübertragung aufhört und sich das System stabilisiert. Die Dateigrößen explodieren mit der Anzahl der in der Simulation verwendeten Gitterpunkte, doch um eine hohe Genauigkeit zu erreichen, muss das Gitter so verfeinert werden, dass jeder winzige Wirbel und jede Struktur im chaotischen Verhalten erfasst wird. Bei der Bearbeitung komplexer Geometrien müssen Modelle daher vereinfacht werden, um die Rechenkosten und den Zeitaufwand zu bewältigen, was laut Dr. Mangani ein ständiges Abwägen zwischen Simulationsgenauigkeit, geometrischem Realismus und der Gewichtung aller relevanten physikalischen Parameter erfordert.

Code statt Big Data teilen

„Die Datenspeicherung ist für uns nach wie vor ein Engpass, da große Datensätze viele Festplatten oder modernere Speichersysteme erfordern. Unsere Simulationen laufen auf Hochleistungsrechnern (HPC), und Rechenzeit ist nicht kostenlos. Deshalb verfolgen wir ständig die Entwicklungen in der Informatik und versuchen, unseren Code so schnell und effizient wie möglich zu halten. Die Ausführung auf GPUs hilft uns sehr, indem sie die Berechnungen über mehrere Einheiten parallelisiert – so dauert eine Simulation nun einen Tag statt einer Woche. Dadurch können wir Fehler früher erkennen und mehr Parameter in kürzerer Zeit testen. Es ist fast unmöglich, diese Mengen an Rohdaten aus unseren Simulationen zu teilen; stattdessen geben wir den Code weiter, indem wir ihn Open Source veröffentlichen.“

Dr. Mangani erklärt uns, dass die Simulationsergebnisse mehrere Terabyte pro Projekt umfassen. Die Auflösung feiner Geschwindigkeits- und Temperaturstrukturen erfordert nicht nur enormen Speicherplatz, sondern auch massive Rechenleistung. Während sich ihr Forschungsteam CPU-/GPU-Stunden durch Anträge bei der Austrian Scientific Computing (ASC)-Infrastruktur und der italienischen HPC-Infrastruktur CINECA sichert, fehlt vielen Forschenden der Zugang zu Supercomputing-Clustern. Der Austausch von Rohdaten würde daher Netzwerke überlasten und sich für Kollegen ohne HPC-Zugang, als nutzlos erweisen; daher verbleiben die Dateien auf lokalen Festplatten, während abgeleitete Statistiken auf spezialisierte Plattformen wie Japans THTLAB (thtlab.jp) gelangen.

Stattdessen setzt das Team von Francesca Mangani die FAIR-Prinzipien mithilfe von Flow36 und MHIT36 um. Das sind hauseigene Codes und Skripte, die über Jahre hinweg von ehemaligen Kolleg_innen verfeinert wurden und nun Open Source auf GitHub verfügbar sind. Diese Tools ermöglichen es anderen, Ergebnisse mithilfe von gemeinsam genutztem Code, detaillierten Metadaten und einer dem Community-Standard entsprechenden Dokumentation neu zu berechnen, anstatt sie mit Datenmassen zu überwältigen. Die Programme lösen die Navier-Stokes-Gleichungen mittels spezifischer numerischer Schemata, beschränken sich jedoch auf hochauflösende Simulationen in kleinen Domänen, da realistische Konfigurationen selbst die Grenzen moderner HPC-Infrastruktur überschreiten.

Dualität von Grundlagen und Anwendungen

„Speicherplatz und Rechenleistung sind also immer Aspekte, die verbessert werden könnten, und man muss sich mit diesen Dingen auseinandersetzen, da sie nicht direkt zur Strömungsmechanik gehören. Irgendwann wird einem klar, dass man viel über Betriebssysteme wissen muss, ebenso wie über die Verwaltung und Wartung von Clustern und Workstations. Aber es muss immer eine Verbindung zwischen den Grundlagen des Fachs und der Anwendung bestehen. Deshalb müssen wir Strömungsmechanik nach wie vor auf grundlegende Weise unterrichten, indem wir Gleichungen aufstellen – wahrscheinlich so, wie es unsere Vorgänger taten – und die Ingenieur_innen der Zukunft mit dieser Perspektive ausbilden. Ich möchte, dass sie die Theorie kennen und dann das Beispiel oder die reale Anwendung sehen. Und ich mag diese Dualität – die Grundlagenphysik und die Anwendung.“

Obwohl Speicherplatz und Rechenleistung in Zukunft weiter zunehmen werden, betont Dr. Mangani, dass diese technologischen Fortschritte auch Forschende erfordern, die in der Lage sind, die Systeme zu warten, Cluster für die Verwaltung institutioneller Daten zu strukturieren und Anwendungen für HPC-Rechenzeit zu begründen. Die aktuelle Infrastruktur umfasst private Cluster, HPC-Zugang und lokalen Speicher, doch Dr. Mangani wünscht sich Fortschritte im Systemdesign und in der Lehre. Dazu gehört die Vermittlung allgemeiner Informatikkenntnisse für Doktorand_innen, die nur durch Trial-and-Error erworben werden können, insbesondere wenn die hohen Kosten für High-Performance-Computing bleiben.

Francesca Mangani schließt unser Interview ab mit einer Bekräftigung ihrer ursprünglichen Leidenschaft für das, was sie als „reine Wissenschaft“ bezeichnet: Auch wenn die Strömungsmechanik bei der Durchführung von Berechnungen und Simulationen zunehmend auf Supercomputing angewiesen ist, müssen zukünftige Wissenschaftler_innen dennoch die grundlegenden mathematischen Gleichungen der Strömungsmechanik beherrschen und verstehen. Sie fördert dieses Prinzip daher aktiv in ihrer Lehre und hofft letztlich, eine Brücke zwischen Grundlagenforschung und ingenieurwissenschaftlichen Anwendungen zu schlagen, damit zukünftige Generationen tiefgreifende theoretische Einsichten für reale Herausforderungen ebenso schätzen wie den praktischen Nutzen.

Kontakt

Francesca Mangani
Forschungsbereich Strömungsmechanik
TU Wien
francesca.mangani@tuwien.ac.at

Zentrum für Forschungsdatenmanagement
TU Wien
research.data@tuwien.ac.at