EngNews
Логин: 
Пароль: 
 
ГЛАВНАЯ
СОБЫТИЯ
ОТПРАВИТЬ НОВОСТЬ
КОНТАКТЫ
регистрация / забыл пароль
Главная / Алгоритм сокращает комплексное моделирование от нескольких дней до нескольких часов
03.12.2015
Алгоритм сокращает комплексное моделирование от нескольких дней до нескольких часовРабота с вычислительной моделью является работой в мире с неизвестными переменными. Модели, имитирующие сложные физические процессы - от изменения климата Земли до работы гиперзвуковых двигателей сгорания – являются невероятно сложными, иногда с сотнями параметров, каждый из которых описывает часть более крупного процесса.
Параметры часто являются неизвестными в рамках своих моделей, и их вклад в значительной степени является неизвестным в целом. Чтобы оценить значение каждого неизвестного параметра, потребуется подключения сотни, если не тысячи значений, и запуск модели каждый раз, чтобы сузить поиск до точного значения, потребует вычислений, которые могут занять несколько дней, а иногда и недель.
Теперь исследователи Массачусетского технологического института разработали новый алгоритм, который значительно снижает вычисление практически любой вычислительной модели. Алгоритм в течении нескольких прогонов модели и в сочетании с некоторыми соответствующими точками данных постепенно сужается к своей цели: вероятностному распределению значений для каждого неизвестного параметра. С помощью этого метода ученые смогли прийти к тому же ответу, как и в классических вычислительных подходах, но в 200 раз быстрее. Алгоритм достаточно универсален, чтобы соответствовать широкому кругу проблем с интенсивными вычислениями.

В работе со сложными моделями с участием нескольких неизвестных параметров, компьютерные ученые, как правило, используют технику, называемую анализом Монте-Карло с цепями Маркова - анализ-статистическим методом отбора проб, который часто объясняется в контексте настольной игры «Монополия».
Чтобы планировать монополию, следует знать, у каких объектов игроки останавливаются наиболее часто - по существу неизвестный параметр. Каждое пространство на игровой доске имеет вероятность приземления, определяемую по правилам игры, позицией каждого игрока, и броску двух кубиков. Чтобы определить распределение вероятностей на доске, вы можете бросить кубик сотни раз.
Если бросить кубик достаточное количество раз, то можно получить довольно хорошее представление о том, где игроки будут, скорее всего, останавливаться. По сути, именно так анализ Монте-Карло с цепями Маркова и работает: запуская модель снова и снова, с различными входами, чтобы определить распределение вероятностей для одного неизвестного параметра. Для более сложных моделей с участием нескольких неизвестных, тот же метод может занять от нескольких дней до нескольких недель, чтобы вычислить ответ.

С их нового алгоритмом, исследователи намерены значительно ускорить процесс отбора проб. Алгоритм может быть применен к любой сложной модели, чтобы быстро определить распределение вероятностей или наиболее вероятные значения для неизвестного параметра. Как и анализ Монте-Карло с цепями Маркова, алгоритм может запустить данную модель с различными входами, хотя такое возникает редко, так как этот процесс может быть довольно долгим. Чтобы ускорить процесс, алгоритм также использует соответствующие данные, чтобы помочь сузить приближенные значения неизвестных параметров.
Исследователи протестировали алгоритм на двух относительно сложных моделях, каждая из которых имеет горстку неизвестных параметров. В среднем, алгоритм пришел к тому же ответу для каждой модели, но в 200 раз быстрее.
Исследователи применили алгоритм комплексной модели для имитации движения морского льда в Антарктике, с участием 24 неизвестных параметров, и обнаружили, что алгоритм работает в 60 раз быстрее по сравнению с существующими методами. Они планирует проверить алгоритм на моделях систем сгорания для сверхзвуковых самолетов.



Новости инженерии
Новости политики
Социальные новости
Мировые происшествия
Ваши новости
Поставщики
Диллеры
Дистрибьютеры
 
Все права защищены ©
2014 - 2015 ИнжНьюз