
Kursen presenterar numeriska metoder och algoritmer för grundläggande modeller inom beräkningsvetenskap, speciellt partikelmodeller, ordinära differentialekvationer och partiella differentialekvationer. Aktuella forskningsfrågor lyfts fram, t.ex. vad gäller maskininlärning, parallella och distribuerade beräkningar.
Välj termin och kursomgång
Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.
Innehåll och lärandemål
Kursinnehåll
Kursen fokuserar på tre områden:
• Partikelmodeller. Explicita tidsstegningsmetoder, N-kroppsproblemet och glesa approximationer. Tillämpningar t.ex. på solsystemet, mass-fjädersystem, eller molekyldynamik.
• ODE-modeller. Implicita tidsstegningsmetoder, lösningsalgoritmer för glesa system av icke-linjära ekvationer. Tillämpningar inom t.ex. populationsdynamik, systembiologi eller kemiska reaktioner.
• PDE-modeller. Rumsdiskretisering genom partiklar, strukturerade nät, eller ostrukturerade nät. Nätalgoritmer; förfining, förgrovning, optimering. Stencilmetoder, funktionsapproximation, Galerkins metod, finita elementmetoden.
För varje område diskuteras datorimplementering och algoritmer för parallell och distribuerad beräkning, vilket också övas i datorlaborationer.
Lärandemål
Efter godkänd kurs ska studenten kunna:
• konstruera och implementera explicita tidsstegningsmetoder för partikelmodeller,
• konstruera och implementera implicita tidsstegningsmetoder för generella system av ordinära differentialekvationer (ODE),
• konstruera och implementera lösningsalgoritmer för system av icke-linjära ekvationer,
• formulera finita elementmetoder (FEM) för partiella differentialekvationer (PDE) och anpassa FEM-mjukvara till ett givet problem,
• föreslå lämplig parallelliseringsstrategi för en given partikelmodell, ODE eller PDE.
Kursupplägg
Ingen information tillagd
Kurslitteratur och förberedelser
Särskild behörighet
90 hp varav 45 hp inom matematik och/eller informationsteknik.
Rekommenderade förkunskaper
Ingen information tillagd
Utrustning
Ingen information tillagd
Kurslitteratur
Meddelas fyra veckor före kursstart.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
A, B, C, D, E, FX, F
Examination
- LAB1 - Laborationsuppgifter, 3,0 hp, betygsskala: P, F
- TEN1 - Tentamen, 4,5 hp, betygsskala: A, B, C, D, E, FX, F
Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Möjlighet till komplettering
Ingen information tillagd
Möjlighet till plussning
Ingen information tillagd
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kurswebb
Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.
Kurswebb DD2363Ges av
Huvudområde
Datalogi och datateknik
Utbildningsnivå
Avancerad nivå
Påbyggnad
Ingen information tillagd
Kontaktperson
Johan Hoffman, e-post: jhoffman@kth.se
Övrig information
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex