徐斌 · Xu Bin

主要从事 CFD 求解器与工程仿真相关工作,
涉及数值方法与求解器实现、HPC 与稀疏矩阵求解,
以及在国产芯片上的部署与性能调优,部分工作尝试结合 AI 辅助开发与分析。

CFD 求解器 Turbulence & Engine Simulation HPC & Sparse Solvers Custom Chips AI-assisted Simulation & Coding C++ · Fortran

CFD 求解器开发

从方程建模、数值格式、边界条件到整体求解流程,参与/负责 CFD 求解器的设计与实现,主要面向航空发动机等复杂内部流动场景。

HPC 与稀疏矩阵求解

研究隐式求解中稀疏线性系统的求解策略,使用多核并行和高性能库运行大规模算例,关注收敛特性、带宽利用和整体仿真时间。

芯片部署与软硬件协同

在国产自研芯片上部署和优化 CFD 求解器,从算法与数据布局角度配合现有体系结构和内存层次,尽量在工程可用前提下获得稳定、可复现的加速效果。

AI 辅助仿真与开发

尝试使用 AI 工具辅助仿真开发,例如模型选择、求解器调参、代码编写与重构、日志与性能数据分析等,重点仍放在物理约束、数值稳定性和工程可验证性上。

ABOUT · 关于我

我是一名偏工程的 CFD / 仿真工程师,目前在一家国产芯片公司工作,主要方向是与航空发动机相关的 CFD 求解器和仿真平台开发。 工作内容包括数值方法与求解器实现、隐式格式下的稀疏矩阵求解,以及在自研芯片上的部署与性能调优。

本科和研究生阶段都是力学与流体力学方向,早期也参与过结构、建筑等 CAE 相关项目, 现在的重心主要放在 CFD、HPC 和芯片上的仿真计算。

这个网站用来系统整理我的技术体系、项目经验和问题解决思路,也作为对外交流和应聘时的一个透明技术档案。

当前关注方向

  • CFD 求解器(尤其是发动机全流道与复杂内部流动)
  • 隐式格式下的稀疏矩阵求解与 HPC 并行优化
  • 国产芯片上的仿真部署与软硬件协同设计
  • AI + 仿真 / AI + Coding / AI + 芯片性能分析

快速索引

TECH STACK · 技术体系

1. 物理与建模(Physics & Simulation Modeling)

从数学基础到控制方程,从湍流/多相/燃烧模型到具体工程场景(风扇、压气机、燃烧室、涡轮等)。 更多关注「物理理解 + 建模权衡」而非特定求解器的使用说明。

2. 数值方法、求解器与 HPC(Numerics, Solvers & HPC)

离散化方法(FVM/FEM/DG)、时间推进、线性/非线性求解器、预条件、稳定性; 再到并行分区、负载均衡、缓存/带宽行为——主要关注「算法如何映射到机器」。

3. 软件工程与计算流程(Software Engineering & Workflow)

包括:软件调研与理解、自研代码的架构设计、编码规范与测试、 算例库与 CI/CD,以及完整的「预处理 → 求解 → 后处理 → HPC 作业」流程如何设计与演进。

4. 芯片与系统集成(Chips & System Integration)

在不泄露保密信息的前提下,讨论如何从算子/数据布局角度理解自研芯片架构, 以及将 CFD / CAE 求解器与自研芯片和系统平台集成的过程。

5. AI 在仿真/编码/芯片中的应用(AI for Simulation / Coding / Chips)

AI 在仿真中的应用(模型/条件推荐、结果判读),在编码中的应用(代码生成、测试、重构), 以及在芯片性能分析/调度策略探索中的可能性。更多关注「如何在现有工作流中使用 AI」而非构建大模型。

PROJECTS · 项目与案例

这里会逐步补充代表性的项目案例,每个案例按照“问题背景 → 目标 → 技术方案 → 结果 → 反思”展开。 目前只给出结构示例,方便后续填充。

示例:航空发动机全流道仿真平台(Soft–Hardware Co-Design)

NOTES · 技术笔记

这里会持续更新 CFD / 仿真 / HPC / 芯片 / AI 相关的技术笔记。 下面是一篇示例笔记,展示后续文章的大致风格:以“问题—分析—结论”为主线,尽量说明前提和边界。

示例:结构有限元商业软件的功能定位与适用场景(个人笔记)

这是一篇基于公开资料和个人理解的粗略梳理,主要目的是帮自己理清常见结构有限元/冲击软件的大致定位。 不是官方评测,也不代表任何厂商立场,仅用于交流和自查:遇到某类问题时,我大概会想到哪几款软件,以及它们各自的强项和明显短板。

1. Abaqus:非线性与通用结构分析

  • 关键词: 非线性、通用有限元。
  • 典型强项: 在几何/材料/接触等非线性问题上,求解器鲁棒性和功能的“覆盖面”都比较好,适合做复杂结构的静力/动力和多步载荷分析;Python 接口可扩展性强。
  • 常见印象: 在很多工程师的经验中,做结构非线性时,Abaqus 的参数配置相对“省心”,收敛性体验好于一些通用软件。
  • 局限与成本: 软件体系很大,上手曲线相对陡;在冲击/爆炸等极端动力问题上虽然能做,但业界通常还有更专门的选择。
  • 何时会考虑用: 复杂非线性结构问题、需要系统级分析且希望在同一平台内完成大部分流程时。

2. Ansys:多物理场与平台整合

  • 关键词: 多物理场、多模块。
  • 典型强项: 通过收购与整合,形成了结构、流体、电磁等多个模块,适合做多物理场耦合和跨学科工程问题。
  • 特征: APDL 语言可编程性强,被不少工程师当作“工程脚本环境”;在流体、电磁、瞬态动力学等方向都有成熟应用。
  • 相对弱项: 某些细分领域(如岩土、部分高度非线性分析)不一定是首选;热分析、岩土等需要结合具体版本和模块来判断。
  • 何时会考虑用: 项目天然是多物理场耦合,或者团队已经有一整套 Ansys 生态时(前处理、后处理、接口都比较顺)。

3. LS-DYNA:冲击与碰撞

  • 关键词: 显式动力学、冲击、碰撞、成形。
  • 典型强项: 在高速碰撞、爆炸、金属成形等强非线性动力问题中是行业标杆之一,材料模型与单元类型非常丰富。
  • 特点: 历史很长,早期用于国防相关问题,有较多工程验证;自带流体求解器,可做一定程度的流固耦合。
  • 局限: 极端问题下模型配置复杂,对用户经验要求高;前后处理若不用配套工具(如 HyperMesh/HyperView),体验会打折。
  • 何时会考虑用: 汽车碰撞、结构冲击、安全相关场景,或者需要显式动力求解器的场合。

4. MSC.Dytran:高度非线性流固耦合

  • 关键词: 流固耦合、高度非线性。
  • 典型定位: 在 LS-DYNA 框架基础上引入 PISCES 的流体/流固功能,专注高度非线性流固耦合问题。
  • 优势: 对某些流固耦合工况有比较成熟的应用经验。
  • 局限: 材料模型数量相对有限,对岩土等材料处理较弱;缺少二维/轴对称等会增加计算成本;与最新版本的 LS-DYNA 相比,在接触算法等方面略显保守。

5. ADINA:非线性求解策略

  • 关键词: 特殊解法、非线性收敛。
  • 典型强项: 在复杂非线性问题(接触、塑性、破坏等)的求解策略上有特点,如多种非线性控制与自动步长调整,目标是提高收敛性和稳定性。
  • 工程意义: 对于难收敛的结构非线性问题,提供了一些有别于主流软件的解法选择。

6. Nastran:线性结构与航天背景

  • 关键词: 线性结构分析、航天工程。
  • 典型强项: 历史悠久、在航天等领域广泛使用,在线性有限元和动力学分析方面有大量验证,求解效率口碑较好。
  • 特点: bulk 数据格式灵活但对初学者不算友好;因用户群体大,工程经验与资料非常丰富。
  • 何时会考虑用: 线性/轻非线性结构分析,尤其是在已有 Nastran 工作流的行业(航天、机械等)。

7. 其他软件的简要印象

  • ALGOR: 强调易学易用、界面友好,适合作为中等规模工程的快速分析工具。
  • COSMOS: 以多物理场与求解速度见长,适合快速迭代和集成到 CAD/PLM 环境中。
  • MARC: 非线性能⼒很强,求解速度在某些工况下优于同行,但输入文件和操作界面对用户要求较高,更适合有经验的用户。
  • Radioss: 在显式动力和汽车碰撞领域有较多客户,配合 Altair 自家的前后处理,整体流程体验较好。
  • OptiStruct: 在结构优化、拓扑优化、格结构设计方向非常突出;作为通用隐式求解器也可用,但市场定位更偏“优化专家”。
  • HyperMesh: 以前处理和网格划分著称,对网格质量和底层控制很细,是很多汽车/结构团队的标准配置。

8. 小结:怎么用这些“标签”而不过度简化

  • 不同软件都有自己的历史包袱和强项,“A 更好”往往只在特定问题类别和使用者经验之下成立。
  • 真正选型时,通常要看:问题类型(线性/非线性/冲击/流固)、现有工作流(团队已经在用什么)、以及后续是否需要扩展到多物理场。
  • 这篇只是个人学习时的“标签表”,方便自己在脑子里快速归类:遇到一个工程需求时,大概应该想到哪些候选工具,以及它们可能的坑。

TOOLS · 工具与小项目

计划在此整理一些与 CFD / 仿真工作流相关的小工具,例如网格哈希校验、算例模板生成、简单的在线计算器等。 当前仅预留版块,后续会陆续补充。

CONTACT · 联系方式

如果你对 CFD 求解器、工程仿真、HPC 与稀疏矩阵求解、国产芯片上的部署,或者 AI 在这些方向上的应用有兴趣,欢迎交流。

Email: xubinlab@gmail.com
GitHub: github.com/xubinlab