Category Simulación & Proyectos de modelado
Métodos espectrales para la simulación de PDE: teoría, implementación y cuándo usarlos
Reading Time: 12 minutesLos métodos espectrales son técnicas numéricas de orden superior para resolver ecuaciones diferenciales parciales. A diferencia de los métodos de diferencia finita, que se aproximan a las derivadas a través de plantillas locales, los métodos espectrales representan la solución con funciones básicas que se extienden a lo largo de todo el dominio computacional. Las opciones […]
Problemas inversos y estimación de parámetros para modelos PDE
Reading Time: 15 minutesAprenda a estimar los parámetros desconocidos de las simulaciones PDE utilizando métodos adjuntos, inversión bayesiana y paquetes de Python como Trips-PY y Dolfin-Adjoint.
Programación de kernel de GPU para simulación de física personalizada: escribir kernels personalizados de alto rendimiento en Python
Reading Time: 13 minutesAprenda a escribir kernels de GPU personalizados para simulación de física con Nvidia Warp, CUDA Python y HIP/ROCM. Cubre patrones de rendimiento, física diferenciable y despliegues de producción.
Métodos implícitos vs explícitos: estabilidad, precisión y cuándo usar cada
Reading Time: 11 minutesElegir un método de integración de tiempo es una de las decisiones más importantes en una simulación científica. El método determina cómo se mueve la solución numérica de un nivel de tiempo al siguiente, qué tan pequeño debe ser el paso de tiempo, cuánto cuesta cada paso y si se resuelven o suprimen los procesos […]
Esquemas de división de operadores, división de Strang y IMEX para solucionadores de PDE
Reading Time: 11 minutesLas ecuaciones diferenciales parciales dependientes del tiempo a menudo combinan varios procesos físicos. Un modelo de transporte puede incluir advección, difusión, reacciones químicas, fuentes externas y retroalimentación no lineal. Cada parte puede tener diferentes propiedades matemáticas y puede requerir un tratamiento numérico diferente. La advección se maneja comúnmente con métodos diseñados para el transporte ondulatorio. […]
Comparación de enfoques de modelado continuo y de modelado discreto
Reading Time: 8 minutesLos modelos científicos simplifican los sistemas complejos para que los investigadores e ingenieros puedan estudiar el comportamiento, probar suposiciones y predecir resultados. Una de las opciones de modelado más importantes es si describir un sistema como un medio continuo o como un conjunto de componentes separados. Un modelo continuo representa propiedades como la presión, la […]
Fenics vs Fipy vs OpenFoam: eligiendo el solucionador PDE de Python correcto
Reading Time: 9 minutesrespuesta rápida No eliges un solucionador de PDE por su nombre. Lo eliges por el problema que necesitas resolver. Fipy es una fuerte elección cuando sus ecuaciones involucran procesos de difusión, campo de fase o reacción-difusión en 1D o 2D, y desea prototipos en Python puro rápidamente. Es una de las formas más rápidas de […]
Marcos de ciencia de materiales computacionales: Moose vs Prisms-PF vs OpenPhase
Reading Time: 9 minutesUna comparación práctica de tres marcos de campo de fase de código abierto líderes para la simulación microestructural, que cubre sus métodos numéricos, fortalezas, limitaciones y mejores casos de uso. Comida clave Moose es mejor para simulaciones multifísicas que combinan campo de fase con mecánica sólida, transferencia de calor u otros campos. Utiliza FEM con […]
Elegir el solucionador de PDE de Python correcto: Fipy vs PY-PDE vs Fenics
Reading Time: 10 minutesElegir entre los solucionadores de PDE de Python puede sentirse como elegir entre tres idiomas diferentes. El mismo problema, resolver numéricamente las ecuaciones diferenciales parciales, se maneja de manera muy diferente según la biblioteca que elija. Esta guía compara FIPY, PY-PDE y Fenics entre los criterios que importan para la investigación: método numérico, soporte de […]
Modelado de orden reducido (ROM) con Pymor: una guía práctica para científicos
Reading Time: 11 minutesEl modelado de orden reducido es una de las formas más prácticas de acelerar las simulaciones científicas sin sacrificar la fidelidad física necesaria para obtener resultados creíbles. En lugar de resolver millones de ecuaciones cada vez que cambia un parámetro, ROM extrae el comportamiento dominante de un modelo de alta fidelidad en un sustituto ligero […]