Автоматизация технологических процессов подготовки высококвалифицированных кадров в области компьютерного моделирования с применением облачных технологий тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Духанов, Алексей Валентинович

• Духанов, Алексей Валентинович
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Духанов, Алексей Валентинович

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ НАУЧНО-ТЕХНОЛОГИЧЕСКОЙ БАЗЫ ДЛЯ ПОДГОТОВКИ СПЕЦИАЛИСТОВ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

1.1. Тренды развития вычислительной и информационнной инфраструктуры компьютерного моделирования

1.2. Требования к подготовке кадров в области компьютерного моделирования

1.3. Современные технологии электронного и дистанционного обучения: покрытие требований предметной области компьютерного моделирования

1.4. Учебные и исследовательские объекты: современные концепции представления электронных ресурсов различных форм

1.4.1. Исследовательские объекты

1.4.2. Учебные объекты

1.5. Технологии построения образовательных траекторий

1.6. Технологии автоматизации построения и сопровождения образовательных траекторий и средства оценки степени достижения компетенций

1.7. Выводы по главе 1: оценка потребностей и возможностей в области подготовки кадров по компьютерному моделированию

ГЛАВА 2. ФОРМАЛЬНЫЙ АППАРАТ АВТОМАТИЗАЦИИ ПРОЦЕССА ПОДГОТОВКИ ПРОФЕССИОНАЛОВ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

2.1. Основные определения и объекты

2.2. Инструментальные объекты: прикладные пакеты и композитные приложения

2.3. Виртуальные моделирующие объекты

2.4. Объекты для проектирования, разработки и реализации учебных ресурсов

2.5. Объекты для построения и планирования образовательных траекторий

2.6. Объекты для организации средств оценивания

2.6. Выводы по главе 2

ГЛАВА 3. АВТОМАТИЗАЦИЯ ПРОЦЕССОВ РАЗРАБОТКИ ОБРАЗОВАТЕЛЬНЫХ РЕСУРСОВ И ОБЛАЧНЫХ УЧЕБНЫХ СИСТЕМ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

3.1. Облачная репрезентация программного пакета компьютерного моделирования

3.2. Проектирование абстрактного учебного ресурса и его сопровождение текстовыми материалами из научной документации

3.3. Организация функционирования учебных ресурсов на основе облачной модели AaaS

3.4. Выводы по главе 3

ГЛАВА 4. АВТОМАТИЗАЦИЯ ПРОЦЕССОВ ПОСТРОЕНИЯ ОБРАЗОВАТЕЛЬНЫХ ТРАЕКТОРИЙ НА ОСНОВЕ ОБЛАЧНЫХ УЧЕБНЫХ РЕСУРСОВ

4.1. Подход к построения образовательных траекторий на основе структур виртуальных моделирующих объектов

4.2. Методика формирования компетенций для образовательных программ, связанных с компьютерным моделированием

4.3. Метод автоматизации построения образовательных траекторий с

применением эвристических алгоритмов оптимизации

4.4 Выводы по главе 4

ГЛАВА 5. АВТОМАТИЗАЦИЯ КОНТРОЛЯ РЕАЛИЗАЦИИ ОБРАЗОВАТЕЛЬНЫХ ТРАЕКТОРИЙ НА ОСНОВЕ ОБЛАЧНЫХ УЧЕБНЫХ РЕСУРСОВ

5.1. Учебный процесс в формате коллаборации студентов, преподавателей и учёных посредством облачных технологий. Модели обучения на основе композитных приложений

5.2. Автоматизация оценки достижения обучаемым компетенций

5.3. Управление реализацией образовательных траекторий на уровне выполнения композитных приложений в распределенной вычислительной среде

5.4. Выводы по главе 5

ГЛАВА 6. ПРОГРАММНЫЙ КОМПЛЕКС АВТОМАТИЗАЦИИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПОДГОТОВКИ ПРОФЕССИОНАЛОВ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

6.1. Состав компонент расширения облачных платформ высокопроизводительных вычислений для автоматизации разработки и реализации образовательных траекторий

6.2. Описание компонент, обеспечивающих функционирование программного комплекса как единого целого

6.3. Структура комплекса автоматизации технологических процессов для подготовки профессионалов в области компьютерного моделирования

6.4. Выводы по главе 6

ГЛАВА 7. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ТЕХНОЛОГИЙ АВТОМАТИЗАЦИИ ПРОЦЕССОВ ПОДГОТОВКИ ПРОФЕССИОНАЛОВ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

7.1. Планирование экспериментов

7.2. Экспериментальная проверка возможности применения облачных платформ и первичных научных материалов в учебных целях

7.3. Экспериментальная проверка эффективности предложенных научно-методических средств автоматизации обучения профессионалов в области компьютерного моделирования

7.4 Выводы по главе 7

ЗАКЛЮЧЕНИЕ

СПИСОК ЦИТИРОВАННОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ. ОПИСАНИЕ ПРИКЛАДНЫХ ПАКЕТОВ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ В СОСТАВЕ ПРОГРАММНОГО КОМПЛЕКСА

Введение диссертации (часть автореферата) на тему «Автоматизация технологических процессов подготовки высококвалифицированных кадров в области компьютерного моделирования с применением облачных технологий»

ВВЕДЕНИЕ

В последние десятилетия бурное развитие ИКТ и их проникновение в качестве диффузных технологий практически во все отрасли науки и практики стимулирует интерес к выполнению мультидисциплинарных исследований и разработок, основанных на применении методов компьютерного моделирования сложных объектов и систем реального мира. В силу быстрого обновления самой научно-технологической базы отличительной особенностью таких проектов является ограниченное время выполнения (от полугода до двух лет), использование трансляционных подходов на основе фундаментальных знаний, а также вовлечение большой интердисциплинарной (и, часто, международной) команды специалистов. В данных условиях повышается ценность профессионалов, в совершенстве владеющих методами компьютерного моделирования и ИКТ, способных быстро ориентироваться в новых предметных областях и оперативно решать соответствующие научные и высокотехнологичные инженерные задачи. Спрос на них непрерывно растет, что является наглядным подтверждением двух конкурирующих трендов развития системы высшего образования: массовости и индивидуализации. В то же время в условиях быстрого изменения технологий современное образование сталкивается с серьезной проблемой в подготовке таких профессионалов. Прежде всего, современная образовательная система многих стран, в частности России, не в полной мере обладает механизмами эффективного трансфера научных результатов в области компьютерного моделирования в учебный процесс. Как следствие, это приводит к тому, что учебные курсы содержат заведомо (морально) устаревший материал, поскольку время, затрачиваемое на их разработку и продвижение, превышает период обновления соответствующих ИКТ. Современные интеграционные решения и технологии, в частности всемирно признанный стандарт совместимости учебных ресурсов Learning Tools Interoperability (LTI), концепция многоразового учебного объекта (Reusable Learning Object —

RLO), конструкторы учебных курсов и образовательных программ не решают эту проблему, поскольку они ориентированы на использование уже готового образовательного контента.

Помимо заведомого устаревания образовательного контента к моменту завершения разработки учебных курсов возникают другие, не менее тревожные, негативные факторы. Во-первых, большинство ИКТ-решений в области компьютерного моделирования ориентированы на конкретную предметную дисциплину при том, что объем интердисциплинарных исследований стремительно растет. Во многих случаях их применение не позволяет изучать сложные объекты реального мира на системном уровне, а лишь последовательно рассматривать их отдельные компоненты. Во-вторых, современные ИКТ-решения для образования (в том числе облачные продукты) прежде всего ориентированы на существующие технологические процессы в образовании, и тем самым сильно ограничивают возможности создания креативных интердисциплинарных образовательных сред и платформ для постановки и развития у обучаемых не только профессиональных, но и общих компетенций (метакомпетенций), которые приобретают высокую значимость, что отмечено в образовательных стандартах Российской Федерации 3++ и 41. И, в-третьих, существующий образовательный контент в области компьютерного моделирования во многом рафинирован: студент имеет доступ к упрощенным моделям и эмуляторам, а его доступ к первичным научным результатам и технологическим решениям, рождающимся в ходе научного поиска ограничен. После завершения обучения выпускнику требуется значительное время на адаптацию к новым условиям работодателя (стажировки, корпоративное обучение и т.д.).

Как следствие, в настоящее время возникает потребность в создании нового пласта технологий автоматизации процессов подготовки специалистов

1 Например, «Умение работать в команде над проектом в условиях неопределенности».

в области компьютерного моделирования, пригодных для использования в условиях (а) интердисциплинарности, (б) быстрого изменения образовательного контента, (в) вариативности предметных постановок и возможных решений и (г) полномасштабного использования высокопроизводительных вычислительных ресурсов, что и определяет актуальность постановок диссертационного исследования.

Целью работы является создание методологии автоматизации технологических процессов, покрывающих весь жизненный цикл проектирования и реализации учебных курсов на основе различных форм научных результатов, при обеспечении массовости и доступности, высокой возможности вариативности образовательных траекторий, постановки и развития у обучаемых общих и профессиональных компетенций в решении интердисциплинарных задач средствами компьютерного моделирования. Задачами работы являются:

— анализ трендов в области автоматизации образования, а также анализ требований к современным профессионалам в области применения ИКТ в решении комплексных интердисциплинарных задач средствами компьютерного моделирования и определение характеристик разрабатываемой методологии;

— построение формальных моделей базовых объектов методологии автоматизации технологических процессов, покрывающих жизненный цикл проектирования и реализации учебных курсов, на основе различных форм научных результатов в виде математических соотношений;

— разработка технологии автоматизации разработки гибридных учебных ресурсов на основе трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент;

— разработка технологии автоматизации построения образовательных траекторий на основе гибридных учебных ресурсов с применением виртуальных моделирующих объектов и эвристических алгоритмов оптимизации;

— разработка технологии сопровождения реализации образовательных траекторий с оценкой степени освоения компетенций, в том числе способности работы в команде в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ;

— разработка комплекса программных средств для реализации вышеприведенных технологий;

— экспериментальная проверка условий применения и эффективности разработанных технологий автоматизации проектирования и реализации учебных курсов на основе научных результатов с применением облачных вычислительных технологий в рамках требований современных трендов в науке и образовании.

Научная новизна состоит в том, что впервые разработан и реализован подход к трансляции различных форм научных результатов в учебный контент на основе совместного использования концепций исследовательских и учебных объектов и наследуемых подходов к автоматизации полного цикла разработки и реализации учебных курсов на основе облачных вычислений в рамках модели AaaS (Application as a Service). Это позволило создать на единой основе комплекс новых технологий автоматизации, обеспечивающих проектирование и разработку гибридных образовательных ресурсов на основе облачных учебных объектов, автоматизацию построения образовательных траекторий на основе гибридных учебных ресурсов с применением структур виртуальных моделирующих объектов и эвристических алгоритмов оптимизации, а также сопровождения и реализации образовательных траекторий с оценкой степени освоения компетенций в части компьютерного

моделирования для решения интердисциплинарных задач (индивидуальная и командная работа).

Практическая значимость работы обусловлена:

— программным комплексом автоматизации технологических процессов подготовки профессионалов в области компьютерного моделирования на основе расширения облачной платформы СЬАУШЕ;

— семейством учебно-методических ресурсов, учебных курсов и образовательных программ, разработанных с использованием методов и технологий, реализованных в диссертации.

Методы исследования включают в себя методы системного анализа и инженерии знаний, методологию объектно-ориентированного программирования, теорию множеств, теорию графов, методы оптимизации, методы эволюционного программирования, методы проектирования информационных систем, методы планирования эксперимента и статистической обработки данных.

Соответствие диссертации паспорту специальности. Диссертация соответствует паспорту специальности 05.13.06 — Автоматизация и управление технологическими процессами и производствами (в образовании):

в части формулы специальности:

«.. .математическим, информационным, алгоритмическим и машинным обеспечением создания автоматизированных технологических процессов и производств и систем управления ими.», «.научные и технические исследования и разработки, модели и структурные решения человекомашинных систем, предназначенных для автоматизации производства и интеллектуальной поддержки процессов управления и необходимой для этого обработки данных в организационно-технологических и распределенных системах управления в различных сферах технологического производства и других областях человеческой деятельности» .

в части областей исследования:

— п. 3. «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами ...»;

— п. 7. «Методы совместного проектирования организационно-технологических распределенных комплексов и систем управления ими»;

— п. 9. «Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУТП, АСУП, АСТПП и др., включая базы и банки данных и методы их оптимизации».

На защиту выносятся:

— методология автоматизации технологических процессов в области образования, покрывающая жизненный цикл проектирования и реализации учебных курсов на основе различных форм научных результатов, при обеспечении их (курсов) массовости и доступности, высокой возможной вариативности образовательных траекторий, постановки и развития у обучаемых общих и профессиональных компетенций в решении интердисциплинарных задач средствами компьютерного моделирования;

— технология автоматизации разработки гибридных учебных ресурсов на основе трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент;

— технология автоматизации построения образовательных траекторий на основе гибридных учебных ресурсов с применением виртуальных моделирующих объектов и эвристических алгоритмов оптимизации;

— технология сопровождения реализации образовательных траекторий с оценкой степени освоения компетенций, в том числе способности

работы в команде в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ. Достоверность научных результатов определяется использованием унифицированного формального описания объектов и методов, используемых в работе, корректным применением признанных принципов и методического инструментария при разработке и детализации методологии трансляции результатов научной деятельности в учебный процесс, включая методы оптимизации, методологию объектно-ориентированного программирования, эволюционные алгоритмы; результатами тестирования разработанного программного обеспечения, корректной постановкой и проведением экспериментальных исследований, а также успешным внедрением полученных результатов в учебный процесс.

Личный вклад автора состоит в разработке методологии трансляции различных форм результатов научной деятельности в учебный процесс на основе концепций исследовательских и учебных объектов, в разработке подхода построения образовательных траекторий на основе виртуальных моделирующих объектов, методики формирования гипертекстовых учебных материалов на основе научных статей и научно-практической документации, методики сопровождения реализации образовательных траекторий с применением облачных платформ высокопроизводительных вычислений, формата взаимодействия участников учебного процесса и ученых в облачных средах; в участии в разработке: метода проектирования абстрактных учебных ресурсов и реализации учебных ресурсов на основе концепции порождающих учебных объектов и принципов объектно-ориентированного программирования, методики организации функционирования учебных ресурсов на основе облачных платформ высокопроизводительных вычислений, метода построения образовательных траекторий на основе эвристических алгоритмов, моделей обучения на основе научных потоков работ (композитных приложений), методики автоматизации оценки

достижения обучаемым заданной компетенции с применением композитных приложений, метода количественной оценки способности обучаемого развивать себя в процессе командной работы в изучении новых интердисциплинарных направлений; в участии в разработке алгоритмов и программной реализации средств, необходимых для проведения экспериментов, в постановке и проведении экспериментов, обсуждении и интерпретации результатов. Апробация работы

Основные результаты работы докладывались и обсуждались на следующих научно-технических (методических) конференциях и семинарах: конференции, прошедшие на территории России:

— «Телематика», Всероссийская научно-методическая конференция, Санкт-Петербург, 2012;

— «Научный сервис в сети Интернет: поиск новых решений», Международная суперкомпьютерная конференция, Новороссийск, 2012;

— «Высокопроизводительные параллельные вычисления на кластерных системах», Всероссийская конференция, Нижний Новгород, 2012;

— «Информационная система инновационного вуза», Научно-практическая конференция, Москва, 2013;

— «Научный сервис в сети Интернет: все грани параллелизма», Международная суперкомпьютерная конференция, Новороссийск, 2013;

— «Национальный суперкомпьютерный форум», Переславль-Залесский, 2013;

— «Технологии высокопроизводительных вычислений и компьютерного моделирования», Молодежная школа, Санкт-Петербург, 2013;

— «Информационная система инновационного вуза», Научно-практическая конференция, Москва, 2014;

— International Conference on Application of Information and Communication Technologies, Международная конференция, Ростов-на-Дону, 2014.

Зарубежные международные конференции:

— «International Conference on Computational Science», Международная конференция, Кэрнс, Австралия, 2014;

— «International Conference on Application of Information and Communication Technologies», Международная конференция, Астана, Казахстан, 2014;

— «Frontiers in Education», Международная конференция, Мадрид, Испания, 2014;

— «International Conference on Computational Science», Международная конференция», Рейкьявик, Исландия, 2015;

— «Young Science Conference», международная молодежная конференция, Афины, Греция, 2015;

— «Frontiers in Education», Международная конференция, Эль-Пасо, США, 2015;

— «International Conference on Computational Science», Международная конференция», Сан-Диего, 2016.

Публикации

Основные результаты работы опубликованы в 27 статьях из списка ВАК Минобрнауки (в том числе в 27 статьях зарубежных изданий, индексируемых WoS/Scopus), а также представлены в научно-технических отчетах госбюджетных НИР в рамках ряда федерально-целевых и ведомственных научно-технических программ, внебюджетных НИР по заказу ведущих научных организаций и промышленных предприятий. Имеется 5 свидетельств об официальной регистрации разработанных программ для ЭВМ.

Автор выражает глубокую благодарность: научному консультанту Бухановскому Александру Валерьевичу, коллегам: Бояшовой Светлане Александровне, Болговой Екатерине Владимировне, Бочениной Клавдии Олеговне, Билятдиновой Анне Закировне, Насонову Денису, Князькову

Константину Валерьевичу, Ковальчуку Сергею Валерьевичу, Смирнову Павлу Андреевичу, Иванову Сергею Владимировичу, Чурову Тимофею Николаевичу, Кржижановской Валерии Владимировне, Безгодову Алексею Алексеевичу, Шмелеву Вадиму Александровичу, Карповой Марии Сергеевне, Безбородову Льву Антоновичу, Когтикову Никите Сергеевичу и другим коллегам, а также родным и друзьям за активную поддержку, ценные консультации, продуктивные дискуссии и обсуждения, предоставление инфраструктуры, помощь в разработке программных средств автоматизации, помощь в постановке и проведения экспериментальных исследований.

ГЛАВА 1. АНАЛИЗ НАУЧНО-ТЕХНОЛОГИЧЕСКОЙ БАЗЫ ДЛЯ ПОДГОТОВКИ СПЕЦИАЛИСТОВ В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

В настоящей работе рассматриваются вопросы создания методов и технологий автоматизации процессов разработки учебных материалов, проведения обучения и контроля знаний в образовании профессионалов в области компьютерного моделирования (КМ) с активным вовлечением результатов научной деятельности в различных формах, в том числе в виде программных решений. Указанные методы и технологии должны быть ориентированы на обеспечение подготавливаемых специалистов опытом работы с фактическими материалами для последующей профессиональной деятельности.

В данной работе под КМ понимается методология решения широкого класса прикладных задач путем создания, исследования и интерпретации их компьютерных моделей — закономерностей поведения различных объектов и систем, записанных в виде формальных математических закономерностей и реализованных в виде компьютерных программ (отдельных пакетов, композитных приложений и пр., см. главу 2). При этом специалисты в области КМ должны обладать компетенциями не столько в создании самих моделей (это относится более к задачам специалистов-предметников), сколько в формализации, исследовании и компьютерной реализации таких моделей, а также комплексирования и применения уже готовых компьютерных реализаций различных моделей для решения новых прикладных задач.

Для определения требований к объекту исследований и оценки текущего состояния предметной области в данной главе проводится анализ основных трендов развития информационно-коммуникационных технологий (ИКТ), связанных с КМ. Далее рассматриваются особенности организации образовательного процесса в области КМ, оценивается возможность покрытия вышеприведенных требований с помощью существующих технологий

электронного и дистанционного обучения. Обсуждаются необходимые механизмы для автоматизации образовательных процессов, включая исследовательские и учебные объекты, средства построения и контроля образовательных траекторий и пр. В заключение делается оценка потребностей и возможностей вузовского образования в части компьютерного моделирования, определяющая целесообразность выполнения исследований в данной области.

1.1. Тренды развития вычислительной и информационнной инфраструктуры компьютерного моделирования

Решение задач КМ тесно связано с использованием вычислительной инфраструктуры. Как следствие, для анализа научно-технологической базы, используемой при подготовке специалистов в области КМ, необходимо оценить тренды развития инфраструктуры на ближайшие 10-12 лет. Отталкиваясь от источников [1-5], выделены следующие тенденции.

Доступ к вычислительным услугам в удалённом режиме (услуги в «облаке»). За последние 15 лет широкое развитие получили сервисы, позволяющие получать вычислительные услуги через глобальную сеть интернет. Рост скорости каналов связи и мощности вычислительных систем позволяет помимо традиционных услуг (интернет-банкинг, интернет-покупки) получать удаленный доступ к медиа- и графическим ресурсам, взаимодействовать с высокопроизводительной системой с тонкого клиента, организовывать облачные инфраструктуры (виртуальные офисы, предприятия, бухгалтерии) и работать в них. Предполагается, что в будущем спектр удаленных услуг будет расширяться и покроет все сферы деятельности частного сектора и бизнеса. При этом облачные средства будут предлагать услуги «по ситуации», используя средства искусственного интеллекта и библиотеки приложений (2017-2022 годы). В последние 5 лет интерес к обычным облачным вычислениям плавно снижается, сменяясь общемировым

интересом к гибридным облачным инфраструктурам (Рисунок ), которые применяются в создании и развертывании современных САПР [2].

Экспансия облачных вычислений (персональные, частные и публичные облака, гибридные облака). Несмотря на то, что интерес к базовым технологиям облачных вычислений за последние полтора года несколько спал (Рисунок ), объем интернет-запросов по ключевым словам «Cloud Computing» по-прежнему продолжает доминировать по отношению к другим технологиям, связанным с суперкомпьютингом и высокопроизводительными вычислениями. С 2013 года средняя величина числа запросов «Cloud Computing» впервые стала самой высокой. Также следует отметить проявление интереса к т.н. персональным облакам, хотя такой интерес на данный момент сравнительно невелик, поскольку соответствующие технологии «симбиоза» частных и публичных облаков (т.е. гибридных облаков) находятся в начале своего развития. Анализ изменений циклов разработки, апробаций и внедрения критических технологий, проведенный в [135], показывает тенденцию к смене обычных облаков гибридными.

Новый уровень технологий виртуализации. Одной из определяющих характеристик современной вычислительной инфраструктуры является активное применение технологий аппаратной виртуализации, например, «виртуального рабочего стола» (Hosted Virtual Desktop). Такие технологии (DaaS, Desktop as a Service, IaaS, Infrastructure as a Service) сами по себе не являются новыми, однако если в недавнем прошлом они ограничивались операционными системами одного семейства при монопольном использовании ЭВМ (трансляция картинки экрана с блокировкой используемого компьютера), в настоящее время получают развитие средства, позволяющие работать с удаленным рабочим столом с помощью тонкого клиента с любой операционной системой, а также разделять доступ к ресурсам (что, например, позволяет работать нескольким пользователям на базе одного

вычислительного ядра). В ближайшем будущем получат развитие технологии предоставления приложений в качестве сервиса, когда разработчик или пользователь смогут пользоваться функционалом некоторого приложения без необходимости его установки и настройки и отсутствии информации о фактическом месте выполнения приложения (SaaS — Software as a Service). Затем расширится сфера применения пользовательских сред приложений, основывающихся на двух и более сервисах, при этом каждое приложение в рамках среды для пользователя будет представляться единым целым (AaaS — Application as a Service). Примерами таких сред могут быть виртуальные полигоны, лаборатории [9] и др.

Появление эксафлопсных вычислительных систем. Последние 15 лет производительность суперкомпьютеров возрастает на 3 порядка каждые 7-8 лет. В июне 2016 года производительность на тесте Linpack суперкомпьютера, возглавляющего список TOP5002, составляла 93 ПФлопс. Выход на эксафлопсный рубеж ожидается в 2017-2018 году. Результатом применения эксафлопных технологий должно стать радикальное улучшение технико-экономических характеристик сложных технических систем за счет одновременной оптимизации свойств материалов, конструкции и процесса их изготовления. Благодаря наличию существующих проектов таких систем стала возможной разработка алгоритмов соответствующего класса, которые ведутся в рамках государственных проектов ряда развитых стран, включая США и Россию.

Развитие проблемно-ориентированных платформ распределенных вычислений. В настоящее время не существует унифицированного подхода к решению прикладных задач компьютерного моделирования и обработки данных с использованием высокопроизводительных вычислительных ресурсов. Однако можно считать, что решение таких задач с комплексным

2 https://www.top500.org/list/2016/06/

применением программных модулей (пакетов) осуществляется с помощью парадигмы SWF (научный поток работ - Scientific Workflow [167]). На текущий момент существует более десятка средств исполнения WF [19]. При этом ни одно из них не соответствует следующим требованиям: задание правил работы с программными модулями, унификация параметров программных модулей для их ассоциации с понятиями предметной области и поддержка интерактивного режима исполнения WF. Одним из вариантов удовлетворения этих требований может стать внедрение в платформы поддержки SWF проблемно-ориентированных языков программирования (DSL - Domain Specific Language), которые будут независимы от архитектур вычислительных комплексов и системного программного обеспечения. В настоящее время есть опытные образцы таких платформ [40].

Обработка сверхбольших массивов данных (Big Data). Сверхбольшими объемами данных называют массивы объемом петабайт и выше. Здесь на смену традиционным технологиям работы с данными приходят технологии массово-распределённой обработки данных, такие как Hadoop, решения категории NoSQL. Растущая популярность указанных технологий при неуклонном росте объемов данных обусловлена тем, что эти технологии позволяют обрабатывать не только структурированные, но и неопределенно-, а также слабоструктурированные данные.

Технологии больших данных массово доступны уже в наши дни. Рисунок показывает стабильный рост интереса к Big Data за последние пять лет. В состав технологий данного класса входит обработка потоков информации в памяти (In-Memory Analytics), которая получит широкое распространение в ближайшие годы; средства управления хранилищами в оперативной памяти, ставшие доступными в связи со стремительным удешевлением удельной стоимости ОЗУ и ростом объема оперативной памяти в вычислительных системах (до 256 Гбайт на одну серверную плату [72]).

Список литературы диссертационного исследования кандидат наук Духанов, Алексей Валентинович, 2016 год

СПИСОК ЦИТИРОВАННОЙ ЛИТЕРАТУРЫ

1. Авдиенко В.А. Электронное обучение: состояние и перспективы Пятигорский государственный университет, 2010.

2. Айрапетов Д.А. Исследование и выбор концепции распределения и использования ресурсов проектирования для сапр систем управления сложными технологическими объектами / Д. А. Айрапетов // Известия Волгоградского государственного технического университета - 2012. - Т. 13-9с.

3. Альперина С. Как социальные сети могут проникнуть на телеэкраны / С. Альперина // Российская газета - 2013.

4. Антонов А.С. Проект "Суперкомпьютерное образование": 2012 год /

A. С. Антонов, И. Л. Артемьева, А. В. Бухановский, В. В. Воеводин, В. П. Гергель, В. П. Демкин, К. А. Коньков, Л. А. Крукиер, Н. Н. Попова, Л. Б. Соколинский, А. И. Сухинов // Вестник Нижегородского университета им. Н.И. Лобачевского. - 2013. - Т. 1- 12-16с.

5. Антонов А.С. Системный подход к суперкомпьютерному образованию / А. С. Антонов, В. В. Воеводин, В. П. Гергель, Л. Б. Соколинский // Вестник Южно-Уральского государственного университета. Серия Вычислительная математика и информатика - 2013. - Т. 2- 13с.

6. Антюхов А.В. Проектное обучение в высшей школе: проблемы и перспективы / А. В. Антюхов // Высшее образование в России - 2010. - Т. 10-4с.

7. Артемьева И.Л. Социализация выпускников вуза как цель деятельности научно-образовательного центра суперкомпьютерных технологий / И. Л. Артемьева, М. А. Гузев // Современные исследования социальных проблем - 2012. - Т. 12- 8с.

8. Бабич Н. Конструктивизм: обучение и преподавание / Н. Бабич // Вестник Красноярского государственного педагогического университета им.

B.П. Астафьева - 2013. - Т. 3- 25с.

9. Безгодов А.А. Виртуальный полигон для исследования экстремальной динамики морских объектов на нерегулярном волнении / А. А. Безгодов, А. В. Бухановский // Известия высших учебных заведений. Приборостроение -

2011. - Т. 5- 3с.

10. Богомолов В.А. Обзор бесплатных систем управления обучением / В.

A. Богомолов // Образовательные технологии и общество - 2007. - Т. 3- 21с.

11. Болгова Е.В. Автоматизация процесса разработаки виртуальных лабораторий на основе облачных вычислений / Е. В. Болгова - 2012.

12. Болгова Е.В. Автоматизация процесса разработки виртуальных лабораторных практикумов на основе облачных вычислений. Информационно-измерительные и управляющие системы / Е. В. Болгова, А.

B. Богачева, М. А. Балахонцева, К. В. Князьков, А. В. Духанов, С. Э. Хоружников // Информационно-измерительные и управляющие системы -

2012. - № 11- 71-81с.

13. Болгова Е.В. Инфраструктурное обеспечение виртуальных лабораторных практикумов для междисциплинарных образовательных программ в рамках концепции облачных вычислений / Е. В. Болгова, А. В. Богачёва, А. В. Духанов, К. В. Князьков, А. В. Бухановский // Современные проблемы науки и образования - 2012. - Т. 5- 16с.

14. Боченина К.О. Планирование исполнения наборов композитных приложений во временных окнах вычислительных ресурсов гетерогенных сред / К. О. Боченина - 2014.

15. Бояшова С.А. Метрологический подход к понятию профессиональной компетентности специалиста / С. А. Бояшова // Известия высших учебных заведений. Приборостроение - 2009. - Т. 52 - № 9- 82-85с.

16. Бояшова С.А. Измерение коэффициента грамотности специалистов в области информационного противоборства / С. А. Бояшова, С. В. Николаев // Ученые записки университета им. П.Ф. Лесгафта - 2008. - Т. 5- 4с.

17. Бухановский А.В. Современные программные комплексы

компьютерного моделирования e-Science / А. В. Бухановский, В. Н. Васильев // Известия высших учебных заведений. Приборостроение. - 2010. - Т. 53 - № 3- 60-64с.

18. Бухановский А.В. Интеллектуальные программные комплексы компьютерного моделирования сложных систем: концепция, архитектура и примеры реализации / А. В. Бухановский, С. В. Ковальчук, С. В. Марьин // Известия высших учебных заведений. Приборостроение - 2009. - Т. 52 - № 10- 5-24с.

19. Васильев В.Н. CLAVIRE: облачная платформа для обработки данных больших объемов / В. Н. Васильев, К. В. Князьков, Т. Н. Чуров, Д. А. Насонов, С. В. Марьин, С. В. Ковальчук, А. В. Бухановский // Информационно-измерительные и управляющие системы - 2012. - № 11- 7-16с.

20. Васильев В.Н. Сетевое сообщество на основе методического интернет-центра: первый опыт создания и перспективы развития / В. Н. Васильев, Л. С. Лисицына, А. В. Лямин // Научно-технический вестник информационных технологий, механики и оптики - 2006. - 32с.

21. Высоцкий И.Р. Инструментарий формализации индивидуальных образовательных траекторий / И. Р. Высоцкий, Е. В. Улитина // Прикладная информатика - 2006. - № 6- 77-86с.

22. Галкин Д.В. Проблемы образования в контексте информатизации: в поисках модели критической педагогики / Д. В. Галкин // Гуманитарная информатика - 2005. - № 2- 81-88с.

23. Гилфорд Д. Психология мышления Прогресс, 1965. - 434-437с.

24. Добрикова Е. Профессиональные стандарты: все ли работодатели обязаны их применять?// ГАРАНТ.РУ [Электронный ресурс]. URL: http://www.garant.ru/article/702664/ (accessed: 03.09.2016).

25. Дудышева Е.В. Дистанционное выполнение командных студенческих проектов разработки программных систем / Е. В. Дудышева, И. Н. Скопин // Фундаментальные исследования - 2012. - Т. 11-3- 5с.

26. Духанов А.В. Облачные технологии в задачах интерактивной 3D-визуализации: опыт организации межвузовской мобильности молодых ученых / А. В. Духанов, С. И. Абрахин, Д. С. Бутюгин, В. В. Гетманский, А. В. Горшков, Д. Е. Демидов, Ю. Б. Линд, Е. О. Тютляева, Д. А. Усталов, Д. А. Фадеев, К. С. Хорьков, А. В. Бухановский // Информационно-измерительные и управляющие системы - 2012. - Т. 11- 25-33с.

27. Духанов А.В. Предметно-ориентированные технологии создания виртуальных рабочих пространств в среде облачных вычислений CLAVIRE / А. В. Духанов, Е. В. Болгова, Л. Р. Гервич, В. Г. Колпаков, Е. Н. Кравченко, И. И. Курочкин, Е. Д. Масленников, И. В. Офёркин, А. О. Рубцов, С. А. Смирнов, О. Б. Штейнберг, М. В. Юрушкин // Известия высших учебных заведений. Приборостроение - 2013. - Т. 5- 7с.

28. Духанов А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных вычислений CLAVIRE / А. В. Духанов, С. В. Иванов, К. В. Князьков, Т. Н. Чуров, А. В. Бухановский // Динамика сложных систем - XXI ВЕК - 2013. - Т. 7 - № 3- 35-39с.

29. Духанов А.В.Имитационное моделирование сложных систем: курс лекций / А. В. Духанов, О. Н. Медведева - Владимир: Изд-во Владим. гос. унта, 2010.- 115с.

30. Духанов А.В. Технологии экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного общественного транспорта / А. В. Духанов, Т. Н. Чуров, К. В. Князьков, С. В. Иванов, А. В. Бухановский // Научно-технический вестник ИТМО - 2013. - № 5- 173-174с.

31. Дюкарев И.Ключевые ориентиры для разработки и реализации образовательных программ в предметной области «Информационно-коммуникационные технологии» / И. Дюкарев, Е. Караваева, Е. Ковтун -Бильбао, Испания: Университет Деусто, 2013.- 87с.

32. Зайцева Л.В. Технология разработки адаптивных электронных учебных курсов для компьютерных систем обучения / Л. В. Зайцева //

Образовательные технологии и общество - 2008. - Т. 1- 13с.

33. Замятин А.. Система оценки компетенций студентов ВПО. Обзор достижений и нерешенных задач / А. . Замятин // Молодой ученый - 2012. - Т. 40 - № 5- 418-420с.

34. Игнатова И.Б. Проектные технологии как метод обучения: историко-педагогический анализ / И. Б. Игнатова, Л. Н. Сушкова // Теория и практика общественного развития - 2011. - Т. 1- 4с.

35. Ищенко А. «Перевернутый класс» - инновационная модель обучения// Учительская газета [Электронный ресурс]. URL: http://www.ug.ru/method_article/876 (accessed: 18.08.2016).

36. Капустина А.Многофакторная личностная методика Р. Кеттелла / А. Капустина - Санкт-Петербург: Речь, 2004.- 104c.

37. Келеберда И.Н. Перспектива реализации индивидуальной траектории обучения для хранилищ с SCORM-курсами / И. Н. Келеберда, Д. С. Негурица, В. В. Сокол // Образовательные технологии и общество - 2008. -Т. 3- 13с.

38. Князева Г.В. Применение мультимедийных технологий в образовательных учреждениях / Г. В. Князева // Вестник Волжского университета им. В.Н. Татищева - 2010. - № 16- 77-95с.

39. Князева Е.Н. Трансдисциплинарные стратегии исследований / Е. Н. Князева // Вестник Томского государственного педагогического университета - 2011. - Т. 10- 9с.

40. Князьков К.В. Предметно-ориентированные технологии разработки приложений в распределенных средах / К. В. Князьков, А. В. Ларченко // Известия высших учебных заведений. Приборостроение - 2012. - Т. 54 - № 10- 36-43с.

41. Коваленко О.С. Обзор проблем и состояний облачных вычислений и сервисов / О. С. Коваленко, В. М. Курейчик // Известия Южного федерального университета. Технические науки - 2012. - Т. 7- 8с.

42. Ковальчук С.Организация человеко-компьютерного взаимодействия в средах компьютерного моделирования на базе облачной инфраструктуры / С. Ковальчук, К. Князьков, Т. Чуров, П. Смирнов, А. Бухановский - ЛитРес, 2014.

43. Кондурар М.В. Понятия компетенция и компетентность в образовании / М. В. Кондурар // Вектор науки Тольяттинского государственного университета. Серия: Педагогика, психология - 2012. - Т. 1- 4с.

44. Кормен Т.Х.Алгоритмы. Построение и анализ / Т. Х. Кормен, Ч. И. Лейзерсон, Р. Л. Ривест, К. Штайн - Киев: Вильямс, 2005. Вып. 2- 1296c.

45. Короткин А. Почему новые технологии беспроводной связи — это больше, чем быстрый мобильный интернет / А. Короткин // Газетами - 2015.

46. Кривцов В.Е. Модель и алгоритмы построения учебных курсов / В. Е. Кривцов, Е. А. Ларшин // Труды ИСА РАН 2005 - 2005. - Т. 14- 156-162с.

47. Ланг Я.В. Моделирование процесса построения электронных учебных курсов на основе учебных объектов / Я. В. Ланг, М. С. Воробьева // Вестник Тюменского государственного университета. Социально-экономические и правовые исследования - 2009. - Т. 6- 5с.

48. Лукша П.Атлас новых профессий / П. Лукша - Москва: МШУ "Сколково," 2014. Вып. 1- 168c.

49. Лукша П.Атлас новых профессий 2.0 / П. Лукша - Москва: Олимп-Пресс, 2016. Вып. 2-е изд.,- 288c.

50. Минайчев А. Сколково: Специальности будущего и профессии-рудименты// ibusiness [Электронный ресурс]. URL: http://old.ibusiness.rU/blog/novyye_profyessii_dlya_informatsionnoy_ekonomiki/2 8045 (accessed: 09.01.2016).

51. Нечаевский А.В. История развития компьютерного имитационного моделирования / А. В. Нечаевский // Системный анализ в науке и образовании - 2013. - № 2- 1-15с.

52. Овчинникова К.Р. Проектирование учебного курса, представленного в электронном виде / К. Р. Овчинникова // Образовательные технологии и общество - 2008. - Т. 11 - № 1- 1-19с.

53. Рогачева Я.А. Обоснование сущности и критериев «Зеленого строительства» / Я. А. Рогачева // Современное строительство и архитектура -2016. - Т. 1 (01) - 3с.

54. Сазерленд Д^сгит. Революционный метод управления проектами / Д. Сазерленд - Москва: Манн, Иванов и Фербер, 2015.- 288с.

55. Самойличенко А.К. Развитие метакомпетенций студентов как психологическая основа будущей востребованности рынком труда / А. К. Самойличенко, В. Р. Малахова // Современные исследования социальных проблем - 2012. - Т. 12- 10с.

56. Селевко Г.К.Энциклопедия образовательных технологий / Г. К. Селевко - Москва: Народное образование, 2005.- 556с.

57. Семеновских Т.В. Феномен «Клипового мышления» в образовательной вузовской среде / Т. В. Семеновских // Интернет-журнал Науковедение - 2014. - Т. 5 (24) - 10с.

58. Смирнов П.А. Проектирование и разработка предметно-ориентированных композитных приложений в распределенных облачных средах на основе виртуальных моделирующих объектов / П. А. Смирнов -2014.

59. Солодова Е.А. Трансдисциплинарность современная педагогическая технология интеграции знаний / Е. А. Солодова, П. П. Ефимов // Интеграция образования - 2014. - Т. 2 (75) - 5с.

60. Тарасова М.С. Инновационно-методологические технологии обучения студентов компьютерному моделированию / М. С. Тарасова // Вестник Северного федерального университета. Серия Гуманитарные и социальные науки - 2010. - Т. 3- 170с.

61. Тарханова И.Ю.Интерактивные стратегии организации

образовательного процесса в вузе / И. Ю. Тарханова - Ярославль, Россия: Ярославский государственный педагогический университет им. К.Д. Ушинского, 2012.- 67c.

62. Трухин А.В. Об использовании виртуальных лабораторий в образовании / А. В. Трухин // Открытое и дистанционное образование - 2002. - № 8- 1-2с.

63. Чернявская В.С. Метакомпетенции личности - потенциал инновационной экономики / В. С. Чернявская, В. Р. Малахова // Мир науки, культуры, образования - 2013. - Т. 6 (43) - 3с.

64. Чернявская В.С. Метамышление и рефлексивность в контексте востребованности выпускника вуза / В. С. Чернявская, А. К. Самойличенко // Мир науки, культуры, образования - 2013. - Т. 3 (40) - 4с.

65. Шаршов И.А. Технология развития метакомпетенций аспирантов / И. А. Шаршов, Л. Н. Макарова // Вестник Тамбовского университета. Серия: Гуманитарные науки - 2013. - Т. 9 (125) - 9с.

66. Юцявичене П.Теория и практика модульного обучения / П. Юцявичене - Каунас: Швиеса, 1989.- 272c.

67. Виртуальная образовательная лаборатория VirtuLab// Virtulab [Электронный ресурс]. URL: http://www.virtulab.net/ (accessed: 01.01.2016).

68. Виртуальная лаборатория «Физикам - преподавателям и студентам» челябинского государственного университета// Челябинский государственный университет [Электронный ресурс]. URL: http://teachmen.ru/ (accessed: 21.08.2016).

69. Портал Нанолаборатория РГРТУ с дистанционным доступом через сеть Internet к комплексу нанотехнологического исследовательского оборудования// Рязанский государственный радиотехнический университет [Электронный ресурс]. URL: http://nanocent.rsreu.ru/ (accessed: 01.01.2016).

70. Методологические основы системы модульного формирования содержания образовательных программ и совместимой с международной

системой классификации учебных модулей / - Москва, 2005.- 47c.

71. Розин В.М. Развитие и особенности проектирования - основной технологии архитектурной и градостроительной деятельности / // Урбанистика

- 2015. - Т. 3 - № 3- 65-108с.

72. Samsung начинает массовое производство 10 нм памяти DDR4// Мир NVidia [Электронный ресурс]. URL: http://nvworld.ru/news/tags/ddr4/ (accessed: 16.08.2016).

73. Профессиональные стандарты// Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А.Бонч-Бруевича [Электронный ресурс]. URL: https://www.sut.ru/home/hide/professionalnye-standarty (accessed: 16.09.2003).

74. Nasonov D. Interactive e-science cyberinfrastructure for workflow management coupled with big data technology , 2015. - 175-182с.

75. Nicolescu B. Towards transdisciplinary education // TD J. Transdiscipl. Res. South. Africa. - 2005. - Т. 1. - № 1. - 5-15с.

76. Abdulwahed M. The TriLab, a novel ICT based triple access mode laboratory education model / M. Abdulwahed, Z. K. Nagy // Comput. Educ. - 2011.

- Т. 56 - № 1- 262-274с.

77. Alario-hoyos C. Integration of external tools in VLEs with the GLUE! architecture: a case study , 2012. - 371-376с.

78. Alario-Hoyos C. GLUE!: An architecture for the integration of external tools in Virtual Learning Environments / C. Alario-Hoyos, M. L. Bote-Lorenzo, E. Gómez-Sánchez, J. I. Asensio-Pérez, G. Vega-Gorgojo, A. Ruiz-Calleja // Comput. Educ. - 2013. - Т. 60 - № 1- 122-137с.

79. Allen C.A. Improving learning object reuse through OOD: A theory of learning objects / C. A. Allen, E. K. Mugisa // J. Object Technol. - 2010. - Т. 9 - № 6- 51-75с.

80. Al-Muhaideb S. Evolutionary computation approaches to the Curriculum Sequencing problem / S. Al-Muhaideb, M. E. B. Menai // Nat. Comput. - 2011. - Т.

10 - № 2- 891-920c.

81. Bannan-Ritland B. Learning object systems as constructivist learning environments: Related assumptions, theories, and applications / B. Bannan-Ritland, N. Dabbagh, K. Murphy // Instr. use Learn. objects - 2002. - T. 1- №2 January 2000-61-98c.

82. Barseghian D. Workflows and extensions to the Kepler scientific workflow system to support environmental sensor data access and analysis / D. Barseghian, I. Altintas, M. B. Jones, D. Crawl, N. Potter, J. Gallagher, P. Cornillon, M. Schildhauer, E. T. Borer, E. W. Seabloom, P. R. Hosseini // Ecol. Inform. - 2010. - T. 5 - № 1- 42-50c.

83. Bechhofer S. Research Objects: Towards Exchange and Reuse of Digital Knowledge / S. Bechhofer, D. De Roure, M. Gamble, C. Goble, I. Buchan // Nat. Preced. - 2010.

84. Beck P.U.Risk Society: Towards a New Modernity / P. U. Beck - Sage Publications (CA), 1992.

85. Belhajjame K. The research object suite of ontologies: Sharing and exchanging research data and methods on the open web / K. Belhajjame, J. Zhao, D. Garijo // arXiv Prepr. arXiv ... - 2014. - № February 2014.

86. Benioff M.R.Computational Science: Ensuring America's Competitiveness / M. R. Benioff, E. D. Lazowska - , 2005.- 105c.

87. Bezgodov A. Graphic toolkit for virtual testbed creation: application for marine research and design / A. Bezgodov, D. Esin, A. Karsakov, Y. Nechaev, S. Ivanov // Dyn. Complex Syst. century - 2013. - T. 7 - № 3- 34c.

88. Bezgodov A. Visualization of marine object's dynamics in wide-screen virtual reality systems / A. Bezgodov, A. Zagarskikh, A. Boukhanovsky // Sci. Tech. J. Inf. Technol. Mech. Opt. - 2011. - T. 73 - № 3- 84-87c.

89. Bilyatdinova A. Dutch-Russian Double Degree Master's Program Curricula in Computational Science and High Performance Computing , 2014. -1275-1282c.

90. Bilyatdinova A. Virtual Environment for Creative and Collaborative Learning , 2014. - 313-320с.

91. Bilyatdinova A. Virtual Environment for Creative and Collaborative Learning Springer-Verlag, 2016. - 371-381с.

92. Bochenina K. A Comparative Study of Scheduling Algorithms for the Multiple Deadline-constrained Workflows in Heterogeneous Computing Systems with Time Windows / K. Bochenina // Procedia Comput. Sci. - 2014. - Т. 29- 509-522с.

93. Bochenina K. Using a cyclic model of knowledge transfer for the development of transdisciplinary learning environments , 2014. - 1836-1843с.

94. Bochenina K. Static scheduling of multiple workflows with soft deadlines in non-dedicated heterogeneous environments / K. Bochenina, N. Butakov, A. Boukhanovsky // Futur. Gener. Comput. Syst. - 2016. - Т. 55- 51-61с.

95. Bochenina K. A Clustering-Based Approach to Static Scheduling of Multiple Workflows with Soft Deadlines in Heterogeneous Distributed Systems / K. Bochenina, N. Butakov, A. Dukhanov, D. Nasonov // Procedia Comput. Sci. - 2015. - Т. 51- 2827-2831с.

96. Bochenina K. An approach to a rapid development of the problem-oriented educational services based on the results of scientific researches / K. Bochenina, A. Dukhanov // WIT Trans. Eng. Sci. - 2015. - Т. 93- 877-884с.

97. Boggs D. SCORM/AICC Standards Used in Web-based Learning Management Systems// Syberworks [Электронный ресурс]. URL: http://www.syberworks.com/articles/SCORM.htm (accessed: 19.08.2016).

98. Boukhanovsky A. V. Young Researchers Advancing Computational Science: Perspectives of the Young Scientists Conference 2015 / A. V. Boukhanovsky, V. A. Ilyin, V. V. Krzhizhanovskaya, G. A. Athanassoulis, A. A. Klimentov, P. M. A. Sloot // Procedia Comput. Sci. - 2015. - Т. 66- 1-4с.

99. Boukhanovsky A. V. Spectral wave climate of the North Sea / A. V. Boukhanovsky, L. J. Lopatoukhin, C. Guedes Soares // Appl. Ocean Res. - 2007. -

T. 29 - № 3- 146-154c.

100. Chang C. The Case Study of Team-based Learning Methodology with Teachers of four Domains in the Senior High School / C. Chang, Y. Chen, J. Wang, S. Wang, C. Wu // Procedia - Soc. Behav. Sci. - 2015. - T. 176- 804-810c.

101. Chau D.H. Parallel Crawling for Online Social Networks WWW '07 / New York, NY, USA: ACM, 2007. - 1283-1284c.

102. Chrysostomou C. Applying object-oriented principles to the analysis and design of learning objects , 2007. - 107-118c.

103. Chrysostomou C. Towards an Object-Oriented Model for the Design and Development of Learning Objects / C. Chrysostomou, G. Papadopoulos // Int. J. E-Learning - 2008. - T. 7 - № 2- 219-243c.

104. Ciprian-Bogdan C. A survey on generative learning objects Bucharest: Carol I NDU Publishing House, 2015. - 550-555c.

105. CISCO SYSTEMSReusable Learning Object Strategy: Designing and Developing Learning Objects for Multiple Learning Approaches / CISCO SYSTEMS - , 2003.- 1-34c.

106. Cundill G.N.R. Foghorns to the future: using knowledge and transdisciplinarity to navigate complex systems / G. N. R. Cundill, C. Fabricius, N. Marti // Ecol. Soc. - 2005. - T. 10 - № 2- 8c.

107. Currier S. Evaluating 5/99 content for reusability as learning objects / S. Currier, L. M. Campbell // VINE J. Inf. Knowl. Manag. Syst. - 2005. - T. 35- 85-96c.

108. Deelman E. Workflows and e-Science: An overview of workflow system features and capabilities / E. Deelman, D. Gannon, M. Shields, I. Taylor // Futur. Gener. Comput. Syst. - 2009. - T. 25 - № 5- 528-540c.

109. Domik G. Transdisciplinary Collaboration and Lifelong Learning: Fostering and Supporting New Learning Opportunities , 2011. - 129-143c.

110. Domnikov A. Rational Orderliness of Study Course Modules / A. Domnikov, V. Belous // Sci. Educ. Bauman MSTU - 2014. - T. 14 - № 5.

111. Dukhanov A. The Approach to Design of STEM Courses ' Learning Resources based on Students ' Activity with the use of Scientific Resources ' Databases , 2015. - 2429-2434с.

112. Dukhanov A. The Approach to Extension of the CLAVIRE Cloud Platform for the Researchers' Collaboration , 2014. - 370 - 383с.

113. Dukhanov A. Design Virtual Learning Labs for Courses in Computational Science with Use of Cloud Computing Technologies / A. Dukhanov, M. Karpova, K. Bochenina // Procedia Comput. Sci. - 2014. - Т. 29- 2472-2482с.

114. Dukhanov A. An Automation of the Course Design Based on Mathematical Modeling and Genetic Algorithms IEEE, 2015. - 1840-1843с.

115. Dukhanov A. An Automation of the Course Design with use of Learning Objects with Evaluation based on the Bloom Taxonomy Red Hook, NY 12571 USA: IEEE, 2015. - 138-142с.

116. Dukhanov A. e-Learning course design based on the virtual simulation objects concept / A. Dukhanov, P. Smimov, M. Karpova, S. Kovalchuk // 2014 IEEE 8th Int. Conf. Appl. Inf. Commun. Technol. - 2014. - № October - 1-6с.

117. Dukhanov A. Approach to Automation of Cloud Learning Resources' Design for Courses in Computational Science Based on eScience Resources with the Use of the CLAVIRE Platform / A. Dukhanov, T. Trofimenko, M. Karpova, L. Bezborodov, A. Bezgodov, A. Bilyatdinova, A. Lutsenko // Procedia Comput. Sci. - 2015. - Т. 51C - 1957-1966с.

118. Dukhanov A. V. The Approach to the Extension of the CLAVIRE Cloud Platform for Researchers' Collaboration Springer-Verlag, 2016. - 467-481с.

119. Dukhanov A. V. Double-degree Master's Program in Computational Science: Experiences of ITMO University and University of Amsterdam / A. V. Dukhanov, V. V. Krzhizhanovskaya, A. Bilyatdinova, A. V. Boukhanovsky, P. M. A. Sloot // Procedia Comput. Sci. - 2014. - Т. 29- 1433-1445с.

120. Dukhanov А. e-Learning Course Design Based on the Virtual Simulation Objects Concept , 2014. - 508-513с.

121. Elmroth E. Three fundamental dimensions of scientific workflow interoperability: Model of computation, language, and execution environment / E. Elmroth, F. Hernández, J. Tordsson // Futur. Gener. Comput. Syst. - 2010. - T. 26

- № 2- 245-256c.

122. Evans D.J.W. The application of multiscale modelling to the process of development and prevention of stenosis in a stented coronary artery. / D. J. W. Evans, P. V Lawford, J. Gunn, D. Walker, D. R. Hose, R. H. Smallwood, B. Chopard, M. Krafczyk, J. Bernsdorf, a Hoekstra // Philos. Trans. A. Math. Phys. Eng. Sci. - 2008. - T. 366 - № 1879- 3343-60c.

123. Förstner K. Collaborative platforms for streamlining workflows in Open Science // Nat. Preced. - 2011.

124. Gallego M.D. Second Life adoption in education: A motivational model based on Uses and Gratifications theory / M. D. Gallego, S. Bueno, J. Noyes // Comput. Educ. - 2016. - T. 100- 81-93c.

125. Girvan C. SLurtles: Supporting constructionist learning in Second Life / C. Girvan, B. Tangney, T. Savage // Comput. Educ. - 2013. - T. 61- 115-132c.

126. Grunwald S.Concept Guide on Reusable Learning Objects with Application to Soil, Water and Environmental Sciences / S. Grunwald, K. R. Reddy

- Gainesville, 2007.- 1-12c.

127. Hardaway D. Sharing Research in the 21st Century: borrowing a page from open source software / D. Hardaway // Commun. ACM - 2005. - T. 48 - № 8- 125-128c.

128. Hyun E. Tarnsdisciplinary higher education curriculum: acomplicated cultural artifacts / E. Hyun // Res. High. Educ. J. - 2011. - T. 11- 1c.

129. IJsbrand A. Bringing Digital Science Deep Inside the Scientific Article: the Elsevier Article of the Future Project / A. IJsbrand, S. Atzeni, H. Koers, Z.-S. Elena // Lib. Q. - 2014. - T. 24 - № 4.

130. Ivanov S. V. Evaluation of in-vehicle Decision Support System for Emergency Evacuation / S. V. Ivanov, K. V. Knyazkov // Procedia Comput. Sci. -

2014. - Т. 29- 1656-1666с.

131. Jovanovic J. TANGRAM: An Ontology-based Learning Environment for Intelligent Information Systems / под ред. G. Richards. Vancouver, Canada: Association for the Advancement of Computing in Education (AACE), 2005. -2966-2971с.

132. Karbovskii V.A. A multi-agent simulation of human behavior during emergency evacuations with in-vehicle decision support system , 2014. - 635-644с.

133. Karbovskii V. Multiscale Agent-based Simulation in Large City Areas: Emergency Evacuation use Case / V. Karbovskii, D. Voloshin, A. Karsakov, A. Bezgodov, A. Zagarskikh // Procedia Comput. Sci. - 2015. - Т. 51- 2367-2376с.

134. Karsakov A. Improving Visualization Courses in Russian Higher Education in Computational Science and High Performance Computing / A. Karsakov, A. Bilyatdinova, A. Bezgodov // Procedia Comput. Sci. - 2015. - Т. 66-730-739с.

135. Katzenelson H. The distance between hype and adoption, 2015 edition// Wordpress.com [Электронный ресурс]. URL: https://whatitallboilsdownto.wordpress.com/tag/hype/.

136. Khuwaja R. Intelligent Guide: Combining User Knowledge Assessment with Pedagogical Guidance Lecture Notes in Computer Science / / под ред. C. Frasson, G. Gauthier, A.M. Lesgold. Springer, 1996. - 225-233с.

137. Kim H. A SCORM-based e-learning process control model and its modeling system / H. Kim, E. Lee, J. Chun, K. P. Kim // KSII Trans. Internet Inf. Syst. - 2011. - Т. 5 - № 11- 2121-2142с.

138. Knolmayer G.F. Decision support models for composing and navigating through e-learning objects / G. F. Knolmayer // 36th Annu. Hawaii Int. Conf. Syst. Sci. 2003. Proc. - 2003.

139. Knyazkov K. V. CLAVIRE: e-Science infrastructure for data-driven computing / K. V. Knyazkov, S. V. Kovalchuk, T. N. Tchurov, S. V. Maryin, A. V. Boukhanovsky // J. Comput. Sci. - 2012. - Т. 3 - № 6- 504-510с.

140. Kogtikov N. Modeling Knowledge Transfer and the Transdisciplinary Effect on Project-based Learning Activities / N. Kogtikov, A. Dukhanov, K. Bochenina // Procedia Comput. Sci. - 2016. - Т. 80- 1989-1999с.

141. Kogtikov N. Evaluation based on databases of scientific publications measuring the transdisciplinarity of scientific problem IEEE, 2016. - 496-500с.

142. Kolda T. What kind of science is computational science? A rebuttal.// Society for Industrial and Applied Mathematics [Электронный ресурс]. URL: http://blogs.siam.org/what-kind-of-science-is-computational-science-a-rebuttal/ (accessed: 19.08.2016).

143. Kontopoulos E. An ontology-based planning system for e-course generation / E. Kontopoulos, D. Vrakas, F. Kokkoras, N. Bassiliades, I. P. Vlahavas // Expert Syst. Appl. - 2008. - Т. 35 - № 1-2- 398-406с.

144. Kovalchuk S. V. Virtual Simulation Objects concept as a framework for system-level simulation IEEE, 2012. - 1-8с.

145. Krathwohl D.R. A Revision of Bloom's Taxonomy: An Overview / D. R. Krathwohl // Theory Pract. - 2002. - Т. 41 - № 4- 212-218с.

146. Krathwohl D.R. A Revision of Bloom's Taxonomy: An Overview / D. R. Krathwohl // Theory Pract. - 2002. - Т. 41 - № 4- 212-218с.

147. Krzhizhanovskaya V. V. Russian-Dutch double-degree Master's programme in computational science in the age of global education / V. V. Krzhizhanovskaya, A. V. Dukhanov, A. Bilyatdinova, A. V. Boukhanovsky, P. M. A. Sloot // J. Comput. Sci. - 2015. - Т. 10- 288-298с.

148. Magenheim J. Using Learning Objects in an ICT-based Learning Environment / J. Magenheim, O. Scheel // Proc. E-Learn - 2004. - 1375-1382с.

149. Manuel S. OrthoSearch : A Scientific Workflow Approach to Detect Distant Homologies on Protozoans New York, New York, USA, 2008. - 1282-1286с.

150. Masud M. Collaborative e-learning systems using semantic data interoperability / M. Masud // Comput. Human Behav. - 2016. - Т. 61- 127-135с.

151. Max-Neef M.A. Foundations of transdisciplinarity / M. A. Max-Neef // Ecol. Econ. - 2005. - Т. 53 - № 1- 5-16с.

152. Mayfield C.Careers of the future / C. Mayfield - South Yorkshire: UKCES, 2014.- 36c.

153. Mell P.The NIST Definition of Cloud Computing Recommendations of the National Institute of Standards and Technology / P. Mell, T. Grance -Gaithersburg, 2011.

154. Meyer D. Academic social network ResearchGate aids debunking of stem cell study// GIGAOM [Электронный ресурс]. URL: http://gigaom.com/2014/03/14/academic-social-network-researchgate-aids-debunking-of-stem-cell-study/.

155. Milentijevic I. Version control in project-based learning / I. Milentijevic, V. Ciric, O. Vojinovic // Comput. Educ. - 2008. - Т. 50 - № 4- 1331-1338с.

156. Mohammed P. Contextualizing learning objects using ontologies / P. Mohammed, P. Mohan // Comput. Intell. - 2007. - Т. 23 - № 3- 339-355с.

157. Mohan P. Engineering a future for web-based learning objects / P. Mohan, C. Brooks // Learning - 2003. - Т. 2722- 163-167с.

158. Mohan P. Towards Object-Oriented Design Patterns for Reusability of Learning Objects / P. Mohan, B. K. Daniel // Adv. Learn. Technol. 2006 Sixth Int. Conf. - 2010. - 1025-1027с.

159. Monasor M.J. Preparing Students and Engineers for Global Software Development: A Systematic Review , 2010. - 177-186с.

160. Moore J.L. E-Learning, online learning, and distance learning environments: Are they the same? / J. L. Moore, C. Dickson-Deane, K. Galyen // Internet High. Educ. - 2011. - Т. 14 - № 2- 129-135с.

161. Morales R. A Case in the Design of Generative Learning Objects (GLO): Applied Statistical Methods GLOs / R. Morales, D. Leeder, T. Boyle // Proc. World Conf. Educ. Multimedia, Hypermedia Telecommun. - 2005. - 302--310с.

162. O'Flaherty J. The use of flipped classrooms in higher education: A

scoping review / J. O'Flaherty, C. Phillips // Internet High. Educ. - 2015. - T. 25-85-95c.

163. Oinn T. Taverna: a tool for the composition and enactment of bioinformatics workflows. / T. Oinn, M. Addis, J. Ferris, D. Marvin, M. Senger, M. Greenwood, T. Carver, K. Glover, M. R. Pocock, A. Wipat, P. Li // Bioinformatics - 2004. - T. 20 - № 17- 3045-54c.

164. Ozkal K. A conceptual model of relationships among constructivist learning environment perceptions, epistemological beliefs, and learning approaches / K. Ozkal, C. Tekkaya, J. Cakiroglu, S. Sungur // Learn. Individ. Differ. - 2009. -T. 19 - № 1- 71-79c.

165. Quinn C. Learning objects and instruction components / C. Quinn, S. Hobbs // Educ. Technol. Soc. - 2000. - T. 3 - № 2- 13-20c.

166. Robson R. Object-oriented Instructional Design and Applications to the Web. / R. Robson // World Conf. Educ. Multimedia, Hypermedia Telecommun. -1999. - № Bush 1945.

167. Sahni J. Workflow-and-Platform Aware task clustering for scientific workflow execution in Cloud environment / J. Sahni, D. P. Vidyarthi // Futur. Gener. Comput. Syst. - 2016. - T. 64- 61-74c.

168. Sanou B.ICT Facts and Figures 2016 / B. Sanou - , 2016.- 8c.

169. Sarath Chandar A.P. Personalized e-course composition approach using digital pheromones in improved particle swarm optimization / A. P. Sarath Chandar, S. G. Dheeban, V. Deepak, S. Elias // Proc. - 2010 6th Int. Conf. Nat. Comput. ICNC 2010 - 2010. - T. 5- № Icnc- 2677-2681c.

170. Sargsyan S.G. GENETIC ALGORITHMS IN E-LEARNING SYSTEMS / S. G. Sargsyan, A. S. Hovakimyan, S. V Barkhudaryan - 96-102c.

171. Shmelev V.A. Bus Scheduling in Dynamical Urban Transport Networks with the use of Genetic Algorithms and High Performance Computing Technologies Springer-Verlag, 2016. - 97-104c.

172. Shmelev V. Bus Scheduling in Dynamical Urban Transport Networks

with the use of Genetic Algorithms and High Performance Computing Technologies , 2014. - 86-92с.

173. Sloot P.M.A. Young Russian researchers take up challenges in the computational sciences / P. M. A. Sloot, A. V. Boukhanovsky // J. Comput. Sci. -2012. - Т. 3 - № 6- 439-440с.

174. Sloot P.M.A. Multi-scale modelling in computational biomedicine. / P. M. A. Sloot, A. G. Hoekstra // Brief. Bioinform. - 2010. - Т. 11 - № 1- 142-52с.

175. Smet C. De Differential impact of learning path based versus conventional instruction in science education / C. De Smet, B. De Wever, T. Schellens, M. Valcke // Comput. Educ. - 2016. - Т. 99- 53-67с.

176. Smirnov P.A. Linked-Data Integration for Workflow-Based Computational Experiments / под ред. P. Klinov, D. Mouromtsev. Springer International Publishing, 2014. - 175-183с.

177. Smirnov P.A. Knowledge-Based Support for Complex Systems Exploration in Distributed Problem Solving Environments , 2013. - 147-161с.

178. Smirnov P.A. Domain Ontologies Integration for Virtual Modelling and Simulation Environments / P. A. Smirnov, S. V. Kovalchuk, A. V. Dukhanov // Procedia Comput. Sci. - 2014. - Т. 29- 2507-2514с.

179. Sterbini A. Selection and sequencing constraints for personalized courses / A. Sterbini, M. Temperini // Proc. - Front. Educ. Conf. FIE - 2010.

180. Suraweera P. The Use of Ontologies in ITS Domain Knowledge Authoring Maceio, Brazil, 2004. - 41-49с.

181. Termaat B.Reusable Learning Object Strategy: Designing and Developing Learning Objects for Multiple Learning Approaches / B. Termaat, B. Agua, B. McGough, C. Lee - San Jose, USA, 2003.- 1-34c.

182. Vassileva J. Dynamic Courseware Generation on the WWW / J. Vassileva, R. Deters // Br. J. Educ. Technol. - 1998. - Т. 29 - № 1- 5-14с.

183. Verbert K. Towards a Global Component Architecture for Learning Objects : A Comparative Analysis of Learning Object Content Models / K. Verbert,

E. Duval // World Conf. Educ. Multimedia, Hypermedia Telecommun. - 2004. - № Dodds - 202-208с.

184. Wanner T. Personalising learning: exploring student and teacher perceptions about flexible learning and assessment in a flipped university course / T. Wanner, E. Palmer // Comput. Educ. - 2015. - Т. 88- 354-369с.

185. Woodill G. The Ideal Learning Management System for Multimedia Learning / G. Woodill // Knoodle white Pap. - 2011.

186. Yakushev A. Social Networks Mining for Analysis and Modeling Drugs Usage / A. Yakushev, S. Mityagin // Procedia Comput. Sci. - 2014. - Т. 29- 2462-2471с.

187. Yang Y.J. An attribute-based ant colony system for adaptive learning object recommendation / Y. J. Yang, C. Wu // Expert Syst. Appl. - 2009. - Т. 36-№ 2 PART 2- 3034-3047с.

188. Zervas P. A quantitative analysis of learning object repositories as knowledge management systems / P. Zervas, C. Alifragkis, D. G. Sampson // Knowl. Manag. E-Learning - 2014.

189. Pegasus Workflow Generator [Электронный ресурс]. URL: https://confluence.pegasus.isi.edu/display/pegasus/WorkflowGenerator (accessed: 12.09.2016).

190. Reusable Learning Object Strategy: Designing Information and Learning Objects Through Concept, Fact, Procedure, Process, and Principle Templates / // Cisco - 2001. - 48с.

191. General Web Services// IMS Global Learning Consortium [Электронный ресурс]. URL: https://www.imsglobal.org/gws/index.html (accessed: 19.08.2016).

192. Handbook of Transdisciplinary Research / / под ред. G.H. Hadorn, H. Hoffmann-Riem, S. Biber-Klemm, W. Grossenbacher-Mansuy, D. Joye, C. Pohl, U. Wiesmann, E. Zemp. — Dordrecht: Springer Netherlands, 2008.

193. LTI Launcher for Windows// Software Products [Электронный ресурс].

URL: http://www.spvsoftwareproducts.com/win/lti4win/ (accessed: 19.08.2016).

194. E-Learning Market Trends & Forecast 2014 - 2016 / - , 2014.- 48c.

195. Learning tools interoperability catalog [Электронный ресурс]. URL: http://developers.imsglobal.org/catalog.html.

196. 10 Global Communication Trends in 2014// WWP Group [Электронный ресурс]. URL: http://www.wpp.com/wpp/marketing/publicrelations/10-global-communication-trends-2014/ (accessed: 19.08.2016).

197. IMS Global Learning Consortium [Электронный ресурс]. URL: http://www.imsglobal.org/ (accessed: 19.08.2016).

198. Learning Tools Interoperability// IMS Global Learning Consortium [Электронный ресурс]. URL: https://www.imsglobal.org/activity/learning-tools-interoperability (accessed: 19.08.2016).

199. Minecraft: Education Edition// Mojang [Электронный ресурс]. URL: http://education.minecraft.net/ (accessed: 21.08.2016).

ПРИЛОЖЕНИЕ. ОПИСАНИЕ ПРИКЛАДНЫХ ПАКЕТОВ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ В СОСТАВЕ ПРОГРАММНОГО КОМПЛЕКСА

В настоящем разделе представлено описание пакетов в виде таблиц, содержащих: название пакета, логотип, назначение пакета, данные о разработчике (автор и организация), краткое и подробное описание пакетов, описание входных и выходных данных.

Описание пакета динамического распределения нагрузки на вычислительных узлах кластерной установки программно-аппаратного комплекса аСз^г.

Описание пакета аС^ог представлено в Табл. П.1.

Таблица П.1 — Описание пакета аС^ог

Пакет actstor

Назначение пакета Разработчик пакета

Пакет для динамического распределения нагрузки Тютляева Екатерина Олеговна, на вычислительных узлах кластерной установки Институт программных систем

программно-аппаратного комплекса__им. А.К. Айламазяна РАН_

Краткое описание пакета

Пакет моделирует систему активного хранения для динамического распределения нагрузки на вычислительных узлах кластерной установки программно-аппаратного комплекса. Она может применяться для решения широкого круга задач, связанных с хранением и обработкой больших объемов научных данных. Система предоставляет план распределения задач на вычислительные узлы в зависимости от размещения требуемых для них данных, а также данные мониторинга загрузки узлов и передачи

данных между ними._

Описание входных данных

1. Параметр Num_queries (необязательный, целочисленный): количество запросов к

системе (диапазон от 1 до 700)_

Описание выходных данных

1. Праметр output: архив лог-файлов с отчетом о состоянии системы во время обработки

запросов_

Подробное описание пакета и предметной области

Пакет моделирует систему активного хранения для динамического распределения нагрузки на вычислительных узлах кластерной установки программно-аппаратного комплекса.

Один из подходов по снижению требований к пропускной способности между хранилищами и вычислительными устройствами и использованию вычислительных мощностей устройств хранения - это, когда возможно, «приблизить» вычисления к местам хранения данных. Этот подход позиционируется как Активные хранилища (Active Storage) в контексте параллельных файловых систем. Передача некоторых вычислительных задач на узлы хранения данных, которые должны в этих вычислениях участвовать, существенно снижает объемы передачи данных по сети, и, следовательно, общесетевой трафик.

Активные хранилища нацелены на приложения с интенсивной стадией ввода/вывода и данными, которые возможно разбить на независимые наборы. Они могут быть использованы для обработки результатов моделирования в различных научных областях. Другие примеры задач, подходящих для использования активных хранилищ: сжатие и архивация выходных файлов, индексирование содержания выходных файлов, простые трансформации данных. Выполняя эти операции на узлах хранения данных, мы минимизируем межсетевой трафик и освобождаем прикладных программистов от необходимости реализации ввода/вывода, делая его прозрачным для основного приложения.

В идеальном варианте вычислительная мощность кластера и его емкость для хранения данных должны масштабироваться простым добавлением узлов. Такая архитектура нуждается в новых программных системах для управления каждым из устройств хранения данных, для определения месторасположения различных частей данных и для направления вычислений на узел, хранящий данные, которые должны подвергнуться обработке._

Описание пакета моделирования процессов фильтрации в разработке нефтяного месторождения amgc_sim.

Описание пакета amgc_sim представлено в Табл. П.2.

Таблица П.2 — Описание пакета amgc_sim

ш. Пакет amgc_sim

Назначение пакета Моделирование процессов фильтрации в разработке нефтяного месторождения Разработчик пакета Демидов Денис Евгеньевич, Казанский филиал межведомственого суперкомпьютерного центра

Краткое описание пакета Пакет предназначен для моделирования процессов фильтрации в разработке нефтяного месторождения. Здесь используется модель изотермической фильтрации двухфазной (нефть и вода) жидкости в природном пласте, а её численная реализация выполнена с применением метода IMPES (Implicit pressure, Explicit saturation). Для решения неявной задачи по давлению используется модифицированный алгебраический многосеточный метод. В прикладном пакете применена технология NVIDIA CUDA. Результатом работы пакета является массив полей давления и нефтенасыщенности для модельного месторождения.

Описание входных данных

1. Файловый параметр grid (обязательный): геометрия месторождения

2. Файловый параметр wells (обязательный): параметры скважин_

Описание выходных данных

Файловый параметр output: массив полей давления и нефтенасыщенности для модельного месторождения

Подробное описание пакета и предметной области

Пакетом решается задача моделирования нефтяного месторождения. Гидродинамическая модель месторождения - это математическая модель, воспроизводящая физические процессы в месторождении нефти или газа при его разработке. Математическая модель представляет собой систему дифференциальных уравнений в частных производных сохранения массы, импульса и энергии. Для решения систем дифференциальных уравнений сегодня используются численные методы с применением высокопроизводительных вычислительных машин.

Основная цель изучения пласта — предсказание его состояния и определение путей увеличения конечной нефтеотдачи. В классической теории разработки рассматривают осредненные объекты (балансная модель), для которых невозможно полностью учесть изменения параметров пласта и флюидов во времени и в пространстве. При моделировании с помощью вычислительных машин можно более детально исследовать пласт путем разбиения его на блоки и применения к каждому из них основных уравнений фильтрации. Программы для цифровых вычислительных машин, с помощью которых выполняют необходимые расчеты при таких исследованиях, называются машинными моделями или численными моделями.

Моделирование разработки нефтяных месторождений позволяет уточнить геологическое строение и фильтрационно-емкостные свойства нефтяного пласта при воспроизведении истории разработки а также выбрать наилучший вариант разработки месторождения при расчетах прогнозных вариантов.

В данной работе для численного решения дифференциальных уравнений, лежащих в основе математической модели нефтяного месторождения, применяется модифицированный алгебраический многосеточный метод. Для ускорения расчетов используется технология NVIDIA CUDA, позволяющая задействовать вычислительные мощности современных графических процессоров для научных расчетов._

Описание пакета решения задачи построения ROC-кривой и вычисления площади по ней для байесовской сети с нативной топологией ANN.

Описание пакета ANN представлено в Табл. П.3.

Таблица П.3 — Описание пакета ANN

Пакет ANN

Назначение пакета

Прикладной пакет ANN ("AUC for Native Network" - "AUC для нативной сети") предназначен для решения задачи построения ROC-кривой и вычисления площади по ней для байесовской сети с нативной топологией.

Разработчик пакета

Масленников Евгений Дмитриевич, НИВЦ (научно-исследовательский вычислительный центр) МГУ имени М. В. Ломоносова

Краткое описание пакета

Прикладной пакет ANN ("AUC for Native Network" - "AUC для нативной сети") предназначен для решения задачи построения ROC-кривой и вычисления площади по ней (AUC) для байесовской сети (БС) с нативной топологией. Оно (решение) основывается на использовании наиболее тривиальной - нативной - топлогии БС. При разработке пакета использовался алгоритм прямого безытерационного обучения нативной БС и стандартный алгоритм построения ROC-кривых с возможностью регулировки числа разбиений. Исходными данными пакета являются 2 файла (с описанием нативной БС и базой данных для обучения) и параметры разбиения базы данных, надобности в выводе ROC-кривых и префикса выходных файлов. Результатом работы пакета ANN является набор файлов, содержащих значения AUC, таблицы для построения ROC-кривых и сами ROC-кривые._

Описание входных данных

1. Параметр out (необязательный, строковый): префикс имен выходных файлов

2. Параметр roc (необязательный, строковый): надобность в построении ROC-кривых (roc) ("y" или "yes" - нужно строить кривые, "n", "no" - не нужно)

3. Параметр split (необязательный, целый): число частей, на которые разбивается база данных в ходе построения

4. Файловый параметр net (обязательный): файл *.nbn с описанием нативной БС;

5. Файловый параметр data (обязательный): файл *.csv c описанием базы данных для обучения нативной БС_

Описание выходных данных

1. Файловый параметр out_auc: файл *.txt со значениями AUC для исследуемой нативной БС (out_auc);

2. Файловый параметр out_table: файл *.table, содержащий таблицу для построения ROC-кривых (out_table);

3. Файловый параметр out_roc: файлы *.roc* со значениями точек ROC-кривых (out roc)._

Подробное описание пакета и предметной области

Прикладной пакет ANN ("AUC for Native Network") предназначен для вычисления AUC и построения ROC-кривой байесовской сети с нативной топологией. Пакет позволяет проводить валидацию нативных сетей, контроль наличия ошибочных и шумовых данных в базе данных, оценку влияния наличия тех или иных переменных сети. Программа ANN успешно применяется в исследованиях, связанных с оценкой риска повторного острого коронарного синдрома у пациентов, риска заболевания сахарным диабетом типа 2, риска возникновения осложнений у пациентов, перенесших черепно-мозговые травмы._

В программе ANN реализован метод построения ROC-кривых и вычисления AUC. Благодаря использованию нативной топологии, промежуточные обучения сети производятся очень быстро (безытерационно), поэтому есть возможность за приемлемые времена вычислять AUC "исключением по одному": из базы данных исключается одна строка (сведения об одном пациенте), производится обучение на полученной базе данных, после чего с помощью обученной сети предсказывается временно исключенный элемент, результат заносится в таблицу для построения ROC-кривой. Обучение нативной БС сводиться к прямому применению определения условной вероятности при накоплении статистики ("A" - корневая переменная):

Р (B\A) = P( B П A) .

V 1 ' P( A)

Иначе говоря, вероятность того, что переменная B примет значение j при условии, что переменная A примет значение i, вычисляется по формуле

р (в=j \ a= 0 = N ( an = AB=j >

N (A = г)

где N(...) - число включений в базе данных (в нашем случае - пациентов), для которых выполняется условие в скобках. Опрос нативной сети сводится к применению теоремы Байеса для корневой переменной (в данном случае - обработка свидетельства на

переменной B): Р(A \ B) = Р(BP(Bp(A)

Описание пакета решения задач молекулярного докинга autodock.

Описание пакета autodock представлено в Табл. П.4.

Таблица П.4 — Описание пакета autodock

v AucoDock Пакет autodock

Назначение пакета Пакет для решения задач молекулярного докинга. Разработчик пакета Рубцов Антон Олегович, Институт системного анализа Российской академии наук

Краткое описание пакета

Пакет Автодок (Autodock) предназначен для решения задачи молекулярного докинга. Докинг - это вычислительная процедура для расчета и предсказания поведения биомолекулярных комплексов. Актуальность данной задачи обусловлена необходимостью проведения большого количества экспериментов в фармакологии при разработке и тестировании новых лекарств. Решение задачи основывается на вычислении значения свободной энергии взаимодействия молекул комплекса в сеточной модели и нахождения глобального минимума с применением различных методов, в том числе генетических алгоритмов. Исходными данными пакета являются строение молекул в формате PDBQT, параметры построения сеточной модели поля молекулы, а также параметры работы алгоритма поиска. Результатом работы пакета является отчет о работе программы autodock4, содержащий заданное количество найденных решений и

информацию о ходе работы программы._

Описание входных данных

1. Файловый параметр Parameters (обязательный): файл с параметрами алгоритма докинга

2. Файловый параметр Ligand (обязательный): файл, содержащий структуру лиганда в формате PDBQT

3. Файловый параметр Field (обязательный): файл содержащий информацию о поле создаваемым молекулой-мишенью

4. Файловый параметр Geometry (обязательный): файл содержащий информацию о геометрических параметрах модели-сетки

5. Файловый параметр InteractParameters (необязательный): опциональный файл параметров взаимодействий

6. Группа файлов (обязательна): содержит информацию о модели-сетке поля молекулы-

мишени_

Описание выходных данных

1. Файловый параметр Output: файл с результатами расчётов автодокинга_

Подробное описание пакета и предметной области

Autodock - это набор инструментов для программного докинга, распространяемый под свободной лицензией GNU GPLv2.

Он разработан, чтобы предсказать каким образом малая молекула (лиганд) взаимодействует с молекулой-мишенью известной структуры. Формально решается задача о нахождении глобального минимума функции - энергии взаимодействия этих молекул.

Поскольку данная задача нахождения глобального минимума black-box функции вычислительно-сложной, для ее решения в пакете Autodock реализованы следующие методы глобальной оптимизации, хорошо зарекомендовавшие себя в практике решения задач большой размерности: Метод отжига (Simulated Annealing)

Генетический алгоритм Ламарка (Lamarkian Genetic Algorithm) Традиционный генетический алгоритм (Genetic Algorithm) Только локальный поиск (Solis-Wets или Pseudo-Solis-Wets)

Основным методом поиска связанного состояния комплекса является генетический алгоритм Ламарка, который заключается в создании начальной популяции возможных состояний комплекса (геномов), и последующей мутацией, обменом генами и отбором геномов с наименьшими значениями энергии связи в следующее поколение. Этот процесс аналогичен эволюционному отбору, происходящему в природе. Ламаркианская модификация генетического алгоритма заключается в поиске локального минимума энергии для отдельных геномов и передаче этой информации в следующие поколения. В качестве алгоритма локального поиска используется метод Солиса-Ветса, либо его модификация называемая псевдо-Солис-Ветс._

Описание пакета решения задачи блочного перемножения матриц block_matrix_mult.

Описание пакета block_matrix_mult представлено в Табл. П.5.

Таблица П.5 — Описание пакета block_matrix_mult

Пакет block matrix mult

Назначение пакета

Пакет для решения задачи перемножения матриц.

Разработчик пакета

Юрушкин Михаил Викторович, Южный федеральный университет_

Краткое описание пакета

Пакет с рабочим названием "block_matrix_mult" предназначен для решения задачи перемножения матриц. Решение основывается на методе блочного распределения матриц в общей памяти, который позволяет увеличить эффективность использования кеша данных и TLB-кеша. Для достижения высокой эффективности пакета были использованы такие методы оптимизации, как векторизация вычислений, тайлинг с учетом кешей нескольких уровней, выравнивание данных и кода, устранение ветвлений, устранение зависимостей между инструкциями, распараллеливание по данным с помощью библиотеки pthreads. В основе лежит стандартный алгоритм перемножения матриц, который требует O(NA3) арифметических операций. Исходными данными пакета является файл, содержащий в себе размер перемножаемых матриц и сами матрицы. Результатом работы пакета является выходной файл, содержащий в себе

результирующую матрицу._

Описание входных данных

1. Файловый параметр Input_matrices (обязательный): файл, содержащий в себе размер

перемножаемых матриц и сами матрицы._

Описание выходных данных

1. Файловый параметр Result: выходной файл, содержащий в себе результирующую

матрицу_

Подробное описание пакета и предметной области

Алгоритм блочного распределения данных входит в состав Автоматического распараллеливателя программ.

Реализовано расширение языка СИ (C99) операциями работы с памятью. Данное расширение может использоваться при оптимизации работы с кэш-памятью, а также для минимизации пересылок при автоматическом размещении данных на многопроцессорную архитектуру. При использовании реализованных операций на однопропроцессорном компьютере, достигается увеличение производительности в блочных численных методах.

Расширение представлено в виде директивы компилятора, в которой указываются параметры разбиения (размеры блоков) и количество процессоров на целевой архитектуре.

Пакет blocked_matrix_mul представляет собой реализацию

высокопроизводительного алгоритма перемножения матриц, использующего метод блочного перемножения матриц, в котором матрицы распределены блочно. Для получения дополнительной производительности задействованы такие способы ускорения программ как использование векторных команд (SSE либо AVX в зависимости от целевой архитектуры), выравнивание данных, подстраивание вычислений под конвейер.

На вход пакету подается файл, который должен содержать в себе следующие данные:

1. Число N — размер матриц _2. Перемножаемые матрицы._

Перед тем как начать непосредственное перемножение матриц, вызывается модуль, определяющий оптимальные параметры, настраивающие работу алгоритма (размер блока).

Реализована вспомогательная библиотека функций, которые используются для перераспределения матриц в памяти._

Описание пакета расчета формирования тонкопленочных покрытий Dep_f.

Описание пакета Dep_f представлено в Табл. П.6.

Таблица П.6 — Описание пакета Dep_f

Пакет Dep_f

Назначение пакета

Расчет формирования тонкопленочных покрытий.

Разработчик пакета

Хорьков Кирилл Сергеевич, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых_

Краткое описание пакета

Прикладной пакет направлен на расчет осаждения наночастиц при фемтосекундной лазерной абляции материала. В качестве входных параметров используются размер области осаждения, время осаждения и скорость осаждения. Выходными данными пакета являются количества осажденных частиц по координатам предварительно

заданной сетки._

Описание входных данных

1. Файловый параметр input (обязательный): файл с данными размера области

осаждения, временем осаждения и скоростью осаждения_

Описание выходных данных

1. Файловый параметр output: количества осажденных частиц по координатам

предварительно заданной сетки_

Подробное описание пакета и предметной области

Исследование образования тонкопленочных элементов является одной их современных и перспективных задач в рамках развития нанотехнологий. Осаждение наночастиц на поверхности связано с различными факторами, такими как количество осаждаемых наночастиц, время осаждения, скорость осаждения и характер осаждения. При разлете частиц при лазерной абляции вещества, происходит взаимодействие наночастиц, а также других продуктов абляции, друг с другом. Зародышевый механизм не является единственно возможным. На шероховатой или дефектной поверхности подложек могут работать специфические механизмы роста, не требующие начального образования зародышей._

Прикладной пакет направлен на расчет осаждения наночастиц при фемтосекундной лазерной абляции материала. В качестве входных параметров используются размер области осаждения, время осаждения и скорость осаждения. Размер области выбирается в зависимости от требуемой площади осаждения наночастиц. Область является квадратной. Время осаждения влияет на количество осадившихся частиц. При увеличении времени осаждения плотность упаковки наночастиц увеличивается. При уменьшении скорости осаждения равномерность осаждения уменьшается. Ввод данных предполагает выбор условия, при котором наночастицы могут осаждаться простым способом, т.е. друг на друга, либо более сложным способом.

Приложение разработано при помощи программы MATLAB, пакета прикладных программ для решения задач технических вычислений.

В основу моделирования было заложено получение осаждения наночастиц на стеклянную подложку. Поток продуктов абляции, разлетающийся от мишени, имеет направленность, как и при отражении от поверхности лазерного излучения. При этом в силу особенности распространения лазерного излучения, осаждение происходит более интенсивно в центральной части. Плотность интенсивности лазерного излучения имеет гауссову форму. Так как излучения является мощным и ультракоротким, то расплава материала не происходит и большие частицы приповерхностного слоя не отрываются.

Программа, разработанная в MATLAB, представляет собой функцию, имеющую входные и выходные аргументы, а также собственное рабочее пространство для хранения промежуточных результатов вычислений и переменных. Входной файл представляет собой набор параметров для расчета. В нём содержатся размер области расчета, время расчета, скорость осаждения наночастиц и правило осаждения. Используя входные параметры, программа рассчитывает количество осажденных частиц по координатам предварительно заданной сетки. Каждое построение осуществляется в цикле, при котором рассчитывается высота осаждаемого слоя, а также зависимость скорости и времени осаждения. Далее результаты расчета записываются в файл в виде столбцов данных, на основе которых строится график распределения наночастиц по объему._

Описание пакета численного расчета решения задачи Дирихле для оператора Лапласа с помощью метода Якоби dirichlet_solver.

Описание пакета dirichlet_solver представлено в Табл. П.7.

Таблица П.7 — Описание пакета dirichlet_solver

(4*1)

Ы) ! *т Пакет dirichlet_solver

0-1 [И)

Назначение пакета Данный пакет осуществляет численный расчёт решения задачи Дирихле для оператора Лапласа с помощью метода Якоби. Разработчик пакета Гервич Лев Романович, Южный федеральный университет

Краткое описание пакета Данный пакет осуществляет численный расчёт решения задачи Дирихле для оператора Лапласа с помощью метода Якоби. Особенностью пакета является нестандартное размещение данных в системах с распределённой памятью (размещение данных с перекрытием). Такое распределение позволяет существенно увеличить

производительность расчётов за счёт сокращения количества пересылок данных. На вход пакет принимает текстовые файлы с описанием граничных условий сетки, значения размерности сетки по всем трём осям, количество итераций метода Якоби и размер перекрытия. На выход пакет формирует группу файлов, каждый из которых содержит

результирующую сетку для заданного процессора._

Описание входных данных

1. Параметр dimension_x (обязательный, целое значение): определяет размерность входной матрицы по x

2. Параметр dimension_y (обязательный, целое значение): определяет размерность входной матрицы по y

3. Параметр dimension_z (обязательный, целое значение): определяет размерность входной матрицы по z

4. Файловый параметр left_boundary_x (обязательный, текстовый файл): файл определяет левые краевые условия по x

5. Файловый параметр left_boundary_y (обязательный, текстовый файл): файл определяет левые краевые условия по y

6. Файловый параметр left_boundary_z (обязательный, текстовый файл): файл определяет левые краевые условия по z

7. Файловый параметр right_boundary_x (обязательный, текстовый файл): файл определяет правые краевые условия по x

8. Файловый параметр right_boundary_y (обязательный, текстовый файл): файл определяет правые краевые условия по y

9. Файловый параметр right_boundary_z (обязательный, текстовый файл): файл определяет правые краевые условия по z

11. Параметр iteration_count (обязательный, целое значение): определяет количество итераций метода Якоби

12. Параметр overlapping (обязательный, целое значение): определяет размер перекрытия метода Якоби

Описание выходных данных

1. Файловый параметр Result: группа файлов с результирующей сеткой (файлы начинаются с комбинации символов filename)

2. Файловый параметр errorLog: в файл вносятся сведения об ошибках, если таковые

возникают в ходе выполнения пакета._

Подробное описание пакета и предметной области

Стандартная библиотека MPI предполагает, что в каждом процессоре находятся все данные программы полностью. Для многих задач рассылка всех данных избыточна (и приводит к неоправданным расходам памяти и времени). Многие программисты прибегают к специальным подходам, чтобы обойти эту неэффективность. Так делается и в данной работе: в каждом процессоре хранится лишь необходимая часть данных. Суть метода размещения данных в распределенной памяти с перекрытиями состоит в том, чтобы за счет некоторого увеличения объема хранимых данных в каждом процессоре (в некоторых процессорах часть хранимых данных одинакова) и количества выполняемых операций сократить количество межпроцессорных пересылок (обращений к памяти соседних процессоров - самая долгая операция)

Данный пакет осуществляет численный расчёт решения задачи Дирихле для оператора Лапласа с помощью метода Якоби.

Одним из наиболее применяемых методов численного решения уравнения Лапласа является метод конечных разностей (метод сеток). В данном методе область решения представляется в виде равномерной сетки узлов._

Получаемое разностное уравнение позволяет определить новые значения по известным значениям функции в соседних узлах используемого шаблона. Общая схема для итерационных алгоритмов решения задачи Дирихле такова: вначале задаются некоторые краевые условия, после чего за конечное число итераций с использованием разностного соотношения находится приближенное решение. Здесь применяется метод Якоби, который в псевдо быть записан следующим образом:

For (i=0,.,maxIt) //итерационный процесс { _

For (j=1,..,n-1) //вычисление одной итерации метода Якоби For (k=1,..,n-1) For (s=1,..,n-1)

B[j,k,s]=1/6*(U[j,k-1,s]+ U[j,k+1,s]+ U[j-1,k,s]+ U[j+1,k,s]+U[j,k,s-1]+ U[j,k,s+1]) For (j=1,..,n-1) For (k=1,..,n-1) For (s=1,..,n-1)

U[j,k,s]=B[j,k,s]