DDecayMarsh
Produk

Fitur program · Langkah peluruhan Runge–Kutta

01

Tinjau empat taksiran kemiringan di DecayMarsh dan bedakan hasil numerik dari nilai peluruhan analitis.

01

Model

Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.

02

Proyek

Pilih folder dan minta asisten membaca berkas terkait sebelum mengeditnya. Tentukan tujuan serta batas tugas.

03

Perubahan

Tinjau perubahan dan keluaran perintah. Jalankan pemeriksaan proyek sebelum menerima hasilnya; kode yang dihasilkan tidak otomatis sudah diuji.

Langkah peluruhan Runge–Kutta

● ● ●DecayMarsh●
Alur kerja · Langkah peluruhan Runge–Kutta ×
def decay_steps(initial, rate, dt, steps):
    if any(type(v) not in (int, float) for v in (initial, rate, dt)):
        raise ValueError("decay.numeric")
    if not -10**6 <= initial <= 10**6 or not 0 <= rate <= 1000 or not 0 <= dt <= 1 or rate * dt > 1:
        raise ValueError("decay.range")
    if type(steps) is not int or not 0 <= steps <= 1000:
        raise ValueError("decay.steps")
    y = float(initial)
    for _ in range(steps):
        k1 = -rate * y
        k2 = -rate * (y + dt*k1/2)
        k3 = -rate * (y + dt*k2/2)
        k4 = -rate * (y + dt*k3)
        y += dt*(k1 + 2*k2 + 2*k3 + k4)/6
    return y
✳Integrasikan peluruhan eksponensial skalar dengan maksimal 1000 langkah Runge–Kutta klasik memakai masukan terbatas yang berhingga.
✓ PerubahanTinjau sebelum menerapkan ↗
Ilustrasi ruang kerja
Ruang kerja kode dengan AI

Ide berikutnya dimulai di sini.

Unduh untuk Windows ↗