PDESolverViz

Visulization of PDE's Deep learning Solution

Pipeline

用户输入柏森方程表达式以及边界条件 表达式的左侧变化少，即Laplace算子，右侧侧变化比较多 边界条件一般是一个y表达式，一个y导数表达式，和两者的组合 我们目前只考虑二维柏森方程

公式输入

公式的输入方式：laTex公式，MathType公式

最后公式要被转化成Pytorch或者TF算子

技术选型

可视化端

1. JS可视化库调研：

• 通用科学绘图：
  G2/F2 蚂蚁 Echarts 百度 fusioncharts D3.js
  Echarts的可定制性比不上D3.js
• 3D:
  Three.js, evercraft 在展示3d的方程解空间的时候可能会用上

2. 场景
   科学可视化UI，可视化方程 - Echarts
   神经网络训练UI - D3.js
   计算域UI，边值设计 - ？？？

前端

1. React.js, vue.js
   可以认为是主打前端的框架，是一个js的库
   react的核心是virutal DOM(组件化) + JSX
   vue是响应式的框架,如其名，强势在view的处理这一块
2. Angular.js
   一个client-side MV*框架,适合处理大型项目，学习成本高
3. Node.js
   Node其实算在后端里，因为是server-side框架，自带一个v8引擎。其作用和java后端很像

前端可以优先选择使用vue.js，学习曲线比较好，轻量化。

后端

使用Python-based框架，因为后台的计算使用PyTorch/Tensorlflow框架，这样可以保持最大的兼容性和学习成本
候选的对象有Flask,Django,Tornado, Twisted. 前期会优先选择Flask。
因为Django更适合典型的web的复杂平台，和我们的需求可能不太一致。所以会放弃。 而Tornado和Twisted会更快速一点，但是有学习成本，后期优化的时候再考虑。

Nodejs也是一个很好的选择，不过js在处理科学计算接口的时候应该会超级麻烦

redis是用缓存手段解决数据库高并发场景，而kafka是类似消息队列方式解耦两个系统的消息（有点像ros），目前看来不需要用这两项技术，除非碰到性能瓶颈。

优化预期

1. 神经网络训练UI
   后端在训练时可能要实现实时和前端通讯
2. 科学可视化UI

参考构架 - TFMeter项目

typescript + d3.js，除此之外就没有使用任何框架，因为dl算法部分是用ts手写的，也没有用到后端服务器

敏捷开发周期