• Software: TFS - Turtle Flow Simulator

  • Linguagem C++

  • Objetivo:  Simulações de reservatório unidimensional.

A seguir informações destes softwares.

• Nome do Software (ou Biblioteca):

  • TFS - Turtle Flow Simulator

• Versão: 

  • 0.3.

• Autor contato: 

  • Wagner Queiroz Barros <wagnerqb@gmail.com>

• Autores: 

  • Pedro Linhares 

  • Wagner Queiroz Barros

  • André Duarte Bueno (supervisão)

• Áreas de pesquisa vinculadas: 

  • Simulação de Reservatório

  • Engenharia de Reservatório

  • Modelagem Matemática Computacional

• Vinculo com: 

  • Disciplinas de Desenvolvimento de Software Orientado a Objeto com C++ e Simulação de Reservatório

• Paradigmas: 

  • POO - Programação Orientada a Objeto

• Tipo de Interface: 

  • GUI - Interface Gráfica Completa (menu/barra tarefas, barra status, diálogos e janelas)(C++/Qt/QWT);

• Plataformas Suportadas: 

  • Windows e GNU/Linux e Mac OS X (não testada)

• Linguagens Utilizadas: 

  • C++ 11

• Bibliotecas Utilizadas (dependências): 

  • Qt

  • QWT

• Grau de Sofisticação dos Modelos Numéricos: 

  • Avançado_1

• Grau de Sofisticação dos Modelos Computacionais: 

  • Avançado_1

• Grau de Sofisticação da Documentação para o Desenvolvedor (código): 

  • Leiame; Install; ToDo/Tarefas; Bugs; Diagramas UML 

  • Códigos bem documentados

• Grau de Sofisticação da Documentação para o Usuário (manual do software): 

  • Tem manual do usuário simples

• Grau de Sofisticação dos Testes: 

  • Alguns poucos testes de unidade

• O Software foi registrado: 

  • Não

• Tipo de Licença: 

  • GPL

• Links:

  • Entre em contato

  • Projeto final entregue - trabalho final da disciplina.

• Comentário e/ou informação extra: 

  • Objetivo: 

    • • Simulações de reservatório unidimensional.

  • Trabalhos futuros:

• • • Colocar no formato padrão do LDSC (em desenvolvimento).

    • Otimizações simples.

A seguir imagens ilustrativas.

• Software: Desenvolvimento de um Pacote de Redes Neurais Artificiais em C++

  • Linguagem: Python e C++

  • Objetivo: Uso de métodos de inteligência artificial, teste de mecanismos de processamento paralelo. Projeto futuro visa desenvolver pacote termodinâmico composicional utilizando aprendizado de máquina para melhoria de desempenho.

A seguir informações destes softwares.

• Nome do Software (ou Biblioteca):

  • Desenvolvimento de um Pacote de Redes Neurais Artificiais em C++

• Versão: 

  • 0.3.

• Autor contato: 

  • Wagner Queiroz Barros <wagnerqb@gmail.com>

• Autores: 

  • Wagner Queiroz Barros

  • André Duarte Bueno (supervisão)

• Áreas de pesquisa vinculadas: 

  • Inteligência Artificial

  • Redes Neurais

  • Simulação de Reservatório

  • Engenharia de Reservatório

  • Modelagem Matemática Computacional

• Vinculo com: 

  • Disciplinas de Processamento Paralelo e Concorrente

• Paradigmas: 

  • POO - Programação Orientada a Objeto

• Tipo de Interface: 

  • GUI - Interface Gráfica Completa (menu/barra tarefas, barra status, diálogos e janelas)(C++/Qt/QWT);

• Plataformas Suportadas: 

  • Windows e GNU/Linux e Mac OS X (não testada)

• Linguagens Utilizadas: 

  • Python

  • C++

• Bibliotecas Utilizadas (dependências): 

  • Qt

  • QWT

• Grau de Sofisticação dos Modelos Numéricos: 

  • Avançado_1

• Grau de Sofisticação dos Modelos Computacionais: 

  • Avançado_1

• Grau de Sofisticação da Documentação para o Desenvolvedor (código): 

  • Leiame; Install; ToDo/Tarefas; Bugs; Diagramas UML 

  • Códigos bem documentados

• Grau de Sofisticação da Documentação para o Usuário (manual do software): 

  • Tem manual do usuário simples

• Grau de Sofisticação dos Testes: 

  • Alguns poucos testes de unidade

• O Software foi registrado: 

  • Não

• Tipo de Licença: 

  • GPL

• Links:

  • Entre em contato

  • Projeto final entregue - trabalho final da disciplina.

• Comentário e/ou informação extra: 

  • O objetivo final é trabalhar com simulações de reservatório, isto passa por desenvolver um pacote termodinâmico composicional utilizando aprendizado de máquina para melhoria de desempenho. Na disciplina foi desenvolvida parte inicial de modelo de redes neurais e feitas comparações de desempenho utilizando diferentes técnicas de processamento paralelo (múltiplos processos e múltiplas threads). Comparações de desempenho foram feitas usando kcachegrind.

  • Trabalhos futuros:

    • Colocar no formato padrão do LDSC (em desenvolvimento).

A seguir imagens ilustrativas.