{"id":181639,"date":"2026-05-21T18:25:05","date_gmt":"2026-05-21T16:25:05","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/fluidx3d-v3-7"},"modified":"2026-05-21T18:25:05","modified_gmt":"2026-05-21T16:25:05","slug":"fluidx3d-v3-7","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/fluidx3d-v3-7","title":{"rendered":"FluidX3D v3.7","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

<\/p>\n

FluidX3D 3.7<\/a> – Paket f\u00fcr die numerische Str\u00f6mungsmechanik, das die Methode der Gitter-Boltzmann-Gleichungen (LBM) und OpenCL verwendet. Das Projekt wird als leistungsstarkes und speichereffizientes CFD-Paket positioniert, das in der Lage ist, auf GPUs und CPUs verschiedener Hersteller \u00fcber OpenCL zu arbeiten.<\/p>\n

<\/noindex><\/noindex><\/p>\n

Die Haupt\u00e4nderung in Version 3.7 ist die Optimierung des Kernelements zur Darstellung der Isoph\u00e4ren des Q-Kriteriums (graphics_q()), das zur Visualisierung von Str\u00f6mungswirbeln verwendet wird. In der vorherigen Implementierung lud der Kern ein umfangreiches Muster von 32 dreidimensionalen Geschwindigkeiten f\u00fcr jede Zelle des Gitters aus dem Videospeicher. Jetzt l\u00e4dt die Arbeitsgruppe von 8\u00d78\u00d78 Threads einen Block von 11\u00d711\u00d711 Geschwindigkeiten in 16 KB erstklassiger lokaler Speicher, woraufhin benachbarte Threads diese Daten wiederverwenden. Der Autor sch\u00e4tzt, dass dies die Anzahl der Ladevorg\u00e4nge aus dem VRAM um etwa das 12-fache reduziert \u2014 auf 2,6 Geschwindigkeiten pro Zelle \u2014 und den Kern von einem speicherbandbreitenlimitierten Modus in einen rechnerisch limitierten Modus \u00fcberf\u00fchrt.<\/p>\n

Der praktische Gewinn h\u00e4ngt von der spezifischen Hardware ab. Auf neuen GPUs mit einem entwickelten Caching-System kann die manuelle Optimierung des lokalen Speichers kaum einen Anstieg der Bildrate bewirken oder diese sogar leicht reduzieren. Bei einigen \u00e4lteren GPUs verzeichnete der Autor eine Beschleunigung von bis zu dem Doppelten, was besonders im interaktiven Grafikmodus FluidX3D auff\u00e4llt. So erreichte beispielsweise die getestete NVIDIA Titan Xp einen Anstieg von 7 auf 13 Bildern pro Sekunde, die Intel UHD 770 von 8 auf 14 Bildern pro Sekunde in einem der Modi, und die Intel Arc A750 von 22 auf 26 Bildern pro Sekunde.<\/p>\n

F\u00fcr \u00e4ltere integrierte GPUs gibt es eine automatische R\u00fcckkehr zur vorherigen Implementierung: Einige solcher Ger\u00e4te unterst\u00fctzen keine Arbeitsgruppen mit 512 Threads oder haben weniger als 16 KB lokalen L1-Speicher. In diesen F\u00e4llen wird FluidX3D die alte Version des Kernels weiter nutzen und die Kompatibilit\u00e4t aufrechterhalten.<\/p>\n

In dieser Version wurden auch die Bedingungen f\u00fcr das VR-Rendering vereinfacht, die Schleifenentfaltung in der Rasterisierung deaktiviert, um \"Spaghetti\" im Assemblertest zu reduzieren, eine Mikro-Optimierung in convert_triangle\/_interpolated() hinzugef\u00fcgt, und im OpenCL-Adapter wurde die Fehlermeldung bei leerem Kernnamen und Arbeitsgr\u00fcppengr\u00f6\u00dfe korrigiert.<\/p>\n

<\/p>\n

FluidX3D verf\u00fcgt \u00fcber einen integrierten interaktiven 3D-Renderer, der es erm\u00f6glicht, Geschwindigkeitsfelder, Stromlinien, Isopl\u00e4nen des Q-Kriteriums und Schnitte w\u00e4hrend der Berechnung direkt zu visualisieren, ohne dass ein Export in ein separates Post-Processing-Tool erforderlich ist. FluidX3D<\/a> Das Projekt bietet zudem Unterst\u00fctzung f\u00fcr freie Oberfl\u00e4chen, W\u00e4rme\u00fcbertragung, das Smagorinsky-Lilly-Turbulenzmodell, Partikelverfolgung, VTK-Export und die Nutzung mehrerer GPUs.<\/p>\n

<\/noindex>
\n<\/p>\n

Besonders erw\u00e4hnenswert ist der Lizenzstatus: Der Quellcode von FluidX3D ist offen und auf GitHub verf\u00fcgbar, jedoch die Lizenz des Projekts<\/a> ist nicht im strengen Sinne der OSI\/FSF frei. Sie erlaubt die Nutzung f\u00fcr \u00f6ffentliche Forschung, Bildung und private Zwecke, verbietet jedoch kommerzielle und milit\u00e4rische Anwendungen sowie das Training von KI-Modellen mit dem Quellcode.<\/p>\n

<\/noindex><\/p>\n

Quelle: linux.org.ru<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

FluidX3D 3.7 – \u043f\u0430\u043a\u0435\u0442 \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0433\u0438\u0434\u0440\u043e\u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0438, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0449\u0438\u0439 \u043c\u0435\u0442\u043e\u0434 \u0440\u0435\u0448\u0451\u0442\u043e\u0447\u043d\u044b\u0445 \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0439 \u0411\u043e\u043b\u044c\u0446\u043c\u0430\u043d\u0430 (LBM) \u0438 OpenCL. \u041f\u0440\u043e\u0435\u043a\u0442 \u043f\u043e\u0437\u0438\u0446\u0438\u043e\u043d\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043a\u0430\u043a \u0432\u044b\u0441\u043e\u043a\u043e\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0438 \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 CFD-\u043f\u0430\u043a\u0435\u0442, \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u044b\u0439 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043d\u0430 GPU \u0438 CPU \u0440\u0430\u0437\u043d\u044b\u0445 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0435\u0439 \u0447\u0435\u0440\u0435\u0437 OpenCL. \u0413\u043b\u0430\u0432\u043d\u044b\u043c \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c \u0432\u0435\u0440\u0441\u0438\u0438 3.7 \u0441\u0442\u0430\u043b\u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u044f\u0434\u0440\u0430 \u043e\u0442\u0440\u0438\u0441\u043e\u0432\u043a\u0438 \u0438\u0437\u043e\u043f\u043e\u0432\u0435\u0440\u0445\u043d\u043e\u0441\u0442\u0438 Q-\u043a\u0440\u0438\u0442\u0435\u0440\u0438\u044f (graphics_q()), \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u043e\u0439 \u0434\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0432\u0438\u0445\u0440\u0435\u0432\u044b\u0445 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440 \u0432 \u043f\u043e\u0442\u043e\u043a\u0435. \u0412 \u043f\u0440\u0435\u0436\u043d\u0435\u0439 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":8,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-181639","post","type-post","status-publish","format-standard","hentry","category-novosti-interneta"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47FluidX3D v3.7 | ProHoster","description":"FluidX3D 3.7 \u2013 ein Paket f\u00fcr computational fluid dynamics, das die Methode der Lattice-Boltzmann-Gleichungen (LBM) und OpenCL verwendet. Das Projekt wird als leistungsstark und speichereffizienter CFD-Paket positioniert, das in der Lage ist, auf GPUs und CPUs verschiedener Hersteller \u00fcber OpenCL zu laufen. Die Haupt\u00e4nderung in Version 3.7 war die Optimierung des Rendering-Kerns der Isoprenurf\u00e4che Q-Kriterium (graphics_q()), die zur Visualisierung von Wirbelstrukturen im Fluss verwendet wird. In der vorherigen Implementierung","canonical_url":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/fluidx3d-v3-7","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"de_DE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47FluidX3D v3.7 | ProHoster","og:description":"FluidX3D 3.7 \u2013 \u043f\u0430\u043a\u0435\u0442 \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0433\u0438\u0434\u0440\u043e\u0434\u0438\u043d\u0430\u043c\u0438\u043a\u0438, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0449\u0438\u0439 \u043c\u0435\u0442\u043e\u0434 \u0440\u0435\u0448\u0451\u0442\u043e\u0447\u043d\u044b\u0445 \u0443\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0439 \u0411\u043e\u043b\u044c\u0446\u043c\u0430\u043d\u0430 (LBM) \u0438 OpenCL. \u041f\u0440\u043e\u0435\u043a\u0442 \u043f\u043e\u0437\u0438\u0446\u0438\u043e\u043d\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043a\u0430\u043a \u0432\u044b\u0441\u043e\u043a\u043e\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0438 \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u044b\u0439 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 CFD-\u043f\u0430\u043a\u0435\u0442, \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u044b\u0439 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043d\u0430 GPU \u0438 CPU \u0440\u0430\u0437\u043d\u044b\u0445 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0435\u0439 \u0447\u0435\u0440\u0435\u0437 OpenCL. \u0413\u043b\u0430\u0432\u043d\u044b\u043c \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c \u0432\u0435\u0440\u0441\u0438\u0438 3.7 \u0441\u0442\u0430\u043b\u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u044f\u0434\u0440\u0430 \u043e\u0442\u0440\u0438\u0441\u043e\u0432\u043a\u0438 \u0438\u0437\u043e\u043f\u043e\u0432\u0435\u0440\u0445\u043d\u043e\u0441\u0442\u0438 Q-\u043a\u0440\u0438\u0442\u0435\u0440\u0438\u044f (graphics_q()), \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u043e\u0439 \u0434\u043b\u044f \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0432\u0438\u0445\u0440\u0435\u0432\u044b\u0445 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440 \u0432 \u043f\u043e\u0442\u043e\u043a\u0435. \u0412 \u043f\u0440\u0435\u0436\u043d\u0435\u0439 \u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438","og:url":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/fluidx3d-v3-7","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2026-05-21T16:25:05+00:00","article:modified_time":"2026-05-21T16:25:05+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":[],"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/181639","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/comments?post=181639"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/181639\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media?parent=181639"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/categories?post=181639"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/tags?post=181639"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}