Har du någonsin undrat varför mjölk är så vit eller varför majonnäs verkar så tjock och ändå kan rinna ut ur flaskan?

Är du medveten om att dessa sådana ämnen bara är olja och vatten blandade ihop även om de ser ut och känns som ingen av dem?

Det visar sig att dessa förtjusande små mysterier ofta orsakar stor huvudvärk för kemiingenjörer som designar en schampoproduktionsprocess eller driver en oljeutvinningsanläggning i Nordsjön. IBM Research and the Science and Technology Facilities Council (STFC) Hartree Center använder matematik och högpresterande datorer för att hjälpa dessa ingenjörer att förstå vetenskapen bakom denna gåta.

Att förstå kolloiders beteende - makroskopisk blandning av olösliga partiklar - är fortfarande en utmanande uppgift av enorm praktisk betydelse. Vi hittar system runt omkring oss, i dessa till synes vardagliga produkter som mjölk, majonnäs eller schampo, genom vardagliga väderhändelser som dimma, moln eller ( tyvärr!) föroreningar, upp till stora industriella processer inom kemiteknik. Ofta uppvisar dessa blandningar några överraskande beteenden där helheten är mer än bara summan av delarna. Den vetenskapliga forskningen på detta område har en lång och berömd historia, men det senaste tillskottet av HPC till vår vetenskapliga verktygslåda gör att vi kan utforska fall som antingen är för svåra för klassisk analys eller för dyra för experiment.

Forskare vid IBM och Hartree Center arbetar tillsammans för att bygga matematiska modeller och datorprogram som gör det möjligt att studera kolloidal dynamik i detalj. Komplexiteten i modelleringen av dessa flöden kommer från närvaron av flera gränssnitt mellan oblandbara faser (eftersom de inte bildar en enda vätska), ett brett spektrum av skalor och vid vätske- eller gasdispersioner som ständigt deformerar former. Till exempel vid vätskestrålning, strålen kan vara många gånger större än dropparna på grund av primär och sekundär uppbrott och samtidigt många gånger mindre än blandarens enhetens geometriska dimensioner. En direkt upplösning av alla dessa skalor skulle resultera i en överdriven beräkningskostnad som leder oss till att söka alternativ i form av olika flerskala modelleringsstrategier.

Därför, tillsammans med mina kollegor arbetar jag med skalbara tekniker för att exakt lösa detaljerna i sådana flöden såväl som deras effektiva makroskopiska egenskaper som blandningsviskositeter, genomsnittliga droppstorlekar, gränssnittsmotstånd etc. De direkta numeriska simuleringarna utförs endast för små delar av hela domänen och den automatiska efterbehandlingen extraherar information om fördefinierade karakteristiska egenskaper och identifierar den övergripande flödesregimen. Modelleringen av hela systemet kan sedan använda de identifierade relationerna som stängningslagar eller gränsvillkor. Den intuitiva motiveringen för denna strategi är att karaktäristiska drag i huvudsak är repetitiva och inte behöver lösas överallt.

Kemiska ingenjörer, beroende på sammanhanget, kanske vill minimera eller maximera blandningseffektiviteten för sina processanläggningar. För att svara på deras frågor, vi måste kunna använda våra resultat från detaljerade studier i modeller av mycket större system. Det är därför vi också arbetar med nya kodkopplingsmetoder som möjliggör datautbyte mellan simuleringskoder som arbetar på olika rumsliga skalor.

Den sista komponenten är ett visualiseringsramverk som implementerar datacentriska principer för att undvika överdriven belastning på hårddiskinmatning/-utmatning och för att ge respons på ett skrivbordsliknande program. Kombinationen av att köra flera simuleringar med samtidig visualisering är väl lämpad för möjligheterna hos moderna heterogena datorkluster.

Övergripande, den vetenskap och teknik som arbetar tillsammans kan ge ett mycket mer omfattande sätt att studera flerskala fenomen relaterade till kolloidala spridningar. De främsta fördelarna är möjligheten att förfina modeller som används på teknisk enhetsnivå med resultat från detaljerade simuleringar och möjlighet att utforska nya flödesregimer. Så nästa gång du tvättar håret, försök att uppskatta hur vetenskap, experimenterande, matematik och HPC bidrar till att göra den perfekta blandningen.