Scalable algorithms for fully implicit ocean models
Promotie: dhr. J. Thies, 13.15 uur, Academiegebouw, Broerstraat 5, Groningen
Proefschrift: Scalable algorithms for fully implicit ocean models
Promotor(s): prof.dr. A.E.P. Veldman
Faculteit: Wiskunde en Natuurwetenschappen
Computersimulaties van oceaanstromingen
Klimaatonderzoek is een vakgebied binnen de natuurkunde waarin men vaak is aangewezen op computersimulaties. Experimenteren is lastig vanwege de technische problemen die optreden bij de 'down scaling' van de oceaan naar laboratorium-dimensies. Observaties kunnen maar sporadisch worden gedaan omdat onderzoeksschepen duur zijn en maar op één plek tegelijk kunnen zijn. Meten via satellieten is beperkt tot het oppervlak van de zee. Jonas Thies onderzocht daarom of het mogelijk is om simulaties van oceaanstromingen te vereenvoudigen met behulp van innovatieve numerieke methodes.
De focus hierbij ligt op het begrip van 'schaalbaarheid', waarbij geldt dat een algoritme schaalbaar is als het verfijnen van het rekenrooster tot een evenredige toename in rekenoperaties leidt. Een computerprogramma heet schaalbaar als het gebruiken van meerdere processoren de rekentijd evenredig verkort.
De impliciete aanpak die Thies voorstelt is gebaseerd op het oplossen van gekoppelde stelsels van vergelijkingen, terwijl expliciete modellen eenvoudigere updates van de variabelen gebruiken om van een tijdspunt naar het volgende over te gaan. Zijn impliciete aanpak kan onbeperkt grote tijdstappen nemen, waardoor veel langere tijdperken gesimuleerd kunnen worden, zoals bijvoorbeeld ijstijden. De numerieke uitdagingen zijn echter aanzienlijk groter dan bij expliciete modellen.
Een oceaan is een complex dynamisch systeem dat gevoelig kan reageren op kleine veranderingen van parameters zoals de temperatuur van de atmosfeer. Terwijl traditionele (expliciete) modellen voor elk scenario opnieuw opgestart moeten worden kan de impliciete variant direct parameters variëren en van één situatie naar de volgende overgaan (continuatie). Dit leidt tot duidelijk hogere e ffi ciëntie van impliciete modellen als het erom gaat veel scenarios te testen.
Jonas Thies (Zwitserland, 1980) studeerde informatica aan de KTH Stockholm. Het onderzoek werd uitgevoerd bij de afdeling wiskunde van de RUG en gefinancierd door NWO. Thies zet zijn wetenschappelijk loopbaan voort als postdoc bij het instituut voor interdisciplinaire wiskunde aan de universiteit Uppsala (Zweden).
Laatst gewijzigd: | 13 maart 2020 01:12 |
Meer nieuws
-
20 januari 2025
Een waterbestendige sensor die zichzelf herstelt
Het rekt, plakt, herstelt zichzelf als er een scheurtje ontstaat, het is water- en vorstbestendig, en het geleidt elektriciteit. PhD-student Zeyu Zhang heeft een zogenaamde hydrogel ontwikkeld onder begeleiding van Patrizio Raffa, hoogleraar Slimme...
-
06 januari 2025
Even sparren met een medische AI-assistent
Andra Cristiana Minculescu onderzocht hoe een AI-tool zou kunnen overleggen met een team van medische experts. Vandaag won ze met haar project de impact award van de Faculty of Science and Engineering, Rijksuniversiteit Groningen.
-
06 januari 2025
Hoe een tegendraads idee recycling van rubber mogelijk maakt
Een klein bedrijf in Grootegast maakt fietsmandjes en slippers van gerecycled rubber. Dat is bijzonder, want tot voor kort was het onmogelijk rubber opnieuw te gebruiken. Totdat hoogleraar Chemische Technologie aan de RUG Francesco Picchioni, samen...