EU Regional School 2019 Teil 2
Kurs 5 – Dr. David Ham – Automated Simulation from Equations to Computation with Firedrake
Das Erstellen von Simulationen durch numerisches Lösen von PDEs erfordert oft große Mengen an komplexem low-level-code, der schwer zu schreiben, debuggen und zu ändern ist. Das muss nicht so sein! In diesem Tutorial werden wir das „Firedrake autmated finite element system“ präsentieren. Firedrake Nutzerinnen und Nutzer schreiben finite element problems mathematisch mit der in Python eingebetteten Unified Form Language (UFL). Hochleistungs-Paralleloperatoren und Residuen-Assembler werden automatisch mit fortgeschrittener Compiler Technologie generiert. Firedrake lässt sich in das PETSc-Framework integrieren, um eine Suite vollständige linearer und nichtlinearer Solver bereitzustellen.
In diesem praktischen Jupyter basierten Tutorial haben sie die Möglichkeit, lineare und nichtlineare PDEs mit Firedrake zu lösen und einige seiner erweiterten Methoden auszuprobieren.
Kurs 7 – Prof. Dariusz Uciński Ph.D. – Optimum Experimental Design for Distributed Parameter System Identification
Die Unmöglichkeit, die Zustände verteilter Parametersysteme über den gesamten Raumbereich zu beobachten, wirft die Frage auf, wo Messsensoren platziert werden müssen, um die unbekannten Systemparameter möglichst genau abzuschätzen. Sowohl Forschende als auch Praktizierende bezweifeln nicht, dass die Verwendung von Sensoren, die auf „intelligente“ Weise platziert sind, zu dramatischen Gewinnen in der erreichbaren Genauigkeit der Parameterschätzungen führen kann, so dass effiziente Strategien zur Sensorlokalisierung sehr wünschenswert sind. Die Komplexität des Sensorlokalisierungsproblems impliziert wiederum, dass es wenige Sensorplatzierungsverfahren gibt, die ohne weiteres auf praktische Situationen anwendbar sind. Außerdem sind sie unter Forschern wenig bekannt. Das Ziel dieses Minikurses ist es, sowohl klassische als auch neuere Originalarbeiten zu optimalen Sensorplatzierungsstrategien für die Parameteridentifikation in dynamisch verteilten Systemen, die durch partielle Differentialgleichungen modelliert werden, darzustellen.
Die berichtete Arbeit stellt einen Versuch dar, den durch praktische Anwendungen geschaffenen Bedarf zu decken, insbesondere in Bezug auf Umweltprozesse, durch die Entwicklung neuer Techniken und Algorithmen oder die Übernahme von Methoden, die auf verwandten Gebieten der optimalen Steuerung und des optimalen Versuchsdesigns erfolgreich waren.