Scientific Computing I

Modul IN2005

Dieses Modul wird durch Fakultät für Informatik bereitgestellt.

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Modulversion vom WS 2017/8 (aktuell)

Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.

verfügbare Modulversionen
WS 2017/8SS 2012WS 2011/2

Basisdaten

IN2005 ist ein Semestermodul in Englisch auf Master-Niveau das im Wintersemester angeboten wird.

Die Gültigkeit des Moduls ist bis SS 2013.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Katalog der nichtphysikalischen Wahlfächer
GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
90 h 60 h 3 CP

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

The module includes the following scientific computing topics:
- steps of the scientific computing simulation pipeline;
- classification of mathematical models (discrete/continuous, deterministic/stochastic, etc.);
- modeling with ordinary differential equations for the example of population growth;
- numerical solution of systems of ordinary differential equations;
- modeling with partial differential equations (PDE) for the example of fluid dynamics;
- numerical discretization methods for partial differential equations (finite elements, time stepping, grid generation);
- algorithms (grid traversal, data storage and access, matrix assembly) for the example of tree-structured grids;
- analysis of methods and results (adequacy and asymptotic behaviour of models; stability, consistency, accuracy, and convergence of numerical methods; sequential and parallel performance of simulation codes).

An outlook will be given on the following topics:
- implementation (architectures, parallel programming, load distribution, domain decomposition, parallel numerical methods);
- visualization for the example of fluid dynamics;
- embedding in larger simulation environments (example fluidstructure interactions);
- interactivity and computational steering.

Lernergebnisse

At the end of the module, participants know the steps of the scientific computing pipeline. They are able to classify and derive simple models, to analyse crticial points and asymptotic behaviour, and to apply common discretization methods as well as explicit and implicit time stepping schemes to a given PDE model. They know the basic approaches and are able to analyse the adequacy and accuracy of numerical methods and underlying models. In addition, students understand typical grid generation, grid traversal, data storage, matrix assembly, parallelization, and visualization issues and understand examples for solution strategies and performance analysis measures.

Voraussetzungen

Students should have basic knowledge in differential calculus and linear algebra.

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

ArtSWSTitelDozent(en)Termine
VO 2 Scientific Computing 1 (IN2005) Mo-Hellenbrand, A. Seckler, S.
Leitung/Koordination: Bader, M.
Mi, 10:00–12:00, MI 00.04.011
UE 2 Practical Scientific Computing 1 (IN2005) Mo-Hellenbrand, A. Seckler, S.
Leitung/Koordination: Bader, M.
Termine in Gruppen

Lern- und Lehrmethoden

This module comprises lectures and accompanying tutorials. The contents of the lectures will be taught by talks and presentations. Students will be encouraged to study literature and to get involved with the topics in depth. In the tutorials, concrete problems will be solved - partially in teamwork - and selected examples will be discussed.

Medienformen

Slides, whiteboard, exercise sheets

Literatur

- A.B. Shiflet and G.W. Shiflet: Introduction to Computational Science, Princeton University Press
- Golub, Ortega: Scientific Computing: An Introduction with Parallel Computing, Academic Press, 1993
- Strang: Computational Science and Engineering, Cambridge University Press, 2007
- Tveito, Winther: Introduction to Partial Differential Equations - A Computational Approach, Springer, 1998
- Boyce, DiPrima: Elementary Differential Equations and Boundary Value Problems, Wiley, 1992 (5th edition)
- Stoer, Bulirsch: Introduction to Numerical Analysis, Springer, 1996

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

The examination consists of a written exam of 90 minutes in which students show that they are able to find solutions for problems arising in the field of scientific computing in a limited time. Assignments focusing on discretization methods will ensure that students are able to analyze the accuracy of a method and are able to discretize a given differential equation in space and in time. For examples of algorithms students show that they are able to analyze the performance and interprete the results. Questions test the student's knowledge of different parts of the simulation pipeline.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.

Kondensierte Materie

Wenn Atome sich zusammen tun, wird es interessant: Grundlagenforschung an Festkörperelementen, Nanostrukturen und neuen Materialien mit überraschenden Eigenschaften treffen auf innovative Anwendungen.

Kern-, Teilchen-, Astrophysik

Ziel der Forschung ist das Verständnis unserer Welt auf subatomarem Niveau, von den Atomkernen im Zentrum der Atome bis hin zu den elementarsten Bausteinen unserer Welt.

Biophysik

Biologische Systeme, vom Protein bis hin zu lebenden Zellen und deren Verbänden, gehorchen physikalischen Prinzipien. Unser Forschungsbereich Biophysik ist deutschlandweit einer der größten Zusammenschlüsse in diesem Bereich.