Reading Time: 12 minutesApprenez à utiliser les méthodes spectrales, Galerkin discontinu, éléments spectraux et HP-FEM. Comparaison pratique des méthodes d'ordre élevé par rapport à FDM traditionnel, FEM, FVM.

Reading Time: 13 minutesApprenez le MCMC bayésien, l'optimisation adjointe, la modélisation de substitution et les flux de travail pratiques pour la calibration de modèles de matériaux informatiques.

Reading Time: 13 minutesApprenez l'expansion du chaos polynomial, les indices de sensibilité SOBOL, les méthodes UQ de substitution et l'écosystème Python. Un guide pratique pour les chercheurs en informatique.

Reading Time: 16 minutesApprenez à estimer des paramètres inconnus à partir de simulations PDE à l'aide de méthodes Adjoint, d'inversion bayésienne et de packages Python tels que TRIPS-PY et Dolfin-Adjoint.

Reading Time: 18 minutesDécouvrez comment les modèles de substituts multi-fidélité combinent des simulations bon marché avec des corrections de ML pour une précision élevée à moindre coût. Couvre la co-krige, les opérateurs de neurones et la mise en œuvre de Python.

Reading Time: 12 minutesCouvre Navier-Stokes compressible, les méthodes de capture de chocs (ROE, WENO), les solveurs Python (Pybaram, OpenSBLI, JANC) et les cas de référence comme le tube de choc SOD.

Reading Time: 10 minutesClés à emporter L’accélération du GPU offre une accélération de 10 à 1 000 × pour l’échantillonnage par lots de Monte Carlo par rapport aux approches CPU uniquement. pygpc est actuellement la seule bibliothèque Python UQ avec une prise en charge GPU native (CUDA) pour le calcul PCE. Numba @cuda.jit surpasse CUPY pour les tâches de calcul lourde […]

Reading Time: 13 minutesApprenez des stratégies pratiques de contrôle des erreurs pour les solveurs PDE - raffinement de maillage adaptatif, réglage de tolérance, méthodes axées sur les objectifs et quand utiliser chaque approche.

Reading Time: 11 minutesLes phénomènes géophysiques – du débit des eaux souterraines à la propagation des ondes sismiques – sont régis par des équations aux dérivées partielles qui décrivent comment les grandeurs physiques changent dans l’espace et dans le temps. Le poste 242 a introduit le cadre PDE plus large pour la modélisation des systèmes terrestres, couvrant les […]

Reading Time: 21 minutesVersionnement et provenance des données Python : DVC, DVC et flux de travail scientifiques Le versioning des données dans la simulation scientifique ne consiste pas à suivre les changements de code – Git gère déjà cela parfaitement. Il s’agit de suivre la combinaison spécifique de fichier de données, de validation de code et de fichier […]

Reading Time: 14 minutesDécouvrez comment diagnostiquer la raison pour laquelle votre simulation diverge ou devient instable. Flux de travail systématique pour identifier les causes profondes : violations de la LCF, pathologie du maillage, conditions aux limites et paramètres du solveur.

Reading Time: 14 minutesChoisissez entre la visualisation in situ et le post-traitement avec un cadre de décision pratique couvrant les économies d'énergie, le débogage des cas d'utilisation et les flux de travail hybrides.

Reading Time: 14 minutesApprenez la chaîne d'outils Python scientifique moderne - UV pour la gestion des colis, Ruff for Linting et TY pour la vérification des types. Mise à jour pour 2026 avec des repères et des guides de migration.

Reading Time: 15 minutesApprenez à implémenter des réseaux de neurones basés sur la physique dans PyTorch pour résoudre des problèmes PDE vers l'avant et inverse avec du code réel.

Reading Time: 14 minutesDes benchmarks complets sur les performances et la précision comparant NumPy, Scipy, Jax, Polars, Pandas, etc.

Reading Time: 12 minutesUne comparaison pratique de GMSH, NETGEN et Trimesh pour la génération de mailles basée sur Python. Apprenez à utiliser chaque outil pour le volume et le maillage de surface dans la simulation scientifique.

Reading Time: 11 minutesQu'est-ce qu'une carrière d'ingénieur en logiciel de recherche ? Les chemins d'accès, les fourchettes salariales, les cadres de compétences, l'impact de Genai et la façon de percevoir des rôles RSE dans le milieu universitaire, les laboratoires nationaux et l'industrie.

Reading Time: 11 minutesPlongée en profondeur sur l'échantillonnage latin des hypercubes, les séquences de SOBOL et les méthodes quasi-Monte Carlo pour les simulations scientifiques. Apprenez la théorie, la mise en œuvre de Python et quand les utiliser.

Reading Time: 13 minutestl;dr La visualisation in situ traite et analyse les données de simulation pendant que la simulation s’exécute, directement en mémoire, au lieu d’écrire des résultats bruts sur le disque pour un post-traitement ultérieur. Cette approche est essentielle pour le calcul exascale où la bande passante d’E/S ne peut pas suivre la génération de données. En […]

Reading Time: 10 minutesLa modélisation électrochimique de la batterie à l’aide d’équations aux dérivées partielles (PDES) fournit une simulation haute fidélité du comportement des cellules lithium-ion. Le Modèle de particules uniques (SPM) offre une efficacité de calcul pour les applications en temps réel, tandis que le modèle Doyle-Fuller-Newman (DFN) capture la dynamique électrolytique complète pour les scénarios de […]

Reading Time: 10 minutesLes substituts d’apprentissage automatique (ML) sont des approximations rapides et basées sur les données de simulations scientifiques coûteuses. Ils permettent des prédictions en temps quasi réel, une exploration de l’espace de conception massive et une quantification de l’incertitude qui serait impossible avec la simple simulation directe. Utilisez des substituts lorsque vous avez besoin d’une optimisation […]

Reading Time: 9 minutesUne excellente documentation transforme les packages Scientific Python d’un code inutilisable en ressources de recherche reproductibles. Adoptez une approche Documentation-as-code : stockez les documents avec le code, utilisez Sphinx avec numpy ou google-style docstrings, automatisez les builds avec Lire le docs et intégrer les mises à jour de la documentation à chaque examen de code. Incluez […]

Reading Time: 12 minutesHDF5 est la norme de facto pour le stockage de données de simulation scientifique à grande échelle. Sa structure hiérarchique, ses capacités d’E/S parallèles via MPI et sa compression intégrée le rendent idéal pour les environnements de calcul haute performance. Cependant, une utilisation inappropriée, en particulier de mauvais choix et des modèles d’accès parallèles incorrects, […]

Reading Time: 13 minutesLes simulations FIPY peuvent atteindre 10x à 100x accélérations en déplaçant des opérations de calcul sur le GPU à l’aide de CUPY (remplacement NumPy) ou NUMBA (compilation JIT). CUPY excelle dans les opérations de tableau et nécessite des modifications de code minimales, tandis que Numba accélère les boucles Python et les fonctions personnalisées. Cependant, l’accélération […]

Reading Time: 12 minutesFipy n’a pas de raffinement de maillage adaptatif intégré (AMR). Les approches actuelles impliquent la génération de maillage externe avec GMSH (inefficace pour les problèmes dynamiques), l’intégration avec des bibliothèques AMR dédiées telles que libmesh (stimulant l’architecture) ou le passage à des codes de champ de phase alternatifs qui prennent en charge l’AMR de manière […]

Reading Time: 8 minutestl;dr Les équations de Maxwell décrivent comment les champs électriques et magnétiques évoluent et interagissent. Alors que FIPY a été conçu pour les problèmes de type diffusion, vous pouvez simuler des ondes électromagnétiques en traitant les équations de Maxwell comme un système couplé de PDE hyperboliques transitoires. La clé est le couplage des lois de […]

Reading Time: 10 minutestl;dr Les simulations multi-physiques nécessitent souvent un couplage de plusieurs solveurs spécialisés. Precice est une bibliothèque de couplage open-source mature qui permet des simulations multi-physiques partitionnées en Python. Ce didacticiel montre comment coupler Fipy avec un autre solveur utilisant Precice, couvrant l’installation, la mise en œuvre de l’adaptateur, la configuration et les pièges courants. Vous […]