Sciences numériques

Résumé

Les sciences numériques (traduction de l'anglais computational sciences), autrement dénommées calcul scientifique ou informatique scientifique, ont pour objet la construction de modèles mathématiques et de méthodes d'analyse quantitative, en se basant sur l'utilisation des sciences du numérique, pour analyser et résoudre des problèmes scientifiques. Cette approche scientifique basée sur un recours massif aux modélisations informatiques et mathématiques et à la simulation se décline en : médecine numérique, biologie numérique, archéologie numérique, mécanique numérique, par exemple. Les modélisations numériques permettent aux sciences d'évoluer en introduisant des outils de simulation, c'est-à-dire d'expérimentation numérique. Ces outils d'investigation diffèrent de développements théoriques ou d'expériences de laboratoire qui sont les formes traditionnelles d'investigation de la science et de l'ingénierie. L'approche à partir de l'analyse de modèles mathématiques mis en œuvre à travers des simulations numériques permet de gagner en compréhension. Des algorithmes modélisent les mécanismes étudiés et permettent de les représenter, et/ou de visualiser leurs développements futurs calculés. Ces techniques font l'objet de formations spécifiques. Ces techniques requièrent, pour garantir la reproductibilité des expériences numériques, d'archiver et documenter les données et le code utilisé pour obtenir les résultats. Fortran, langage historique pour le calcul scientifique, reste populaire pour la plupart des applications de calcul scientifique. Les autres langages de programmation et systèmes de calcul formel couramment utilisés incluent le langage C, C++, Julia, Maple, Mathematica, MATLAB et GNU Octave, Python (avec la bibliothèque SciPy), Perl (avec la bibliothèque PDL), R, et Scilab, Haskell. Les programmes permettant de réaliser des calculs intensifs utilisent souvent des routines en C ou Fortran, ainsi que des bibliothèques d'algèbre optimisées telles que BLAS ou LAPACK.

Source officielle

https://fr.wikipedia.org/wiki/Sciences_numériques

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (24)

Personnes associées (20)

, , , , , , , , ,

Unités associées (2)

Concepts associés (85)

La biologie computationnelle (parfois appelée biologie numérique) est une branche de la biologie qui implique le développement et l'application de méthodes d'analyse de données, d'approches théoriques, de modélisation mathématique et de techniques de simulation computationnelle pour étudier des systèmes biologiques, écologiques, comportementaux et sociaux. Le domaine est largement défini et comprend des fondements en biologie, mathématiques appliquées, statistiques, biochimie, chimie, biophysique, biologie moléculaire, génétique, génomique, informatique et évolution.

Scilab (prononciation : contraction de Scientific Laboratory en anglais) est un logiciel libre de calcul numérique multi-plateforme fournissant un environnement de calcul pour des applications scientifiques. Il possède un langage de programmation orienté calcul numérique de haut niveau. Il peut être utilisé pour le traitement du signal, l’analyse statistique, le , les simulations de dynamique des fluides, l’optimisation numérique, et la modélisation et simulation de systèmes dynamiques explicites et implicites.

Un ordinateur est un système de traitement de l'information programmable tel que défini par Alan Turing et qui fonctionne par la lecture séquentielle d'un ensemble d'instructions, organisées en programmes, qui lui font exécuter des opérations logiques et arithmétiques. Sa structure physique actuelle fait que toutes les opérations reposent sur la logique binaire et sur des nombres formés à partir de chiffres binaires.

Afficher plus

Cours associés (60)

Visual computing and machine learning are characterized by their reliance on numerical algorithms to process large amounts of information such as images, shapes, and 3D volumes. This course will famil

The course provides an introduction to scientific computing. Several numerical methods are presented for the computer solution of mathematical problems arising in different applications. The software

This course prepares students to use modern computational methods and tools for solving problems in engineering and science.

Afficher plus

Séances de cours associées (388)

Explore les simulations moléculaires, les techniques d'échantillonnage améliorées, les coordonnées des réactions et les méthodes d'échantillonnage d'événements rares dans des systèmes complexes.

Couvre les bases de l'informatique scientifique avec Python, se concentrant sur la programmation, les algorithmes et les méthodes numériques.

Explore les méthodes numériques pour résoudre les systèmes ODE, les régions de stabilité et l'importance absolue de la stabilité.

Afficher plus

MOOCs associés (12)

The course introduces the theoretical foundations to choice modeling and describes the steps of operational modeling.

Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t

Afficher plus

Sciences numériques

Technology Strategy in Dynamic Environments: A Computational Analysis of the Automation of Routines, the Organization of AI, and the Evaluation of Technology Risk

Microscopic picture of paraelectric perovskites from structural prototypes

Technology Strategy in Dynamic Environments: A Computational Analysis of the Automation of Routines, the Organization of AI, and the Evaluation of Technology Risk

Microscopic picture of paraelectric perovskites from structural prototypes