Scientific Computing I

Worum geht's

Du lernst die Schritte der Simulations-Pipeline in der Wissenschaftlichen Datenverarbeitung kennen, mit Schwerpunkt auf Modellbildung und Diskretisierung. Am Ende kannst du einfache mathematische Modelle ableiten und klassifizieren sowie geeignete Diskretisierungs- und Zeitintegrationsverfahren anwenden und deren Genauigkeit und Eignung beurteilen.

Was du danach kannst

Schritte der scientific computing Pipeline kennen
Mathematische Modelle klassifizieren und einfache Modelle ableiten
Verhalten von Modellen analysieren (z. B. kritische Punkte, Asymptotik)
Gängige Diskretisierungsmethoden für PDEs und ODEs anwenden
Explizite und implizite Zeitintegratoren einsetzen
Eignung, Stabilität, Konsistenz, Genauigkeit und Konvergenz numerischer Methoden beurteilen
Typische Fehlerquellen und Einschränkungen von Modellen und Diskretisierungen diskutieren
Auswirkungen weiterer Pipeline-Schritte (z. B. Parallelisierung, Visualisierung) auf Modellwahl verstehen
Bewusstsein für gesellschaftliche und wirtschaftliche Relevanz von Simulationsergebnissen entwickeln

Aus was das Modul besteht

VorlesungVermittlung der theoretischen Inhalte und Konzepte durch Vorträge und Präsentationen
Übungen/TutorialsLösen konkreter Aufgaben, teilweise in Teamarbeit, und Besprechung ausgewählter Beispiele

Lehrmethode

Vorträge/PräsentationenEinführung und Erklärung der Inhalte
Selbststudium (Literaturarbeit)Vertiefung einzelner Themen durch eigenständiges Studium der empfohlenen Literatur
Tutorien mit AufgabenAnwendung des Gelernten an konkreten Problemen und Training im Problemlösen

Solltest du schon können

Grundkenntnisse in Differentialrechnung und linearer Algebraempfohlen

Prüfung

Klausurschriftlich

Schriftliche Klausur, 90 Minuten. In der Prüfung musst du Lösungen für Probleme aus dem Bereich Scientific Computing finden, Diskretierungen durchführen, Genauigkeit analysieren und Performance/Ergebnisse von Algorithmen interpretieren. (Keine Hilfsmittel wurden in den Rohdaten angegeben.)

Prüfungstermin25.02. · 11:00–12:302501, Rudolf-Mößbauer-Hörsaal (5101.EG.501)

Literatur

A.B. Shiflet, G.W. Shiflet - Introduction to Computational Science
A. Quarteroni, P. Gervasio - A Primer on Mathematical Modelling
Golub, Ortega - Scientific Computing: An Introduction With Parallel Computing
Strang - Computational Science and Engineering
Tveito, Langtangen, Nielsen, Cai - Elements of Scientific Computing
Tveito, Winther - Introduction to Partial Differential Equations - A Computational Approach
Boyce, DiPrima - Elementary Differential Equations and Boundary Value Problems

Termine

VorlesungScientific Computing 1 (IN2005)

Mi.10:00–12:00
00.04.011, MI Hörsaal 2 (5604.EG.011)
14× · 14.10.–03.02.
- 14.10.
- 21.10.
- 04.11.
- 11.11.
- 18.11.
- 25.11.
- 02.12.
- 09.12.
- 16.12.
- 23.12.
- 13.01.
- 20.01.
- 27.01.
- 03.02.

ÜbungÜbungen zu Scientific Computing 1 (IN2005)2 Gruppen zur Wahl

ADi.14:00–16:00
02.07.023, Seminarraum (Inf. 2/5) (5607.02.023)
15× · 13.10.–02.02.
- 13.10.
- 20.10.
- 27.10.
- 03.11.
- 10.11.
- 17.11.
- 24.11.
- 01.12.
- 08.12.
- 15.12.
- 22.12.
- 12.01.
- 19.01.
- 26.01.
- 02.02.
BMo.16:00–18:00
03.13.010, Seminarraum (5613.03.010)
15× · 12.10.–01.02.
- 12.10.
- 19.10.
- 26.10.
- 02.11.
- 09.11.
- 16.11.
- 23.11.
- 30.11.
- 07.12.
- 14.12.
- 21.12.
- 11.01.
- 18.01.
- 25.01.
- 01.02.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Filter