Hoppa till huvudinnehållet
Inför kursvalDD2363 Vetenskapliga beräkningsmetoder 7,5 hpAdministrera Om kursen

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.

* Informationen tillhör Kursplan DD2363 (VT 2019–)

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

Profile picture Johan Hoffman

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 DD2363

Ges av

EECS/Datavetenskap

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