Julia
關注創(chuàng)建者：匿名 創(chuàng)建時間：2021-07-23
Julia的視頻教程
Julia的實例教程
三、交互性編程
我們指出，類似于IPython，Julia中的IJulia package也可以讓Julia的所有編譯過程在Jupyter notebook里進行。我個人是很喜歡在這個環(huán)境里進行Julia編程的（詳見：JuliaLang/IJulia.jl）。當然，我知道也有不少人喜歡Juno的：Juno, the Interactive Development Environment 可能這個更有碼農(nóng)的感覺吧hhh
進一步的，我們可以有很多交互式的操作，這在Julia中主要通過Interact package實現(xiàn)。比如，我們可以自定義slider，按鈕等對一個參數(shù)曲線進行互動。一個例子見如下視頻，或者JuliaGizmos/Interact.jl。
Interact in Julia
vimeo.com
至于各種畫圖，我傾向于使用Plots這個package。入門可以見：Plots - powerful convenience for visualization in Julia.
四、寫在最后
自然，本文給出的只是很少的一些例子和對Julia這門編程語言的最基本的介紹。無論你只是希望有個方便的語言調用solver，或者做數(shù)值計算居多，還是比較高級的優(yōu)化算法專家，多實踐，一邊"get hands dirty"一邊學習我覺得總是最有效率的。
首當其沖的是Julia官網(wǎng)上提供的大量學習資源：包括視頻，具體的算例，和各種pdf教程。
Learning Julia3 ulialang.org
作為Julia cofounder之一的Prof.
展開 julia與Python中一樣，默認情況下都是淺拷貝，如果想要進行深拷貝，可以直接使用內(nèi)建的copy函數(shù)：
a = [1,2,3] # 3-element Array{Int64,1}: # 1 # 2 # 3 b = a # 淺拷貝 # 3-element Array{Int64,1}: # 1 # 2 # 3 b[1] = 111 # 111 a,b # ([111, 2, 3], [111, 2, 3]) c = copy(a) # 深拷貝 # 3-element Array{Int64,1}: # 111 # 2 # 3 c[1] = 1 # 1 a, b ,c # ([111, 2, 3], [111, 2, 3], [1, 2, 3]) 復制代碼
以上是Julia中基本的數(shù)據(jù)結構。
作者：haoxiangchn
來源：掘金
展開 Julia set是一種用簡單的表達式生成的復雜分型，一般的Julia set只需要使用的表達式反復迭代便可以得到這樣的圖像。
雖然這個表達式很簡單，但是具體要怎么使用這個表達式來生成Julia set的圖像呢，今天來介紹下Python的實現(xiàn)方式。
關于Julia set有很多種實現(xiàn)方式，這篇文章介紹的是反向迭代法(Inverse Iteration Method，簡稱IIM)的一種改進方案。IIM的原理就是，我們從一個已知存在于Julia set的點中開始反向迭代。正常來說我們是把表達式的結果帶入下一個表達式迭代，而反向迭代則是我們不斷地解x的值帶入下一次迭代。這種方法的好處就是，每一次迭代出來的點都一定是存在于Julia set中的。
IIM方法的性能比傳統(tǒng)的BSM高很多，但是存在一些問題，IIM方法對于特定的c值給出的圖像質量很差，因為原理限制，它很難迭代到“內(nèi)部”的點，看起來有些發(fā)虛。下圖是對比，左邊是IIM，右邊是質量較高的圖像。
而又因為IIM方法每次迭代都會產(chǎn)生兩個新的根，這個根生成的過程就好像二叉樹一樣。導致IIM的迭代次數(shù)是呈指數(shù)上升的，我們沒辦法簡單通過增加迭代層數(shù)來獲得更好的圖像。如果迭代層數(shù)是N，那么實際迭代次數(shù)就是2^N。這個代價實在太高了，我們必須找一個別的方法。
這里就引入了我們主題中提到的MIIM，MIIM實際上就是Modified IIM。是對原有的IIM進行改進，解決了圖像質量問題的IIM。下面的文章來介紹MIIM的具體實現(xiàn)方法。
然后是一個把復數(shù)映射到平面上的工具函數(shù)。
MIIM算法主體：
MIIM維護一個矩陣，每當有點被迭代到，都會使對應的矩陣項值加1。但是這里我們?nèi)藶樵O置了一個上限bailout。
展開 學東西要通過實例來學，在理解算法的同時，Julia也會了，不用特地去學習Julia的語法,需要用到啥就去學習啥，報錯了就去查錯。學習效果肯定比直接拿一本書就啃要好的。
一開始呢，我們先講我們后面課程程序設計的工具，Julia，也就是我們算法的載體。為什么我們最終選擇了Julia（https://julialang.org/），而沒有選擇matlab或者python呢
Julia的最新內(nèi)容
目前，正在開發(fā) Java、JavaScript、Julia、Matlab、R 等的 API。
使用 CPU、GPU 輕松部署和計算： TensorFlow 支持在 CPU 和 GPU 上訓練和構建模型。計算可以在 CPU 和 GPU 上完成，也可以進行比較。
包含預先訓練的模型和數(shù)據(jù)集： Google 在 TensorFlow 中包含了許多數(shù)據(jù)集和預訓練模型。
3DIC設計和客戶的各種分析需求，我們也將在本次webinar中進行分享
演講人介紹
Julia
主要使用的是Julia對文本數(shù)據(jù)進行處理。而提取的主要依據(jù)就是晶格畸變參數(shù)，位錯的位置就是晶體晶格畸變參數(shù)明顯的原子組的定位，在lammps模擬過程中，我們添加了晶格畸變參數(shù)的計算，以便對數(shù)據(jù)文本的處理。提取后的效果是比較明顯的，模型中最后只留下了產(chǎn)生位錯的原子組合。
位錯提取前（左）與提取后（右）
模擬結果
由于合金含量不同，單一位錯開動的是不一樣的。
學東西要通過實例來學，在理解算法的同時，Julia也會了，不用特地去學習Julia的語法,需要用到啥就去學習啥，報錯了就去查錯。學習效果肯定比直接拿一本書就啃要好的。
T&E高級總監(jiān)Julia Poliscanova表示，電池行業(yè)正在積極應對歐洲的電動汽車雄心，但歐盟政策制定者未能提供監(jiān)管確定性，也未能確保電動汽車有足夠的市場。歐盟和英國必須在未來十年內(nèi)提高二氧化碳排放標準，以避免浪費數(shù)十億美元的投資和破壞電池產(chǎn)業(yè)建廠熱潮。
更改路徑到自己的文件夾{PythonEnv}\Lib\site-packages\wind32com\client\ （如，cd C:\Users\Julia.Zhang\AppData\Local\Programs\Python\Python36\Lib\site-packages\win32com\client）
輸入“python makepy.py” 并按回車。
加州理工學院
Ye Shi
和
Julia R. Greer
團隊
開發(fā)了一種水凝膠膜，該膜包含具有高表面積的分層三維微觀結構，兼具了兩種功能并可以用作全天的淡水收集器。
在晚上，水凝膠膜可有效捕獲霧滴并將其定向輸送到存儲容器中。在白天，它充當界面太陽蒸汽發(fā)生器，通過改善的熱/蒸汽流管理，在1個太陽下可實現(xiàn)3.64 kg m-2 h-1的高蒸發(fā)率。
歐洲非政府組織交通與環(huán)境（Transport&Environment）的車輛和電動出行高級總監(jiān)Julia Poliscanova表示，該組織自己的研究表明，在內(nèi)燃機模式下駕駛時，PHEV車型的二氧化碳排放量比傳統(tǒng)汽車更高（由于比傳統(tǒng)內(nèi)燃機車型更重，所以需要消耗更多的燃料）。所以從環(huán)境和氣候的角度來看，今天的PHEV技術比傳統(tǒng)內(nèi)燃機技術更糟糕。
此課附件包含兩個基于Julia寫的兩個代碼（Julia的安裝與基本操作視頻看完主頁的julia課程），PPT和完整視頻（免費完整視頻在我主頁課程里面），免費分享給大家，希望有興趣，覺得此視頻還有點用的同學關注我，后續(xù)會有更加精彩的內(nèi)容。
Share1.zip
第一課 .pdf
一開始呢，我們先講我們后面課程程序設計的工具，Julia，也就是我們算法的載體。為什么我們最終選擇了Julia（https://julialang.org/），而沒有選擇matlab或者python呢
