Category Simulación & Proyectos de modelado
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 […]
Flujos de trabajo de HPC Python: de una computadora portátil a una supercomputadora
Reading Time: 10 minutesComida clave El código Python puede ejecutarse en una computadora portátil y en un sistema HPC grande con la misma lógica central cuando el flujo de trabajo usa MPi4PY o DASK correctamente. La reproducibilidad del medio ambiente es a menudo la parte más difícil del trabajo de HPC. Los entornos de Conda, los archivos de […]
Cuándo usar FEM, FVM o FDM: una comparación práctica para principiantes
Reading Time: 8 minutesComida clave FEM, o el método de elementos finitos, es fuerte para formas complejas y problemas estructurales donde importa la flexibilidad geométrica. FVM, o el método de volumen finito, es una opción natural para la dinámica de fluidos y los problemas de transporte porque apoya la conservación local de la masa, la energía y el […]
Estudios de calidad y convergencia de malla: una guía práctica para simulaciones científicas
Reading Time: 11 minutestl; dr Antes de ejecutar cualquier simulación científica, verifique que la malla pase controles de calidad geométricas y luego demuestre que los resultados no cambian significativamente con un mayor refinamiento. Un estudio de convergencia de malla que utiliza al menos tres niveles de cuadrícula puede cuantificar el error de discretización a través de la extrapolación […]
Depuración de Python para código científico: desde declaraciones impresas hasta perfiles
Reading Time: 12 minutesComida clave Depuración El código científico de Python sigue una escala de escalamiento: print, assert, pdb, perfiles y pruebas. La mayoría de los errores científicos son numéricos, como los valores de NAN, las discrepancias en la forma de los arreglos, la pérdida de precisión o los pasos de tiempo inestables. print() Atrapa muchos errores para […]
Métodos de Monte Carlo para simulaciones científicas: una guía de Python
Reading Time: 9 minutesLos métodos de Monte Carlo utilizan muestreos aleatorios para estimar los resultados de los problemas que son demasiado complejos para las soluciones analíticas. Al ejecutar miles o millones de ensayos simulados con entradas aleatorias, puede mapear el rango de comportamiento posible en un modelo científico. Estos métodos son útiles para los límites de incertidumbre, el […]
Métodos de integración de tiempo para solucionadores de PDE: esquemas explícitos versus implícitos
Reading Time: 10 minutesComida clave Los métodos explícitos calculan el siguiente estado directamente desde el estado actual. Son baratos por paso, pero requieren pequeños pasos de tiempo para la estabilidad. Los métodos implícitos resuelven un sistema acoplado que incluye estados actuales y futuros. Son más caros por paso, pero pueden ser estables para pasos de tiempo mucho más […]