teaching:progappchim:epidemie_coronavirus

Anonymous (anonymous@undisclosed.example.com) — 2020-07-13T04:04:29+00:00

Épidémie du coronavirus COVID-19 Références : * Coronavirus disease 2019 * Maladie à coronavirus 2019 * Coronavirus COVID-19 Global Cases by Johns Hopkins CSSE * Coronavirus (COVID-19) Mortality Rate * data : Programmes de représentations FIXME Quelques simulations SEIR effectuées par des scientifiques : * Marius Gilbert (ULB/FNRS, Spatial Epidemiology lab (SpELL),

teaching:progappchim:fit_modele_einstein

Anonymous (anonymous@undisclosed.example.com) — 2015-04-01T15:47:31+00:00

Optimisation de la température caractéristique du diamant suivant le modèle d'Einstein Ce modèle prévoie la dépendance à la température de la capacité calorifique d’un solide cristallin. La détermination de la température caractéristique nécessite de

teaching:progappchim:start

Anonymous (anonymous@undisclosed.example.com) — 2023-03-13T10:14:25+00:00

Programmation appliquée à la chimie Aux dernières nouvelles (14/12/2022) Serhiy Storchaka vit toujours en Ukraine, à 20 km de Konotop !! Le cours “Programmation appliquée à la chimie” de bachelier en sciences chimiques (15 H cours et 15 H exercices, bloc2) utilise deux supports :

teaching:progappchim:entropie_melange

Anonymous (anonymous@undisclosed.example.com) — 2021-03-09T11:24:33+00:00

Entropie de mélange pour un gaz ou liquide idéal #! /usr/bin/env python # -*- coding: utf-8 -*- """ représentation graphique de l'entropie de mélange d'un système idéal """ import numpy as np # voir http://docs.scipy.org/doc/ import matplotlib.pyplot as plt def s(t): return t*np.log(t) + (1-t) * np.log(1-t) x1 = np.arange(0.0, 1., 0.001) plt.plot(x1, s(x1), 'b-') #plt.plot(x1, x1*np.log(x1) + (1-x1) * np.log(1-x1), 'b-') #autre façon, n'utilisant pas la fonction plt.show() # des m…

teaching:progappchim:polynomes-12

Anonymous (anonymous@undisclosed.example.com) — 2022-12-08T17:49:25+00:00

Utilisation de polynômes orthogonaux avec NumPy Voici un programme permettant d'obtenir le même graphe que celui obtenu précédemment, en utilisant les modules spécifiques de NumPy. Cet exemple montre tout l'intérêt d'utiliser des modules pré-existants. Le programme est réduit à 3 lignes pour l'importation, 4 pour la création des graphes et 4 pour commander la représentation.

teaching:progappchim:random_walk_2d-simple

Anonymous (anonymous@undisclosed.example.com) — 2021-03-09T11:22:18+00:00

Marche aléatoire 2D simple Dans les modèles les plus simples, on considère un polymère comme un ensemble de segments faisant entre eux un angle quelconque (freely jointed chain). Ce problème est aussi dénommé “marche aléatoire” (random walk) en mathématique ou physique. Il peut aussi rendre compte d'autres phénomènes tel que celui de la diffusion. Après simulation, vous comprendrez pourquoi on appelle

teaching:progappchim:matplotlib_gallery:potentiel_morse

Anonymous (anonymous@undisclosed.example.com) — 2020-02-25T10:04:25+00:00

Potentiel de Morse Potentiel de Morse et approximation harmonique, avec représentation des niveaux d'énergie des modèles quantiques correspondants. Code source : #! /usr/bin/env python # -*- coding: utf-8 -*- """ Représentation du potentiel de Morse pour H2 http://en.wikipedia.org/wiki/Morse_potential http://en.wikipedia.org/wiki/Quantum_harmonic_oscillator approximation harmonique D_e = 7.6E-19 J a = 19.3E-15 m r_e= 74.1E-12 m dérivée de seconde d2V/dr2 = 2 * D_e * a**2. """ import matplot…