Какие физические задачи решаются с помощью компьютерного моделирования назовите не менее 3

Лучше? Будем надеяться.

Компьютерное моделирование

Что такое компьютерное моделирование? Как правило, компьютерное моделирование включает запуск ряда математических сценариев для определения потенциального масштаба или влияния, которое может иметь указанный сценарий. Например, симуляции помогают производителям автомобилей проводить виртуальное краш-тестирование своих новых моделей автомобилей. Вместо того, чтобы физически разбивать десятки новых автомобилей, исследователи запускают симуляции, чтобы увидеть все возможные сценарии, которые могут произойти как с автомобилем, так и с пассажирами во множестве аварий. Эти симуляции определяют, достаточно ли безопасно управлять автомобилем.

В этом видео ученые НАСА используют компьютерное моделирование, чтобы понять, что происходит при столкновении сверхмассивных черных дыр.

5 кратких примеров компьютерных симуляторов в действии

1. Реагирование на смертельные пандемии

Вместе с Озиком и их коллегой-исследователем Ником Кольером Макал также работал над проектом по моделированию и симуляции, который определял, что может произойти, если смертельный вирус Эбола (который первоначально распространился по Западной Африке в 2013–2016 годах и имел разрушительные последствия) поразит что население США. Частью этого процесса было посещение чикагских больниц, чтобы узнать о процедурах, связанных с лихорадкой Эбола, а затем включение этих процедур в их модели (также известные как математические описания).

2. Улучшение лечения рака

Другие ученые из Аргонны использовали моделирование и симуляцию, чтобы улучшить лечение рака с помощью прогностической медицины, выясняя, как разные пациенты и опухоли реагируют на разные лекарства. И это только пара примеров. Будь то академическая наука или промышленность, в наши дни компьютерное моделирование используется повсюду.

«Если работа с самой реальной системой слишком масштабна, слишком дорога или слишком рискованна — вот почему мы используем компьютерное моделирование».

"Если работать с самой реальной системой слишком масштабно, слишком дорого или слишком рискованно, мы используем компьютерное моделирование, – говорит Барри Нельсон, профессор инженерных наук Северо-Западного университета в Эванстоне, штат Иллинойс. – Моделирование". позволяет создавать концептуальные данные или системы, которые люди хотят создавать, рассматривать или изменять. Иногда я говорю, что моделирование — это анализ данных для систем, которых еще не существует».

3. Прогнозирование нарушений Кодекса здоровья

Или громоздкие системы. В Чикаго Департамент общественного здравоохранения города использует компьютерное моделирование и симуляцию, чтобы предсказать, где в первую очередь могут возникнуть критические нарушения. Затем эти рестораны поднимаются на вершину списка из 15 000 заведений, за которым наблюдают всего три десятка инспекторов. И, видимо, это работает; недавнее моделирование выявило на 14 % больше нарушений, что в идеале означает более ранний осмотр и меньшую вероятность того, что посетители заболеют плохо охлажденным морским чертом.

4. Понимание наших отношений с религией

В Бостонском университете Уэсли Уайлдман, профессор философии, теологии и этики, использует компьютерное моделирование для изучения, как он выразился в статье 2018 года для The Conversation, "как религия взаимодействует со сложным человеческим разумом, в том числе в такие процессы, как управление реакцией на ужасающие события».

Для этого он и его команда спроектировали мир и наполнили его управляемыми компьютером персонажами или «агентами», которые «запрограммированы следовать правилам и тенденциям, выявленным у людей с помощью психологических экспериментов, этнографических наблюдений и социальных анализ." Затем они увидели, что произошло, когда их агенты были проверены на «хорошо известных, реальных» примерах, таких как мощное землетрясение, которое произошло в Крайстчерче, Новая Зеландия, в 2011 году.

"Чем лучше наши агенты имитируют поведение реальных людей в подобных обстоятельствах, – продолжает Уайлдман, – тем точнее модель соответствует реальности, и тем удобнее мы говорим, что люди могут вести себя таким образом. агенты поступали в новых и неизведанных ситуациях».

5. Исследование землетрясений

А в Германии группа специалистов из Суперкомпьютерного центра имени Лейбница провела моделирование землетрясений, взяв за основу разрушительное землетрясение в Индийском океане 2004 года, вызвавшее мощное цунами. По словам одного из исследователей, профессора Михаэля Бадера из Института информатики Германии, они хотели «лучше понять весь процесс того, почему одни землетрясения и вызванные ими цунами намного сильнее других. Иногда мы видим относительно небольшие цунами при сильных землетрясениях или удивительно большие цунами, связанные с относительно небольшими землетрясениями. Моделирование — один из инструментов, позволяющих получить представление об этих событиях».

Но это далеко не идеально. В недавней статье New York Times под названием «Это высокотехнологичное решение для реагирования на стихийные бедствия может быть слишком хорошим, чтобы быть правдой» репортер Шери Финк подробно описала, как стартап по реагированию на стихийные бедствия из Сиэтла под названием One Concern разработал моделирование землетрясения, в которое не удалось включить многие густонаселенные коммерческие структуры в своих тестовых запусках, «потому что расчеты ущерба в значительной степени основывались на данных переписи населения». Потенциальный реальный результат этой ошибочной прогностической модели: спасатели могли не знать местонахождение многих нуждающихся жертв. И это был лишь один из многих отмеченных вопросов.

Суперкомпьютер Mira в Аргонне — один из многих, используемых для моделирования по всему миру

Что нужно для моделирования

Благодаря мощной обработке данных супердорогих суперкомпьютеров (в настоящее время в Аргонне их два, и вскоре появится еще один, использующий так называемую "массивно-параллельную обработку"), моделирование стало более совершенным, чем когда-либо, и развивается с быстрый темп.

"Мы не заинтересованы в простой экстраполяции в будущее", – сказал Макал. «Мы заинтересованы в рассмотрении всех неопределенностей, а также различных параметров, характеризующих модель, и выполнении тысяч или миллионов симуляций всех различных возможностей и попытке понять, какие вмешательства будут наиболее надежными. И здесь на помощь приходят высокопроизводительные вычисления».

Вычислительные ресурсы, находящиеся в их распоряжении, добавил Озик, позволяют аргоннским исследователям (и всем, у кого есть доступ к суперкомпьютерам) «полностью изучить поведение, которое могут демонстрировать эти модели, а не просто применять специальные подходы для поиска определенных интересных моделей поведения, которые могут отражать некоторые аспект реальности».

Иными словами, симуляции намного шире и, следовательно, еще более реалистичны — по крайней мере, с гипотетической точки зрения.

С другой стороны, многие симуляции выполняются с гораздо меньшими вычислительными мощностями, чем у Argonne. Элисон Бриджер, заведующая кафедрой метеорологии и климатологии Государственного университета Сан-Хосе в Калифорнии, сказала, что кластерные компьютеры на месте достаточно сильны, чтобы запускать модели моделирования климата, которые она создает. Сервисы облачных вычислений, подобные тем, которые предлагают Amazon (AWS) и Microsoft (Azure), также постепенно завоевывают популярность в этом пространстве.

Наряду с ядерной физикой метеорология была одной из первых дисциплин, в которой после Второй мировой войны использовалось компьютерное моделирование. А моделирование климата, по словам Бриджера, «похоже на близкого родственника прогнозирования погоды. Еще в 1960-х годах люди использовали ранние модели прогнозирования погоды для предсказания климата. Прежде чем вы сможете предсказать погоду, вы должны правильно воспроизвести ее в своей модели».

В работе Бриджера используется широко используемая модель "локального масштаба" под названием WRF, что означает "Погода, исследования и прогнозирование". и вниз в центральную часть государства. Он будет прогнозировать такие вещи, как высокие и низкие температуры, дождь и так далее. И обычно он запускается только для имитации погоды на 24, 48 или 72 часа».

Компьютерное моделирование и симуляция используются для прогнозирования погодных условий

Дальше объясняя свой процесс, Бриджер использует изображение куба с центром в Чикаго, расположенного примерно в километре с востока на запад и на километр с севера на юг. Цель состоит в том, чтобы предсказать температуру в центре куба и экстраполировать это значение на все пространство. Есть также, по ее словам, дополнительные кубы, окружающие первоначальный, «сложенные до самого верха атмосферы», будущие температуры которых будут предсказываться с различными временными интервалами — через час, через 12 часов, через день, через три дня и так далее. Затем к смеси добавляются переменные, влияющие на температуру, такие как количество солнечного света, облачный покров, стихийные бедствия, такие как лесные пожары и техногенное загрязнение. Затем нужно применить законы физики для определения различных явлений, связанных с погодой: повышения и понижения температуры, силы ветра и дождя.

Сказал Бриджер: "Вы делаете тысячи, возможно, миллионы вычислений, чтобы получить ответ".

Строительство — одна из многих отраслей, в которых компьютерное моделирование выгодно

Компьютерное моделирование и промышленность

За последние 75 лет компьютерное моделирование и симуляция превратились из преимущественно научного инструмента в инструмент, используемый промышленностью в целях оптимизации и, в конечном счете, повышения прибыльности.

«Промышленность осваивает моделирование быстрее, чем когда-либо прежде, и связывает его с тем, что я бы назвал аналитикой данных для таких вещей, как планирование и управление цепочками поставок», — сказал Макал. «Промышленность пытается имитировать все, что они делают, потому что они понимают, что это дешевле и быстрее, чем реальное создание прототипа системы».

Нельсон из Northwestern говорил с Built In, он недавно вернулся с ежегодной конференции по прикладным вероятностям. Там обсуждаемые приложения для моделирования включали, но не ограничивались следующим: авиационное моделирование, кибербезопасность, экологическая устойчивость и риски, управление финансовыми рисками, здравоохранение, логистика, цепочка поставок и транспорт, производство полупроводников, военные приложения, сетевые коммуникации, проекты управление и строительство.

"Часто компании, использующие моделирование, хотят в некотором смысле оптимизировать производительность системы", – сказал Нельсон, приведя в качестве примера автомобильную компанию, которая хочет построить новый сборочный завод или решить, какие автомобили вывести на рынок.

"Поэтому оптимизация является ключом к успеху во многих отраслях промышленности, но оптимальные решения часто ненадежны. Под этим я подразумеваю, что если небольшие проблемы, связанные с предположениями или приближениями моделирования, которые вы сделали, неверны, то внезапно что-то, что казалось оптимальным в вашей модели, может оказаться катастрофически плохим».

Техническим термином для этого является «риск модели». Те, кто строит модели и запускает симуляции, пытаются оценить риски, присущие решениям, принимаемым на основе этих моделей. Эту тему сложно анализировать, не говоря уже о том, чтобы сделать ее широко понятной, но Нельсон делает прекрасную попытку. В конце концов, это его область знаний.

«Когда люди строят математические и компьютерные модели, — сказал он, — даже если модель создается на основе данных, они обращаются с ней так, как будто модель верна, а значит, и решение, которое [результаты] является оптимальным. Что мы пытаемся сделать, так это продолжать включать в модель неопределенность, которая была создана, когда мы ее строили».

Финансовый кризис 2008 года, по словам Нельсона, — это один из примеров, когда риск модели был пагубно занижен.

«Финансовая индустрия использует огромное количество очень сложных математических компьютерных моделей [методов]. И совершенно очевидно, что корреляции между различными финансовыми инструментами и ценными бумагами и т. д. были как бы проигнорированы, поэтому мы получили каскадные сбои ».

Однако такие предостерегающие истории не означают, что те, кто создает математические и компьютерные модели, на которых основаны симуляции, должны стремиться к совершенству, добавляет Нельсон, потому что ни одна модель не идеальна, а «модели двигают нас вперед.«Требование к совершенству, — сказал он, — парализует нас. Но по мере того, как мы начинаем принимать более важные для жизни решения на основе моделей, становится все более важным учитывать риски».

Компьютерное моделирование используется для улучшения лечения рака

Что дальше?

Представьте себе: через несколько лет у вашего знакомого диагностировали раковую опухоль. Но вместо того, чтобы немедленно бомбардировать их радиацией и высокотоксичными химиотерапевтическими препаратами и надеяться на лучшее, врачи вместо этого проводят тесты, из которых создают виртуальный (математический) двойник злокачественной опухоли этого человека. Затем цифровая копия подвергается вычислительным воздействиям в виде миллионов или даже миллиардов симуляций, которые быстро определяют наиболее эффективную форму обработки.

Это менее фантастично, чем кажется.

"Недавние разработки в области "больших данных" и экспериментальных технологий, связанных с раком, в сочетании с достижениями в области анализа данных и высокопроизводительными вычислительными возможностями создают беспрецедентные возможности для углубления понимания рака в более широких и точных масштабах", – Национальный Недавно об этом сообщил Институт рака.

Другие революционные разработки с далеко идущими последствиями уже внедряются. Научная газета сообщила о многих из них.

Например, вот этот: «[Искусственные] нейронные сети можно научить кодировать законы квантовой механики для описания движения молекул, потенциально повышая симуляции в широком диапазоне областей».

По словам физика Лос-Аламосской национальной лаборатории Джастина Смита, это означает, что "теперь мы можем моделировать материалы и молекулярную динамику в миллиарды раз быстрее, чем с помощью обычных квантовых методов, сохраняя при этом тот же уровень точности".

Это хорошая новость для разработчиков лекарств, чьи исследователи изучают молекулярные движения, чтобы увидеть, что подходит для использования в фармацевтическом производстве, а также для пациентов, которые слишком часто оказываются вовлеченными в пагубную игру в догадки, когда дело касается лечения.< /p>

И это: исследователи из Пенсильванского университета, работающие в тандеме с коллегами из Университета Альмерии в Испании, разработали «компьютерную модель, которая может помочь прогнозистам быстрее и точнее распознавать потенциальные сильные штормы». Как объяснил Стив Вистар, старший судебный метеоролог в AccuWeather, этот инструмент может привести к более точным прогнозам, поскольку он и его коллеги-синоптики будут иметь «моментальный снимок наиболее полной картины атмосферы».

Итак, хотя мы можем или не можем жить в мире, смоделированном компьютером (еще одна тема для другой истории), мир трансформируется с помощью компьютерного моделирования. Поскольку компьютеры становятся быстрее, а методы исследований совершенствуются, неизвестно, к чему это может привести.

Муди Янг, старшеклассник из Нэшвилла, моделирующий космос, в прошлом году красноречиво сказал об этом: «Компьютерное моделирование дало нам возможность создавать виртуальные миры, и эти виртуальные миры позволили нам лучше понять наш реальный мир. ”

Вычислительное моделирование — это использование компьютеров для моделирования и изучения сложных систем с использованием математики, физики и информатики. Вычислительная модель содержит множество переменных, характеризующих изучаемую систему. Моделирование выполняется путем корректировки переменных по отдельности или в комбинации и наблюдения за результатами. Компьютерное моделирование позволяет ученым проводить тысячи смоделированных экспериментов с помощью компьютера. Тысячи компьютерных экспериментов определяют несколько лабораторных экспериментов, которые с наибольшей вероятностью решат изучаемую проблему.

Современные вычислительные модели позволяют изучать биологическую систему на нескольких уровнях. Модели развития болезни включают молекулярные процессы, межклеточные взаимодействия и то, как эти изменения влияют на ткани и органы. Изучение систем на нескольких уровнях известно как многомасштабное моделирование (МСМ).

Вычислительные модели используются для моделирования и изучения сложных биологических систем. Изображение предоставлено ISB

Модели прогнозирования погоды делают прогнозы на основе многочисленных атмосферных факторов. Точные прогнозы погоды могут защитить жизнь и имущество, а также помочь коммунальным предприятиям планировать увеличение мощности, которое происходит при экстремальных климатических изменениях.

В авиасимуляторах используются сложные уравнения, которые управляют полетом самолета и реагируют на такие факторы, как турбулентность, плотность воздуха и осадки. Симуляторы используются для обучения пилотов, проектирования самолетов и изучения того, как на самолет влияют изменения условий.

Моделирование землетрясений направлено на спасение жизней, зданий и инфраструктуры. Вычислительные модели предсказывают, как состав и движение конструкций взаимодействуют с подстилающими поверхностями, чтобы повлиять на то, что происходит во время землетрясения.

Отслеживание инфекционных заболеваний. Вычислительные модели используются для отслеживания инфекционных заболеваний среди населения, определения наиболее эффективных вмешательств, а также мониторинга и корректировки вмешательств для уменьшения распространения болезни. Выявление и внедрение мер, направленных на сдерживание распространения болезни, имеют решающее значение для спасения жизней и снижения нагрузки на систему здравоохранения во время пандемий инфекционных заболеваний.

Клиническая поддержка принятия решений. Вычислительные модели интеллектуально собирают, фильтруют, анализируют и представляют информацию о здоровье, чтобы предоставить врачам рекомендации по лечению заболеваний на основе подробных характеристик каждого пациента. Системы помогают обеспечить информированный и последовательный уход за пациентом при его переводе в соответствующие больничные учреждения и отделения и сдаче различных анализов в ходе курса лечения.

Прогнозирование побочных эффектов лекарств. Исследователи используют компьютерное моделирование, чтобы помочь разработать лекарства, которые будут наиболее безопасными для пациентов и с наименьшей вероятностью будут иметь побочные эффекты. Такой подход может сократить много лет, необходимых для разработки безопасного и эффективного лекарства.

Моделирование распространения инфекционных заболеваний для определения эффективных вмешательств. Точное моделирование инфекционных заболеваний опирается на многочисленные большие наборы данных. Например, оценка эффективности социального дистанцирования в отношении распространения гриппоподобных заболеваний должна включать информацию о дружбе и взаимодействии отдельных лиц, а также стандартные биометрические и демографические данные. Исследователи, финансируемые NIBIB, разрабатывают новые вычислительные инструменты, которые могут включать новые доступные наборы данных в модели, предназначенные для определения наилучших направлений действий и наиболее эффективных вмешательств во время пандемического распространения инфекционных заболеваний и других чрезвычайных ситуаций в области общественного здравоохранения.

Многомасштабное моделирование (MSM) — это сложный тип вычислительного моделирования, который включает в себя несколько уровней биологической системы. Изображение предоставлено ISB.

Отслеживание эволюции вируса во время распространения инфекционного заболевания. РНК-вирусы, такие как ВИЧ, гепатит В и коронавирус, постоянно мутируют, вырабатывая лекарственную устойчивость, избегая иммунного ответа и вызывая новые инфекции. Образцы секвенированных патогенов от тысяч инфицированных можно использовать для идентификации миллионов эволюционирующих вариантов вируса. Исследователи, финансируемые NIBIB, создают вычислительные инструменты для включения этих важных данных в анализ инфекционных заболеваний медицинскими работниками. Новые инструменты будут созданы в сотрудничестве с CDC и доступны в Интернете для исследователей и медицинских работников. Этот проект улучшит эпиднадзор и лечение заболеваний во всем мире и позволит разработать более эффективные стратегии искоренения болезней.

Преобразование беспроводных данных о состоянии здоровья в улучшение здоровья и здравоохранения. Устройства для мониторинга здоровья в больницах и носимые датчики, такие как умные часы, генерируют огромные объемы данных о состоянии здоровья в режиме реального времени. Медицинское обслуживание на основе данных обещает быть быстрым, точным и менее дорогим, но непрерывные потоки данных в настоящее время превышают возможности использования информации. Исследователи, финансируемые NIBIB, разрабатывают вычислительные модели, которые преобразуют потоковые данные о здоровье в полезную форму. Новые модели обеспечат физиологический мониторинг в режиме реального времени для принятия клинических решений в Национальной детской больнице. Команда математиков, биомедицинских информатиков и персонала больниц будет создавать общедоступные данные и программное обеспечение. Проект будет использовать рынок беспроводных медицинских услуг стоимостью 11 миллиардов долларов, чтобы значительно улучшить здравоохранение.

Человеческое и машинное обучение для индивидуального управления вспомогательными роботами. Чем серьезнее двигательные нарушения человека, тем сложнее ему управлять вспомогательными механизмами, такими как кресла-коляски с электроприводом и роботизированные руки. Доступные средства контроля, такие как устройства для вдоха и выдоха, не подходят для людей с тяжелым параличом. Исследователи, финансируемые NIBIB, разрабатывают систему, позволяющую людям с тетраплегией управлять роботизированной рукой, одновременно продвигая физические упражнения и поддерживая остаточные двигательные навыки. В технологии используются интерфейсы «тело-машина», которые реагируют на минимальное движение конечностей, головы, языка, плеч и глаз.Первоначально, когда пользователь двигается, машинное обучение усиливает сигнал для выполнения задачи с помощью робота-манипулятора. Помощь сокращается по мере того, как машина передает управление все более опытному пользователю. Этот подход направлен на то, чтобы расширить возможности людей с тяжелым параличом и предоставить интерфейс для безопасного обучения управлению роботами-помощниками.

Основные этапы имитационного исследования
Применение имитационного моделирования включает в себя определенные шаги, необходимые для успешного проведения имитационного исследования. Независимо от типа задачи и цели исследования процесс, посредством которого выполняется моделирование, остается постоянным. Далее кратко описаны основные этапы процесса моделирования [6, 7]:

Определение проблемы
На начальном этапе необходимо определить цели исследования и определить, что необходимо решить. Проблема далее определяется посредством объективных наблюдений за изучаемым процессом. Следует проявлять осторожность, чтобы определить, является ли моделирование подходящим инструментом для исследуемой проблемы.

Решения по моделированию
Выполнение необходимых шагов имитационного исследования определяет вероятность успеха исследования. Хотя знание основных этапов исследования с помощью моделирования важно, не менее важно понимать, что не все проблемы следует решать с помощью моделирования. В прошлом имитационное моделирование требовало специальной подготовки программистов и аналитиков для работы с очень большими и сложными проектами. Теперь, из-за большого количества доступного программного обеспечения, моделирование иногда используется ненадлежащим образом людьми, не имеющими достаточной подготовки и опыта. Когда моделирование применяется ненадлежащим образом, исследование не даст значимых результатов. Неспособность достичь желаемых целей моделирования может привести к обвинению самого подхода к моделированию, хотя на самом деле причина неудачи заключается в неправильном применении моделирования [8].

1. Тип проблемы
2. Наличие ресурсов
3. Стоимость
4. Доступность данных

Наличие ресурсов. Люди и время являются определяющими ресурсами для проведения имитационного исследования. Опытный аналитик является наиболее важным ресурсом, поскольку у такого человека есть возможность и опыт для определения как соответствующего уровня детализации модели, так и того, как проверить и утвердить модель. Без обученного симулятора может быть разработана неправильная модель, которая даст ненадежные результаты. Кроме того, выделение времени не должно быть ограничено настолько, чтобы вынуждать симулятора использовать ярлыки при разработке модели. В расписании должно быть достаточно времени для внесения любых необходимых изменений, а также для проверки и проверки, если результаты должны быть значимыми.

Стоимость. Следует учитывать затраты на каждый этап процесса моделирования, приобретение программного обеспечения для моделирования, если оно еще не доступно, и компьютерных ресурсов. Очевидно, что если эти затраты превышают потенциальную экономию при изменении существующей системы, то моделирование не следует проводить.

Доступность данных: необходимые данные должны быть идентифицированы и расположены, а если данные не существуют, то данные должны быть доступны для сбора. Если данные не существуют и не могут быть собраны, то продолжение исследования с помощью моделирования в конечном итоге приведет к ненадежным и бесполезным результатам. Результаты моделирования нельзя сравнивать с производительностью реальной системы, что крайне важно для проверки и проверки модели.

Основные шаги и решения для имитационного исследования включены в блок-схему, как показано ниже:

Этапы и решения для проведения имитационного исследования

После того как имитационное моделирование было определено как предпочтительный подход к решению конкретной проблемы, решение о реализации курса действий, предложенного по результатам имитационного исследования, не обязательно означает конец исследования, как показано на блок-схеме выше. Модель может поддерживаться для проверки реакции системы на изменения, с которыми сталкивается реальная система. Однако степень, в которой модель может поддерживаться, во многом зависит от ее гибкости и от того, для решения каких вопросов она изначально предназначалась.

В 1952 году в Лос-Аламосской научной лаборатории физики-теоретики Энрико Ферми, Джон Паста и Станислав Улам придумали, как использовать MANIAC, один из первых в мире суперкомпьютеров, для решения научных задач. В то время проблемы решались путем проведения либо лабораторных экспериментов, либо математических расчетов вручную.Ферми, Паста и Улам хотели использовать свой новый инструмент для решения проблем — компьютерное моделирование — для виртуального увеличения системы и наблюдения атомистических взаимодействий на молекулярном уровне с невозможным ранее реализмом.

Они решили смоделировать цепочку точечных масс, соединенных пружинами, предназначенную для представления атомов, соединенных химическими связями, а затем наблюдать, что происходит с энергией, когда она перемещается по цепи. Система, которая напоминала объекты на вибрирующей струне, была важна, потому что была нелинейной — ее нельзя было решить, разбив на более мелкие части. Взаимодействия между атомами повсеместно нелинейны, но их нельзя наблюдать с помощью микроскопа. Этот эксперимент на MANIAC позволит ученым впервые виртуально наблюдать взаимодействие между отдельными атомами.

Ферми, Паста и Улам разработали эксперимент; программист по имени Мэри Цингоу сделала это возможным. Цинго написал алгоритм, запрограммировал MANIAC и запускал симуляцию снова и снова, попутно внося коррективы, отлаживая и изменяя входные данные для сравнения результатов. Ферми, Паста и Улам думали, что энергия будет распространяться по цепочке и в конце концов достигнет равновесия, но она продолжала двигаться, никуда не останавливаясь. Ученые были удивлены результатами, и эксперимент породил область нелинейной науки, которая включает в себя широкий спектр научных и математических областей исследования, таких как теория хаоса. «Нелинейность — это великий рубеж науки, — говорит Стивен Строгац, профессор математики Корнельского университета. Этот конкретный эксперимент, по его словам, «был одной из первых попыток человечества увидеть, что скрывается в этих пограничных районах».

Эксперимент исторически назывался проблемой Ферми-Паста-Улама, или FPU, в честь трех физиков, составивших отчет 1955 года, но многие ученые теперь называют его проблемой Ферми-Паста-Улама-Цингоу, или FPUT. . В исходном отчете Лос-Аламоса в столбце перечислены «работы» трех авторов плюс Мэри Цингоу, а на первой странице есть сноска следующего содержания: «Мы благодарим мисс Мэри Цингоу за эффективное кодирование задач и выполнение вычислений на Лос-Аламосе. Машина Alamos MANIAC.”

Мэри Цингоу Мензель — очень скромный научный новатор. Все еще живя в Лос-Аламосе со своим мужем Джо Мензелем, она выражает удивление по поводу значения эксперимента, который она запрограммировала почти 70 лет назад. Она также постоянно утверждает, что никогда не чувствовала себя ущемленной из-за того, что ее не включили в определение проблемы. «Меня это никогда не беспокоило, — говорит Цинго. «Они признали, что программировал я».

Влияние эксперимента на современную науку трудно переоценить. «Нелинейная наука разрушила представление о классической Вселенной как о часовом механизме, показав, как хаос накладывает ограничения на предсказуемость», — говорит Дэвид Кэмпбелл, профессор физики Бостонского университета. «Нелинейные исследования теперь являются частью канона современной науки».

Большинство систем на самом деле нелинейны. «Квантовая гравитация, рак, иммунная система, экономика, устойчивость экосистем, происхождение жизни, изменение климата — все эти проблемы характеризуются множеством петель обратной связи и взаимодействий между различными частями систем, составляющих целое. больше или меньше, чем сумма его частей», — говорит Строгац. Эти типы систем нельзя было изучить до компьютерного моделирования, а компьютерное моделирование невозможно без программистов.

Цингоу изначально работала в Лос-Аламосе математиком, но когда представилась возможность, она стала одной из немногих в то время людей, которые научились программировать МАНИАК. Именно тогда она начала работать с Ферми, Пастой и Уламом в теоретической группе, которая использовала MANIAC, и она сыграла важную роль в новаторском эксперименте. «Мы все сидели там вместе, — вспоминает Цингоу, — и они [говорят]: «У нас есть эта машина; мы должны придумать некоторые проблемы, которые не могли быть решены ранее теоретически». Они перебрали несколько вариантов, но решили попробовать вибрирующую струну.

После того, как она узнала, что физики хотят проверить, Цинго написала от руки алгоритм, с помощью которого она сможет получить результаты. «Мы сделали блок-схемы, — говорит она, — потому что, когда вы отлаживаете проблему, вы хотите знать, где вы находитесь, чтобы вы могли останавливаться в разных местах и ​​смотреть на вещи. Как и в любом проекте, у вас есть какая-то идея, но по мере продвижения вам приходится вносить коррективы и исправления, или вам нужно резервировать и пробовать другой подход».

На моделирование ушло несколько лет, а окончательные расчеты были проведены в 1955 году, уже после смерти Ферми. «Я был единственным, кто работал над этим довольно регулярно, — говорит Цингоу. Ученые «поработали над этим, а затем забыли об этом на некоторое время и занялись другим проектом, затем они звонили мне и говорили: «Немного измени это» или «Посмотри, даст ли добавление большего количества точек лучшие результаты».Итак, процесс шел довольно долго, пока собирались и анализировались результаты, вносились изменения. «Они предлагали что-то новое, и мы запускали его, потом они занимались другими проблемами, и я тоже».

Несмотря на то, что препринт отчета 1955 года был прочитан несколькими физиками, эксперимент не получил широкого распространения до тех пор, пока в 1965 году не было опубликовано собрание статей Ферми. которые нельзя было проверить раньше. С тех пор метод использования компьютеров для проведения экспериментов стал стандартным во многих областях. «Задача FPUT показала всю мощь моделирования, — говорит Строгац. "Это показало научному миру, что для изучения ранее неизведанных миров появился удивительный новый инструмент, сравнимый с микроскопом и телескопом".

Моделирование имеет множество применений в разных областях. «Численные эксперименты сейчас занимают центральное место в науке и технике», — говорит Двира Сегал, профессор химии в Университете Торонто, который использует версии цепочки FPUT для проведения численных исследований переноса тепла. Например, «поскольку цепи FPUT не обладают нормальной теплопроводностью, — поясняет она, — моделирование этих систем на компьютере позволяет раскрыть механизмы аномального переноса тепла на наноуровне — и выявить необходимые условия для достижения нормальной теплопроводности».

Хотя влияние FPUT уже давно отмечается, полная история людей, которые ее создали, не начинала разворачиваться до начала 2000-х годов, когда физик Тьерри Доксуа начал задаваться вопросом об имени в сноске. Досуа также был знаком с статьей, опубликованной в FPU в 1972 году Джеймсом Таком и М. Т. Мензелем. «Внимательное прочтение введения показывает, что Менцель участвовал в кодировании исходной задачи, но в отчете Лос-Аламоса никто с таким именем не упоминается», — говорит Даксуа, директор Института физики CNRS в ENS de Lyon. Он пришел к выводу, что М.Т. была Мэри Цингоу, издававшаяся под своим женатым именем Мензель. Даксуа работал в Лос-Аламосе научным сотрудником и использовал там свои связи, чтобы договориться об интервью с Цингоу, в результате чего в 2008 году появилась его статья в журнале Physics Today, которая привела к постепенному переходу от FPU к FPUT.< /p>

Для многих ученых нет сомнений в том, что имя Цингоу должно быть добавлено к эксперименту. «Сегодня человек, который пишет серьезный вычислительный код для изучения проблемы в любой научной дисциплине, считается равноправным соавтором», — говорит Кэмпбелл. «Отчасти это связано с тем, что в настоящее время существует три подхода к изучению научных проблем: теоретическая работа, экспериментальные наблюдения и вычислительные исследования», последний из которых включает в себя работу Цингоу над FPUT. «Открытие основывалось на разработке алгоритмов Цингоу, программировании, выполнении кода, сборе и анализе данных», — говорит Сигал. «Учитывая важную роль, которую она сыграла, Цингоу следует считать одним из первооткрывателей этого замечательного результата, знаменующего рождение нелинейной науки».

Проверка FPUT проводилась в начале 30-летней карьеры Цингоу в Лос-Аламосе, где она была экспертом по языку программирования FORTRAN и работала над такими проектами, как Стратегическая оборонная инициатива, известная как «Звездные войны». Но на протяжении всей ее успешной карьеры люди звонили со всего мира, чтобы расспросить Цингоу о FPUT и попросить ее поработать над программированием новых версий. «С самого начала, — говорит она, — людей интересовала вибрирующая струна».

Это статья с мнением и анализом; взгляды, выраженные автором или авторами, не обязательно совпадают с мнением Scientific American.

Эта статья является продолжением предыдущей работы автора в науке о национальной безопасности.

Читайте также:

  
• Как поставить тире на планшете
  
• Как создать файл dxf
  
• Файл не содержит данных изображения nikon
  
• Планшет lenovo team не знает что делать
  
• Как выключить музыку в вк на компьютере