Séance de cours

Physique numérique : Convergence et analyse des erreurs

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

PHYS-203: Computational physics I

Aborder, formuler et résoudre des problèmes de physique en utilisant des méthodes numériques simples. Comprendre les avantages et les limites de ces méthodes (stabilité, convergence). Illustrer différents sujets de physique traités dans d'autres cours. ...

Description

Cette séance de cours couvre les commentaires d'évaluation du cours de l'automne 2021, où les étudiants expriment leurs opinions sur le contenu du cours, les exercices et l'aide fournie. L'instructeur discute de l'ordre de convergence, de l'analyse des erreurs et de la mise en œuvre des étapes temporelles adaptatives dans les simulations numériques. La séance de cours souligne l'importance de comprendre la convergence et l'estimation des erreurs dans les méthodes numériques, en particulier dans le contexte des simulations physiques. Divers exemples et exercices sont utilisés pour illustrer les concepts, y compris l'application des méthodes Runge-Kutta et l'analyse de la propagation des erreurs. La séance de cours se termine par une comparaison entre les étapes temporelles fixes et adaptatives, mettant en évidence l'efficacité et la précision obtenues en utilisant des schémas adaptatifs.

Enseignant·e

Laurent Villard

Originaire de Vauffelin (BE), Laurent Villard est né en 1961. Après avoir obtenu le diplôme d'ingénieur physicien de l'EPFL en 1983, il est assistant au CRPP où il entame une thèse. Ses études portent sur l'étude théorique du chauffage des plasmas par ondes radiofréquences, développant pour cela un code de calcul numérique sous contrat avec le Joint European Torus (JET, Angleterre). Il obtient en 1987 le doctorat ès sciences. En 1988, il est engagé en tant que chargé de cours à l'Université d'Addis Abeba, enseignant l'électromagnétisme et l'électrodynamique. En 1989 et 1990, il rejoint le Polytechnic Education Development Centre de l'Institute of Technology of Bandung (ITB, Indonésie). Ses activités contribuent à la formation et au soutien du personnel enseignant des dix-sept écoles polytechniques nouvellement créées en Indonésie. A la fin 1990, il revient au CRPP en tant que collaborateur scientifique. En 1993 il est nommé professeur assistant. En 1999, il est nommé maître d'enseignement et de recherche, puis, en 2005, professeur titulaire. En collaboration avec JET et General Atomics (USA) il étudie les instabilités qui peuvent être provoquées par les particules énergétiques issues du processus de fusion nucléaire. Avec des scientifiques du Keldysh Institute (Moscou), il s'intéresse au calcul de l'équilibre et de la stabilité de configurations du type tokamak. Enfin, en collaboration notamment avec le Max-Planck Institute fuer Plasma Physik, ses recherches portent sur la simulation numérique, par calcul à haute performance (HPC), de la turbulence dans les plasmas magnétisés.

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (32)

Analyse numérique

L’analyse numérique est une discipline à l'interface des mathématiques et de l'informatique. Elle s’intéresse tant aux fondements qu’à la mise en pratique des méthodes permettant de résoudre, par des calculs purement numériques, des problèmes d’analyse mathématique. Plus formellement, l’analyse numérique est l’étude des algorithmes permettant de résoudre numériquement par discrétisation les problèmes de mathématiques continues (distinguées des mathématiques discrètes).

Vitesse de convergence des suites

En analyse numérique — une branche des mathématiques — on peut classer les suites convergentes en fonction de leur vitesse de convergence vers leur point limite. C'est une manière d'apprécier l'efficacité des algorithmes qui les génèrent. Les suites considérées ici sont convergentes sans être stationnaires (tous leurs termes sont même supposés différents du point limite). Si une suite est stationnaire, tous ses éléments sont égaux à partir d'un certain rang et il est alors normal de s'intéresser au nombre d'éléments différents du point limite.

Convergence uniforme

La convergence uniforme d'une suite de fonctions est une forme de convergence plus exigeante que la convergence simple. La convergence devient uniforme quand toutes les suites avancent vers leur limite respective avec une sorte de « mouvement d'ensemble ». Dans le cas de fonctions numériques d'une variable, la notion prend une forme d'« évidence » géométrique : le graphe de la fonction f se « rapproche » de celui de la limite. Soient X un ensemble, (Y, d) un espace métrique, et A un sous-ensemble de X.

Numerical methods for ordinary differential equations

Numerical methods for ordinary differential equations are methods used to find numerical approximations to the solutions of ordinary differential equations (ODEs). Their use is also known as "numerical integration", although this term can also refer to the computation of integrals. Many differential equations cannot be solved exactly. For practical purposes, however – such as in engineering – a numeric approximation to the solution is often sufficient. The algorithms studied here can be used to compute such an approximation.

Convergence simple

En mathématiques, la convergence simple ou ponctuelle est une notion de convergence dans un espace fonctionnel, c’est-à-dire dans un ensemble de fonctions entre deux espaces topologiques. C'est une définition peu exigeante : elle est plus facile à établir que d'autres formes de convergence, notamment la convergence uniforme. Le passage à la limite possède donc moins de propriétés : une suite de fonctions continues peut ainsi converger simplement vers une fonction qui ne l'est pas.

Afficher plus

Séances de cours associées (64)

Numerics: projet de semestre

Couvre le projet de semestre sur les chiffres, en se concentrant sur les algorithmes adaptatifs et les méthodes multi-étapes.

Cohérence et stabilité dans les méthodes numériques

Explore la cohérence et la stabilité des méthodes numériques, en mettant l'accent sur l'analyse des erreurs et le rôle des conditions aux limites.

Vérification et validation

Couvre le processus de vérification et de validation dans la simulation numérique de flux, assurant la crédibilité des résultats de la simulation.

Convergence Order

Explore les concepts de taux de convergence linéaire et quadratique, en soulignant leurs différences et leurs applications dans les méthodes numériques.

Méthodes numériques en physique

Couvre les méthodes numériques en physique, en se concentrant sur la résolution de problèmes complexes et la compréhension des limites.

Afficher plus

Concepts associés (32)

Analyse numérique

Vitesse de convergence des suites

Convergence uniforme

Numerical methods for ordinary differential equations

Convergence simple

Afficher plus