一种瞬态的粒子插入算法，可以满足瞬态成核条件下任意位置的粒子的模拟

GIF11

做离散相模拟的朋友应该都遇到过这个问题——

你想模拟空化气泡的生成，但气泡该在哪冒出来？晶体该从哪析出？这些位置不是固定的，而是随流场瞬态变化的。

传统的做法是什么？手动划分几个 injection surface，硬编码几个位置，祈祷算出来的结果别太离谱。

但物理不是这样的。 真实场景中，成核位置是由局部压力、温度、相分数等条件实时决定的——它应该是一个动态筛选 + 随机采样的过程。

所以我写了 DynamicParticlesInjector。

它是怎么工作的？

整个算法分五步，逻辑非常直接：

第一步：各进程各自收集候选单元

每个并行进程遍历自己负责的网格，逐个检查单元是否满足用户设定的物理条件。比如"温度低于接近温度"——满足条件的，就把它的质心坐标存下来。候选数量不确定？没关系，数组初始分配 128 个位置，不够就翻倍扩容，总能装下。因此这个算法是不需要操心数组容量不够的问题，但如果网格容量比较大，还是建议给一个较大的值（2^n），避免多次翻倍。

第二步：所有候选坐标汇总到主节点

并行计算下，网格分散在各个计算节点上。主节点（进程 0）依次向其他节点发出信号，其他节点收到后将本地的候选坐标发回。一轮点对点通信下来，主节点就拿到了全场的候选池。

第三步：主节点随机采样

主节点从全局候选池中随机抽取指定数量（P_NUM）的位置。采样是有放回的——但在实际工程中，候选池动辄几十上百万个单元，只采十来个，重复概率极低（百万取十，重复概率约万分之一），完全可以忽略。如果候选单元数少于要采的粒子数，采样数会自动降为候选单元数，不会出错。

第四步：采样结果广播到所有节点

这一步是并行通信的关键。Fluent UDF 没有直接暴露 MPI 广播函数，那怎么让所有节点拿到相同的结果？这里用了一个稳定的技巧——全局求和代替广播：只有主节点持有采样坐标的值，其他节点对应位置全是零。对全体做一次 PRF_GRSUM，零加非零等于非零，所有节点就同时拿到了完全相同的坐标。这个方法在各个 Fluent 版本上都兼容，通信开销也微乎其微。

第五步：重定位粒子

每个节点拿到采样坐标后，遍历自己负责的注射源粒子——前 N 个粒子移到采样坐标上，多余的粒子标记移除。因为所有节点拿到的是同一组坐标，而 group/cone 注射源的粒子集中在同一个节点上，所以最终恰好有 N 个粒子被精确放置在采样位置，不多不少。

下一个时间步，整个过程重新来一遍。 候选池变了，采样位置跟着变，粒子的注入位置自然跟着流场走——这才是动态成核该有的样子。

核心优势

• 无需预定义注入区域 — 粒子自动出现在满足物理条件的地方
• 完全并行化 — 自动跨进程通信，大规模并行算例直接用
• 一行代码定制条件 — 把 if (center[1] > 0) 换成你的判断，比如 C_P(c,t) < P_sat
• 采样自适应 — 有效单元不够时自动降采样，不会报错
  

适用场景

空化成核、晶体析出、气泡生成、溶质沉淀——任何"核从哪里来"的动态成核问题。

                               
登录/注册后可看大图

开源、MIT 协议、有 Zenodo DOI。如果只是关心并行计算的全局数组整合问题，详见作者另一个仓库（P2P）。
StupidMoonlight/FluentUDF_DynamicParticlesInjector: Initial particles can be introduced within the satisfied mesh for transient calculations to simulate flow phenomena triggered by a small number of free nuclei, such as condensation of a small amount of water vapor, solute precipitation and aggregation in saturated solution transport, and cavitation with a small amount.

GIF11

欢迎各种提问和留言

周华

这种方法能算出饱和空气的冷凝过程吗？

GIF11

周华 发表于 2026-9-2 11:50
这种方法能算出饱和空气的冷凝过程吗？

理论上讲可以，这只是个可以在任意满足条件的网格内插入粒子的算法，只要插入条件设置得当并且粒子参数合适保证不发散即可