Обзор роли компьютерных технологий в научных исследованиях

Размещено на http://allbest.ru/

Министерство образования и науки Российской федерации

Федеральное государственное автономное образовательное учреждение высшего профессионального образования “Южный федеральный университет” г. Таганрог

Факультет РАДИОТЕХНИЧЕСКИЙ

Кафедра МИКРОПРОЦЕССОРНЫХ СИСТЕМ

Доклад

по курсу «Компьютерные технологии в научных исследованиях»

на тему: «Обзор роли компьютерных технологий в научных исследованиях.»

Разработал Д. С. Убирайло

Проверил Е.В. Удод

Таганрог 2013

1. Базы данных научной информации

Общепризнанной особенностью развития человечества в ХХ веке является революционное ускорение научно-технического процесса. На протяжении жизни одного поколения происходит полная (а в некоторых областях и многократная) смена технических устройств (средств связи, передвижения, записи и воспроизведения информации, бытовой техники и т.д. и т.п.), а также полное изменение технологии их производства. Одним из ключевых моментов, обусловивших возможность новой научно-технической революции, является значительное ускорение обмена научно-техническими идеями. Система международных научных обществ и организаций, многочисленные научные журналы и конференции, стажировки - все это способствует быстрому и простому обмену научной информацией, плодотворными идеями и, в конечном счете, ускоряет научно-технический прогресс. Однако последнее десятилетие ХХ века предоставляет принципиально новые возможности в этой области, позволяющие говорить о появлении новых информационных технологий научного творчества. Эти возможности связаны с использованием неисчерпаемых информационных ресурсов глобальной компьютерной сети Интернет.

Большое значение имеет задача обеспечения научных исследований удобной для восприятия информацией о важнейших научных достижениях, полученных в прошлом. Таким образом, задача развития общегосударственной системы сбора, обработки, хранения, эффективного поиска и передачи информации, основанной на использовании самых современных методов и средств (в первую очередь вычислительной техники), является чрезвычайно актуальной. Методы информатики успешно применяются для создания эффективных информационных систем и составляют основу для автоматизации научных исследований, проектирования, различных производственных процессов. Сейчас почти любая интеллектуальная деятельность без применения электронных технологий является практически немыслимой, так как для ознакомления с актуальной научной, технической и коммерческой информацией необходима современная система информационного обеспечения. Университеты, научно-исследовательские организации, научные ассоциации и общества охотно выставляют свои материалы в Интернет (как на платной, так и на бесплатной основе). Начиная примерно с середины прошлого века, в создаваемые на Западе электронные БД включаются публикации практически из всех наиболее заметных научных периодических изданий, научно-технических отчетов о проводимых научных исследованиях, диссертации, патенты и другие виды научно-технической документации.

Естественно, любой ученый, аспирант или студент теоретически может воспользоваться таким ресурсом для своих профессиональных целей. И тут возникает несколько проблем. Первая из них - как найти необходимые источники, вторая - платность больших массивов особо ценной научно-технической информации (особенно это важно, если исследователь заинтересован в ретроспективной глубине публикаций). Актуальна также проблема определения реальной научной ценности бесплатной, легко доступной информации - насколько ей можно доверять в научном плане, при использовании в качестве учебного материала или источника для ссылки при написании научного труда? Ведь каждый может выставить в Интернет любую информацию, не неся абсолютно никакой ответственности за ее достоверность.

Но не все так безнадежно, так как существует достаточно большое количество сетевых ресурсов, на которые можно ссылаться, цитировать в научных трудах, использовать для учебной или профессиональной деятельности. Достоверность представляемых Интернет-ресурсов можно определить также с помощью ряда серьезных специализированных сайтов по вопросам информационного обеспечения, где публикуются списки ссылок или некие таблицы достоверности.

2. Пакеты моделирования динамических систем

Имитационное моделирование -- это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование -- это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование -- это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.

Имитационная модель -- логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

К имитационному моделированию прибегают, когда:

· дорого или невозможно экспериментировать на реальном объекте;

· невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

· необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами -- разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

Имитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950х -- 1960х годах.

Можно выделить две разновидности имитации:

· Метод Монте-Карло (метод статистических испытаний);

· Метод имитационного моделирования (статистическое моделирование).

3. Пакеты визуального моделирования

Сложность изучаемых и проектируемых систем приводит к необходимости создания специальной, качественно новой техники исследования, использующей аппарат имитации - воспроизведения на ЭВМ специально организованными системами математических моделей функционирования проектируемого или изучаемого комплекса.

Это требование было трудно выполнимым до повсеместного проникновения в исследовательскую деятельность персонального компьютера с графическим дисплеем (для нашей страны это в подавляющем большинстве случаев Intel-совместимый компьютер с операционной системой MS Windows) и появления специального программного обеспечения - пакетов визуального моделирования. Системы автоматизации моделирования, разработанные в 60-70-е годы (Simula, SLAM, НЕДИС и другие), были еще слишком сложны для широкого пользователя, прежде всего из-за сложности текстовой формы описания модели и отсутствия программных реализаций эффективных численных методов (в 70-е годы был единственный пакет GEAR, все современные численные пакеты датируются 80 годами).

Пакеты же визуального моделирования позволяют пользователю вводить описание моделируемой системы в естественной для прикладной области и преимущественно графической форме (например, в буквальном смысле рисовать функциональную схему, размещать на ней блоки и соединять их связями), а также представлять результаты моделирования в наглядной форме, например, в виде диаграмм или анимационных картинок.

Одним из главных достоинств систем визуального моделирования является то, что они позволяют пользователю не заботится о программной реализации модели, как о последовательности исполняемых операторов, и тем самым создают на компьютере некоторую чрезвычайно удобную среду, в которой можно создавать виртуальные, "квазиаппаратные" параллельно функционирующие системы и проводить эксперименты с ними. Графическая среда становится похожей на физический испытательный стенд, только вместо тяжелых металлических ящиков, кабелей и реальных измерительных приборов, осциллографов и самописцев пользователь имеет дело с их образами на экране дисплея. Образы можно перемещать, соединять и разъединять с помощью мыши. Кроме того, пользователь может видеть и оценивать результаты моделирования по ходу эксперимента и, при необходимости, активно в него вмешиваться.

Программная реализация виртуального стенда скрыта от пользователя. Для проведения экспериментов не требуется никаких особых знаний о компьютере, операционной системе и математическом обеспечении. Можно сказать, что виртуальный стенд превращает цифровую вычислительную машину в невиданно точную и удобную аналоговую. Таким образом, прогресс средств автоматизации моделирования приводит нас на следующем витке спирали развития к истокам вычислительной техники.

Еще одной важной особенностью современного пакета автоматизации моделирования является использование технологии объектно-ориентированного моделирования, что позволяет резко расширить границы применимости и повторного использования уже созданных и подтвердивших свою работоспособность моделей.

Успех новой технологии резко расширил круг пользователей визуальных пакетов моделирования, что обострило вечную проблему достоверности получаемых решений. Графическая оболочка скрывает от пользователя сложную процедуру получения численного решения. В то же время, автоматический выбор нужного для решения конкретной задачи численного метода и настройка его параметров часто являются далеко не тривиальной задачей. В результате появляется опасность быстрого получения красиво оформленных, но неправильных результатов.

научный визуальный моделирование динамический

4. Существующие подходы к визуальному моделированию сложных динамических систем

В настоящее время существует великое множество визуальных средств моделирования. Договоримся не рассматривать в этой работе пакеты, ориентированные на узкие прикладные области (электроника, электромеханика и т.д.), поскольку, как отмечалось выше, элементы сложных систем относятся, как правило, к различным прикладным областям. Среди оставшихся универсальных пакетов (ориентированных на определенную математическую модель), мы не будем обращать внимание на пакеты, ориентированные на математические модели, отличные от простой динамической системы (уравнения в частных производных, статистические модели), а также на чисто дискретные и чисто непрерывные. Таким образом, предметом рассмотрения будут универсальные пакеты, позволяющие моделировать структурно-сложные гибридные системы.

Их можно условно разделить на три группы:

· пакеты "блочного моделирования";

· пакеты "физического моделирования";

· пакеты, ориентированные на схему гибридного автомата.

Это деление является условным прежде всего потому, что все эти пакеты имеют много общего: позволяют строить многоуровневые иерархические функциональные схемы, поддерживают в той или иной степени технологию ООМ, предоставляют сходные возможности визуализации и анимации. Отличия обусловлены тем, какой из аспектов сложной динамической системы сочтен наиболее важным.

Пакеты "блочного моделирования" ориентированы на графический язык иерархических блок схем. Элементарные блоки являются либо предопределенными, либо могут конструироваться с помощью некоторого специального вспомогательного языка более низкого уровня. Новый блок можно собрать из имеющихся блоков с использованием ориентированных связей и параметрической настройки. В число предопределенных элементарных блоков входят чисто непрерывные, чисто дискретные и гибридные блоки.

К достоинствами этого подхода следует отнести, прежде всего, чрезвычайную простоту создания не очень сложных моделей даже не слишком подготовленным пользователем. Другим достоинством является эффективность реализации элементарных блоков и простота построения эквивалентной системы. В то же время при создании сложных моделей приходится строить довольно громоздкие многоуровневые блок-схемы, не отражающие естественной структуры моделируемой системы. Другими словами, этот подход работает хорошо, когда есть подходящие стандартные блоки. Наиболее известными представителями пакетами "блочного моделирования" являются:

- подсистема SIMULINK пакета MATLAB (MathWorks, Inc.; http://www.mathworks.com);

- EASY5 (Boeing)

- подсистема SystemBuild пакета MATRIXX (Integrated Systems, Inc. );

- VisSim (Visual Solution; http://www.vissim.com).

Пакеты "физического моделирования" позволяют использовать неориентированные и потоковые связи. Пользователь может сам определять новые классы блоков. Непрерывная составляющая поведения элементарного блока задается системой алгебро-дифференциальных уравнений и формул. Дискретная составляющая задается описанием дискретных событий (события задаются логическим условием или являются периодическими), при возникновении которых могут выполняться мгновенные присваивания переменным новых значений. Дискретные события могут распространяться по специальным связям. Изменение структуры уравнений возможно только косвенно через коэффициенты в правых частях (это обусловлено необходимостью символьных преобразований при переходе к эквивалентной системе).

Подход очень удобен и естественен для описания типовых блоков физических систем. Недостатками являются необходимость символьных преобразований, что резко сужает возможности описания гибридного поведения, а также необходимость численного решения большого числа алгебраических уравнений, что значительно усложняет задачу автоматического получения достоверного решения.

К пакетам "физического моделирования" следует отнести:

- "20-SIM" (Controllab Products B.V; http://www.rt.el.utwente.nl/20sim/);

- Dymola (Dymasim; http://www.dynasim.se);

- Omola, OmSim (Lund University; http://www.control.lth.se/~cace/omsim.html);

Как обобщение опыта развития систем этого направления международной группой ученых разработан язык Modelica (The Modelica Design Group; http://www.dynasim.se/modelica), предлагаемый в качестве стандарта при обмене описаниями моделей между различными пакетами.

Пакеты, основанные на использовании схемы гибридного автомата, позволяют очень наглядно и естественно описывать гибридные системы со сложной логикой переключений. Необходимость определения эквивалентной системы при каждом переключении заставляет использовать только ориентированные связи. Пользователь может сам определять новые классы блоков. Непрерывная составляющая поведения элементарного блока задается системой алгебро-дифференциальных уравнений и формул. К недостаткам следует также отнести избыточность описания при моделировании чисто непрерывных систем.

К этому направлению относится пакет Shift (California PATH: http://www/path.berkeley.edu/shift), а также отечественный пакет Model Vision Studium . Пакет Shift в большей стпени ориентирован на описание сложных динамических структур, а пакет MVS - на описание сложных поведений.

Заметим, что между вторым и третьим направлениями нет непреодолимой пропасти. В конце концов, невозможность из совместного использования обусловлена лишь сегодняшними вычислительными возможностями. В то же время, общая идеология построения моделей практически совпадает. В принципе, возможен комбинированный подход, когда в структуре модели должны выделяться составные блоки, элементы которых имеют чисто непрерывное поведение, и однократно преобразовываться к эквивалентному элементарному. Далее уже совокупное поведение этого эквивалентного блока должно использоваться при анализе гибридной системы.

При моделировании динамических систем чаще всего применяют следующие пакеты: подсистему Simulink входящую в пакет MatLab и VisSim.

5. Универсальные пакеты для научных исследований

В последнее время в широких кругах пользователей вычислительных машин различного класса стал достаточно популярным и широко используемым термин «компьютерная математика».

Компьютерная, символьная математика либо компьютерная алгебра -- большой раздел математического моделирования. В принципе, программы такого рода можно отнести к инженерным программам автоматизированного проектирования. Таким образом, в области инженерного проектирования выделяют три основных раздела:

CAD--Computer Aided Design (автоматизированное проектирование);

CAM--Computer Aided Manufacturing (автоматизированное производство);

CAE--Computer Aided Engeneering (автоматизированное конструирование, автоматизированная разработка).

Сегодня серьезное конструирование, градостроительство и архитектура, электротехника и масса смежных с ними отраслей, а также учебные заведения технической направленности уже не могут обойтись без систем автоматизированного проектирования (САПР), производства и расчетов. А математические пакеты являются составной частью мира CAE-систем, но эта часть никак не может считаться второстепенной, поскольку некоторые задачи вообще невозможно решить без помощи компьютера. Более того, к системам символьной математики сегодня прибегают даже теоретики (так называемые чистые, а не прикладные математики), например для проверки своих гипотез.

Времена, когда программы математического моделирования требовали от пользователей умения программировать на тех или иных алгоритмических языках, отлаживать программы, отлавливать ошибки и тратить массу времени на получение результата, прошли. Сегодня в математических пакетах применяется принцип конструирования модели, а не традиционное «искусство программирования». То есть пользователь лишь ставит задачу, а методы и алгоритмы решения система находит сама. Более того, такие рутинные операции, как раскрывание скобок, преобразование выражений, нахождение корней уравнений, производных и неопределенных интегралов компьютер самостоятельно осуществляет в символьном виде, причем практически без вмешательства пользователя.

Современные математические пакеты можно использовать и как обычный калькулятор, и как средства для упрощения выражений при решении каких-либо задач, и как генератор графики или даже звука. Стандартными стали также средства взаимодействия с Интернетом, и генерация HTML-страниц выполняется теперь прямо в процессе вычислений. Теперь можно решать задачу и одновременно публиковать для коллег ход ее решения на своей домашней странице.

В настоящее время практически все современные CAE-программы имеют встроенные функции символьных вычислений. Однако наиболее известными и приспособленными для математических символьных вычислений считаются Maple, MathCad, Mathematica и MatLab. Кроме основных программ символьной математики существуют альтернативы, идеологически схожие с тем или иным пакетом-лидером.

Так что же делают эти программы и как они помогают математикам? Основу курса математического анализа в высшей школе составляют такие понятия, как пределы, производные, первообразные функций, интегралы разных видов, ряды и дифференциальные уравнения. Тому, кто знаком с основами высшей математики, наверняка, известны десятки правил нахождения пределов, взятия интегралов, нахождения производных и т.д. Если добавить к этому то, что для нахождения большинства интегралов нужно также помнить таблицу основных интегралов, то получается поистине огромный объем информации. И если какое-то время не тренироваться в решении подобных задач, то многое быстро забывается и для нахождения, например, интеграла посложнее придется уже заглядывать в справочники. Но ведь взятие интегралов и нахождение пределов в реальной работе не является главной целью вычислений. Реальная цель заключается в решении каких-либо проблем, а вычисления -- всего лишь промежуточный этап на пути к этому решению.

С помощью описываемого ПО можно сэкономить массу времени и избежать многих ошибок при вычислениях. Естественно, CAE системы не ограничиваются только этими возможностями, но в данном обзоре мы сделаем упор именно на них.

Отметим только, что спектр задач, решаемых подобными системами, очень широк:

· проведение математических исследований, требующих вычислений и аналитических выкладок;

· разработка и анализ алгоритмов;

· математическое моделирование и компьютерный эксперимент;

· анализ и обработка данных;

· визуализация, научная и инженерная графика;

· разработка графических и расчетных приложений.

При этом отметим, что поскольку CAE-системы содержат операторы для базовых вычислений, то почти все алгоритмы, отсутствующие в стандартных функциях, можно реализовать посредством написания собственной программы. Таким образом, можно сделать вывод, что рассматриваемые универсальные математические пакеты - весьма совершенные, гибкие и одновременно универсальные продукты, включающие существенные математические понятия и обладающие богатым набором методов для решения общих математических и научно-технических задач. Именно обзору и краткому анализу таких программных продуктов и посвящена данная работа

Список использованных источников

1. А.Л. Фрадков, В.О. Никифоров. Интернет-технологии научной работы. URL: http://www.rusycon.ru/journal/ru/frnikif.html

2. Ю.Б.Колесов, Ю.Б.Сениченков. Имитационное моделирование сложных динамических систем. URL: http://www.exponenta.ru/soft/others/mvs/ds_sim.asp

3. КомпьютерПресс. Обзор программ для символьной математики URL:http://www.compress.ru/article.aspx?id=16152&iid=759

Размещено на Allbest.ru