DCM. Рубрики журнала

2025-01-21 · 6 мин. для прочтения

DCM. Рубрики журнала.

Содержание

1 Рубрики журнала

  • Редакция приняла решение о возвращении явно выделенных рубрик в журнале.
  • Журнал содержит тематические и организационные рубрики.
  • Тематические рубрики:
    • информатика (компьютерные науки);
    • математическое моделирование;
    • физика.
  • Организационные рубрики:
    • редакционные статьи;
    • письма в редакцию.

2 Тематические рубрики

  • Журнал публикует статьи по информатике, математическому моделированию, физике.
  • Все эти научные области тесно связаны, и связующим ядром является математическое моделирование.

2.1 Информатика

  • Научные статьи по информатике охватывают широкий спектр тем, связанных с современными технологиями и методами обработки информации:
    • сети и системы управления базами данных;
    • искусственный интеллект и машинное обучение;
    • программная инженерия;
    • кибербезопасность;
    • разработка программных методов;
    • теория вычислений;
    • информационные технологии.

2.2 Физика

  • Научные статьи по физике охватывают широкий спектр тем, каждая из которых направлена на углубление понимания различных аспектов природы (Природа-1) и разработку новых технологий (Природа-2):
    • физика элементарных частиц;
    • космология и астрофизика;
    • ядерная физика;
    • физика конденсированных состояний;
    • нелинейная физика;
    • лазерная физика и оптика;
    • квантовая механика;
    • теория поля;
    • вычислительная физика.

2.3 Математическое моделирование

  • Математическое моделирование возникло на стыке нескольких областей науки:
    • прикладной теоретическая физика;
    • математическая физика;
    • вычислительная физика.
  • Структура области математического моделирования задаётся как триада Модель–Алгоритм–Программа [1; 2].
  • Моделирование как дисциплина охватывает разные типы модельных подходов [3].
  • С нашей точки зрения эти подходы можно схематически описать единым образом.
  • Исследовательская структура состоит из операциональных и теоретических частей.
  • Операциональные части представлены процедурами приготовления системы и измерения. Также возможно описание операциональных частей как входных и выходных данных.
  • Теоретическая часть состоит из двух слоёв: модельного слоя и слоя реализации.
    • Модельный слой является основным и задаёт собственно исследуемую модель.
    • Слой реализации описывает конкретную структуру эволюции системы. В зависимости от типа реализации, можно получать разные виды моделей:
      • реализация — математические выражения: аналитические математические модели;
      • реализация — аналоговая система: физическая модель;
      • реализация — алгоритм: имитационные модели;
      • реализация — аппроксимация поведения: суррогатная модель.
  • Каждый тип моделей имеет свою область применимости, свои преимущества и недостатки.
  • Использование всего спектра моделей позволяет наиболее глубокое и всестороннее исследование моделируемой системы.

2.3.1 Аналитическое моделирование

  • Наиболее строгое исследование базируется, обычно, на аналитической математической модели. В этом случае модельный слой реализуется посредством математических выражений, описывающих эволюцию системы.

2.3.2 Физическое моделирование

  • Полученную математическую модель нужно сопоставить с экспериментальными данными, верифицировать её. Для этого можно создать модель, аналогичную физической или технической системе.
  • Физическая модель может быть и виртуальной. Например, можно построить модель сети передачи данных, используя образы операционных систем маршрутизаторов и коммутаторов.

2.3.3 Имитационное моделирование

  • С развитием компьютерной техники появилась возможность задавать модельную реализацию не в виде математического описания, а в виде некоторого алгоритма.
  • Такого типа модели получили название имитационных моделей, а сам подход получил название имитационного моделирования.
  • Имитационная модель играет двоякую роль.
    • Отлаженная и проверенная на экспериментальных данных и физической модели имитационная модель сама по себе может служить целям верификации математической модели.
    • С другой стороны, имитационная модель позволяет более эффективно, чем математическая модель, исследовать поведение моделируемой системы при разных вариантах входных данных.

2.3.4 Статистическое моделирование

  • К данному типу моделирования относят модели, которые реализуются посредством методов машинного обучения.
  • Его можно разделить на несколько подходов (например, суррогатное моделирование; моделирование на основе данных).
  1. Суррогатное моделирование

    • Другие названия: аппроксимационные модели, модели поверхности отклика, метамодели, модели чёрного ящика.
    • В этом подходе модельный слой известен и даже имеет реализацию (чаще всего в виде аналитической модели).
    • Для многих реальных проблем моделирование может занять достаточно продолжительное время. Крайне затруднены такие (достаточно рутинные) задачи, как оптимизация решений, исследование пространства решений, анализ чувствительности и анализ «что, если» становятся невозможными, поскольку они требуют тысяч или миллионов оценок моделирования.
    • Для упрощения исследования строятся модели, которые имитируют поведение исходной модели настолько близко, насколько это возможно, в то время как вычислительно дёшевы. Суррогатные модели строятся с использованием подхода, основанного на данных. Точная внутренняя работа кода моделирования не предполагается известной (или даже понятой), важно только поведение ввода–вывода (приготовления–измерения). Модель строится на основе моделирования реакции на ограниченное количество (порой достаточно большое) выбранных точек данных. Научная задача суррогатного моделирования заключается в создании суррогата, который является максимально точным, используя как можно меньше оценок моделирования.
  1. Моделирование на основе данных

    • Применяется, когда отсутствует модель как таковая и природа истинной функции априори неизвестна, поэтому неясно, какая суррогатная модель будет наиболее точной. Кроме того, непонятно, как получить наиболее надёжные оценки точности данного суррогата. В данном случае модельный слой заменяется догадками исследователя.

3 Организационные рубрики

  • Предлагаются следующие организационные рубрики в журнал:
    • редакторская рубрика;
    • письма в редакцию.
  • По нашему представлению, редакционные статьи выполняют несколько задач. В этих статьях редакция:
    • даёт советы и рекомендации по правильному оформлению и структурированию научных статей (в частности, для естественно-научных статей предполагается использование структуры статьи IMRAD (Introduction, Methods, Results and Discussion) [4; 5], что облегчает восприятие и понимание исследования);
    • сообщает требования журнала; указываются специфические требования журналов к оформлению статей, как семантическому, так и синтаксическому.
    • даёт направление повышения качества статей, акцентируется внимание на элементах исследований; редакция старается усилить научную ценность работ;
    • задаёт смысловую навигацию по текущему номеру.
  • Редакционные статьи доносят до авторов текущее целеполагание журнала.
  • Рубрика Письма в редакцию предназначена для публикации кратких сообщений, содержащих комментарии, разъяснения или альтернативные точки зрения касающиеся как ранее опубликованных статей, так и разных мыслей, которые редакция не считает нужным поместить в соответствующую тематическую рубрику.
  • Основные цели таких писем:
    • комментарии и разъяснения по определённым аспектам ранее опубликованной статьи, если какие-то моменты остались неясными или недостаточно раскрытыми;
    • альтернативные или дополнительные мнения по обсуждаемым в опубликованных статьях вопросам;
    • конструктивная критика представленных в статье данных или выводов;
    • расширение научного дискурса.

4 Библиография

Литература

1. Самарский, А.А. Математическое моделирование: Идеи. Методы. Примеры. Математическое моделирование / А.А. Самарский, А.П. Михайлов. – 2. – Москва : Физматлит, 2001. – 320 сс.
2. Четверушкин, Б.Н. Триада Самарского. К 100-летию со дня рождения академика А.А. Самарского / Б.Н. Четверушкин, А.П. Михайлов // Вестник Российской академии наук. – 2019. – Т. 89. – № 2. – Сс. 187–193. DOI: 10.31857/s0869-5873892187-193.
3. Korolkova, A.V. Practical Application of the Multi-model Approach in the Study of Complex Systems / A.V. Korolkova, D.S. Kulyabov, M. Hnatič // Distributed Computer and Communication Networks. DCCN 2020 : Lecture Notes в Computer Science / V.M. Vishnevskiy и др. ред. . – Cham : Springer Nature Switzerland AG, 2020. – Т. 12563. – Сс. 526–537.
4. Wu, J. Improving the writing of research papers: IMRAD and beyond / J. Wu // Landscape Ecology. – 2011. – Т. 26. – Improving the writing of research papers. – № 10. – Сс. 1345–1349. DOI: 10.1007/s10980-011-9674-3.
5. Brain, L. Structure of the scientific paper / L. Brain // British Medical Journal. – 1965. – Т. 2. – № 5466. – Сс. 868–869. DOI: 10.1136/bmj.2.5466.868.
Дмитрий Сергеевич Кулябов
Authors
Профессор кафедры теории вероятностей и кибербезопасности
Мои научные интересы включают физику, администрирование Unix и сетей.