Présentation générale
Les moyens de calcul performants et l'amélioration constante de la précision des simulations numériques et des mesures expérimentales auxquelles elles sont confrontées, amènent une nouvelle étape obligatoire pour renforcer la fiabilité des résultats de simulation : la quantification de l'incertitude.
Celle-ci peut avoir différentes significations, selon les objectifs recherchés (classer les sources d'incertitude, les réduire, estimer précisément un seuil critique ou un point de fonctionnement optimal) et elle peut faire appel à des méthodes mathématiques plus ou moins complexes.
La plateforme Uranie s'inscrit dans le cadre de travail open-source actuellement développé au Commissariat à l'Energie Atomique et aux Energies Alternatives (CEA), dans la division des énergies, afin de traiter la propagation de l'incertitude, les modèles de substitution, les questions d'optimisation, la calibration de code, etc.
Cette plateforme bénéficie à la fois de ses dépendances, mais aussi de développements personnels, pour offrir un modèle de traitement des données efficace, un interpréteur C++ et Python, des outils graphiques avancés, plusieurs solutions de parallélisation, etc.
Ces méthodes sont très génériques et peuvent donc être appliquées à de nombreux domaines de la physique et à de nombreux types de codes qu’Uranie utilise comme des "boîtes noires".
Celle-ci peut avoir différentes significations, selon les objectifs recherchés (classer les sources d'incertitude, les réduire, estimer précisément un seuil critique ou un point de fonctionnement optimal) et elle peut faire appel à des méthodes mathématiques plus ou moins complexes.
La plateforme Uranie s'inscrit dans le cadre de travail open-source actuellement développé au Commissariat à l'Energie Atomique et aux Energies Alternatives (CEA), dans la division des énergies, afin de traiter la propagation de l'incertitude, les modèles de substitution, les questions d'optimisation, la calibration de code, etc.
Cette plateforme bénéficie à la fois de ses dépendances, mais aussi de développements personnels, pour offrir un modèle de traitement des données efficace, un interpréteur C++ et Python, des outils graphiques avancés, plusieurs solutions de parallélisation, etc.
Ces méthodes sont très génériques et peuvent donc être appliquées à de nombreux domaines de la physique et à de nombreux types de codes qu’Uranie utilise comme des "boîtes noires".