Modélisation discrète des solides et fluides

Auteur·rice

Lucas Frérot

À propos

Ce site héberge le matériel du cours de modélisation discrète des solides et fluides pour l’unité d’enseignement LU3ME104 - Projets Numériques donnée au sein de la licence de mécanique à l’UFR d’Ingéniérie de Sorbonne Université. L’objectif du projet est d’amener de l’intégration en temps des équations du mouvement à la simulation de systèmes mécaniques complexes, comme la propagation d’une fissure dans un solide, l’écoulement d’un fluide autour d’un obstacle ou le comportement collectif de particules rebondissants sur des plaques vibrantes.

Les compétences mobilisées par le projet seront:

  • formuler une problématique scientifique,
  • poser des hypothèse de modélisation d’un système mécanique pour répondre à une problématique,
  • mettre en place une méthodologie numérique pour la résolution des équations du modèle,
  • interpréter, critiquer et mettre en perspective des résultats de simulation (par rapport aux hypothèses de modélisation et à des résultats connus).
Note

Ce cours est en partie adapté du cours de calcul haute performance appliqué à la dynamique moléculaire, donné à l’université de Freiburg par prof. Lars Pastewka et développé par Lars Pastewka, Wolfram Nöhring et moi-même, sous licence CC-BY-SA.

Le contenu du cours se divise en deux parties :

  • Les aspects théoriques du cours. On y parle notamment :
    • d’intégration en temps
    • de la gestion des frontières du domaine de calcul (collisions avec les parois)
    • les interactions entre particules
    • les atomes
    • le comportement collectif et la thermodynamique
    • les fluides comme des ensembles de particules
  • Les aspects pratiques. C’est là qu’on développera les travaux pratiques pour les différentes étapes du cours théorique et qu’on mettra en place les sujets des projets en autonomie.

Dans ce cours, on utilisera principalement les outils suivants, avec lesquels les étudiants et étudiantes doivent être familiers :

On fera aussi usage d’Ovito pour visualiser les résultats de simulations, et de matscipy pour le calcul efficace des forces d’interactions.

Astuce

Une version PDF de ce site web est disponible pour consulter hors-ligne (évitez d’imprimer !).

Évaluation

L’évaluation des étudiants et étudiantes se fera sur la base d’une présentation orale (30%) de leur projet en autonomie et d’un rapport écrit synthétisant leur travail (40%). Une présentation et un rapport intermédiaire, qui conclueront le dernier TP, seront aussi évalués (30%) afin de se familiariser à la rédaction d’un rapport et la présentation d’un travail scientifique.

Lectures et média recommandés

Vous trouverez ci-dessous trouverez une liste de ressources utile à votre projet, par thème

Python pour la programmation scientifique

Méthodes discrètes

Productions scientifiques : figures et rapports

Vidéos

“Coding Adventure: Simulating Fluids” de Sebastian Lague est une excellente introduction à divers concepts que l’on traitera (avec plus de rigueur) lors des TP et du projet.

Note — Licence et réutilisation

Le contenu de ce cours (hormis les figures sourcées qui ne sont pas mon travail) est placé sous licence Creative Commons Attribution-ShareAlike 4.0 license, ce qui implique que toute personne est libre :

  • De partager le contenu de ce cours
  • D’adapter le contenu de ce cours

Sous réserve d’attribution (citer la source du matériel partagé) et de partager sous les mêmes conditions, en donnant aux autres les libertés ci-dessus. Si vous trouvez ce contenu de cours utile à l’enseignement, ou que vous avez des suggestions, vous pouvez me le faire savoir.

Fiorelli Vilmart, Shaula, et Gilles Vilmart. 2017. « Computing the Long Term Evolution of the Solar System with Geometric Numerical Integrators ». Snapshots of Modern Mathematics from Oberwolfach;2017, 09. https://doi.org/10.14760/SNAP-2017-009-EN.
Rougier, Nicolas P. 2021. Scientific Visualization: Python + Matplotlib.
Rougier, Nicolas P., Michael Droettboom, et Philip E. Bourne. 2014. « Ten Simple Rules for Better Figures ». PLOS Computational Biology 10 (9): e1003833. https://doi.org/10.1371/journal.pcbi.1003833.