Все выпуски

В работе представлена новая версия программного комплекса FlowVision, предназначенного для автоматизации инженерных расчетов в области вычислительной гидродинамики: FlowVision 3.09.05. Программный комплекс (ПК) FlowVision используется для решения различных прикладных задач в различных областях промышленности. Его популярность основана на том, что он позволяет решать сложные нетрадиционные задачи, находящиеся на стыке различных дисциплин, с одной стороны, и, с другой стороны, на парадигме полной автоматизации таких трудоемких для инженера процессов, как построение расчетной сетки. FlowVision — это программный комплекс, полностью отчуждаемый от разработчиков. Он имеет развитый графический интерфейс, систему задания расчетного проекта и систему визуализации течений различными методами — от построения контуров (для скалярных переменных) и векторов (для векторных переменных) на плоскостях и поверхностях до объемной визуализации расчетных данных. Кроме этого, ПК FlowVision предоставляет пользователю возможность вычислять интегральные характеристики на поверхностях и в ограниченных объемах.

ПК основан на конечно-объемном подходе к аппроксимации основных уравнений движения жидкости. В нем реализованы явный и неявный методы решения этих уравнений. ПК имеет автоматический построитель неструктурированной сетки с возможностью ее локальной динамической адаптации. В ПК реализован двухуровневый параллелизм, позволяющий эффективно проводить расчеты на компьютерах, имеющих распределенную и общую память одновременно. FlowVision обладает широким спектром физико-математических моделей: турбулентности (URANS, LES, ILES), горения, массопереноса с учетом химических превращений и радиоактивного распада, электрогидродинамики.

FlowVision позволяет решать задачи движения жидкостей со скоростями, соответствующими несжимаемому или гиперзвуковому режимам за счет использования все-скоростного метода расщепления по физическим переменным для решения уравнений Навье–Стокса. FlowVision позволяет решать междисциплинарные задачи с использованием различных средств моделирования, например: моделировать многофазные течения методом VOF, обтекание подвижных тел с помощью эйлерова подхода при неподвижной расчетной сетке, моделировать вращающиеся машины с использованием метода скользящей сетки, решать задачи взаимодействия жидкости и конструкций методом двухстороннего сопряжения FlowVision с конечно-элементными кодами. В данной работе показаны примеры решения задач-вызовов: a) посадка космического корабля на воду при торможении ракетными двигателями, где есть граница раздела «воздух–вода», подвижные тела и взаимодействие сверхзвуковой струи газа с границей раздела «вода–воздух»; б) моделирование работы человеческого сердца с искусственными и живыми клапанами, спроектированными на базе томографических исследований, с использованием двухстороннего сопряжения «жидкостной» расчетной области с конечно-элементной моделью мышц сердца.

Сегодня квантовые технологии могут получить новый виток развития, что, наверняка, даст возможность получить решения для многочисленных задач, которые ранее не поддавались решению в рамках традиционных парадигм и вычислительных моделей. Все человечество стоит у порога так называемой второй квантовой революции, и ее краткосрочные и отдаленные последствия затронут практически все сферы жизни глобального общества. Свое непосредственное развитие получат такие направления и отрасли науки и техники, как материаловедение, нанотехнология, фармакология и биохимия вообще, моделирование хаотичных динамических процессов (ядерные взрывы, турбулентные потоки, погода и долгосрочные климатические явления) и т. д., а также решение любых задач, которые сводятся к перемножению матриц больших размеров (в частности, моделирование квантовых систем). Однако вместе с необычайными возможностями квантовые технологии несут с собой и определенные риски и угрозы, в частности слом всех информационных систем, основанных на современных достижениях криптографии, что повлечет за собой практически полное разрушение секретности, глобальный финансовый кризис из-за разрушения банковской сферы и компрометации всех каналов связи. Даже несмотря на то, что уже сегодня разрабатываются методы так называемой постквантовой криптографии, некоторые риски еще необходимо осознать, так как не все долгосрочные последствия могут быть просчитаны. Вместе с тем ко всему перечисленному надо быть готовым, в том числе при помощи подготовки специалистов, работающих в области квантовых технологий и понимающих все их аспекты, новые возможности, риски и угрозы. В связи с этим в настоящей статье приводится краткое описание текущего состояния квантовых технологий, а именно квантовой сенсорики, передачи информации при помощи квантовых протоколов, универсального квантового компьютера (аппаратное обеспечение) и квантовых вычислений, основанных на квантовых алгоритмов (программное обеспечение). Для всего перечисленного приводятся прогнозы развития в части воздействия на различные сферы человеческой цивилизации.

В работе предложен адаптивный алгоритм, моделирующий процесс формирования начальных поведенческих навыков на примере системы «глаза–манипулятор» анимата. Ситуация формирования начальных поведенческих навыков возникает, например, когда ребенок осваивает управление своими руками на основе понимания связи между исходно неидентифицированными пятнами на сетчатке своих глаз и положением реального предмета. Поскольку навыки управления телом не «вшиты» исходно в головной и спинной мозг на уровне инстинктов, то человеческому ребенку, как и большинству детенышей других млекопитающих, приходится осваивать эти навыки в режиме поискового поведения. Поисковое поведение начинается с метода проб и ошибок в чистом виде, затем его вклад постепенно уменьшается по мере освоения своего тела и окружающей среды. Поскольку образцов правильного поведения на этом этапе развития организм не имеет, то единственным способом выделения правильных навыков является положительное подкрепление при достижении цели. Ключевой особенностью предлагаемого алгоритма является фиксация в режиме импринтинга только завершающих действий, которые привели к успеху, или, что очень важно, привели к уже знакомой запечатленной ситуации, однозначно приводящей к успеху. Со временем непрерывная цепочка правильных действий удлиняется — максимально используется предыдущий позитивный опыт, а негативный «забывается» и не используется. Тем самым наблюдается постепенная замена случайного поиска целенаправленными действиями, что наблюдается и у реальных детенышей.

Тем самым алгоритм способен устанавливать соответствие между закономерностями окружающего мира и «внутренними ощущениями», внутренним состоянием самого анимата. В предлагаемой модели анимата использовалось 2 типа нейросетей: 1) нейросеть NET1, на вход которой подавались текущие положения кисти руки и целевой точки, а на выходе — двигательные команды, направляющие «кисть» манипулятора анимата к целевой точке; 2) нейросеть NET2, которая на входе получала координаты цели и текущей координаты «кисти», а на выходе формировала значение вероятности того, что анимату уже «знакома» эта ситуация и он «знает», как на нее реагировать. Благодаря такой архитектуре у анимата есть возможность опираться на «опыт» нейросети в распознанных ситуациях, когда отклик от сети NET2 близок к 1, и, с другой стороны, запускать случайный поиск, когда опыта функционирования в этой области зрительного поля у анимата нет (отклик NET2 близок к 0).

В условиях развития современной экономики человеческий капитал является одним из главных факторов экономического роста. Формирование человеческого капитала начинается с рождения человека и продолжается в течение всей жизни, поэтому величина человеческого капитала неотделима от его носителей, что, в свою очередь, затрудняет учет данного фактора. Это привело к тому, что в настоящее время нет общепринятых методик расчета величины человеческого капитала. Можно выделить лишь несколько подходов к измерению человеческого капитала: стоимостной подход (по доходам или инвестициям) и индексный подход, из которых наиболее известен подход, разработанный под эгидой ООН.

В данной работе поставленная задача рассматривается совместно с задачей демографической динамики, решаемой во временно-возрастной плоскости, что позволяет наиболее полно учесть влияние временных изменений демографической структуры на динамику человеческого капитала.

Задача демографической динамики ставится в рамках модели Мак-Кендрика – фон Ферстера на основе уравнения динамики возрастного состава. Вид функций распределения рождений, смертности и миграции населения определяется на основе имеющейся статистической информации. Приводится численное решение задачи. Представлены анализ и прогноз демографических показателей. На основе задачи демографической динамики формулируется экономико-математическая модель динамики человеческого капитала. В задаче моделирования динамики человеческого капитала рассматриваются три составляющие: образовательная, составляющая здоровья и культурная (духовная) составляющая. Для описания эволюции составляющих человеческого капитала используется двумерное уравнение типа уравнения переноса. Объемы инвестиций в составляющие человеческого капитала определяются на основе расходных статей бюджета и частных расходов с учетом характерного временного жизненного цикла демографических элементов. Для прогнозирования динамики суммарной величины человеческого капитала используется одномерное кинетическое уравнение. Приводится методика расчета динамики данного фактора как функции времени. Представлены расчетные данные по динамике человеческого капитала для Российской Федерации. Как показали исследования, величина человеческого капитала интенсивно нарастала до 2008 года, в дальнейшем наступил период стабилизации, но после 2014 года имеет место отрицательная динамика данной величины.

Проблема отсутствия сбалансированности спроса и предложения на рынке труда специалистов высшей и средней квалификации не только приводит к потерям человеческого капитала, но также в значительной мере препятствует инновационному и научно-технологическому развитию. Предварительный анализ показал, что во многом несбалансированность спроса и предложения труда инженерно-технических специалистов в России связана с процессом деиндустриализации и снижения престижности инженерной профессии, что привело к увеличению доли специалистов, не работающих по полученной специальности.

В работе предложена макроэкономическая модель, которая позволяет проводить сценарные прогнозы, а также с помощью решения оптимизационных задач определить условия достижения сбалансированности спроса и предложения труда инженерно-технических специалистов на среднесрочную перспективу. Модель состоит из 14 блоков, включая блоки для анализа спроса и предложения труда инженерно-технических специалистов, а также блоки для моделирования выпуска в промышленности, секторе услуг, экономике в целом, динамики инвестиций и основных фондов.

Результаты расчетов свидетельствуют о возможности существования сбалансированности спроса и предложения труда инженерно-технических специалистов при реализации сценариев одновременного роста доли инвестиций в основные фонды промышленности и относительной заработной платы в промышленности, а также показывают, что достижению сбалансированности способствует снижение оттока кадров из специальности, что также не противоречит выводам, полученным в результате экономического анализа. Следует отметить, что снижение доли специалистов, не работающих по специальности, может быть результатом как роста относительной заработной платы в промышленности и количества рабочих мест, так и реализации мероприятий по улучшению условий труда и повышения привлекательности профессии. Обобщая полученные результаты, в случае самого простого сценария, не учитывающего дополнительные меры по улучшению качества рабочих мест и повышению престижности профессии, для достижения сбалансированности требуются несколько менее высокие темпы роста инвестиций в промышленность, чем в сценариях, предусматривающих рост численности занятых инженерно-технических специалистов за счет увеличения доли работающих по специальности. В случае когда предполагается постепенное снижение доли не работающих по специальности инженерно-технических специалистов, возникает необходимость, вероятно, более высоких инвестиционных затрат в промышленности для привлечения специалистов и создания новых рабочих мест, а также дополнительных мер по повышению престижности профессии.

В последней четверти ХХ века характер глобального демографического и экономического развития стал быстро изменяться: непрерывно ускорявшийся рост основных характеристик, имевший место на протяжении предыдущих двухсот лет, сменился на резкое их торможение. В условиях этих изменений возрастает роль долгосрочного прогноза мировой динамики. При этом прогноз должен основываться не на инерционном проецировании прошлых тенденций в будущие периоды, а на математическом моделировании фундаментальных закономерностей исторического развития. В статье изложены предварительные результаты исследований по математическому моделированию и прогнозированию мировой демографо-экономической динамики, основанные на таком подходе. Предложены базовые динамические уравнения, отражающие эту динамику, обоснована модификация этих уравнений применительно к разным историческим эпохам. Для каждой исторической эпохи на основе анализа соответствующей ей системы уравнений определялся фазовый портрет и проводился анализ его особенностей. На основе этого анализа делались выводы о закономерностях мирового развития в рассматриваемый период.

Показано, что для моделирования исторической динамики важным является математическое описание развития технологий. Предложен способ описания технологической динамики, на основе которого предложены соответствующие математические уравнения.

Рассмотрены три стадии исторического развития: стадия аграрного общества (до начала XIX века), стадия индустриального общества (XIX–ХХ века) и современная эпоха. Предложенная математическая модель показывает, что для аграрного общества характерна циклическая демографо-экономическая динамика, в то время как для индустриального общества характерен рост демографических и экономических характеристик, близкий к гиперболическому.

Результаты математического моделирования показали, что человечество в настоящее время переходит на принципиально новую фазу исторического развития. Происходит торможение роста и переход человеческого общества в новое фазовое состояние, облик которого еще не определен. Рассмотрены различные варианты дальнейшего развития.