Les modèles numériques sont très utilisés en recherche appliquée. Il y a quelques jours j'assistais à un petit exposé sur le sujet. Entre l'amélioration des algorithmes (facteur dominant) et l'amélioration des machines, certains problèmes sont résolus des millions de fois plus rapidement aujourd'hui qu'il y a 30 ans. (Sans compter le parallélisme!) Deux applications concrètes:
la météo: l'amélioration des méthodes a permis de faire des prédictions plus fines géographiquement (disons qu'on est passé de l'échelle du département à celle de la ville) plus fiables (en gros fiabilité de la prédiction à 24h de 0,9 contre 0,6 avant) et dans le temps (en gros fiabilité 0,5 pour la prédiction sur une semaine: on a remplacé les jours par des semaines).
l'industrie automobile: le coût unitaire du crash-test (comportement d'un prototype dans un accident) est de l'ordre de 2 millions d'euros, sans économie d'échelle les simulations numériques coûtent 10 fois moins cher pour la première et les simulations supplémentaires dans les 40 milliers d'euros: les simulations permettent de faire des crash-tests beaucoup plus utiles et le coût de ces essais dans la production d'un véhicule diminue.
(Je ne me souviens sûrement pas très bien des chiffres --- pas pris de notes! --- mais les ordres de grandeurs relatifs doivent être à peu près corrects.)
[^] # Re: À quoi servent tous ces flops ?
Posté par Michaël (site web personnel) . En réponse à la dépêche Sortie du Top 500 de juin 2011. Évalué à 5.
Les modèles numériques sont très utilisés en recherche appliquée. Il y a quelques jours j'assistais à un petit exposé sur le sujet. Entre l'amélioration des algorithmes (facteur dominant) et l'amélioration des machines, certains problèmes sont résolus des millions de fois plus rapidement aujourd'hui qu'il y a 30 ans. (Sans compter le parallélisme!) Deux applications concrètes:
la météo: l'amélioration des méthodes a permis de faire des prédictions plus fines géographiquement (disons qu'on est passé de l'échelle du département à celle de la ville) plus fiables (en gros fiabilité de la prédiction à 24h de 0,9 contre 0,6 avant) et dans le temps (en gros fiabilité 0,5 pour la prédiction sur une semaine: on a remplacé les jours par des semaines).
l'industrie automobile: le coût unitaire du crash-test (comportement d'un prototype dans un accident) est de l'ordre de 2 millions d'euros, sans économie d'échelle les simulations numériques coûtent 10 fois moins cher pour la première et les simulations supplémentaires dans les 40 milliers d'euros: les simulations permettent de faire des crash-tests beaucoup plus utiles et le coût de ces essais dans la production d'un véhicule diminue.
(Je ne me souviens sûrement pas très bien des chiffres --- pas pris de notes! --- mais les ordres de grandeurs relatifs doivent être à peu près corrects.)