Curve fitting sur python (non polynomial)

Bonjour à  tous,

Je cherche à fitter mes données au modèle suivant de diffusion appliqué à mes conditions limites : 

Seul le paramètre D est variable et à déterminer par ce fitting. 

Voilà le code que j'ai écris pour le moment.? Cependant, je me retrouve avec une approximation à 0 dans un de mes vecteurs (dû au calcul de y[i]/hinf), ce qui fausse totalement l'approximation de D. Il me semble que la fonction curve_fitting de numpy n'est pas très adaptée pour cette résolution... 

import numpy as np
from scipy.optimize import fsolve, least_squares, curve_fit
import matplotlib.pyplot as plt

# Paramètres à modifier suivant l'échantillon
h0 = 0.001 # en m
c0 = 12.3 # en %w
hinf = h0*1.005 # en m
K = 1 # sans unité
S = 10**-3 # en mol/mol
F = 5*(10**-7) # en m3/s
As = 0.05 # en m2

# === guess values
D0 = 10**-10
B = (K*S*F)/(As*D0)
bounds = [0, np.inf]

# Calcul de gamma n
def gamma (a):
	def equa (x, a):
		return x * np.tan(x) - a
	x_values = np.linspace(1, 100, 100)
	solutions = fsolve(equa, x_values, args=(a,))
	return solutions

y = gamma (B*hinf)

# Calcul du modèle
def GEX (t,D):
    imin = 0
    imax = 100
    gexf = 0
    A = 0
    for i in range (imin, imax):
        A += (np.sin(y[i])/(y[i]*(np.sin(2*y[i])+hinf)))*np.exp(-((y[i]/hinf)**2)*D*t)
    gexf = 4*c0*hinf*A
    return gexf

# Récupération des datas
filename = 'U:/Data/Théorie/Diffusion BBSA/D_BBSA 100bars.csv' # Mettre ici le chemin d'accès au fichier de données
data = np.genfromtxt(filename, delimiter=',')
tps = data[:,0] #le temps en min
CC = data[:,1] #la concentration

# res = least_squares(fungex, D0, loss='soft_l1', method='trf', bounds=bounds, arg=(tps, CC), tr_options={True})
res, cost = curve_fit(GEX, tps,CC,D0, method='lm')

# Calcul du coeffcient de diffusion
D = float(res)/60 #en m2/s
print ("Le coefficient de diffusion est", D)

# Courbe d'ajustement
tps1 = np.linspace(min(tps), max(tps), 20)
resu_th = GEX(tps1, res)

# === Affichage graphes ========================
plt.plot(tps,CC, 'o', label='expérimental')
plt.text(10, 0.01, 'D= ' + format(D,'0.03E') + ' m²/s')
plt.xscale('linear')
plt.yscale('linear')
plt.xlabel("t (min)")
plt.ylabel("C (%w)")

plt.legend(loc='upper right')
plt.plot(tps1,resu_th, '-')
plt.show()

# =============================================================================

Auriez vous une solution à me proposer ? Je ne connais pas d'autres fonction qui permette de fitter des data expérimentales. 

Merci ! 

Windows / Chrome 120.0.0.0