Category FIPY : documentation, exemples & Développement
Développement open-source : Contribuer à FIPY
Reading Time: 9 minutesLe développement open-source est l’un des meilleurs moyens d’apprendre comment les logiciels réels sont construits. Cela donne aux développeurs une chance de lire le code de production, de comprendre la structure du projet, de travailler sur des problèmes, d’écrire des tests, d’améliorer la documentation et de communiquer avec les responsables des responsables. Pour les logiciels […]
Meilleures pratiques pour maintenir le code scientifique
Reading Time: 9 minutesLe code scientifique commence souvent par un script rapide. Un chercheur doit nettoyer un ensemble de données, exécuter une simulation, tester un modèle, générer une figure ou vérifier une hypothèse. Au début, le code peut être écrit pour une personne et une tâche immédiate. Mais au fil du temps, ce même script peut faire partie […]
Comment Fipy gère les maillages et les structures de grille
Reading Time: 12 minutesFIPY est un cadre basé sur Python pour résoudre des équations aux dérivées partielles avec la méthode du volume fini. Il est couramment utilisé pour la diffusion, le transfert de chaleur, la modélisation en champ de phase, l’électrochimie, le transport lié aux fluides et d’autres problèmes qui peuvent être exprimés à travers des équations de […]
Couplage de code multi-physique sans précision : alternatives et approches personnalisées
Reading Time: 9 minutesLorsque vous travaillez avec des simulations multi-physiques, vous devez souvent coupler deux ou plusieurs solveurs spécialisés afin qu’ils échangent des données pendant le calcul. Precice est une bibliothèque de couplage open-source mature pour les simulations multi-physiques partitionnées, en particulier lors de la connexion de solveurs indépendants tels que FIPY, OpenFoam ou Calculix. Mais le prix […]
Conditions aux limites périodiques, symétriques et robin : modèles FIPY avancés
Reading Time: 10 minutesPoints à retenir clés Les limites périodiques de FIPY sont mises en œuvre de manière plus propre avec les objets PeriodicGrid ou les commandes de maillage périodique GMSH plutôt qu’un couplage manuel. Les limites symétriques sont des conditions de Neumann à flux zéro appliquée aux plans de symétrie. Ce n’est pas une catégorie FIPY distincte, […]
Décomposition de domaine pour les solveurs parallèles de PDE : schwarz additif, méthodes de chevauchement et implémentation de python
Reading Time: 11 minutestl;dr — Ce que vous devez savoir Décomposition de domaine divise une grille de simulation en sous-domaines qui se chevauchent afin que chaque rang MPI puisse résoudre son élément local indépendamment. Schwarz additif (ASM) est la forme la plus simple : vous résolvez localement et ajoutez des corrections. Il fonctionne très bien pour les petits […]
Propriétés de conservation dans la discrétisation : assurer l’équilibre massique et énergétique
Reading Time: 12 minutestl;dr La conservation locale est garantie par la cohérence du flux FVM ; FEM et DG doivent concevoir des flux avec soin. Le contre-vent du premier ordre ajoute une viscosité artificielle — à la LFC = 1, il disparaît, un résultat surprenant que la plupart des praticiens manquent. Le RDG de Moose (P0P1) avec limitation du […]
Pas de temps adaptatif pour les solveurs PDE : estimation des erreurs et CFL
Reading Time: 13 minutesLe pas de temps adaptatif ajuste dynamiquement ΔT en fonction de l'erreur estimée. Apprenez les paires RK embarquées, l'estimation des erreurs BDF, les contraintes CFL et l'implémentation de FIPY.
Tutoriel discontinu de la méthode Galerkin : dérivation, flux et implémentation de Python
Reading Time: 11 minutesDérivation étape par étape de la méthode Galerkin discontinue, comparaison de flux numérique et mise en œuvre 1D complète en Python. Apprenez quand la DG surpasse la FVM et la FEM continue.
Réseaux de neurones basés sur la physique : un guide pratique de mise en œuvre de Python
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.