Programming for the near future: Concepts and pragmatic considerations

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

This article deals with the concept, architecture, and scientific-organizational problems of creating a new generation of integrated software intended for predictive modeling in engineering, energy, materials science, biology, medicine, economics, nature management, ecology, sociology, etc. Mathematical formulations include interdisciplinary direct and inverse extremely resource-intensive tasks, which are solved using computational methods and technologies of scalable parallelization by hybrid programming on heterogeneous  supercomputers with distributed and hierarchical shared memory. The project concept includes the  development of an instrumental computational environment that supports all stages of a large-scale machine  experiment: geometric and functional modeling, generating of adaptive unstructured grids of various types  and orders, approximation of initial equations, solution of emerging algebraic problems, postprocessing of  the obtained results, optimization methods for inverse tasks, and machine learning and decision-making on  the results of calculations. The effective functionality of the instrumented computing environment is based  on high-performance computing and intelligent big data tools. The architecture of the instrumental computational  environment provides for automated expansion of the composition of implemented models and  applied algorithms, adaptation to the evolution of supercomputer platforms, user-friendly interfaces and  active reuse of external software products, and coordinated participation of different groups of developers, which together should provide a long life cycle and demand for the created ecosystem by a wide range of users  from different professional fields.

About the authors

V. P. Ilyin

Institute of Computational Mathematics and Mathematical Geophysics, Siberian Branch, Russian Academy of Sciences; Novosibirsk State Technical University

Author for correspondence.
Email: vestnik.ran@yandex.ru
Novosibirsk, Russia; Novosibirsk, Russia

References

  1. Ильин В.П. Вычислительная информатика: открытие науки. Новосибирск: Наука, 1991.
  2. Любимский Э.З., Поттосин И.В., Шура-Бура М.Р. От программируемых программ к системам программирования (российский опыт) // История информатики в России. Учёные и их школы, М.: Наука, 2003. С. 252−261.
  3. Ильин В.П. Сибирская информатика: школы Г.И. Марчука, А.П. Ершова, Н.Н. Яненко // История информатики в России. Учёные и их школы. М. Наука, 2003. С. 340–363.
  4. Ершов А.П., Ильин В.П. Пакеты программ – технология решения прикладных задач. Новосибирск: ВЦ СО АН СССР. Препринт № 121, 1978.
  5. Самарский А.А., Михайлов А.П. Математическое моделирование. М.: Физматгиз, 2002.
  6. Яненко Н.Н., Коновалов А.Н. Некоторые вопросы теории модульного анализа и параллельного программирования для задач математической физики и механики сплошной среды // Современные проблемы математической физики и вычислительной математики. М.: Наука, 1982. С. 200−217.
  7. Яненко Н.Н., Рычков А.Д. Актуальные проблемы прикладной математики и математического моделирования. Новосибирск: Наука, 1982.
  8. Cottrell J., Hughes T., Bazilevs Y. lsogeometric Analysis: Towards Integration of CAD and FEA. Wiley, Singaporeг, 2009.
  9. Ершов А.П. Альфа-язык. Энциклопедия кибернетики / Ред. В.М. Глушков. Киев: Глав. ред. УСЭ, 1974. С. 111−113.
  10. Benkner S., Lonsdale D., Zuma H.P. The HPF – Project: Supporting HPF for Advanced Industrial Application // Proceedings EuroPAR 99. V. 1685.
  11. DVM Systems. http//www.keldush.ru /dvm
  12. IESP/www/exascale.org/iesp
  13. Il’in V.P. Problems of Parallel Solution of Large Systems of Linear Algebraic Equations // J. Math. Sci. 2016. V. 216. № 6. P. 795–804.
  14. Dongarra J., Grigori L., Higham N.J. Numerical Algorithms for High Performance Computational Science // Phil. Trans. R. Soc. 2020. A 378.
  15. Ильин В.П. Как реорганизовать вычислительные науки и технологии // Вестник РАН. 2019. № 2. С. 232−242.
  16. Ильин В.П. Математическое моделирование: философия науки // Сб. науч.-попул. статей “Математика, механика и информатика”, 2017. С. 8−16.
  17. Ильин В.П. Математическое моделирование. Ч. 1. Непрерывные и дискретные модели. Новосибирск: Изд-во СО РАН, 2017.
  18. Il'in V.P. Artificial Intelligence Problems in Mathematical Modeling // Springer Nature Switzerland AG 2019 / V. Voevodin, S. Sobolev (eds.). RuSCDays 2019. CCIS 1129. P. 505−516.
  19. Il’in V.P. Integrated Computational Environment for Grid Generation Parallel Technologies // Springer Nature Switzerland AG 2020 / L. Sokolinsky, M. Zymbler (eds.). 2020. V. CCIS 1263. P. 58−68.
  20. Бутюгин Д.С., Ильин В.П. CHEBYSHEV: принципы автоматизации построения алгоритмов в интегрированной среде для сеточных аппроксимаций начально-краевых задач // Труды Международной конференции ПАВТ'2014. Челябинск: изд-во ЮУрГУ, 2014. С. 42−50.
  21. Dongarra J. List of freely available software for linear algebra on the web (2006). http://netlib.org/utk/people/JackDongarra/la-sw.htm
  22. Il’in V.P. On an Integrated Computational Environment for Numerical Algebra // Springer Nature Switzerland AG 2019 / L. Sokolinsky, M. Zymbler (eds.). PCT 2019. V. CCIS 1063. P. 91–106.
  23. Il’in V.P. The Integrated Computational Environment for Optimization of Complex Systems // Proceed. 2019 15th International Asian School-Seminar “Optimization Problems of Complex Systems (OPCS-2019)”. P. 65–67.
  24. Bastian P., Blatt M., Dedner A. et al. The Dune Framework: Basic Concepts and Recent Developments, Computers and Mathematics with Applications, 2020. DOI.org/10.1016/j.camwa.2020.06.007
  25. OpenFOAM. https://www.openfoam.com/
  26. INMOST: A Toolkit for Distributed Mathematical Modeling. https://www.inmost.org
  27. ll’in V.P. The Conception, Requirements and Structure of the Integrated Computational Environment. B Supercomputing 4 th Russian Supercomputing Days, RuSCDays 2018. Revised Selected Papers. P. 653−665 (Communications in Computer and Information Science). V. 965. Springer-Verlag GmbH and Co. KG.
  28. Il’in V. Parallel Intelligent Computing in Algebraic Problems // Sokolinsky L., Zymbler M. (eds). Parallel Computational Technologies. PCT 2021. Communications in Computer and Information Science. V. 1437. Springer, Cham.
  29. Aleeva V. Designing Parallel Programs on the Base of the Conception of 푄-Determinant // Supercomputing. RuSCDays 2018 (Communications in Computer and Information Science (CCIS)). 2019. V. 965. V. Voevodin, S. Sobolev (eds.). Springer, Cham. P. 565−577.
  30. Akhmed-Zaki D., Lebedev D., Malyshkin V., Perepelkin V. Automated Construction of High Performance Distributed Programs in LuNA System // Parallel Computing Technologies. PaCT 2019 (Lecture Notesin Computer Science. V. 11657) // V. Malyshkin (ed.). Springer, Cham. P. 3–9. https://doi.org/10.1007/978-3-030-25636-4_1
  31. Ershov A.P., Marchuk G.I. Man-machine Interaction iп Solving a Certain Class of Differential Equations // Proceed. IFIP Congress. New York, 1965. P. 550− 551.
  32. Antonov A., Dongarra J., Voevodin V. AlgoWiki Project as an Extension of the Top500 Methodology // Supercomputing Frontiers and Innovations. 2018. V. 5. № 1. P. 4–10. https://doi.org/10.14529/jsfi18010
  33. Borgest N.M. Key Terms the Ontology of Designing Review // Anal. Gen. Ontol. Des. 2013. V. 3. № 9. P. 9–31.
  34. LeCun Y., Bengio Y., Hinton G. Deep learning // Nature. 2015. V. 521. P. 436–444. https://doi.org/10.1038/nature14539
  35. Weinan E. Machine Learning and Computational Mathematics // Commun. Comput. Phys. 2020. V. 28. № 5. P. 1639–1670. https://doi.org/10.4208/cicp.oa-2020-0185
  36. Kleppe A. Software Language Engineering: Creating Domain Specific Language Using Metamodels. N.Y.: Addison Wesley, 2008.
  37. Kohn S., Kumfert G., Painter J., Ribben C. Divorcing Language Dependencies from a Scientific software Library // http://computation. .llnl.gov /casc /components/docs/2001statpp.pdf
  38. Allan B., Armstrong R., Wolfe A. et al. The CCA Core specification in a Distributed Memory // SPMD Framework Concurrent Practice and Expedience. 2002. V. 14. P. 323–345.
  39. Feoktistov A., Kostromin R., Sidorov I.A., Gorsky S.A. Development of distributed subject-oriented applications for cloud computing through the integration of conceptual and modular programming // Proceed. of the 41st International Conference on Information and Communication Technology, Electronics and Microelectronics. IEEE, 2018. P. 256–261.
  40. Брукс Ф. Мифический человеко-месяц, или Как создаются программные системы. М.: Символ-Плюс, 2010.
  41. Скопин И.Н. Основы менеджмента программных проектов. Курс лекций. Учебное пособие. М.: ИНТУИТ. РУ, 2004.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2.

Download (373KB)
Indexing metadata

Copyright (c) 2023 В.П. Ильин

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».