Все выпуски

В работе изложена процедура построения численных решений для задачи переноса излучения. В этом подходе численное решение строится последовательно от границы области вдоль направления распространения излучения. Проведено тестирование алгоритма задаче распространения излучения нагретого шара.

В данной работе описан метод идентификации онлайн-подписи с использованием оконного преобразования Фурье и вейвлет-преобразования с радиальным базисом специального вида. При идентификации используются динамические характеристики подписи. Приведены оценки достоверности предложенной процедуры.

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.

Одна из серьезных проблем, ограничивающих применение импульсных нейронных сетей в прикладных информационных системах, — это кодирование числовых данных в виде последовательностей спайков — бескачественных атомарных объектов, которыми обмениваются нейроны в импульсных нейросетях. Особенно остро эта проблема стоит в задачах обучения с подкреплением агентов, функционирующих в динамичном реальном мире, так как кроме точности кодирования надо учитывать еще его динамические характеристики. Одним из распространенных является метод кодирования гауссовыми рецептивными полями (ГРП). В этом методе одна числовая переменная, подаваемая на вход импульсной нейронной сети, представляется потоками спайков, испускаемых некоторым количеством входных узлов сети. При этом частота генерации спайков каждым входным узлом отражает близость текущего значения этой переменой к значению — центру рецептивного поля, соответствующего данному входному узлу. В стандартном методе ГРП центры рецептивных полей расположены эквидистантно. Это оказывается неэффективным в случае очень неравномерного распределения кодируемой величины. В настоящей работе предлагается усовершенствование этого метода, основанное на адаптивном выборе центров рецептивных полей и вычислении частот потоков спайков. Производится сравнение предлагаемого усовершенствованного метода ГРП с его стандартным вариантом с точки зрения объема сохраняемой при кодировании информации и с точки зрения точности классификационной модели, построенной на закодированных в виде спайков данных. Доля сохраняемой при спайковом кодировании информации для стандартного и адаптивного ГРП оценивается с помощью процедуры прямого и обратного кодирования большой выборки числовых значений из треугольного распределения вероятности и сравнения числа совпадающих бит в исходной и восстановленной выборке. Сравнение на основе точности классификации проводилось на задаче оценки текущего состояния, возникающей при реализации обучения с подкреплением. При этом классификационные модели строились тремя принципиально различными алгоритмами машинного обучения — алгоритмом ближайших соседей, случайным лесом решений и многослойным персептроном. В статье демонстрируется преимущество предложенного нами метода во всех проведенных тестах.

Разработан алгоритм ускоренного моделирования КМОП СБИС (Сверх Больших Интегральных Схем с Комплементарной логикой на транзисторах Металл-Окисел-Проводник) под управлением точности. Алгоритм обеспечивает возможность проведения параллельного числительного эксперимента в много процессорной вычислительной среде. Ускорение расчета осуществляется за счет применения блочно-матричной и структурной (DCCC) декомпозиций. Особенность подхода состоит в выборе моментов и способов обмена параметрами и в применении многоскоростных методов интегрирования в процессе расчета подсистем. Благодаря этому имеется возможность оценивать и контролировать погрешность по требуемым характеристикам.