当前位置: 首页 > news >正文

PLuTo 编译器示例9-12

9)dsyr2k


#pragma scopfor (i=0; i<NMAX; i++) {for (j=0; j<NMAX; j++) {for (k=j; k<NMAX; k++) {c[j][k] += a[i][j] * b[i][k] + b[i][j] * a[i][k];}}}
#pragma endscop

感觉就是矩阵矩阵乘吧

10)dsyrk

#pragma scopfor (i=0; i<NMAX; i++) {for (j=0; j<NMAX; j++) {for (k=j; k<NMAX; k++) {c[j][k] += a[i][j] * a[i][k];}}}
#pragma endscop

矩阵自己乘?

11)fdtd-1d

这玩意至少得解释一下这个示例是干嘛用的吧?

#pragma scopfor (t=1; t<=T; t++){for (i=1; i<=N-1; i++)e[i] = e[i] - coeff1*(h[i]-h[i-1]);for (i=0; i<=N-1; i++)h[i] = h[i] - coeff2*(e[i+1]-e[i]);}
#pragma endscop

时域有限差分(FDTD)方法是一种3D全波电磁求解器,通常用于纳米光子器件、流程和材料的建模。 在光子学领域,FDTD已成为行业标准,而在高频电子领域,有限元法(FEM)和矩量法(MoM)则是主导性的黄金标准计算电磁求解器,它们各有其自身优势。本文重点介绍光子学仿真中的FDTD。 FDTD于1966年由Kane S. Yee首次提出,是一种求解James Clerk Maxwell变换方程(正式名称为Maxwell方程)的算法方法。这些方程于19世纪被构想出来,不仅统一了电学和磁学,而且还为无线电、电视和无线通信等技术奠定了基础。直到20世纪80年代,Yee的数值方法才被广泛称为“FDTD”。

12)fdtd-2d


#pragma scopfor(t=0; t<tmax; t++)  {for (j=0; j<ny; j++)ey[0][j] = t;for (i=1; i<nx; i++)for (j=0; j<ny; j++)ey[i][j] = ey[i][j] - 0.5*(hz[i][j]-hz[i-1][j]);for (i=0; i<nx; i++)for (j=1; j<ny; j++)ex[i][j] = ex[i][j] - 0.5*(hz[i][j]-hz[i][j-1]);for (i=0; i<nx; i++)for (j=0; j<ny; j++)hz[i][j]=hz[i][j]-0.7*(ex[i][j+1]-ex[i][j]+ey[i+1][j]-ey[i][j]);}
#pragma endscop

Pluto是Julia编程语言的一个新的计算笔记本。计算笔记本是一种在web浏览器中编程的方法,可以在一个地方存储代码、注释和输出,包括图形。随着Jupyter notebook的出现,它们变得流行起来,Jupyter最初针对Julia、Python和R——这些名字混合在一起形成了“Jupyter”这个词。

Pluto在很多方面与我之前写过的Jupyter相似。它使用基于输入和输出单元的相同基本交互模式;这两种笔记本格式都非常适合探索、共享计算和教育。在之前的一篇文章中,我回顾了Julia自两年前1.0版本发布以来的进展。它还详细介绍了Julia在科学计算领域的特殊吸引力。不熟悉Julia的读者可能想回顾一下之前的一些文章;在这里,我完全专注于冥王星。

和朱莉娅一样,布鲁托也有麻省理工学院的执照。它由Fons van der Plas和Mikołaj Bochenski创建,自2020年3月以来一直在GitHub上开发。尽管它最近才上市,但它已经足够成熟,可以认真使用;事实上,它正在麻省理工学院的一门开放课程中使用。但用户应该记住,截至本文撰写时,版本号仅为0.12.4;程序的行为当然不是一成不变的。Pluto会在启动时通知用户存储库中是否有更新的版本。

想要立即试用Pluto并且没有安装Julia的读者可以使用Binder服务运行一个只有网络浏览器的笔记本电脑。当用户访问此页面时,它会在服务器上启动一个Julia实例,并打开一个可供实验的笔记本界面。无论是通过Binder打开还是在本地运行,笔记本都为用户提供了一个初始页面,可以选择打开示例、现有或新笔记本。这一系列示例笔记本为冥王星的使用提供了极好的实践介绍。

http://www.lryc.cn/news/572631.html

相关文章:

  • 让大模型“更懂人话”:对齐训练(RLHF DPO)全流程实战解析
  • Python实例题:基于 Apache Kafka 的实时数据流处理平台
  • 腾讯云COS“私有桶”下,App如何安全获得音频调用流程
  • React Native【实战范例】弹跳动画菜单导航
  • 2025-06-20 VLC 查看视频时候是如何知道 RTP 图像包是通过 TCP 还是 UDP 协议传输的呢?
  • cusor资源管理器缩进调整与工具条竖着摆放
  • 【Java学习笔记】线程基础
  • C++实例化对象与初始化的区别:深入解析与最佳实践
  • EfficientVLA:面向视觉-语言-动作模型无训练的加速与压缩
  • 准备开始适配高德Flutter的鸿蒙版了
  • 观远ChatBI:加速零售消费企业数据驱动的敏捷决策
  • 以太坊节点搭建私链(POA)
  • 【秒杀系统设计】
  • Vue3+TypeScript+ Element Plus 从Excel文件导入数据,无后端(点击按钮,选择Excel文件,由前端解析数据)
  • 拓客软件有哪些?
  • AI Agent开发与安全
  • 企业级文档搜索系统架构设计与实践指南
  • 巧用云平台API实现开源模型免费调用的实战教程
  • 数据库从零开始:MySQL 中的 DDL 库操作详解【Linux版】
  • 从生活场景学透 JavaScript 原型与原型链
  • 链接过程使用链接器将该目标文件与其他目标文件、库文件、启动文件等链接起来生成可执行文件。附加的目标文件包括静态连接库和动态连接库。其中的启动文件是什么意思?
  • 【内存】Linux 内核优化实战 - vm.max_map_count
  • Spring AOP @AfterReturning (返回通知)的使用场景
  • MySQL 分页查询列表;Explain ;深度分页 ;管理系统,筛选系统
  • AR 眼镜之-条形码识别-实现方案
  • 【AI时代速通QT】第二节:Qt SDK 的目录介绍和第一个Qt Creator项目
  • AI人工智能与LLM大语言模型有什么区别
  • Node.js 在前端开发中的作用与 npm 的核心理解
  • 1.22Node.js 中操作 Redis
  • Kafka线上集群部署方案:从环境选型到资源规划思考