Výpočetní věda - Computational science

Výpočetní věda, také známý jako vědecké výpočty nebo vědecké výpočty (SC), je rychle rostoucí obor, který využívá pokročilé výpočetní schopnosti porozumět a řešit složité problémy. Jedná se o oblast vědy, která zahrnuje mnoho oborů, ale ve své podstatě zahrnuje vývoj modelů a simulací k pochopení přírodních systémů.

V praktickém použití je to obvykle aplikace počítačová simulace a další formy výpočet z numerická analýza a teoretická informatika řešit problémy v různých vědních oborech. Pole se liší od teorie a laboratorních experimentů, které jsou tradičními formami vědy a inženýrství. Vědecký výpočetní přístup je získat porozumění, zejména prostřednictvím analýzy matematických modelů implementovaných na počítače. Vědci a inženýři se vyvíjejí počítačové programy, aplikační software, které zkoumají modelové systémy a spouští tyto programy s různými sadami vstupních parametrů. Podstatou výpočetní vědy je aplikace numerických algoritmů[1] a / nebo výpočetní matematika. V některých případech tyto modely vyžadují obrovské množství výpočtů (obvykle plovoucí bod ) a jsou často prováděny dne superpočítače nebo distribuované výpočty platformy. Věda, která se zabývá počítačovým modelováním a simulací jakýchkoli fyzických objektů a jevů pomocí vysokého programovacího jazyka a softwaru a hardwaru, je známá jako počítačová simulace.

Výpočetní vědec

Způsoby studia systému

Termín výpočetní vědec se používá k popisu někoho kvalifikovaného ve vědeckých výpočtech. Touto osobou je obvykle vědec, inženýr nebo aplikovaný matematik, který se přihlásí vysoce výkonné výpočty různými způsoby prosazovat nejmodernější v příslušných aplikovaných oborech ve fyzice, chemii nebo inženýrství.

Výpočetní věda je nyní běžně považována za třetí způsob Věda, doplnění a přidání do experimentování /pozorování a teorie (viz obrázek vpravo).[2] Zde definujeme a Systém jako potenciální zdroj dat,[3] an experiment jako proces extrakce dat ze systému tím, že je vykonávají prostřednictvím svých vstupů[4] a a Modelka (M) pro systém (S) a experiment (E) jako cokoli, na co lze použít E za účelem zodpovězení otázek o S.[5] Výpočetní vědec by měl být schopen:

  • uznání složité problémy
  • přiměřeně pojímat systém obsahující tyto problémy
  • navrhnout rámec algoritmů vhodných pro studium tohoto systému: simulace
  • vybrat vhodný výpočetní infrastruktura (paralelní výpočty /grid computing /superpočítače )
  • tímto, maximalizovat výpočetní výkon simulace
  • posouzení, do jaké úrovně se výstup simulace podobá systémům: model je ověřeno
  • odpovídajícím způsobem upravit konceptualizaci systému
  • opakujte cyklus, dokud nedosáhnete vhodné úrovně validace: výpočetní vědci věří, že simulace generuje adekvátně realistické výsledky systému za studovaných podmínek

Ve skutečnosti bylo značné úsilí v oblasti výpočetních věd věnováno vývoji algoritmů, efektivní implementaci v programovacích jazycích a ověřování výsledků výpočtu. Soubor problémů a řešení ve výpočetní vědě lze najít v publikacích Steeb, Hardy, Hardy a Stoop (2004).[6]

Filozofové vědy se zabývali otázkou, do jaké míry se výpočetní věda kvalifikuje jako věda, mezi nimi i Humphreys[7] a Gelfert.[8] Zabývají se obecnou otázkou epistemologie: jak získáme vhled z takových přístupů počítačové vědy. Tolk[9] používá tyto poznatky k ukázání epistemologických omezení počítačového simulačního výzkumu. Protože výpočetní věda používá matematické modely představující základní teorii ve spustitelné formě, v podstatě používají modelování (budování teorie) a simulaci (implementaci a provádění). Zatímco simulace a výpočetní věda jsou naším nejsofistikovanějším způsobem, jak vyjádřit naše znalosti a porozumění, přicházejí také se všemi omezeními a omezeními, která jsou pro výpočetní řešení již známá.

Aplikace výpočetní vědy

Problémové domény pro výpočetní vědu / vědecké výpočty zahrnují:

Prediktivní výpočetní věda

Prediktivní výpočetní věda je vědecká disciplína zabývající se formulací, kalibrací, numerickým řešením a validací matematických modelů určených k předpovědi konkrétních aspektů fyzikálních událostí, daných počátečních a okrajových podmínek a souboru charakteristických parametrů a souvisejících nejistot.[10] V typických případech je prediktivní tvrzení formulováno z hlediska pravděpodobností. Například vzhledem k mechanické součásti a podmínce periodického zatížení „je pravděpodobnost (řekněme) 90%, že počet cyklů při poruše (Nf) bude v intervalu N1 [11]

Městské komplexní systémy

V roce 2015 žije více než polovina světové populace ve městech. Odhaduje se, že do poloviny 21. století to bude 75% světové populace městský. Tento růst měst je zaměřen na městské populace rozvojových zemí, kde se obyvatelé měst více než zdvojnásobí, a to z 2,5 miliardy v roce 2009 na téměř 5,2 miliardy v roce 2050. Města jsou obrovské komplexní systémy vytvořené lidmi, složené z lidí a ovládané lidmi . Pokoušet se předvídat, chápat a nějak formovat vývoj měst v budoucnosti vyžaduje komplexní myšlení a vyžaduje výpočetní modely a simulace, které pomohou zmírnit problémy a možné katastrofy. Výzkum v městských komplexních systémech se prostřednictvím modelování a simulace zaměřuje na lepší pochopení dynamiky města a pomoc při přípravě na nadcházející urbanizace.

Výpočetní finance

Hlavní článek: Výpočetní finance

V dnešní finanční trh obrovské objemy vzájemně závislých aktiv jsou obchodovány velkým počtem interagujících účastníků trhu v různých lokalitách a časových pásmech. Jejich chování je bezprecedentní složitosti a charakterizace a měření rizika spojeného s touto velmi různorodou sadou nástrojů je obvykle založeno na komplikovaných matematický a výpočetní modely. Řešení těchto modelů přesně v uzavřené formě, dokonce ani na úrovni jednoho nástroje, obvykle není možné, a proto musíme hledat efektivní numerické algoritmy. To se v poslední době stalo ještě naléhavějším a složitějším, protože úvěrová krize jasně prokázala úlohu kaskádových efektů od jednotlivých nástrojů přes portfolia jednotlivých institucí až po propojenou obchodní síť. Pochopení toho vyžaduje víceúrovňový a holistický přístup, kde jsou vzájemně závislé rizikové faktory, jako je tržní, kreditní a likviditní riziko, modelovány současně a na různých vzájemně propojených stupnicích.

Výpočetní biologie

Hlavní článek: Výpočetní biologie

Vzrušující nový vývoj v biotechnologie nyní způsobují převrat v biologii a biomedicínský výzkum. Příklady těchto technik jsou vysoce výkonné sekvenování, vysoká propustnost kvantitativní PCR, intracelulární zobrazování, hybridizace in situ genové exprese, trojrozměrné zobrazovací techniky jako Fluorescenční mikroskopie světelných listů a Optická projekce, (mikro) -Počítačová tomografie. Vzhledem k obrovskému množství komplikovaných dat, která jsou generována těmito technikami, jejich smysluplná interpretace a dokonce i jejich ukládání tvoří hlavní výzvy vyžadující nové přístupy. Nad rámec současných bioinformatických přístupů potřebuje výpočetní biologie vyvinout nové metody pro objevení smysluplných vzorů v těchto velkých souborech dat. Modelová rekonstrukce genové sítě lze použít k systematickému uspořádání dat genové exprese a jako vodítko pro budoucí sběr dat. Hlavním úkolem je pochopit, jak regulace genů řídí základní biologické procesy biomineralizace a embryogeneze. Dílčí procesy jako genová regulace, organické molekuly interakce s procesem ukládání minerálů, buněčné procesy, fyziologie a další procesy na tkáňové a environmentální úrovni jsou propojeny. Na biomineralizaci a embryogenezu nelze nahlížet jako na centrální řídicí mechanismus, nýbrž jako na vznikající chování vyplývající ze složitého systému, ve kterém několik dílčích procesů na velmi odlišných temporální a prostorové váhy (od nanometrů a nanosekund po metry a roky) jsou propojeny do víceúrovňového systému. Jednou z mála dostupných možností, jak těmto systémům porozumět, je vývoj a multi-scale model systému.

Teorie komplexních systémů

Hlavní článek: Složité systémy

Použitím teorie informace, nerovnovážná dynamika a explicitní simulace teorie výpočetních systémů se snaží odhalit skutečnou podstatu komplexní adaptivní systémy.

Výpočetní věda ve strojírenství

Hlavní článek: Výpočetní inženýrství

Výpočetní věda a inženýrství (CSE) je relativně nová disciplína, která se zabývá vývojem a aplikací výpočetních modelů a simulací, často spojených s vysoce výkonné výpočty, řešit složité fyzikální problémy vznikající v inženýrské analýze a designu (výpočetní inženýrství) i přírodních jevů (výpočetní věda). CSE byl popsán jako „třetí způsob objevování“ (vedle teorie a experimentování).[12] V mnoha oblastech je počítačová simulace nedílnou součástí a proto je nezbytná pro podnikání a výzkum. Počítačová simulace poskytuje možnost zadávat pole, která jsou tradičním experimentům nepřístupná nebo kde je provádění tradičních empirických dotazů neúnosně nákladné. CSE by neměl být zaměňován s čistým počítačová věda, ani s počítačové inženýrství, i když se v CSE používá široká doména v první z nich (např. určité algoritmy, datové struktury, paralelní programování, vysoce výkonné výpočty) a některé problémy v této oblasti lze modelovat a řešit pomocí metod CSE (jako aplikační oblast).

Metody a algoritmy

Algoritmy a matematické metody používané ve výpočetní vědě jsou různé. Mezi běžně používané metody patří:

Historicky i dnes, Fortran zůstává populární pro většinu aplikací vědeckých výpočtů.[32][33] jiný programovací jazyky a systémy počítačové algebry běžně používané pro více matematické aspekty vědeckých počítačových aplikací patří GNU oktáva, Haskell,[32] Julie,[32] Javor,[33] Mathematica,[34][35][36][37][38] MATLAB,[39][40][41] Krajta (s třetí stranou SciPy knihovna[42][43][44]), Perl (s třetí stranou PDL knihovna),[Citace je zapotřebí ] R,[45] Scilab,[46][47] a Řešitel TK. Výpočtově náročnější aspekty vědeckých výpočtů budou často využívat určité varianty C nebo Fortran a optimalizované knihovny algebry, jako je BLAS nebo LAPACK. Navíc, paralelní výpočty se ve vědeckých výpočtech intenzivně používá k dosažení řešení velkých problémů v rozumném čase. V tomto rámci je problém buď rozdělen na více jader na jednom uzlu CPU (například s OpenMP ), rozděleno na mnoho CPU uzlů propojených dohromady (například s MPI ), nebo je spuštěn na jednom nebo více GPU (obvykle se používá buď CUDA nebo OpenCL ).

Výpočtové vědecké aplikační programy často modelují měnící se podmínky v reálném světě, jako je počasí, proudění vzduchu kolem letadla, narušení karoserie automobilu při havárii, pohyb hvězd v galaxii, výbušné zařízení atd. Tyto programy mohou vytvořit „logickou síť“ 'v paměti počítače, kde každá položka odpovídá oblasti v prostoru a obsahuje informace o tomto prostoru relevantní pro model. Například v modely počasí, každá položka může mít čtvereční kilometr; s nadmořskou výškou, aktuálním směrem větru, vlhkostí, teplotou, tlakem atd. Program by vypočítal pravděpodobný další stav na základě aktuálního stavu, v simulovaných časových krocích, řešení diferenciálních rovnic, které popisují, jak systém funguje; a potom opakujte postup pro výpočet dalšího stavu.

Konference a deníky

V roce 2001 byla Mezinárodní konference o výpočetní vědě (ICCS) byl poprvé organizován. Od té doby se pořádá každoročně. ICCS je A-pozice konference v klasifikaci CORE.

Mezinárodní Journal of Computational Science vydalo své první číslo v květnu 2010.[48][49][50] V roce 2012 byla zahájena nová iniciativa Journal of Open Research Software.[51]V roce 2015 ReScience C.[52] byla věnována replikaci výpočtových výsledků GitHub.

Vzdělávání

V některých institucích lze specializaci ve vědeckých výpočtech získat jako „vedlejší“ v rámci jiného programu (který může být na různých úrovních). Je jich však stále více bakalář, magisterský a doktorský programy ve výpočetní vědě. Společný studijní program magisterský program výpočetní vědy na University of Amsterdam a Vrije Universiteit ve výpočetní vědě byla poprvé nabídnuta v roce 2004. V tomto programu studenti:

  • naučit se stavět výpočetní modely z pozorování v reálném životě;
  • rozvíjet dovednosti při přeměně těchto modelů na výpočetní struktury a při provádění rozsáhlých simulací;
  • naučit se teorii, která poskytne pevný základ pro analýzu složitých systémů;
  • naučit se analyzovat výsledky simulací ve virtuální laboratoři pomocí pokročilých numerických algoritmů.

Univerzita George Masona byl jedním z prvních průkopníků, kteří jako první v roce 1992 nabídli multidisciplinární doktorský program PhD ve výpočetních vědách a informatice, který se zaměřil na řadu speciálních oblastí, včetně bioinformatika, výpočetní chemie, pozemské systémy a globální změny, výpočetní matematika, výpočetní fyzika, kosmické vědy a výpočetní statistika

School of Computational and Integrative Sciences, Univerzita Jawaharlal Nehru (někdejší Škola informačních technologií[53]) také nabízí živý magisterský vědecký program pro výpočetní vědu se dvěma specializacemi, konkrétně - Výpočetní biologie a Složité systémy.[54]

Související pole

Viz také

Reference

  1. ^ Nonweiler T. R., 1986. Výpočetní matematika: Úvod do numerické aproximace, John Wiley and Sons
  2. ^ Postgraduální vzdělávání pro výpočetní vědu a inženýrství.Siam.org, Společnost pro průmyslovou a aplikovanou matematiku Webové stránky (SIAM); přístupné v únoru 2013.
  3. ^ Siegler, Bernard (1976). Teorie modelování a simulace.
  4. ^ Cellier, François (1990). Kontinuální modelování systému.
  5. ^ Minski, Marvin (1965). Modely, mysli, stroje.
  6. ^ Steeb W.-H., Hardy Y., Hardy A. a Stoop R., 2004. Problémy a řešení ve vědeckých výpočtech pomocí simulací C ++ a Java, World Scientific Publishing. ISBN  981-256-112-9
  7. ^ Humphreys, Paule. Rozšiřujeme se: výpočetní věda, empirismus a vědecká metoda. Oxford University Press, 2004.
  8. ^ Gelfert, Axel. 2016. Jak dělat vědu s modely: Filozofický základ. Cham: Springer.
  9. ^ Tolk, Andreasi. "Naučit se něco správně z nesprávných modelů: Epistemologie simulace." V Koncepty a metodiky pro modelování a simulaci, editoval L. Yilmaz, str. 87-106, Cham: Springer International Publishing, 2015.
  10. ^ Oden, J.T., Babuška, I. a Faghihi, D., 2017. Prediktivní výpočetní věda: Počítačové předpovědi v přítomnosti nejistoty. Encyklopedie výpočetní mechaniky. Druhé vydání, s. 1-26.
  11. ^ Szabó B, Actis R a Rusk D. Ověření faktorů citlivosti vrubu. Deník ověřování, ověřování a kvantifikace nejistoty. 4 011004, 2019
  12. ^ „Výpočetní program vědy a techniky: Příručka pro postgraduální studenty“ (PDF). cseprograms.gatech.edu. Září 2009. Archivovány od originál (PDF) dne 2014-10-14. Citováno 2017-08-26.
  13. ^ Von Zur Gathen, J., & Gerhard, J. (2013). Moderní počítačová algebra. Cambridge University Press.
  14. ^ Geddes, K. O., Czapor, S. R., & Labahn, G. (1992). Algoritmy pro počítačovou algebru. Springer Science & Business Media.
  15. ^ Albrecht, R. (2012). Počítačová algebra: symbolický a algebraický výpočet (svazek 4). Springer Science & Business Media.
  16. ^ Mignotte, M. (2012). Matematika pro počítačovou algebru. Springer Science & Business Media.
  17. ^ Stoer, J., & Bulirsch, R. (2013). Úvod do numerické analýzy. Springer Science & Business Media.
  18. ^ Conte, S. D. a De Boor, C. (2017). Elementární numerická analýza: algoritmický přístup. Společnost pro průmyslovou a aplikovanou matematiku.
  19. ^ Greenspan, D. (2018). Numerická analýza. CRC Press.
  20. ^ Linz, P. (2019). Teoretická numerická analýza. Publikace Courier Dover.
  21. ^ Brenner, S., a Scott, R. (2007). Matematická teorie metod konečných prvků (svazek 15). Springer Science & Business Media.
  22. ^ Oden, J. T. a Reddy, J. N. (2012). Úvod do matematické teorie konečných prvků. Courier Corporation.
  23. ^ Davis, P. J. a Rabinowitz, P. (2007). Metody numerické integrace. Courier Corporation.
  24. ^ Peter Deuflhard, Newtonovy metody pro nelineární problémy. Affine Invariance a adaptivní algoritmy, druhé tištěné vydání. Series Computational Mathematics 35, Springer (2006)
  25. ^ Hammersley, J. (2013). Metody Monte Carlo. Springer Science & Business Media.
  26. ^ Kalos, M. H. a Whitlock, P. A. (2009). Metody Monte Carlo. John Wiley & Sons.
  27. ^ Demmel, J. W. (1997). Aplikovaná numerická lineární algebra. SIAM.
  28. ^ Ciarlet, P. G., Miara, B., a Thomas, J. M. (1989). Úvod do numerické lineární algebry a optimalizace. Cambridge University Press.
  29. ^ Trefethen, Lloyd; Bau III, David (1997). Numerická lineární algebra (1. vyd.). Philadelphie: SIAM.
  30. ^ Vanderbei, R. J. (2015). Lineární programování. Heidelberg: Springer.
  31. ^ Gass, S. I. (2003). Lineární programování: metody a aplikace. Courier Corporation.
  32. ^ A b C Phillips, Lee (07.05.2014). „Budoucnost vědeckých výpočtů: Může nějaký kódovací jazyk překonat monstrum z padesátých let?“. Ars Technica. Citováno 2016-03-08.
  33. ^ A b Landau, Rubin (07.05.2014). „První kurz vědecké práce na počítači“ (PDF). Univerzita Princeton. Citováno 2016-03-08.
  34. ^ Mathematica 6 Vědecký počítačový svět, květen 2007
  35. ^ Maeder, R. E. (1991). Programování v matematice. Addison-Wesley Longman Publishing Co., Inc.
  36. ^ Stephen Wolfram. (1999). Kniha MATHEMATICA®, verze 4. Cambridge University Press.
  37. ^ Shaw, W. T. a Tigg, J. (1993). Applied Mathematica: Začínáme, dokončujeme. Addison-Wesley Longman Publishing Co., Inc.
  38. ^ Marasco, A., a Romano, A. (2001). Vědecké výpočty s Mathematica: Matematické problémy pro obyčejné diferenciální rovnice; s CD-ROM. Springer Science & Business Media.
  39. ^ Quarteroni, A., Saleri, F., & Gervasio, P. (2006). Vědecké výpočty s MATLAB a Octave. Berlín: Springer.
  40. ^ Gander, W. a Hrebíček, J. (ed.). (2011). Řešení problémů ve vědeckých výpočtech pomocí Maple a Matlab®. Springer Science & Business Media.
  41. ^ Barnes, B., & Fulford, G. R. (2011). Matematické modelování s případovými studiemi: přístup diferenciálních rovnic pomocí Maple a MATLAB. Chapman and Hall / CRC.
  42. ^ Jones, E., Oliphant, T., & Peterson, P. (2001). SciPy: Open source vědecké nástroje pro Python.
  43. ^ Bressert, E. (2012). SciPy a NumPy: přehled pro vývojáře. „O'Reilly Media, Inc.“.
  44. ^ Blanco-Silva, F. J. (2013). Učení SciPy pro numerické a vědecké výpočty. Packt Publishing Ltd.
  45. ^ Ihaka, R., & Gentleman, R. (1996). R: jazyk pro analýzu dat a grafiku. Journal of computational and graphical statistics, 5 (3), 299-314.
  46. ^ Bunks, C., Chancelier, J. P., Delebecque, F., Goursat, M., Nikoukhah, R., & Steer, S. (2012). Inženýrské a vědecké výpočty se Scilabem. Springer Science & Business Media.
  47. ^ Thanki, R. M. a Kothari, A. M. (2019). Digitální zpracování obrazu pomocí SCILAB. Springer International Publishing.
  48. ^ Sloot, Peter; Coveney, Peter; Dongarra, Jack (2010). "Přesměrování". Journal of Computational Science. 1 (1): 3–4. doi:10.1016 / j.jocs.2010.04.003.
  49. ^ Seidel, Edward; Wing, Jeannette M. (2010). "Přesměrování". Journal of Computational Science. 1 (1): 1–2. doi:10.1016 / j.jocs.2010.04.004.
  50. ^ Sloot, Peter M.A. (2010). „Výpočetní věda: kaleidoskopický pohled na vědu“. Journal of Computational Science. 1 (4): 189. doi:10.1016 / j.jocs.2010.11.001.
  51. ^ The Journal of Open Research Software ; oznámeno na software.ac.uk/blog/2012-03-23-announcing-journal-open-research-software-software-metajournal
  52. ^ Rougier, Nicolas P .; Hinsen, Konrad; Alexandre, Frédéric; Arildsen, Thomas; Barba, Lorena A .; Benureau, Fabien C.Y .; Brown, C. Titus; Buyl, Pierre de; Caglayan, Ozan; Davison, Andrew P .; Delsuc, Marc-André; Detorakis, Georgios; Diem, Alexandra K .; Drix, Damien; Enel, Pierre; Girard, Benoît; Host, Olivia; Hall, Matt G .; Henriques, Rafael N .; Hinaut, Xavier; Jaron, Kamil S .; Khamassi, Mehdi; Klein, Almar; Manninen, Tiina; Marchesi, Pietro; McGlinn, Daniel; Metzner, Christoph; Petchey, Owen; Plesser, Hans Ekkehard; Poisot, Timothée; Ram, Karthik; Ram, Yoav; Roesch, Etienne; Rossant, Cyrille; Rostami, Vahid; Shifman, Aaron; Stachelek, Joseph; Stimberg, Marcel; Stollmeier, Frank; Vaggi, Federico; Viejo, Guillaume; Vitay, Julien; Vostinar, Anya E .; Yurchak, Roman; Zito, Tiziano (prosinec 2017). „Udržitelná výpočetní věda: iniciativa ReScience“. PeerJ Comput Sci. 3. e142. arXiv:1707.04393. Bibcode:2017arXiv170704393R. doi:10,7717 / peerj-cs.142. S2CID  7392801.
  53. ^ "SCIS | Vítejte na univerzitě Jawaharlal Nehru University".
  54. ^ "SCIS: studijní program | Vítejte na univerzitě Jawaharlal Nehru University".

Další zdroje

externí odkazy