Calcul scientifique
Dépôt GitHubBenchmark de réaction-diffusion
La même simulation, deux backends Python et une comparaison rigoureuse de la vitesse et de la cohérence numérique.
Contexte: Calcul scientifique, simulation numérique et performance Python
Période: 2026
Résumé
Le benchmark exécute le même modèle FitzHugh-Nagumo bidimensionnel avec NumPy vectorisé et Numba parallèle. États, équations et itérations identiques permettent de comparer durée, erreur numérique et significativité.
D'entrées identiques à une comparaison de performance fondée
État initial
Les deux backends reçoivent la même grille et les mêmes paramètres
NumPy
L'implémentation vectorisée exécute la référence
Numba
Le backend compilé parallèle résout les mêmes équations
Vérification
Durée, erreur numérique et significativité sont mesurées
Rapports
Tableaux et graphiques rendent les résultats comparables
Ce que le système prend en charge
Simule un système FitzHugh-Nagumo bidimensionnel.
Compare NumPy et Numba dans des conditions identiques.
Utilise des limites périodiques et une diffusion à quatre voisins.
Produit CSV, graphiques et comparaisons statistiques.
Benchmark apparié mesuré
Dix échantillons appariés de 300 itérations par grille dans des conditions identiques.
Accélération Numba
8,50×
NumPy en 64 × 64
Accélération Numba
3,77×
NumPy en 128 × 128
Accélération Numba
2,44×
NumPy en 256 × 256
Test t apparié
< 0,001valeur p
Toutes les grilles
Erreur absolue maximale
2,3e-6–2,6e-6
Numba face à NumPy
Technologie
Stack
Domaines
Explorateur du benchmark
Résultats de benchmark précalculés
Numba comparé à la référence NumPy
Choisissez une taille de grille pour comparer durée moyenne, accélération mesurée et cohérence numérique.
plus rapide que la référence NumPy
- Erreur absolue maximale
- 2.56e-6
- Test t apparié
- p = 7.50e-4
- Échantillons × itérations
- 10 × 300
Source : fichiers CSV du benchmark avec dix échantillons appariés de 300 itérations par grille. L'exécution reste dans le workflow du dépôt.
Voir les fichiers CSV sources sur GitHubConclusions
- Numba réduit la durée pour chaque taille de grille testée.
- Plusieurs tailles montrent l'évolution de l'accélération.
- L'erreur numérique reste visible avec la performance et proche de NumPy.
Vous souhaitez examiner l'implémentation ?
Le dépôt contient le code source, les instructions d'installation et l'historique du développement.