The rocky road to extended simulation frameworks covering uncertainty, inversion, optimization and control

در دهه های گذشته، چارچوب های شبیه سازی به دلیل پیچیدگی مدل ها از رشته های مختلف به مدل های به اصطلاح یکپارچه بسیار افزایش یافته است. به تازگی، ترکیب با ابزار برای اندازه گیری عدم اطمینان، مدل سازی معکوس، بهینه سازی و کنترل، توسعه ای را به سوی چارچوب های شبیه سازی گسترش یافته آغاز کرد. در حالی که یک بحث مداوم در مورد تضمین کیفیت و قابلیت تکثیر برای چارچوب های شبیه سازی وجود دارد، ما بحث مشابهی را برای پرونده گسترش مشاهده نکرده ایم. به ویژه برای چارچوب های توسعه یافته، نیاز به تضمین کیفیت بالا است: طیف وسیعی از گزینه ها و الگوریتم ها توسط یک متخصص دامنه و تصمیم گیران و یا عمومی غیر قابل کنترل است. تقاضای ناشی از "نرم افزار هوشمند" با پیکربندی خودکار می تواند منجر به اعتماد کور در نتایج شبیه سازی شود، حتی اگر آنها نادرست باشند. این یک سناریوی تهدید کننده است به دلیل پیامدهای بالقوه در مهندسی مبتنی بر شبیه سازی یا تصمیمات سیاسی. در این مقاله، پیچیدگی در حال افزایش جریانهای محاسبات علمی را تحلیل می کنیم و مشکلات مربوط به چارچوب شبیه سازی علمی گسترده را مورد بحث قرار می دهیم. ما یک پارادایم را پیشنهاد می کنیم که ویژگی های مجاز اجزای چارچوب را تنظیم می کند، از تنظیمات چارچوب برای شبیه سازی های پیچیده پشتیبانی می کند، خودآزمایی خودکار چارچوب های پیکربندی را اجرا می کند، و ارتباطات گزینه های الگوریتم خودکار، تنظیمات بالقوه کاربر بحرانی یا مسائل همگرا با سطح جزئیات سازگاری و فوری کاربر نهایی هدف ما این است که شروع به انتقال بحث تضمین کیفیت در زمینه مدل سازی یکپارچه و چارچوب نرمافزار متعارف در زمینه چارچوب شبیه سازی گسترده شود. با این کار، ما امیدواریم قابلیت اطمینان و شفافیت (گسترش) چارچوب، استفاده از چارچوب و نتایج شبیه سازی مربوطه را افزایش دهد.