{"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\/nl\/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> – pakket voor computationele hydrodynamica, gebruikmakend van de methode van Boltzmann-rekenequaties (LBM) en OpenCL. Het project wordt gepositioneerd als een hoogpresterend en geheugenbesparend CFD-pakket, in staat om op GPU's en CPU's van verschillende fabrikanten te werken via OpenCL.<\/p>\n

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

De belangrijkste wijziging in versie 3.7 is de optimalisatie van de renderkernel voor het visualiseren van isovlakken volgens de Q-criteria (graphics_q()), die worden gebruikt voor de visualisatie van wervelstructuren in de stroom. In de vorige implementatie laadde de kernel een zware template van 32 driedimensionale snelheden uit het videogeheugen voor elke cel in het raster. Nu laadt een werkgroeppool van threads van 8\u00d78\u00d78 een blok van 11\u00d711\u00d711 snelheden in 16 KB lokale L1-geheugen, waarna aangrenzende threads deze gegevens hergebruiken. Volgens de auteur vermindert dit het aantal laadsessies uit VRAM met ongeveer 12 keer \u2014 tot 2,6 snelheden per cel \u2014 en brengt de kernel over van een capaciteit beperkende modus naar een rekencapaciteit beperkende modus.<\/p>\n

De praktische winst hangt af van de specifieke hardware. Op nieuwe GPU's met een geavanceerd cache-systeem kan handmatige optimalisatie van lokaal geheugen bijna geen winst opleveren of zelfs de frame rate iets verlagen. Bij sommige oudere GPU\u2019s heeft de auteur versnellingen tot twee keer genoteerd, wat vooral merkbaar is in de interactieve grafische modus van FluidX3D. In gepubliceerd testen versneld de NVIDIA Titan Xp van 7 naar 13 frames\/s, de Intel UHD 770 van 8 naar 14 frames\/s in \u00e9\u00e9n van de modi, en de Intel Arc A750 van 22 naar 26 frames\/s.<\/p>\n

Voor oudere ge\u00efntegreerde GPU's is er een automatische terugval naar de vorige implementatie: sommige van deze apparaten ondersteunen geen werkgroepen van 512 threads of hebben minder dan 16 KB lokale L1-geheugen. In deze gevallen blijft FluidX3D de oude versie van de kernel gebruiken, waardoor compatibiliteit behouden blijft.<\/p>\n

Ook in deze versie zijn de voorwaarden voor VR-rendering vereenvoudigd, is het ontvouwen van lussen in rasterisatie uitgeschakeld om \"spaghetti\" in de assembleruitvoer te verminderen, is er een micro-optimalisatie toegevoegd in convert_triangle\/_interpolated(), en is de foutuitvoer in de OpenCL-adapter gecorrigeerd bij een lege naam van de kernel en werkgroepgrootte.<\/p>\n

<\/p>\n

FluidX3D bevat een ingebouwde interactieve 3D-renderer waarmee je snelheidsvelden, stroomlijnen, isoppervlakken van de Q-criteria en snedes kunt bekijken tijdens de berekening, zonder dat er een aparte post-processing tool nodig is. FluidX3D<\/a> Het project claimt ook ondersteuning voor vrije oppervlakken, thermische convectie, het Smagorinsky-Lilly turbulentiemodel, deeltjestracking, VTK-export en meerdere GPU-compatibiliteit.<\/p>\n

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

Bijzonder te vermelden is de licentiestatus: de broncode van FluidX3D is open en beschikbaar op GitHub, maar de licentie van het project<\/a> is niet vrij in de strikte zin van OSI\/FSF. Het staat gebruik toe voor publiek onderzoek, onderwijs en persoonlijke doeleinden, maar verbiedt commercieel en militair gebruik, evenals het trainen van AI-modellen op de broncode.<\/p>\n

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

Bron: 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\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 een pakket voor computervloeistofdynamica dat gebruikmaakt van de lattice Boltzmann methode (LBM) en OpenCL.","canonical_url":"https:\/\/prohoster.info\/nl\/blog\/news\/fluidx3d-v3-7","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"nl_NL","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\/nl\/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\/nl\/wp-json\/wp\/v2\/posts\/181639","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/comments?post=181639"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/posts\/181639\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/media?parent=181639"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/categories?post=181639"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/nl\/wp-json\/wp\/v2\/tags?post=181639"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}