{"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\/es\/blog\/news\/fluidx3d-v3-7","title":{"rendered":"FluidX3D v3.7","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

<\/p>\n

FluidX3D 3.7<\/a> \u2013 paquete para la din\u00e1mica de fluidos computacional, que utiliza el m\u00e9todo de las ecuaciones en cuadr\u00edcula de Boltzmann (LBM) y OpenCL. El proyecto se posiciona como un paquete CFD de alto rendimiento y bajo consumo de memoria, capaz de operar en GPU y CPU de diferentes fabricantes a trav\u00e9s de OpenCL.<\/p>\n

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

El cambio principal en la versi\u00f3n 3.7 fue la optimizaci\u00f3n del n\u00facleo de visualizaci\u00f3n de la superficie isoplana Q-criterio (graphics_q()), utilizada para visualizar estructuras de v\u00f3rtice en el flujo. En la implementaci\u00f3n anterior, el n\u00facleo cargaba desde la memoria de video una pesada plantilla de 32 velocidades tridimensionales para cada celda de la malla. Ahora, el grupo de trabajo de hilos de tama\u00f1o 8\u00d78\u00d78 carga un bloque de 11\u00d711\u00d711 velocidades en 16 KB de memoria local de primer nivel, tras lo cual los hilos adyacentes reutilizan estos datos. Seg\u00fan el autor, esto reduce el n\u00famero de cargas desde la VRAM aproximadamente en 12 veces \u2014 a 2.6 velocidades por celda \u2014 y cambia el n\u00facleo de un modo limitado por el ancho de banda de memoria a uno limitado por c\u00e1lculos.<\/p>\n

La ganancia pr\u00e1ctica depende del hardware espec\u00edfico. En las nuevas GPU con sistemas de cach\u00e9 avanzados, la optimizaci\u00f3n manual de la memoria local puede casi no aportar beneficios o incluso reducir ligeramente la tasa de im\u00e1genes por segundo. En algunas GPU m\u00e1s antiguas, el autor ha registrado un aumento de hasta el doble, lo que es especialmente notable en el modo gr\u00e1fico interactivo de FluidX3D. Por ejemplo, en las pruebas publicadas, la NVIDIA Titan Xp aceler\u00f3 de 7 a 13 fotogramas\/s, la Intel UHD 770 \u2014 de 8 a 14 fotogramas\/s en uno de los modos, y la Intel Arc A750 \u2014 de 22 a 26 fotogramas\/s.<\/p>\n

Para las GPU integradas m\u00e1s antiguas, se prev\u00e9 una reversi\u00f3n autom\u00e1tica a la implementaci\u00f3n anterior: parte de estos dispositivos no soportan grupos de trabajo de 512 hilos o tienen menos de 16 KB de memoria local L1. En estos casos, FluidX3D seguir\u00e1 utilizando la versi\u00f3n anterior del n\u00facleo, manteniendo la compatibilidad.<\/p>\n

Adem\u00e1s, en esta versi\u00f3n se simplificaron las condiciones para la visualizaci\u00f3n en VR, se desactiv\u00f3 el despliegue de bucles en la rasterizaci\u00f3n para reducir el 'espagueti' en la salida de ensamblador, se agreg\u00f3 una microoptimizaci\u00f3n en convert_triangle\/_interpolated(), y se corrigi\u00f3 en el adaptador OpenCL la salida de error al tener un nombre de n\u00facleo vac\u00edo y un tama\u00f1o de grupo de trabajo.<\/p>\n

<\/p>\n

FluidX3D incluye un renderizador 3D interactivo integrado que permite visualizar los campos de velocidad, l\u00edneas de flujo, isopantallas del criterio Q y cortes directamente durante el c\u00e1lculo, sin necesidad de exportar a una herramienta de posprocesamiento separada. FluidX3D<\/a> El proyecto tambi\u00e9n declara soporte para superficies libres, convecci\u00f3n t\u00e9rmica, el modelo de turbulencia Smagorinsky-Lilly, seguimiento de part\u00edculas, exportaci\u00f3n VTK y funcionamiento con varias GPU.<\/p>\n

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

Cabe destacar el estado de la licencia: el c\u00f3digo fuente de FluidX3D es abierto y est\u00e1 disponible en GitHub, sin embargo, la licencia del proyecto<\/a> no es libre en el sentido estricto de OSI\/FSF. Permite el uso para investigaciones p\u00fablicas, educaci\u00f3n y fines personales, pero proh\u00edbe la aplicaci\u00f3n comercial y militar, as\u00ed como el entrenamiento de modelos de IA sobre el c\u00f3digo fuente.<\/p>\n

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

Fuente: 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-news"],"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 es un paquete para din\u00e1mica de fluidos computacional que utiliza el m\u00e9todo de ecuaciones de Boltzmann en cuadr\u00edcula (LBM) y OpenCL.","canonical_url":"https:\/\/prohoster.info\/es\/blog\/news\/fluidx3d-v3-7","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"es_ES","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.","og:url":"https:\/\/prohoster.info\/es\/blog\/news\/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\/es\/wp-json\/wp\/v2\/posts\/181639","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/comments?post=181639"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/181639\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media?parent=181639"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/categories?post=181639"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/tags?post=181639"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}