Какие компьютерные модели называются имитационными тестами
Обновлено: 03.07.2024
Компьютерное моделирование и симуляция приобретают все большее значение при разработке и сертификации медицинских устройств, а также для успеха многих производителей на рынке.
- Познакомит вас с возможностями моделирования и симуляции.
- Подробно описывает препятствия и нормативные требования.
- Определяет ссылки на наиболее важные источники.
- Дает конкретные советы производителям медицинского оборудования.
1. Что подразумевается под компьютерным моделированием и симуляцией?
а) Определение терминов
Полезное определение терминов «компьютерное моделирование» или «вычислительное моделирование» взято из самого FDA:
Вычислительное моделирование это процесс представления реальной системы с помощью компьютера и последующего запуска моделирования с помощью реализация числовой схемы.
Frontiers in Medicine, сентябрь 2018 г., том 5, статья 241, Tina Morrison (FDA) et. др.
Одним из возможных применений такого моделирования и симуляции является «медицина in silico». Это можно определить следующим образом:
Это прямое использование компьютерного моделирования для диагностики, лечения или профилактики заболеваний. В частности, медицина in silico характеризуется моделированием, симуляцией и визуализацией биологических и медицинских процессов на компьютерах с целью имитации реальных биологических процессов в виртуальной среде.
b) Моделирование и имитация в других отраслях
Использование компьютерных моделей и моделирования широко распространено и в других отраслях:
- Производители автомобилей моделируют краш-тесты. Они используют краш-тесты с реальными автомобилями в первую очередь для проверки и улучшения компьютерных моделей.
- Разработка летательных аппаратов и проверка их летных характеристик изначально осуществляется исключительно на компьютерах.
- Прогноз погоды основан на компьютерных моделях.
- Производители рассчитывают механические свойства новых продуктов с помощью таких методов, как метод конечных элементов.
< бр />
Рис. 1. Использование компьютерных моделей и моделирования в других отраслях: краш-тесты, погодные условия, гидромеханика
2. Применение компьютерного моделирования в медицинской технике
Производители медицинских устройств могут использовать компьютерное моделирование и симуляцию на всех этапах жизненного цикла устройства.
а) Разработка медицинских устройств
Производители должны обосновать «выбранное решение»
Такие законы, как MDR и IVDR, требуют от производителей соблюдения общих требований безопасности и производительности. К ним относятся требования для
- Механическая, электрическая, электромагнитная и биологическая безопасность устройств.
- Надежность и безопасность при первом отказе
- Соответствие характеристикам производительности
Производители должны обосновать, почему они выбрали конкретное решение, например. конкретный дизайн:
«Документация должна […] включать обоснование […] решений, принятых для удовлетворения этих [общих требований безопасности и производительности].
MDR, Приложение II, Глава 4.
Это обоснование будет особенно успешным, если производители смогут продемонстрировать, что другие решения уступают выбранному решению.
Для этого можно использовать моделирование и симуляцию
Очень эффективный способ сделать это — смоделировать альтернативные решения на компьютере и выбрать наилучший вариант. Эти параметры включают:
- Подбор материалов
- Конструкция компонентов, например форма, толщина материала.
- Дизайн и расположение антенн
- Дизайн пользовательских интерфейсов
< бр />
Рис. 2: Использование моделирования на примере имплантируемого инфузионного насоса. Слева направо: моделирование конструкции антенны, нагрузки на корпус в случае падения, пользовательского интерфейса, профиля давления и скорости потока (источник: Ansys)
Однако моделируется не только само устройство, но и люди, использующие устройство, включая их анатомию и физиологию.
Рис. 3: Моделирование людей с их костными структурами, выдыхаемым воздухом и их органами (здесь сердце). Источники: Cadfem Medical, Ansys, YouTube
б) Производство
Некоторые производители используют компьютерное моделирование для имитации производственных процессов, например:
- Наполнение товаров
- Стерилизация и дезинфекция
- Проектирование измерительных систем
c) Верификация, проверка и авторизация
Доказательства того, что медицинское устройство является безопасным и эффективным и обеспечивает обещанные клинические преимущества, можно получить частично или полностью с помощью компьютерных моделей.
В некоторых случаях FDA даже принимало решение об авторизации медицинских устройств исключительно на основе таких моделей и симуляций. Сюда входит устройство, чья «совместимость с МРТ» должна быть доказана.
Кроме того, Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) одобрило устройство для «3D-маммографии», диагностические характеристики которого оценивались с использованием синтетических (!) изображений. Для этого производитель смоделировал как грудь (например, размер, содержание жира, геометрию, молочные протоки, сосуды, поражения), так и само медицинское изделие.
< /p>
Рис. 4: Синтетические изображения, которые использовались для демонстрации работы устройства для цифрового томосинтеза молочной железы (DBT) и, как следствие, для его авторизации (Источник) (щелкните, чтобы увеличить)
В результате большая часть клинических исследований была проведена путем моделирования с клиническими испытаниями in-silico.
d) Послепродажный этап
Моделирование также может помочь производителям на послепродажном этапе:
- Схемы ошибок в полевых условиях можно смоделировать с помощью компьютерных моделей и определить причины
- Производители могут быстро опробовать различные меры по устранению неполадок и выбрать лучший вариант.
- Модели также можно использовать для проверки и проверки этих мер и подтверждения их эффективности властям.
- Модели помогают прогнозировать будущие ошибки. Они также позволяют производителям моделировать экстремальные ситуации.
д) Резюме
Едва ли найдется этап жизненного цикла устройства, на котором нельзя использовать моделирование и симуляцию. FDA соглашается.
Рис. 5: FDA видит ряд приложений для компьютерного моделирования и симуляции (источник). (нажмите, чтобы увеличить)
3. Преимущества (и не только) для производителей медицинского оборудования
а) Примеры
Преимущества компьютерного моделирования и симуляции очевидны:
- Скорость разработки может быть увеличена, поскольку нет необходимости разрабатывать физические прототипы.
- Устройства безопаснее, потому что можно изучить различные варианты и выбрать лучший вариант.
- Устройства также можно тестировать в экстремальных условиях, что еще больше повышает их безопасность.
- Эксперименты на животных можно свести к минимуму или даже полностью исключить.
- Дорогое настольное тестирование можно частично заменить компьютерными моделями.
- Стоимость и продолжительность клинических исследований можно свести к минимуму.
- Меньше пациентов должны участвовать в клинических исследованиях.
- Возможно расширение когорты пациентов за счет включения искусственных пациентов.
б) Резюме
Компьютерное моделирование имеет следующие преимущества:
- Сокращение времени выхода на рынок
- Снижение затрат
- Безопасные устройства
- Меньше этических конфликтов в результате испытаний на животных и клинических исследований
Но и у этих методов есть своя цена. Подробнее об этом ниже.
4. Нормативные требования к компьютерному моделированию и симуляции
а) Европа
Даже современные законы, такие как MDR и IVDR, не содержат конкретных требований по использованию компьютерных моделей для разработки медицинских устройств. Однако они явно предусматривают их использование и моделирование.
при необходимости, результаты биофизических или модельных исследований, достоверность которых была продемонстрирована заранее; (Приложение I, 10.1a))
результаты испытаний, таких как инженерные, лабораторные, моделирование использования и испытания на животных [. ]; (Приложение II, 6.1.a))
доклинические испытания, например, лабораторные испытания, испытания с имитацией использования, компьютерное моделирование, использование моделей на животных (Приложение VII, 4.5.4.a))
ISO 13485 требует от производителей:
- Проверить свои компьютеризированные системы
- Проверьте их процессы
- Проверить измерительное оборудование
- Планирование процессов мониторинга и измерения
- Используйте соответствующие статистические методы.
б) США/FDA
Конгресс США поручил FDA продвигать и регулировать использование компьютерного моделирования и моделирования. В августе 2011 года он уже опубликовал документ «Развитие регуляторной науки в FDA».В нем орган решил сосредоточиться на «использовании и развитии вычислительных методов и моделирования in silico».
В 2018 году Тина Моррисон, продвигающая этот вопрос в FDA, объяснила в статье "Frontiers in Medicine" возможности, предлагаемые "вычислительным моделированием медицинских устройств", и необходимые «нормативная наука».
Еще до этого она играла ключевую роль в разработке руководящего документа «Отчетность об исследованиях с использованием компьютерного моделирования при подаче заявок на медицинские устройства», окончательная версия которого доступна с 2016 года.
Как следует из названия, в этом документе описывается, какую документацию ожидает FDA. Но он не содержит конкретных указаний по проверке моделей.
c) ASME V&V 40
В этом документе описываются шаги, которые должны предпринять производители при проверке моделей компьютеров.
Рис. 6. ASME сообщает производителю, какие шаги он должен предпринять, чтобы продемонстрировать «достоверность» своей модели (Источник)
Эти шаги включают:
- Формулировка интересующего вопроса
Укажите, на какой именно вопрос должна ответить модель. Например, сколько жидкости следует удалить у пациентов, находящихся на диализе? - Описание контекста использования (COU)
COU описывает, какую роль играет компьютерная модель в ответе на вопрос, и каков конкретный объект компьютерной модели. Например, он будет моделировать жидкостное отделение пациента, чтобы оценить гидрогенизацию. - Анализ рисков
Риски определяются влиянием модели на решение производителя и последствиями этого решения. Например, влияние модели было бы больше, если бы производитель полагался исключительно на модель. - Установление «целей достоверности»
Здесь документ ASME описывает многочисленные аспекты (см. рис. 7), для которых производители должны определить критерии. Они варьируются от анализа ошибок дискретизации до адекватности модели, ее формул и констант и проверки компаратора, используемого для проверки модели.
< бр />
Рис. 7: ASME перечисляет аспекты, на которые производители должны обратить внимание, пытаясь продемонстрировать «надежность» своих компьютерных моделей. (нажмите, чтобы увеличить)
5. Использование компьютерного моделирования и имитации на практике
а) Проблемы
Преимущества компьютерных моделей для разработки и авторизации медицинских устройств очевидны. Однако на практике производители сталкиваются с многочисленными проблемами:
- Нехватка экспертов
Эксперты, способные разрабатывать компьютерные модели и моделировать медицинские устройства, встречаются редко, и их трудно нанять. - Неопределенность нормативно-правовой базы
Поскольку европейские органы власти и уполномоченные органы не развивают регуляторную науку в той же степени, что и в США, некоторая неопределенность нормативно-правовой базы сохраняется. Будут ли симуляции и проверка моделей признаны? Сколько других доказательств ожидается? - Высокая стоимость инструментов
Существует множество инструментов с открытым исходным кодом. Но обычно они имеют очень ограниченную сферу применения. Кроме того, отсутствует поддержка проверки этих инструментов, а удобство использования оставляет желать лучшего. С другой стороны, профессиональные инструменты могут быть очень дорогими. - Время, необходимое для разработки и проверки моделей
Разработка и проверка компьютерных моделей занимает очень много времени. Например, на 3D-модель маммографии ушло 1,75 года. Однако, если бы модель не использовалась, на это ушло бы четыре года.
b) Дальнейшие действия
Как и при любом путешествии в неизвестность, мы рекомендуем следующие рекомендации:
- Начните с четких и очень ограниченных вопросов.
- Нанимайте людей, которые имеют хотя бы некоторый опыт в этой теме и которым нравится проект.
- Получите помощь, например, в виде совета или обучения.
- Быстро учиться на ошибках и адаптировать вопросы, методы и инструменты.
- Не изобретайте ничего заново, используйте то, что уже существует: поставщики услуг, такие как Cadfem Medical, предлагают «моделирование как услугу» с (предварительно) проверенными моделями устройств и людей (органов, анатомии).
- Используйте непредвзятость FDA и предложите следовать рекомендации Тины Моррисионс (FDA) использовать CM&S для одобрения.
6. Резюме
а) Альтернативы почти нет – в том числе из-за новых конкурентов
В долгосрочной перспективе для большинства производителей может уже не стоять вопрос о том, используют ли они компьютерное моделирование и симуляцию для разработки, проверки и авторизации своих устройств или нет.
Без этих методов они не смогут конкурировать с конкурентами. И конкуренция не обязательно может быть их нынешними конкурентами. На рынок выйдут компании и университеты со своими стартапами, у которых есть инструменты и опыт моделирования и симуляции.
b) Вопрос этики
Но не только конкурентное давление должно побуждать производителей идти по этому пути. Подвергать пациентов и животных ненужным тестам и рискам просто неэтично.
Подход all-in-silico к проведению визуализационных исследований не заменяет, а дополняет или сводит к минимуму традиционные клинические испытания. Например, поэтапное включение результатов вычислений в нормативные документы может помочь уменьшить размер и продолжительность испытаний на людях.
c) Требуются производители, органы власти и уполномоченные органы
То, насколько Европа отстает от многих инициатив США, когда речь идет о нормативно-правовой базе компьютерного моделирования и симуляции, вызывает беспокойство. Желательно более активное взаимодействие властей и уполномоченных органов по этому вопросу.
Производители могут вступить в альянс Avicenna Alliance, чтобы активно способствовать формированию нормативно-правовой базы.
Институт Джонера может оказать еще более интенсивную поддержку для обеспечения ясности регулирования и максимально быстрого и простого моделирования и моделирования.
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.
Домен 7: Операции по обеспечению безопасности (например, основополагающие концепции, расследования, управление инцидентами, аварийное восстановление)
Эрик Конрад, . Джошуа Фельдман, учебное пособие CISSP (третье издание), 2016 г.
Имитационный тест/пошаговое упражнение
Имитационный тест , также называемый пошаговым упражнением (не путать со структурированным пошаговым руководством на основе обсуждения), выходит за рамки обсуждения процесса и фактически включает команды провести процесс восстановления. Имитируется воображаемая катастрофа, на которую команда должна отреагировать в соответствии с указаниями DRP. Масштабы моделирования будут значительно различаться и, как правило, будут становиться все более сложными и включать больше систем по мере успешного управления небольшими симуляциями стихийных бедствий. Хотя некоторые считают, что целью является успешное восстановление систем, затронутых симуляцией, в конечном счете цель любого тестирования DRP — помочь убедиться, что организация хорошо подготовлена в случае реальной аварии.
Отказоустойчивое управление
8.6.4 Комментарии и обсуждения
Многие симуляционные тесты в этой главе опущены из-за недостатка места. Однако можно сделать следующие выводы:
Параметры схемы обнаружения неисправностей, такие как длина временного окна оценки и пороговые значения, напрямую влияют на производительность системы.Короткое окно оценки в схеме обнаружения неисправностей может привести к тому, что детектор сбоя будет чувствительным, в то время как длинное окно может оказаться слишком медленным, чтобы правильно приспособиться.
Похожие условия существуют и для диагностики отказов. Меньшее пороговое значение дает больше ограничений при распознавании отказов и, таким образом, обеспечивает более консервативный результат диагностики. Это также означает, что из-за консервативного подхода могут быть потрачены большие вычислительные затраты. С другой стороны, если значение окажется слишком большим, результат диагностики может иметь большую неопределенность. Таким образом, действия по управлению могут переключаться между номинальным контроллером, действиями по послеаварийному управлению и интеллектуальным регулятором управления. Наилучший дизайн этих параметров должен основываться на зависимости от системы.
Физика, инструменты и методы визуализации сетчатки
Эндрю Р. Харви , . Адриан Подолеану, Computational Retinal Image Analysis, 2019
2.6 Использование фантомов глаза для имитации изображений сетчатки
Глазные фантомы обычно используются для проведения экспериментальных, имитационных тестов и проверок. Для моделирования оптики глаза как системы визуализации было предложено несколько имитационных моделей, называемых схематическими моделями глаза [8, 9] . Они учитывают геометрические формы и показатель преломления каждого компонента глаза: роговицы, хрусталика, стекловидного тела и водянистой влаги с разной степенью строгости. Эти модели позволяют проводить оптическое моделирование на основе трассировки лучей и, таким образом, их можно включать в конструкцию офтальмологических инструментов для моделирования и оптимизации их работы, а также для учета эффектов глаза, таких как аберрации, оптическое рассеяние окулярными средами и дифракция. Эти модели варьируются от простых аппроксимаций, основанных на более простых геометрических формах и моделях показателя преломления, до более полных описаний, которые могут включать точную хроматическую дисперсию, асферические поверхности и модели с градиентным показателем (GRIN), двойное лучепреломление и другие свойства [7]. может лучше описывать оптические характеристики в более широком диапазоне углов (например, для широкого поля зрения). Для экспериментальной оценки и проверки можно построить фантомные глаза, имитирующие глаз, как показано на рис. 9. Они варьируются от простых моделей, основанных на одной линзе и плоской мишени, напоминающей сетчатку, до более сложных и точных моделей, основанных на паре линз, имитирующих роговицу и хрусталик, заключенных в футляр, наполненный водой, и изогнутой и многослойной мишени. имитировать объемное рассеяние на сетчатке [35, 36].
Рис. 9 . (A) Простой фантомный глаз, используемый для оценки оксиметрии сетчатки с использованием кварцевых капилляров, наполненных кровью с контролируемой оксигенацией [36], и (B) реалистичный фантом, основанный на схематической модели глаза [34].
SDN с открытым исходным кодом
Пол Йоранссон, . Тимоти Калвер, Программно определяемые сети (второе издание), 2017 г.
13.11 Моделирование, тестирование и инструменты
В этом разделе мы обсудим некоторые из наиболее важных доступных реализаций с открытым исходным кодом, связанных с сетевым моделированием, тестированием и инструментами, относящимися к SDN. Решения SDN с открытым исходным кодом, доступные в этой области, приведены в таблицах 13.12 и 13.13. Некоторые из этих проектов предлагают программное обеспечение, которое может иметь отношение к неисследовательским средам, в частности, Cbench, OFLOPS и OFTEST. Mininet широко используется исследователями SDN для имитации больших сетей коммутаторов и хостов, а также трафика, который может заставить контроллер, такой как контроллер OpenFlow, создавать, изменять и отключать большое количество потоков.
Будь то предсказание распространения инфекционного заболевания или предсказание погодных условий, компьютерное моделирование воспроизводит события реального мира, чтобы сэкономить время и деньги исследователей при планировании будущего.
Несколько лет назад ученые из Аргоннской национальной лаборатории под Чикаго пришли к выводу, что зомби потребуется всего пара месяцев, чтобы захватить город и уничтожить его население.
«Ни одна часть города не будет пощажена», — сказал Чик Макал, старший системный инженер из Аргонны, газете Chicago Tribune в 2016 году.
К счастью, как он недавно заверил «Built In», теперь у нас есть «знания, необходимые для разработки действенной программы по обучению населения как лучшей защите от зомби, так и наиболее эффективным наступательным действиям».
Зомби, конечно, не реальны, а всего лишь забавный объяснительный прием, который Макал и его коллеги использовали, чтобы предсказать, как могут распространяться более вероятные инфекционные заболевания, и определить наиболее эффективные методы вмешательства и политических действий. Их исследования основывались на так называемом агентном компьютерном моделировании и симуляции. Наряду со своим родственником, основанным на уравнениях, этот метод (не путать с 3D-визуализацией) на протяжении десятилетий позволял исследователям во всех типах академических дисциплин и коммерческих отраслей выяснять, как вещи (оборудование, вирусы и т.) будет функционировать или действовать в определенных средах без необходимости физически воспроизводить эти условия. В случае с Макалом и его соратниками это означает, что в ходе их работы не пострадал ни один живой человек или нежить. Опять же, фу.
Коллега Макала, ученый-вычислитель Джонатан Озик, описал эту часть своей работы как "вычислительное открытие эффективных вмешательств", и она особенно хороша при работе с определенной группой людей. Дополнительным преимуществом, по его словам, является то, что «мы можем проводить эти эксперименты, не беспокоясь о стоимости экспериментов или даже об этических соображениях и соображениях конфиденциальности», потому что популяции, которые они изучают, являются синтетическими — математическими представлениями, а не реальными объектами.
Исследователи из Аргонны Чик Макал (слева) и Джонатан Озик (Источник: Аргоннская национальная лаборатория)
Что такое компьютерное моделирование?
Все еще не ясно, что такое симуляция? Давайте позволим Британской энциклопедии поразмыслить над этим, добавив курсив для большей выразительности: компьютерное моделирование, как сообщает почтенное хранилище знаний, включает «использование компьютера для представления динамических откликов< /em> одной системы поведением другой системы, смоделированной по ее образцу. В моделировании используется математическое описание или модель реальной системы в виде компьютерной программы. Эта модель состоит из уравнений, которые дублируют функциональные отношения в реальной системе. Когда программа запускается, результирующая математическая динамика формирует аналог поведения реальной системы. , а результаты представлены в виде данных».
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. ”
Читайте также: