PySPOD：一个并行（分布式）Python SPOD软件包

我们实现了什么？

在这个包中，我们实现了两种SPOD版本，它们都可以作为并行和分布式（即在大型HPC机器上的多个核心/节点上运行）使用mpi4py。

• spod_standard：这是(Schmidt and Towne, 2019)中描述的批量算法。
• spod_streaming：这是(Schmidt and Towne, 2019)中提出的流式算法。

我们还实现了时间系数的计算和数据的重建，给定一组模式 $\phi$ 和系数 a，如(Chu and Schmidt, 2021)和(Nekkanti and Schmidt, 2021)中所述。该库附带一个用于模拟降维空间的包，即使用神经网络预测时间系数，如Lario et al., 2022中所述。

要了解如何使用 PySPOD 包，您可以查看 教程。

如需更多信息，您还可以咨询 PySPOD 网站：http://www.mathexlab.com/PySPOD/。

如何引用本作品

当前对 PySPOD 库的引用是

@article{mengaldo2021pyspod,
  title={Pyspod: A python package for spectral proper orthogonal decomposition (spod)}
  author={Mengaldo, Gianmarco and Maulik, Romit},
  journal={Journal of Open Source Software},
  volume={6},
  number={60},
  pages={2862},
  year={2021}
}

我们可以将 SPOD 应用到哪些数据上？

SPOD 可以应用于 广义平稳数据。这些数据的例子出现在不同的领域，包括 流体力学，以及 天气 和 气候 等。

如何安装库？

如果您想从 main 下载并安装最新版本

• 从 PySPOD 的顶级目录下载库
• ，请在 PySPOD 的顶级目录中输入

python3 setup.py install

为了启用并行功能，您需要在您的机器上安装一个 MPI 分发版。目前测试过的 MPI 分发版包括 Open MPI 和 Mpich。请注意，如果您没有 MPI，库仍然可以在 串行（无并行功能）模式下工作。

与 PySPOD 相关的最新作品

如果您使用了 PySPOD 进行发表，并希望在此进行宣传，请联系我：gianmarco.mengaldo@gmail.com。

• A. Lario, R. Maulik, G. Rozza, G. Mengaldo, 神经网络学习 SPOD 隐空间

作者和贡献者

PySPOD 目前由以下人员开发和维护：

• G. Mengaldo，新加坡国立大学（新加坡）。

当前活跃的贡献者包括

• M. Rogowski，国王阿卜杜拉科技大学（沙特阿拉伯）。
• L. Dalcin，国王阿卜杜拉科技大学（沙特阿拉伯）。
• R. Maulik，美国阿贡国家实验室。
• A. Lario，SISSA（意大利）

如何贡献

欢迎改善代码和文档的贡献，以及关于新功能的建议！

贡献的指南如下

1. 打开一个新问题，描述您要修复的错误或要添加的功能。
2. 对项目进行分叉并打开与您刚刚打开的问题相关的分支，如果它是错误修复，则将其命名为 fix/问题的名称，如果您正在添加功能，则将其命名为 feature/问题的名称。
3. 确保使用 4 个空格进行代码格式化。
4. 如果您添加功能，它应附带相关的测试以确保其正确运行，同时代码继续开发。
5. 使用自解释的提交信息提交您的更改。
6. 推送您的提交并提交拉取请求。请记住，为了保持干净、线性的 git 历史，正确进行变基。

通过电子邮件 联系我们 获取有关 PySPOD 或如何贡献的更多信息或问题。

许可协议

有关许可权和限制（MIT）的更多信息，请参阅 LICENSE 文件。