oceananigans.jl

Oceananigans.jl es un paquete de software de Julia para simulaciones por volúmenes finitos de las ecuaciones de Boussinesq no hidrostáticas e hidrostáticas, orientado a la dinámica de fluidos de tipo oceánico. Admite dominios cartesianos y de capa esférica y puede ejecutarse en CPU o en GPU Nvidia habilitadas para CUDA; la ejecución en GPU se habilita cargando CUDA.jl y cambiando el argumento de arquitectura de CPU() a GPU(). El proyecto enfatiza una interfaz de usuario flexible: las simulaciones simples son breves de expresar, mientras que las configuraciones más complejas siguen siendo posibles. Un ejemplo mínimo construye un RectilinearGrid, crea un NonhydrostaticModel con advección WENO, establece campos de velocidad iniciales aleatorios, define una Simulation con un paso de tiempo y un tiempo de parada, y la ejecuta. La documentación cubre scripts de ejemplo, tutoriales sobre objetos y funciones clave, explicaciones de los métodos numéricos de volúmenes finitos, las ecuaciones dinámicas resueltas y una referencia de biblioteca para objetos y funciones orientados al usuario. Los recursos comunitarios incluyen GitHub Discussions para ciencia computacional y características experimentales, un wiki con consejos sobre configuración de Julia, acceso a GPU y flujos de trabajo productivos, además de canales de Slack e historial de issues y PR. El desarrollo está impulsado por la comunidad con contribuyentes académicos e industriales; la infraestructura de pruebas es proporcionada por atdepth y la Climate Modeling Alliance. El paquete tiene licencia MIT y se puede instalar desde el registro de paquetes registrado de Julia, requiriendo Julia 1.10 o posterior. El README enumera varios artículos de desarrollo de modelos que cubren el avance temporal Runge-Kutta, modelado diferenciable del sistema terrestre, advección de momento basada en WENO, núcleos dinámicos oceánicos en GPU y difusividad vertical CATKE, e invita a citar el artículo de descripción general. Los puntos de referencia de rendimiento se rastrean en un panel público, con notas de que la saturación de GPU generalmente necesita aproximadamente diez millones de puntos de cuadrícula o más y que Float32 puede no ser siempre más rápido que Float64 debido a la sobrecarga de conversión.