Shenfun -- 自动化谱伽辽金框架
项目描述
描述
Shenfun是一个高性能计算平台，通过谱伽辽金方法求解偏微分方程（PDEs）。Shenfun的用户界面与FEniCS非常相似，但应用限于多维张量积网格，使用笛卡尔或曲线网格（例如，但不仅限于，极坐标、圆柱坐标、球坐标或抛物线坐标）。代码通过mpi4py-fft包使用MPI进行并行化。
Shenfun使用高级Python语言，使得高效且准确的PDE求解器（谱阶和精度）的开发变得快速。通过使用高阶全局正交基函数（傅里叶、勒让德、切比雪夫第一和第二类、超球面、雅可比、拉盖尔和厄米特），保证了谱精度，与使用低阶局部基函数的有限元代码相反。通过向量化（Numpy）、并行化（mpi4py）以及将关键例程移至Cython或Numba，保证了效率。Shenfun已被用于在高性能超级计算机上运行数千个处理器的湍流模拟（直接数值模拟），请参阅spectralDNS存储库。
示例文件夹包含了泊松、亥姆霍兹和双调和方程的几个示例。有关扩展文档和安装说明，请参阅ReadTheDocs。有关交互式演示，请参阅jupyter book。请注意，shenfun当前支持使用两个非周期方向（见双调和演示），方程可以耦合和隐式求解（见MixedPoisson.py）。
请注意，shenfun支持曲线坐标。例如，可以在球体（使用球坐标）上求解方程，在环面上，在莫比乌斯带上，或在2D/3D中的任何曲线线上。实际上，只要坐标导致具有可分离系数的方程组，用户就可以定义任何新的坐标。在定义新的坐标后，div、grad和curl等算子会自动与新的曲线坐标一起工作。请参阅关于球体的这个笔记本或向量拉普拉斯的插图。
为了获得更迷幻的体验，请查看球体上Ginzburg-Landau方程的模拟（点击查看YouTube视频）
Shenfun还可以用来用全局谱基函数函数逼近解析函数，并在高度复杂的域上积分，例如下面的海螺壳，请参阅这个演示。
安装
Shenfun可以使用pip或conda安装，请参阅readthedocs上的安装章节。
依赖关系
在代码空间中尝试
尝试Shenfun的最简单方法是创建自己的代码空间。按此页上的绿色代码空间按钮，然后等待几分钟，让environment.yml中的所有内容安装完毕。然后在代码空间编辑器的终端中输入
source activate ./venv python setup.py build_ext -i echo -e "PYTHONPATH=/workspaces/shenfun" > .env
然后您就可以运行任何示例程序，或者例如尝试按照文档中的详细说明进行操作。我们假设您知道如何运行Python程序。请注意，如果您想在代码空间中使用例如IPython或Jupyter，则这些需要在venv环境中安装。
联系方式
对于评论、问题、错误报告和要求，请使用当前存储库的问题跟踪器，或查看readthedocs上的如何贡献？否则，主要作者可以通过以下方式联系
Mikael Mortensen mikaem at math.uio.no https://mikaem.github.io/ Department of Mathematics University of Oslo Norway
shenfun-4.2.1.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | e5f9d2223e66689718d82676ee1fb73d0cbd59487bc148daf7807fff98d1c122 |
|
| MD5 | 65d0dedbf8069f093ff307f4459c7e00 |
|
| BLAKE2b-256 | 4e980e84083d38855a9303d6d9b00a62363511a4be74924ba58c3ab467bc81d8 |