Category Simulation & Projets de modélisation
Python CFD pour l’aérospatiale : flux supersonique et capture des chocs
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.
Quantification de l’incertitude accélérée par GPU : mise à l’échelle des méthodes de Monte Carlo et PCE sur GPU
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 […]
Parcours d’apprentissage structuré pour les étudiants en mécanique informatique
Reading Time: 10 minutesUn guide étape par étape du premier script Python à votre propre solveur FEM. Apprenez les compétences, les outils et les repères progressifs utilisés par les meilleurs programmes.
Contrôle des erreurs pour les solveurs PDE : AMR, tolérances et quand utiliser chacun
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.
Applications de la géophysique avec Python : débit des eaux souterraines et modélisation sismique
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 […]
Versionnement et provenance des données Python : DVC, DVC et flux de travail scientifiques
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 […]
Débogage des simulations numériques : diagnostic des divergences et instabilités
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.
Visualisation in situ vs post-traitement – un cadre de décision
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.
Outil Python scientifique moderne en 2026 : UV, Ruff et Ty
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.
Analyse comparative des bibliothèques scientifiques Python : performances et précision
Reading Time: 14 minutesDes benchmarks complets sur les performances et la précision comparant NumPy, Scipy, Jax, Polars, Pandas, etc.