Problème Inverse (MOCO): Transfert Radiatif et VNET

Objectif

Résolution du problème de propagation de la lumière par la méthode des volumes finis en 2D et apprentissage de la densité par un réseau de neurones (VNet).

Documents

• Indications et travail à faire:
  • doc/guidelines/projetM1.pdf
  • doc/guidelines/csmi-moco.ipynb
• Précédent travail sur le même sujet:
  • doc/references/Rapport de stage M1.pdf
• Délivrables pour ce travail:
  • notebook/ApprentissageVnet.ipynb

1ère partie: Simulation de l'EDP

Les commandes indiquées sont à exécuter à partir du répertoire racine du projet.

Compilation

Utilisez CMake:

• rm -rf build
• cmake -H. -Bbuild
• cmake --build build

Exécution

• Pour une simple exécution : build/transfer src/config/test.cfg
• Pour faire une série de simulations : bash src/simu/data_dump.sh

Format des fichiers de configuration (data/img/config.pdf)

Formats possibles de sauvegarde

• csv: CSV pour les signaux exportés.
• sds: binaire SDS (source-densité-signal) pour la sauvegarde d'une série de simulations.

Visualisation des résultats

• Visualisation des données: notebook/VisualisationDesDonnées.ipynb

2ème partie: Reconstruction de la densité (VNET)

Préparation des données

• Création des densités: notebook/CreationDesDonnees.ipynb
• Traitement des donnes: notebook/TraitementDesDonnees.ipynb

Les données pretraitées et prêtes pour l'apprentissage sont téléchargeables à partir de ce lien sur Seafile (3.1 GB).

Apprentissage

• Reconstruction de la densité: notebook/ApprentissageVnet.ipynb

Ressources utilisées

• muParser: pour transformer des expressions en fonctions: Exemple - Instructions

• cnpy: pour utiliser les tenseurs Numpy en C++ : Description - Utilisation
  Pour utiliser cnpy, il faudra installer la librairie zlib à travers: sudo apt-get install zlib1g-dev)