La ciencia computacional , también conocida como computación científica o computación científica ( SC ), es un campo en rápido crecimiento que utiliza capacidades informáticas avanzadas para comprender y resolver problemas complejos. Es un área de la ciencia que abarca muchas disciplinas, pero en esencia, implica el desarrollo de modelos y simulaciones para comprender los sistemas naturales.
- Algoritmos ( numéricos y no numéricos): modelos matemáticos , modelos computacionales y simulaciones por ordenador desarrollado para resolver la ciencia (por ejemplo, biológicas , físicas y sociales ), la ingeniería y humanidades problemas
- Hardware informático que desarrolla y optimiza el hardware del sistema avanzado , firmware , redes y componentes de administración de datos necesarios para resolver problemas computacionalmente exigentes
- La infraestructura informática que respalda la resolución de problemas de ciencia e ingeniería y la informática de desarrollo y la ciencia de la información
En el uso práctico, es típicamente la aplicación de simulación por computadora y otras formas de cálculo del análisis numérico y la informática teórica para resolver problemas en diversas disciplinas científicas. El campo es diferente de la teoría y los experimentos de laboratorio, que son las formas tradicionales de ciencia e ingeniería . El enfoque de la computación científica es ganar comprensión, principalmente a través del análisis de modelos matemáticos implementados en computadoras . Los científicos e ingenieros desarrollan programas de computadora , software de aplicación , que modelan los sistemas en estudio y ejecutan estos programas con varios conjuntos de parámetros de entrada. La esencia de la ciencia computacional es la aplicación de algoritmos numéricos [1] y / o matemáticas computacionales . En algunos casos, estos modelos requieren cantidades masivas de cálculos (generalmente de punto flotante ) y a menudo se ejecutan en supercomputadoras o plataformas informáticas distribuidas .
El científico computacional
El término científico computacional se usa para describir a alguien experto en computación científica. Esta persona suele ser un científico, un ingeniero o un matemático aplicado que aplica la computación de alto rendimiento de diferentes formas para avanzar en el estado del arte en sus respectivas disciplinas aplicadas en física, química o ingeniería.
La ciencia computacional ahora se considera comúnmente un tercer modo de ciencia , que complementa y agrega experimentación / observación y teoría (ver imagen a la derecha). [2] Aquí, definimos un sistema como una fuente potencial de datos, [3] un experimento como un proceso de extracción de datos de un sistema ejerciéndolo a través de sus entradas [4] y un modelo ( M ) para un sistema ( S ) y un experimento ( E ) como cualquier cosa a la que se pueda aplicar E para responder preguntas sobre S. [5] Un científico computacional debería ser capaz de:
- reconocer problemas complejos
- conceptualizar adecuadamente el sistema que contiene estos problemas
- diseñar un marco de algoritmos adecuado para estudiar este sistema: la simulación
- elegir una infraestructura informática adecuada ( informática en paralelo / informática en red / supercomputadoras )
- por lo tanto, maximizando el poder computacional de la simulación
- evaluar en qué nivel el resultado de la simulación se asemeja a los sistemas: el modelo está validado
- ajustar la conceptualización del sistema en consecuencia
- ciclo repetitivo hasta obtener un nivel adecuado de validación: los científicos computacionales confían en que la simulación genere resultados adecuadamente realistas para el sistema, en las condiciones estudiadas
De hecho, se ha dedicado un esfuerzo sustancial en ciencias computacionales al desarrollo de algoritmos, la implementación eficiente en lenguajes de programación y la validación de resultados computacionales. Se puede encontrar una colección de problemas y soluciones en ciencia computacional en Steeb, Hardy, Hardy y Stoop (2004). [6]
Los filósofos de la ciencia abordaron la cuestión de hasta qué punto la ciencia computacional califica como ciencia, entre ellos Humphreys [7] y Gelfert. [8] Abordan la cuestión general de la epistemología: cómo obtenemos conocimiento de tales enfoques de la ciencia computacional. Tolk [9] utiliza estos conocimientos para mostrar las limitaciones epistemológicas de la investigación de simulación basada en computadora. Como la ciencia computacional usa modelos matemáticos que representan la teoría subyacente en forma ejecutable, en esencia, aplican modelado (construcción de teoría) y simulación (implementación y ejecución). Si bien la simulación y la ciencia computacional son nuestra forma más sofisticada de expresar nuestro conocimiento y comprensión, también vienen con todas las restricciones y límites ya conocidos para las soluciones computacionales.
Aplicaciones de la ciencia computacional
Los dominios problemáticos para la ciencia computacional / informática científica incluyen:
Ciencia computacional predictiva
La ciencia computacional predictiva es una disciplina científica que se ocupa de la formulación, calibración, solución numérica y validación de modelos matemáticos diseñados para predecir aspectos específicos de eventos físicos, dadas las condiciones iniciales y de frontera y un conjunto de parámetros caracterizadores e incertidumbres asociadas. [10] En casos típicos, el enunciado predictivo se formula en términos de probabilidades. Por ejemplo, dado un componente mecánico y una condición de carga periódica, “la probabilidad es (digamos) del 90% de que el número de ciclos en falla (Nf) esté en el intervalo N1
Sistemas urbanos complejos
En 2015, más de la mitad de la población mundial vive en ciudades. A mediados del siglo XXI, se estima que el 75% de la población mundial será urbana . Este crecimiento urbano se centra en las poblaciones urbanas de los países en desarrollo, donde los habitantes de las ciudades se duplicarán con creces, pasando de 2.500 millones en 2009 a casi 5.200 millones en 2050. Las ciudades son sistemas masivos y complejos creados por humanos, compuestos por humanos y gobernados por humanos. . Tratar de predecir, comprender y de alguna manera dar forma al desarrollo de las ciudades en el futuro requiere un pensamiento complejo y requiere modelos y simulaciones computacionales para ayudar a mitigar los desafíos y posibles desastres. El enfoque de la investigación en sistemas urbanos complejos es, a través del modelado y la simulación, construir una mayor comprensión de la dinámica de la ciudad y ayudar a prepararse para la urbanización venidera .
Finanzas computacionales
En los mercados financieros actuales, un gran número de participantes del mercado que interactúan en diferentes lugares y zonas horarias negocian enormes volúmenes de activos interdependientes. Su comportamiento es de una complejidad sin precedentes y la caracterización y medición del riesgo inherente a este conjunto de instrumentos tan diverso se basa típicamente en complicados modelos matemáticos y computacionales . Resolver estos modelos exactamente en forma cerrada, incluso a un solo nivel de instrumento, generalmente no es posible y, por lo tanto, tenemos que buscar algoritmos numéricos eficientes . Esto se ha vuelto aún más urgente y complejo recientemente, ya que la crisis crediticia ha demostrado claramente el papel de los efectos en cascada que van desde instrumentos únicos a través de carteras de instituciones únicas hasta incluso la red comercial interconectada. Comprender esto requiere un enfoque holístico y de múltiples escalas donde los factores de riesgo interdependientes, como el riesgo de mercado, crédito y liquidez, se modelen simultáneamente y en diferentes escalas interconectadas.
Biología Computacional
Los nuevos y emocionantes desarrollos en biotecnología están revolucionando la biología y la investigación biomédica . Ejemplos de estas técnicas son secuenciación de alto rendimiento , PCR cuantitativa de alto rendimiento , imágenes intracelulares, hibridación in situ de la expresión génica, técnicas de imágenes tridimensionales como microscopía de fluorescencia en láminas de luz y proyección óptica , (micro) - tomografía por computadora . Dadas las enormes cantidades de datos complicados que generan estas técnicas, su interpretación significativa, e incluso su almacenamiento, plantean grandes desafíos que requieren nuevos enfoques. Más allá de los enfoques bioinformáticos actuales, la biología computacional necesita desarrollar nuevos métodos para descubrir patrones significativos en estos grandes conjuntos de datos. La reconstrucción de redes de genes basada en modelos se puede utilizar para organizar los datos de expresión génica de forma sistemática y para orientar la recopilación de datos en el futuro. Un desafío importante aquí es comprender cómo la regulación genética está controlando procesos biológicos fundamentales como la biomineralización y la embriogénesis . Los subprocesos como la regulación de genes , las moléculas orgánicas que interactúan con el proceso de deposición de minerales, los procesos celulares , la fisiología y otros procesos a nivel tisular y ambiental están vinculados. En lugar de estar dirigidas por un mecanismo de control central, la biomineralización y la embriogénesis pueden verse como un comportamiento emergente resultante de un sistema complejo en el que varios subprocesos en escalas temporales y espaciales muy diferentes (que van desde nanómetros y nanosegundos hasta metros y años) son conectado a un sistema multiescala. Una de las pocas opciones disponibles para comprender estos sistemas es desarrollar un modelo de múltiples escalas del sistema.
Teoría de sistemas complejos
Utilizando la teoría de la información , la dinámica de no equilibrio y las simulaciones explícitas, la teoría de sistemas computacionales intenta descubrir la verdadera naturaleza de los sistemas adaptativos complejos .
Ciencias computacionales en ingeniería
La ciencia y la ingeniería computacionales (CSE) es una disciplina relativamente nueva que se ocupa del desarrollo y la aplicación de modelos y simulaciones computacionales, a menudo junto con la computación de alto rendimiento , para resolver problemas físicos complejos que surgen en el análisis y el diseño de ingeniería (ingeniería computacional). como fenómenos naturales (ciencia computacional). La CSE se ha descrito como el "tercer modo de descubrimiento" (junto a la teoría y la experimentación). [12] En muchos campos, la simulación por computadora es integral y, por lo tanto, esencial para los negocios y la investigación. La simulación por computadora brinda la capacidad de ingresar a campos que son inaccesibles para la experimentación tradicional o donde la realización de investigaciones empíricas tradicionales es prohibitivamente costosa. La CSE no debe confundirse con la informática pura ni con la ingeniería informática , aunque en CSE se utiliza un amplio dominio de la primera (por ejemplo, ciertos algoritmos, estructuras de datos, programación paralela, computación de alto rendimiento) y se pueden presentar algunos problemas en la segunda. modelado y resuelto con métodos CSE (como área de aplicación).
Métodos y algoritmos
Los algoritmos y métodos matemáticos utilizados en la ciencia computacional son variados. Los métodos comúnmente aplicados incluyen:
- Álgebra computarizada , [13] [14] [15] [16] incluyendo cálculo simbólico en campos como estadística, resolución de ecuaciones, álgebra, cálculo, geometría, álgebra lineal, análisis tensorial (álgebra multilineal), optimización
- Análisis numérico , [17] [18] [19] [20] incluidas las derivadas de cálculo por diferencias finitas
- Aplicación de las series de Taylor como series convergentes y asintóticas
- Calcular derivadas por diferenciación automática (AD)
- Método de elementos finitos para resolver PDE [21] [22]
- Aproximaciones de diferencias de orden alto mediante la serie de Taylor y la extrapolación de Richardson
- Métodos de integración [23] en una malla uniforme : regla del rectángulo (también llamada regla del punto medio ), regla del trapezoide , regla de Simpson
- Métodos de Runge-Kutta para resolver ecuaciones diferenciales ordinarias
- Método de Newton [24]
- Transformada discreta de Fourier
- Métodos de Monte Carlo [25] [26]
- Álgebra lineal numérica , [27] [28] [29] incluyendo descomposiciones y algoritmos de valores propios
- Programación lineal [30] [31]
- Ramificar y cortar
- Ramificar y enlazar
- Dinámica molecular , dinámica molecular Car-Parrinello
- Mapeo espacial
- Métodos escalonados en el tiempo para sistemas dinámicos
Tanto históricamente como hoy, Fortran sigue siendo popular para la mayoría de las aplicaciones de la informática científica. [32] [33] Otros lenguajes de programación y sistemas de álgebra computacional comúnmente usados para los aspectos más matemáticos de las aplicaciones de computación científica incluyen GNU Octave , Haskell , [32] Julia , [32] Maple , [33] Mathematica , [34] [35 ] [36] [37] [38] MATLAB , [39] [40] [41] Python (con biblioteca SciPy de terceros [42] [43] [44] ), Perl (con biblioteca PDL de terceros ), [ cita requerida ] R , [45] Scilab , [46] [47] y TK Solver . Los aspectos más intensivos en computación de la computación científica a menudo usarán alguna variación de C o Fortran y bibliotecas de álgebra optimizadas como BLAS o LAPACK . Además, la computación paralela se utiliza mucho en la computación científica para lograr soluciones de grandes problemas en un período de tiempo razonable. En este marco, el problema se divide en muchos núcleos en un solo nodo de CPU (como con OpenMP ), se divide en muchos nodos de CPU conectados en red (como con MPI ), o se ejecuta en una o más GPU (generalmente usando CUDA u OpenCL ).
Los programas de aplicación de la ciencia computacional a menudo modelan las condiciones cambiantes del mundo real, como el clima, el flujo de aire alrededor de un avión, las distorsiones de la carrocería de un automóvil en un accidente, el movimiento de las estrellas en una galaxia, un dispositivo explosivo, etc. Tales programas podrían crear una 'malla lógica 'en la memoria de la computadora donde cada elemento corresponde a un área en el espacio y contiene información sobre ese espacio relevante para el modelo. Por ejemplo, en los modelos meteorológicos , cada elemento puede tener un kilómetro cuadrado; con elevación del terreno, dirección actual del viento, humedad, temperatura, presión, etc. El programa calcularía el próximo estado probable basado en el estado actual, en pasos de tiempo simulados, resolviendo ecuaciones diferenciales que describen cómo opera el sistema; y luego repita el proceso para calcular el siguiente estado.
Conferencias y revistas
En el año 2001, se organizó por primera vez la Conferencia Internacional sobre Ciencias Computacionales (ICCS) . Desde entonces se organiza anualmente. ICCS es una conferencia de rango A en la clasificación CORE.
El Journal of Computational Science internacional publicó su primer número en mayo de 2010. [48] [49] [50] En 2012 se lanzó una nueva iniciativa, el Journal of Open Research Software. [51] En 2015, ReScience C [52] dedicado a la replicación de resultados computacionales se inició en GitHub .
Educación
En algunas instituciones, una especialización en computación científica se puede obtener como "menor" dentro de otro programa (que puede estar en diferentes niveles). Sin embargo, cada vez hay más programas de licenciatura , maestría y doctorado en ciencias computacionales. El programa de maestría conjunta en ciencias computacionales de la Universidad de Amsterdam y la Vrije Universiteit en ciencias computacionales se ofreció por primera vez en 2004. En este programa, los estudiantes:
- aprender a construir modelos computacionales a partir de observaciones de la vida real;
- desarrollar habilidades para convertir estos modelos en estructuras computacionales y realizar simulaciones a gran escala;
- aprender la teoría que proporcionará una base firme para el análisis de sistemas complejos;
- Aprenda a analizar los resultados de las simulaciones en un laboratorio virtual utilizando algoritmos numéricos avanzados.
La Universidad George Mason fue uno de los primeros pioneros en ofrecer un programa de doctorado multidisciplinario en Ciencias Computacionales e Informática en 1992 que se centró en una serie de áreas de especialidad que incluyen bioinformática , química computacional , sistemas terrestres y cambios globales, matemáticas computacionales , física computacional. , ciencias espaciales y estadística computacional
La Facultad de Ciencias Computacionales e Integrativas de la Universidad Jawaharlal Nehru (antigua Escuela de Tecnología de la Información [53] ) también ofrece un dinámico programa de maestría en ciencias computacionales con dos especialidades a saber: Biología Computacional y Sistemas Complejos . [54]
Campos relacionados
- Bioinformática
- Dinámica molecular del coche-Parrinello
- Quimioformática
- Quimiometría
- Arqueología computacional
- Astrofísica computacional
- Biología Computacional
- Quimica computacional
- Ciencia de los materiales computacionales
- Economía computacional
- Electromagnetismo computacional
- Ingenieria computacional
- Finanzas computacionales
- Dinámica de fluidos computacional
- Forense computacional
- Geofísica computacional
- Historia computacional
- Informática computacional
- Inteligencia Computacional
- Ley computacional
- Ligüística computacional
- Matemática computacional
- Mecánica computacional
- Neurociencia Computacional
- Física computacional de partículas
- Física computacional
- Sociología computacional
- Estadística computacional
- Sostenibilidad computacional
- Álgebra informática
- Simulación por ordenador
- Modelamiento financiero
- Sistema de información geográfica (SIG)
- Computación de alto rendimiento
- Aprendizaje automático
- Análisis de red
- Neuroinformática
- Álgebra lineal numérica
- Predicción numérica del tiempo
- Reconocimiento de patrones
- Visualización científica
- Simulación
Ver también
- Simulaciones por computadora en la ciencia
- Ingeniería y ciencia computacional
- Comparación de sistemas de álgebra computarizada
- Programación diferenciable
- Lista de software de modelado molecular
- Lista de software de análisis numérico
- Lista de paquetes estadísticos
- Cronología de la informática científica
- Realidad simulada
- Extensiones para Computación Científica (XSC)
Referencias
- ^ Nonweiler TR, 1986. Matemáticas computacionales: una introducción a la aproximación numérica, John Wiley and Sons
- ^ Educación de posgrado en Ciencias e Ingeniería Computacionales. Siam.org, sitio web de la Sociedad de Matemáticas Industriales y Aplicadas (SIAM); Consultado en febrero de 2013.
- ^ Siegler, Bernard (1976). Teoría del Modelado y Simulación .
- ^ Cellier, François (1990). Modelado continuo de sistemas .
- ^ Minski, Marvin (1965). Modelos, mentes, máquinas .
- ^ Steeb W.-H., Hardy Y., Hardy A. y Stoop R., 2004. Problemas y soluciones en informática científica con simulaciones de C ++ y Java, World Scientific Publishing. ISBN 981-256-112-9
- ^ Humphreys, Paul. Extendiéndonos: ciencia computacional, empirismo y método científico. Prensa de la Universidad de Oxford, 2004.
- ^ Gelfert, Axel. 2016. Cómo hacer ciencia con modelos: una cartilla filosófica. Cham: Springer.
- ^ Tolk, Andreas. " Aprender algo correcto a partir de modelos incorrectos: epistemología de la simulación ". En Concepts and Methodologies for Modeling and Simulation, editado por L. Yilmaz, págs. 87-106, Cham: Springer International Publishing, 2015.
- ^ Oden, JT, Babuška, I. y Faghihi, D., 2017. Ciencia computacional predictiva: predicciones informáticas en presencia de incertidumbre. Enciclopedia de Mecánica Computacional. Segunda edición, págs. 1-26.
- ^ Szabó B, Actis R y Rusk D. Validación de factores de sensibilidad de muesca. Revista de verificación, validación y cuantificación de incertidumbres. 4 011004, 2019
- ^ "Programa de Ingeniería y Ciencias Computacionales: Manual del estudiante de posgrado" (PDF) . cseprograms.gatech.edu . Septiembre de 2009. Archivado desde el original (PDF) el 14 de octubre de 2014 . Consultado el 26 de agosto de 2017 .
- ^ Von Zur Gathen, J. y Gerhard, J. (2013). Álgebra informática moderna. Prensa de la Universidad de Cambridge.
- ^ Geddes, KO, Czapor, SR y Labahn, G. (1992). Algoritmos para álgebra computacional. Springer Science & Business Media.
- ^ Albrecht, R. (2012). Álgebra informática: cálculo simbólico y algebraico (Vol. 4). Springer Science & Business Media.
- ^ Mignotte, M. (2012). Matemáticas para álgebra informática. Springer Science & Business Media.
- ^ Stoer, J. y Bulirsch, R. (2013). Introducción al análisis numérico. Springer Science & Business Media.
- ^ Conte, SD y De Boor, C. (2017). Análisis numérico elemental: un enfoque algorítmico. Sociedad de Matemáticas Industriales y Aplicadas .
- ^ Greenspan, D. (2018). Análisis numérico. Prensa CRC.
- ↑ Linz, P. (2019). Análisis numérico teórico. Publicaciones de Courier Dover.
- ^ Brenner, S. y Scott, R. (2007). La teoría matemática de los métodos de elementos finitos (Vol. 15). Springer Science & Business Media.
- ^ Oden, JT y Reddy, JN (2012). Introducción a la teoría matemática de elementos finitos. Corporación de mensajería.
- ^ Davis, PJ y Rabinowitz, P. (2007). Métodos de integración numérica. Corporación de mensajería.
- ^ Peter Deuflhard, Métodos de Newton para problemas no lineales. Invarianza afín y algoritmos adaptativos, segunda edición impresa. Serie Matemáticas Computacionales 35, Springer (2006)
- ^ Hammersley, J. (2013). Métodos monte carlo. Springer Science & Business Media.
- ^ Kalos, MH y Whitlock, PA (2009). Métodos monte carlo. John Wiley e hijos.
- ^ Demmel, JW (1997). Álgebra lineal numérica aplicada. SIAM .
- ^ Ciarlet, PG, Miara, B. y Thomas, JM (1989). Introducción al álgebra lineal numérica y optimización. Prensa de la Universidad de Cambridge.
- ^ Trefethen, Lloyd; Bau III, David (1997). Álgebra lineal numérica (1ª ed.). Filadelfia: SIAM .
- ↑ Vanderbei, RJ (2015). Programación lineal. Heidelberg: Springer.
- ^ Gass, SI (2003). Programación lineal: métodos y aplicaciones. Corporación de mensajería.
- ^ a b c Phillips, Lee (7 de mayo de 2014). "El futuro de la informática científica: ¿Puede algún lenguaje de codificación superar a un gigante de la década de 1950?" . Ars Technica . Consultado el 8 de marzo de 2016 .
- ^ a b Landau, Rubin (7 de mayo de 2014). "Un primer curso de informática científica" (PDF) . Universidad de Princeton . Consultado el 8 de marzo de 2016 .
- ^ Mathematica 6 Scientific Computing World, mayo de 2007
- ^ Maeder, RE (1991). Programación en matemática. Addison-Wesley Longman Publishing Co., Inc ..
- ^ Stephen Wolfram. (1999). El libro MATHEMATICA®, versión 4. Cambridge University Press .
- ^ Shaw, WT y Tigg, J. (1993). Applied Mathematica: comenzar, lograrlo. Addison-Wesley Longman Publishing Co., Inc ..
- ^ Marasco, A. y Romano, A. (2001). Computación científica con Mathematica: problemas matemáticos para ecuaciones diferenciales ordinarias; con un CD-ROM. Springer Science & Business Media .
- ^ Quarteroni, A., Saleri, F. y Gervasio, P. (2006). Computación científica con MATLAB y Octave. Berlín: Springer.
- ^ Gander, W. y Hrebicek, J. (Eds.). (2011). Resolución de problemas en informática científica utilizando Maple y Matlab®. Springer Science & Business Media .
- ^ Barnes, B. y Fulford, GR (2011). Modelado matemático con estudios de caso: un enfoque de ecuaciones diferenciales utilizando Maple y MATLAB. Chapman y Hall / CRC.
- ^ Jones, E., Oliphant, T. y Peterson, P. (2001). SciPy: herramientas científicas de código abierto para Python.
- ^ Bressert, E. (2012). SciPy y NumPy: una descripción general para desarrolladores. "O'Reilly Media, Inc.".
- ^ Blanco-Silva, FJ (2013). Aprendizaje de ciencia ficción para computación numérica y científica. Packt Publishing Ltd.
- ^ Ihaka, R. y Caballero, R. (1996). R: lenguaje para análisis de datos y gráficos. Revista de estadística computacional y gráfica, 5 (3), 299-314.
- ^ Literas, C., Chancelier, JP, Delebecque, F., Goursat, M., Nikoukhah, R. y Steer, S. (2012). Ingeniería e informática científica con Scilab. Springer Science & Business Media .
- ^ Thanki, RM y Kothari, AM (2019). Procesamiento de imágenes digitales mediante SCILAB. Springer International Publishing.
- ^ Sloot, Peter; Coveney, Peter; Dongarra, Jack (2010). "Redirigir". Revista de Ciencias Computacionales . 1 (1): 3–4. doi : 10.1016 / j.jocs.2010.04.003 .
- ^ Seidel, Edward; Wing, Jeannette M. (2010). "Redirigir". Revista de Ciencias Computacionales . 1 (1): 1–2. doi : 10.1016 / j.jocs.2010.04.004 .
- ^ Sloot, Peter MA (2010). "Ciencia computacional: una visión caleidoscópica de la ciencia". Revista de Ciencias Computacionales . 1 (4): 189. doi : 10.1016 / j.jocs.2010.11.001 .
- ^ La revista de software de investigación abierta ; anunciado en software.ac.uk/blog/2012-03-23-announcing-journal-open-research-software-software-metajournal
- ^ Rougier, Nicolas P .; Hinsen, Konrad; Alexandre, Frédéric; Arildsen, Thomas; Barba, Lorena A .; Benureau, Fabien CY; Brown, C. Titus; Buyl, Pierre de; Caglayan, Ozan; Davison, Andrew P .; Delsuc, Marc-André; Detorakis, Georgios; Diem, Alexandra K .; Drix, Damien; Enel, Pierre; Girard, Benoît; Invitada, Olivia; Hall, Matt G .; Henriques, Rafael N .; Hinaut, Xavier; Jaron, Kamil S .; Khamassi, Mehdi; Klein, Almar; Manninen, Tiina; Marchesi, Pietro; McGlinn, Daniel; Metzner, Christoph; Petchey, Owen; Plesser, Hans Ekkehard; Poisot, Timothée; Ram, Karthik; Ram, Yoav; Roesch, Etienne; Rossant, Cyrille; Rostami, Vahid; Shifman, Aaron; Stachelek, Joseph; Stimberg, Marcel; Stollmeier, Frank; Vaggi, Federico; Viejo, Guillaume; Vitay, Julien; Vostinar, Anya E .; Yurchak, romano; Zito, Tiziano (diciembre de 2017). "Ciencia computacional sostenible: la iniciativa ReScience". PeerJ Comput Sci . 3 . e142. arXiv : 1707.04393 . Código Bib : 2017arXiv170704393R . doi : 10.7717 / peerj-cs.142 . S2CID 7392801 .
- ^ "SCIS | Bienvenido a la Universidad Jawaharlal Nehru" .
- ^ "SCIS: Programa de estudio | Bienvenido a la Universidad Jawaharlal Nehru" .
Fuentes adicionales
- E. Gallopoulos y A. Sameh, "CSE: Contenido y producto". Revista IEEE Computational Science and Engineering, 4 (2): 39–43 (1997)
- G. Hager y G. Wellein, Introducción a la informática de alto rendimiento para científicos e ingenieros, Chapman y Hall (2010)
- AK Hartmann, Guía práctica de simulaciones por computadora , World Scientific (2009)
- Journal Computational Methods in Science and Technology (acceso abierto), Academia de Ciencias de Polonia
- Revista Computational Science and Discovery , Instituto de Física
- RH Landau, CC Bordeianu y M. Jose Paez, A Survey of Computational Physics: Introductory Computational Science , Princeton University Press (2008)
enlaces externos
- John von Neumann-Institut for Computing (NIC) en Juelich (Alemania)
- El Centro Nacional de Ciencias Computacionales en el Laboratorio Nacional de Oak Ridge
- Centro de simulación y modelado de la Universidad George Mason
- Materiales educativos para estudios computacionales de pregrado
- Ciencias Computacionales en los Laboratorios Nacionales
- Licenciatura en Ciencias Computacionales, Universidad de Medellín, Colombia, Sudamérica
- Laboratorio de investigación de sistemas de optimización de simulación (SOS), Universidad McMaster, Hamilton, ON
- Ciencias Computacionales e Informática, Programa de Doctorado, Universidad George Mason