CUDA — CAE用語解説

条件次第で劇的に速くなる。CUDAはNVIDIAのGPUをC/C++で並列計算に使うためのプラットフォームで、現代のGPU（A100やH100）は10000〜18000コアを持っている——CPUの100〜200コアとは桁が違う。CAEで速くなるのは「同じ演算を大量のデータに並列で適用できる計算」——密行列の積、FFT、SPMVが代表例だ。OpenFOAMのGPUアクセラレーション、Ansys FluentのGPUソルバー、LS-DYNAのGPU陽解法など、主要CAEツールがCUDA対応を進めている。

ある。GPUが苦手なのは「分岐が多い制御フロー」と「シリアルな依存関係がある計算」だ。FEMの接触状態の判定ロジック（if/else の繰り返し）やNewton-Raphsonの収束判定——これらはGPUコアの活用率が下がる。また非構造格子のSpMV（疎行列×ベクトル）はメモリアクセスが不規則でGPUのメモリ帯域を使い切れない。経験則として「CPUで律速している演算が全体の80%以上を占める」計算でなければGPU化の効果は限定的だ。Amdahlの法則通りだよ。

問題タイプで大きく変わる。明示的には——①密行列演算が主体の量子化学・分子動力学：20〜100倍加速の報告がある、②陽解法クラッシュFEM（LS-DYNA GPU）：CPUの4〜8コアと比較して5〜15倍の加速、③CFDのAmgX前処理（OpenRSB/cuSPARSE使用）：粗い格子では2〜5倍、大規模格子では10倍超の例も。ただし「8 CPUコアとA100 GPU」という比較では差が縮まる——高コアCPUとのフェアな比較が重要で、GPUサーバーのコストと加速率のROIで判断する必要がある。

標準のOpenFOAMは直接CUDAをサポートしていないが、いくつかのルートがある。①Nvidiaが開発したAMGX（GPU前処理付き線形ソルバー）をOpenFOAMのリニアソルバーとして組み込む——コミュニティパッチが公開されている。②RapidCFD：OpenFOAMをCUDA移植したフォーク（開発が停滞気味）。③SimFlow GPU：OpenFOAM GUIにGPUオプション。④最も実用的なのは商用のAnsys FluentやStar-CCM+ GPUソルバーを選ぶこと——サポート付きで安定しているからだ。純粋にOpenFOAMのGPU化を研究したいなら、AmgXをビルドするのが現実的な入門路だよ。