Nauka obliczeniowa

Nauki obliczeniowe , znane również jako obliczenia naukowe , obliczenia techniczne lub obliczenia naukowe ( SC ), to dziedzina matematyki, która wykorzystuje zaawansowane możliwości obliczeniowe do zrozumienia i rozwiązywania złożonych problemów. Jest to dziedzina nauki obejmująca wiele dyscyplin ^{[ które? ]} , ale w swej istocie obejmuje rozwój modeli i symulacji w celu zrozumienia systemów naturalnych.

Algorytmy ( numeryczne i nienumeryczne): modele matematyczne , modele obliczeniowe i symulacje komputerowe opracowane w celu rozwiązywania problemów z nauk ścisłych (np. fizycznych , biologicznych i społecznych ), inżynierskich i humanistycznych
Sprzęt komputerowy , który rozwija i optymalizuje zaawansowany sprzęt systemowy , oprogramowanie sprzętowe , sieci i komponenty do zarządzania danymi potrzebne do rozwiązywania problemów wymagających obliczeń
Infrastruktura obliczeniowa, która wspiera zarówno rozwiązywanie problemów naukowych i inżynierskich, jak i rozwojową informatykę i informatykę

W praktyce jest to zazwyczaj zastosowanie symulacji komputerowej i innych form obliczeń z analizy numerycznej i informatyki teoretycznej do rozwiązywania problemów w różnych dyscyplinach naukowych. Dziedzina różni się od teorii i eksperymentów laboratoryjnych, które są tradycyjnymi formami nauki i inżynierii . Naukowe podejście obliczeniowe polega na zdobyciu zrozumienia poprzez analizę modeli matematycznych zaimplementowanych na komputerach . Naukowcy i inżynierowie opracowują programy komputerowe i aplikacje , które modelują badane systemy i uruchamiają te programy z różnymi zestawami parametrów wejściowych. Istotą nauk obliczeniowych jest zastosowanie algorytmów numerycznych i matematyki obliczeniowej . W niektórych przypadkach modele te wymagają ogromnych ilości obliczeń (zwykle zmiennoprzecinkowych ) i często są wykonywane na superkomputerach lub rozproszonych platformach obliczeniowych . ^{[ wymagana weryfikacja ]}

Naukowiec obliczeniowy

Sposoby badania systemu

Termin naukowiec obliczeniowy jest używany do opisania osoby wykwalifikowanej w obliczeniach naukowych. Taka osoba jest zwykle naukowcem, inżynierem lub matematykiem stosowanym, który stosuje obliczenia o wysokiej wydajności na różne sposoby, aby rozwijać najnowocześniejsze dziedziny w swoich dyscyplinach stosowanych w fizyce, chemii lub inżynierii.

Nauki obliczeniowe są obecnie powszechnie uważane za trzeci tryb nauki ^{[ potrzebne źródło ]} , uzupełniający i dodający do eksperymentów / obserwacji i teorii (patrz ilustracja). Tutaj definiuje się system jako potencjalne źródło danych, eksperyment jako proces wydobywania danych z systemu poprzez wywieranie go przez jego dane wejściowe, a model ( M ) dla systemu ( S ) i eksperyment ( E ) jako cokolwiek do których można zastosować E , aby odpowiedzieć na pytania dotyczące S . Informatyk powinien umieć:

rozpoznawanie złożonych problemów
odpowiedniej konceptualizacji systemu zawierającego te problemy
projektowanie ram algorytmów odpowiednich do badania tego systemu: symulacja
wybór odpowiedniej infrastruktury obliczeniowej ( obliczenia równoległe / grid computing / superkomputery )
w ten sposób maksymalizując moc obliczeniową symulacji
ocena, w jakim stopniu dane wyjściowe symulacji przypominają systemy: model jest weryfikowany
odpowiednio dostosowując konceptualizację systemu
powtarzać cykl aż do uzyskania odpowiedniego poziomu walidacji: informatyk ufa, że symulacja generuje odpowiednio realistyczne wyniki dla systemu w badanych warunkach

Znaczny wysiłek w naukach obliczeniowych poświęcono opracowaniu algorytmów, wydajnej implementacji w językach programowania i sprawdzaniu poprawności wyników obliczeń. Zbiór problemów i rozwiązań w naukach obliczeniowych można znaleźć w Steeb, Hardy, Hardy i Stoop (2004).

Filozofowie nauki, między innymi Humphreys i Gelfert, odnieśli się do pytania, w jakim stopniu nauki obliczeniowe kwalifikują się jako nauka. Odnoszą się do ogólnego pytania epistemologii: w jaki sposób uzyskuje się wgląd w takie podejście do nauk obliczeniowych? Tolk wykorzystuje te spostrzeżenia, aby pokazać epistemologiczne ograniczenia badań symulacyjnych opartych na komputerach. Ponieważ nauki obliczeniowe wykorzystują modele matematyczne reprezentujące podstawową teorię w formie wykonywalnej, zasadniczo stosują modelowanie (budowanie teorii) i symulację (implementacja i wykonanie). Podczas gdy symulacja i nauki obliczeniowe to najbardziej wyrafinowany sposób wyrażania naszej wiedzy i zrozumienia, wiążą się one również ze wszystkimi ograniczeniami i ograniczeniami znanymi już w przypadku rozwiązań obliczeniowych. ^{[ potrzebne źródło ]}

Zastosowania informatyki

Dziedziny problemowe dla nauk obliczeniowych / informatyki naukowej obejmują:

Predykcyjne nauki obliczeniowe

Predykcyjne nauki obliczeniowe to dyscyplina naukowa zajmująca się formułowaniem, kalibracją, rozwiązywaniem numerycznym i walidacją modeli matematycznych zaprojektowanych do przewidywania określonych aspektów zdarzeń fizycznych, przy danych warunkach początkowych i brzegowych oraz zestawie parametrów charakteryzujących i związanych z nimi niepewności. W typowych przypadkach stwierdzenie prognostyczne formułowane jest w kategoriach prawdopodobieństwa. Na przykład, biorąc pod uwagę element mechaniczny i okresowe obciążenie, „prawdopodobieństwo (powiedzmy) 90%, że liczba cykli awarii (Nf) będzie mieścić się w przedziale N1

Miejskie systemy złożone

W 2018 ^{[ wymaga aktualizacji ]} ponad połowa światowej populacji mieszka w miastach. Organizacja Narodów Zjednoczonych szacuje, że do 2050 roku 68% światowej populacji będzie mieszkać w miastach . ^{[ istotne? ]} Ten rozwój miast koncentruje się na populacjach miejskich krajów rozwijających się, w których liczba mieszkańców miast wzrośnie ponad dwukrotnie, z 2,5 miliarda w 2009 r. do prawie 5,2 miliarda w 2050 r. [ ^{Potrzebne źródło ]}^{[ istotne? ]} Miasta są niezwykle złożonymi systemami stworzonymi przez ludzi, złożonymi z ludzi i zarządzanymi przez ludzi. Próba przewidywania, zrozumienia i kształtowania rozwoju miast w przyszłości wymaga złożonego myślenia i modeli obliczeniowych oraz symulacji, które pomogą złagodzić wyzwania i możliwe katastrofy. Celem badań nad złożonymi systemami miejskimi jest, poprzez modelowanie i symulacje, lepsze zrozumienie dynamiki miasta i pomoc w przygotowaniu się na nadchodzącą urbanizację . ^{[ potrzebne źródło ]}

Finanse obliczeniowe

Na rynkach finansowych ogromne ilości współzależnych aktywów są przedmiotem obrotu przez dużą liczbę wchodzących w interakcje uczestników rynku w różnych lokalizacjach i strefach czasowych. Ich zachowanie charakteryzuje się niespotykaną dotąd złożonością, a charakterystyka i pomiar ryzyka nieodłącznie związanego z tym wysoce zróżnicowanym zestawem instrumentów opiera się zwykle na skomplikowanych modelach matematycznych i obliczeniowych . Rozwiązanie tych modeli dokładnie w postaci zamkniętej, nawet na poziomie pojedynczego instrumentu, zazwyczaj nie jest możliwe, dlatego musimy szukać wydajnych algorytmów numerycznych . Stało się to ostatnio jeszcze bardziej pilne i złożone, ponieważ kryzys kredytowy ^{[ który? ]} ma wyraźnie ^{[ według kogo? ]} wykazał rolę efektów kaskadowych ^{[ które? ]} przechodząc od pojedynczych instrumentów, poprzez portfele pojedynczych instytucji, aż po nawet połączoną sieć handlową. Zrozumienie tego wymaga wieloskalowego i holistycznego podejścia, w którym współzależne czynniki ryzyka, takie jak ryzyko rynkowe, kredytowe i ryzyko płynności, są modelowane jednocześnie i w różnych wzajemnie powiązanych skalach. ^{[ potrzebne źródło ]}

Biologia obliczeniowa

Ekscytujące nowe osiągnięcia w biotechnologii rewolucjonizują obecnie biologię i badania biomedyczne . Przykładami tych technik są wysokoprzepustowe sekwencjonowanie , wysokoprzepustowe ilościowe PCR , obrazowanie wewnątrzkomórkowe, hybrydyzacja in situ ekspresji genów, trójwymiarowe techniki obrazowania, takie jak mikroskopia fluorescencyjna arkusza świetlnego i optyczna projekcja (mikro)-tomografia komputerowa . Biorąc pod uwagę ogromne ilości skomplikowanych danych generowanych przez te techniki, ich sensowna interpretacja, a nawet przechowywanie, stanowią poważne wyzwanie wymagające nowych podejść. Wykraczając poza obecne podejścia bioinformatyczne, biologia obliczeniowa musi opracować nowe metody odkrywania znaczących wzorców w tych dużych zbiorach danych. Oparta na modelach rekonstrukcja sieci genów może być wykorzystana do uporządkowania danych dotyczących ekspresji genów w sposób systematyczny i do kierowania przyszłym gromadzeniem danych. Głównym wyzwaniem jest tutaj zrozumienie, w jaki sposób regulacja genów kontroluje podstawowe procesy biologiczne, takie jak biomineralizacja i embriogeneza . Podprocesy, takie jak regulacja genów , cząsteczki organiczne wchodzące w interakcję z procesem odkładania się minerałów, procesy komórkowe , fizjologia i inne procesy na poziomie tkankowym i środowiskowym są ze sobą powiązane. Zamiast być kierowane przez centralny mechanizm kontrolny, biomineralizacja i embriogeneza mogą być postrzegane jako wyłaniające się zachowanie wynikające ze złożonego systemu, w którym zachodzi kilka podprocesów w bardzo różnych skalach czasowych i przestrzennych (od nanometrów i nanosekund po metry i lata ) . połączone w wieloskalowy system. Jedna z niewielu dostępnych opcji ^{[ która? ]} zrozumienie takich systemów polega na opracowaniu wieloskalowego modelu systemu. ^{[ potrzebne źródło ]}

Teoria systemów złożonych

Wykorzystując teorię informacji , dynamikę nierównowagową i jawne symulacje, teoria systemów obliczeniowych próbuje odkryć prawdziwą naturę złożonych systemów adaptacyjnych . ^{[ potrzebne źródło ]}

Informatyka w inżynierii

^{i inżynieria obliczeniowa problemów} (CSE) to stosunkowo nowa dyscyplina zajmująca się opracowywaniem i stosowaniem modeli i symulacji obliczeniowych, często połączonych z obliczeniami o wysokiej wydajności , w celu rozwiązywania złożonych fizycznych pojawiających się w analizie i projektowaniu inżynierskim (inżynieria obliczeniowa ), a także zjawiska naturalne (nauki obliczeniowe). CSE został opisany ^{[ przez kogo? ]} jako „trzeci sposób odkrywania” (obok teorii i eksperymentów). W wielu dziedzinach ^{[ w których? ]} symulacja komputerowa jest integralną częścią i dlatego jest niezbędna dla biznesu i badań. Symulacja komputerowa zapewnia możliwość wprowadzania pól ^{[ które? ]} , które są albo niedostępne dla tradycyjnych eksperymentów, albo tam, gdzie przeprowadzanie tradycyjnych badań empirycznych jest zbyt kosztowne. CSE nie należy mylić ani z czystą informatyką , ani z inżynierią komputerową , chociaż w CSE używana jest szeroka dziedzina tej pierwszej (np. można modelować i rozwiązywać metodami CSE (jako obszar zastosowań). ^{[ potrzebne źródło ]}

Metody i algorytmy

Algorytmy i metody matematyczne stosowane w informatyce są zróżnicowane. Powszechnie stosowane metody obejmują:

Algebra komputerowa , w tym obliczenia symboliczne w dziedzinach takich jak statystyka, rozwiązywanie równań, algebra, rachunek różniczkowy, geometria, algebra liniowa, analiza tensorowa (algebra wieloliniowa), optymalizacja
Analiza numeryczna , w tym Obliczanie pochodnych przez różnice skończone
- Zastosowanie szeregu Taylora jako szeregu zbieżnego i asymptotycznego
- Obliczanie pochodnych za pomocą automatycznego różniczkowania (AD)
- Metoda elementów skończonych do rozwiązywania PDE
- Przybliżenia różnic wysokiego rzędu za pomocą szeregu Taylora i ekstrapolacji Richardsona
- Metody całkowania na siatce jednorodnej : reguła prostokąta (zwana też regułą punktu środkowego ), reguła trapezu , reguła Simpsona
- Metody Runge-Kutty do rozwiązywania równań różniczkowych zwyczajnych
- Metoda Newtona
Dyskretna transformata Fouriera
metody Monte Carlo
Numeryczna algebra liniowa , w tym dekompozycje i algorytmy wartości własnych
Programowanie liniowe
Gałąź i cięcie
Gałąź i związana
Dynamika molekularna , dynamika molekularna Cara-Parrinella
Mapowanie przestrzeni
krokowe dla układów dynamicznych

Historycznie i obecnie Fortran pozostaje popularny w większości zastosowań obliczeń naukowych. Inne języki programowania i systemy algebry komputerowej powszechnie używane w bardziej matematycznych aspektach aplikacji naukowych to GNU Octave , Haskell , Julia , Maple , Mathematica , MATLAB , Python (z biblioteką SciPy innej firmy ), Perl (z biblioteką PDL innej firmy ), ^{[ potrzebne źródło ]} R , Scilab i TK Solver . Bardziej wymagające obliczeniowo aspekty obliczeń naukowych będą często wykorzystywać pewne odmiany języka C lub Fortran oraz zoptymalizowane biblioteki algebry, takie jak BLAS lub LAPACK . Ponadto obliczenia równoległe są intensywnie wykorzystywane w obliczeniach naukowych do znajdowania rozwiązań dużych problemów w rozsądnym czasie. W tej strukturze problem jest albo podzielony na wiele rdzeni w pojedynczym węźle procesora (tak jak w przypadku OpenMP ) , podzielony na wiele węzłów procesora połączonych razem w sieć (np. CUDA lub OpenCL ).

Programy obliczeniowe często modelują zmieniające się warunki w świecie rzeczywistym, takie jak pogoda, przepływ powietrza wokół samolotu, zniekształcenia karoserii samochodu podczas zderzenia, ruch gwiazd w galaktyce, urządzenie wybuchowe itp. Takie programy mogą tworzyć „siatkę logiczną w pamięci komputera, gdzie każdy element odpowiada obszarowi w przestrzeni i zawiera informacje o tej przestrzeni istotne dla modelu. Na przykład w modelach pogodowych każdy element może mieć kilometr kwadratowy; z wysokością terenu, aktualnym kierunkiem wiatru, wilgotnością, temperaturą, ciśnieniem itp. Program obliczałby prawdopodobny następny stan na podstawie bieżącego stanu, w symulowanych krokach czasowych, rozwiązując równania różniczkowe opisujące sposób działania systemu, a następnie powtarzając proces aby obliczyć następny stan. ^{[ potrzebne źródło ]}

Konferencje i czasopisma

W 2001 roku po raz pierwszy zorganizowano Międzynarodową Konferencję Nauk Obliczeniowych (ICCS) . Od tego czasu organizowany jest corocznie. ICCS to konferencja rangi A w rankingu CORE .

Journal of Computational Science opublikował swój pierwszy numer w maju 2010 roku. Journal of Open Research Software został uruchomiony w 2012 roku . Inicjatywa ReScience C , której celem jest replikacja wyników obliczeń, została uruchomiona na GitHub w 2015 roku.

Edukacja

W niektórych instytucjach specjalizację z obliczeń naukowych można zdobyć jako „niepełnoletnią” w ramach innego programu (który może być na różnych poziomach). Jednak coraz więcej jest licencjackich , magisterskich i doktoranckich z informatyki. Wspólny program studiów magisterskich w zakresie nauk obliczeniowych na Uniwersytecie w Amsterdamie i Vrije Universiteit w dziedzinie nauk obliczeniowych został po raz pierwszy zaoferowany w 2004 r. W ramach tego programu studenci:

nauczyć się budować modele obliczeniowe na podstawie rzeczywistych obserwacji;
rozwijać umiejętności przekształcania tych modeli w struktury obliczeniowe i przeprowadzania symulacji na dużą skalę;
poznaj teorie ^{[ jakie? ]} , co da solidną podstawę do analizy złożonych systemów;
nauczysz się analizować wyniki symulacji w wirtualnym laboratorium z wykorzystaniem zaawansowanych algorytmów numerycznych. ^{[ istotne? ]}

ETH Zurich oferuje tytuł licencjata i magistra w dziedzinie informatyki i inżynierii. Stopień wyposaża studentów w umiejętność rozumienia problemu naukowego i stosowania metod numerycznych do rozwiązywania takich problemów. Kierunki specjalizacji obejmują fizykę, chemię, biologię oraz inne dyscypliny naukowo-inżynierskie.

George Mason University był jednym z pierwszych pionierów oferujących multidyscyplinarny doktorat. Program w dziedzinie nauk obliczeniowych i informatyki w 1992 roku, który koncentrował się na wielu obszarach specjalistycznych, w tym bioinformatyce , chemii obliczeniowej , systemach ziemskich i zmianach globalnych, matematyce obliczeniowej , fizyce obliczeniowej , naukach o kosmosie i statystyce obliczeniowej . ^{[ potrzebne źródło ]}

Szkoła Nauk Obliczeniowych i Integracyjnych Uniwersytetu Jawaharlala Nehru (wcześniej Szkoła Technologii Informatycznych ^{[ wymagana weryfikacja ]} ) oferuje również ^{[ wymagana weryfikacja ]} tętniący życiem program studiów magisterskich z nauk obliczeniowych z dwiema specjalizacjami: biologia obliczeniowa i systemy złożone .

Podpola

Zobacz też

Dodatkowe źródła

E. Gallopoulos i A. Sameh, „CSE: Treść i produkt”. IEEE Computational Science and Engineering Magazine, 4 (2): 39–43 (1997)
G. Hager i G. Wellein, Wprowadzenie do obliczeń wielkiej skali dla naukowców i inżynierów, Chapman i Hall (2010)
AK Hartmann, Praktyczny przewodnik po symulacjach komputerowych , World Scientific (2009)
Czasopismo Computational Methods in Science and Technology (otwarty dostęp), Polska Akademia Nauk
Czasopismo Computational Science and Discovery , Instytut Fizyki
RH Landau, CC Bordeianu i M. Jose Paez, A Survey of Computational Physics: Introductory Computational Science , Princeton University Press (2008)

Linki zewnętrzne