Оглавление

1 Понятие и сущность моделирования физических систем.. 3

2 Недостатки классического представления о модели как отражении эмпирического опыта. 9

3 Гносеологические проблемы качества моделей физических систем.. 12

4 Современные проблемы моделирования физических систем.. 16

Введение

Актуальность темы работы в том, что в настоящее время модели физических систем распространены повсеместно. Изучается ли изменение климата, методы прогнозирования погоды, методы экспериментальной археологии, методы конструирования самолета, автомобиля или здания или даже методы инженерии знаний — это лишь ограниченный список самых разных областей —всегда сталкиваться с методами моделирования.

Сегодня редко можно посетить лабораторию или конструкторское бюро, не увидев исследователей и инженеров, занятых моделями физических систем. Это настолько распространено, что в некоторых случаях можно задаться вопросом, что стало с реальностью, реальной экспериментальной практикой и нашла ли она адекватную замену в моделях физических систем. Таким образом, не слишком ли отвергается реальное в пользу того, что чаще всего принимается за его представление или его копию, а именно модель физических систем?

Этот вопрос стал весьма актуальным в гносеологии моделирования физических систем, поскольку повсеместное использование компьютеров увеличило масштабы и возможности моделирования. Существует даже кризис моделей — моделей определенного типа, задающих тон моделирования с самого начала и работающих в определенной дисциплинарной области, — вопрос об утрате реальности. Весьма вероятно, что есть серьезные основания для беспокойства.

Однако все обстоит еще сложнее. Нынешний мир моделей в науке и технике настолько разнообразен, что представить их в рамках единой гносеологической структуры становится чрезвычайно сложно. Действительно, разнообразие практик, а также разнообразие методологий кажется правилом. Поэтому, несомненно, практически невыполнимой задачей является стремление разработать единую и уникальную гносеологию моделей.

Цель работы – изучить гносеологические проблемы моделирования физической системы.

В соответствии в поставленной целью в работе решаются следующие задачи:

Сформулировать понятие и сущность моделирования физических систем.

Выявить недостатки классического представления о модели как отражении эмпирического опыта.

Прояснить гносеологические проблемы качества моделей физических систем Охарактеризовать современные проблемы моделирования физических систем.

1 Понятие и сущность моделирования физических систем

Моделирование физических систем может оказать существенное влияние на снижение затрат на проектирование и эксплуатацию, а также ускорить время выхода на рынок новых продуктов. Моделирование физической системы является важнейшим средством на пути к виртуализации процесса проектирования продукта.

Можно грубо сказать, что модели — это материальные или формальные конструкции, служащие для представления чего-либо, реального. Будучи поставлены в связь с устройствами проектирования, конструирования или вмешательства, модели служат для преобразования реальности или ее предвосхищения или даже, возможно, в некоторых случаях, для ее вытеснения. Несмотря на это, ясно, что модель даже не всегда является представлением: на самом деле ее отношение к реальности множественноес.

Термин «модель» происходит от латинского modulus (малая мера) через итальянское слово modello, обозначающее стандартную единицу измерения (модуль), используемую для определения взаимосвязи между размерами архитектурных зданий. В самом общем смысле термин «модель», по-видимому, предназначен для обозначения того, на что мы ссылаемся, чтобы что-то представить.

Из-за этого происхождения термин «модель» остается неоднозначным: что такое «то, на что ссылаются, чтобы представлять»? Вполне логично, что термин «модель» обозначает как то, что имитируется, так и то, что имитируется. Иногда это моделируемый объект, иногда объект моделирования[1].

Но сегодня в технике и науке преобладает именно второе значение. Модель, о которой мы будем говорить здесь, является объектом моделирования. Однако ученых необходимо периодически предупреждать об этой двусмысленности, чтобы предостеречь их от любого риска влюбиться в свою модель, такую как Пигмалион.

Представление о том, что такое модель, несомненно, тесно зависит от системы представлений о том, что такое наука и сама научная деятельность. В соответствии с гносеологией — в смысле теории познания, —человек формулирует теорию, по которой строится модель, и это взаимодействие может мыслиться по-разному. Концепция моделирования физической системы можно квалифицировать также как в значительной доле эмпирическую по двум причинам:

человек пытается переоценить важность опыта, ситуации и инструментов в непрерывном производстве физических моделей;
человек постоянно стремится создать гносеологию науки такой, какая она есть, а не из более или менее схоластического описания, которое могли дать некоторые классические гносеологи[2].

Моделирование физической системы обеспечивает правильную точность для принятия решений на системном уровне. В мире моделирования всегда приходится искать компромисс между детализацией модели и временем вычислений. Модель — это более или менее подробное описание физического мира, и чем больше деталей необходимо смоделировать, тем более затратной в вычислительном отношении будет задача. Моделирование изделий, требующих больших вычислительных ресурсов, потребует больше времени, и хотя в некоторых случаях это может быть необходимо, часто лучше включить правильное количество деталей для достижения более быстрых результатов моделирования. Более быстрые результаты моделирования означают, что инженер может чаще обновлять проект (а затем и модель), а затем экспериментировать и выполнять итерации быстрее на протяжении всего цикла проектирования продукта[3].

Например, некоторые методы моделирования позволяют получить высокий уровень детализации при относительно больших вычислительных затратах. Они часто используются для моделирования на уровне компонентов в 2D или 3D и часто ограничиваются взаимодействием одной или двух физических областей.

Для моделирования системы и для получения значимых и своевременных инженерных идей на системном уровне возникает вопрос: какие детали или физические явления следует включить в модель?

Моделирование физической системы сосредоточено на представлении системы и, таким образом, жертвует деталями компонентов в обмен на более высокую производительность и возможность захвата всей системы. Это не означает, что системное моделирование менее точное или менее предсказуемое — все парадигмы требуют должной осмотрительности с точки зрения параметризации, калибровки и проверки. Скорее это означает, что системное моделирование сосредоточено на захвате физических явлений, имеющих отношение к системному уровню[4].

Моделирование физической системы позволяет принимать решения на системном уровне, используя прогнозирующие модели компонентов с умеренной точностью и анализируя их взаимодействие.

Моделирование физической системы предлагает функции для точного описания физики. Когда от инженера требуется найти правильное описание своей физической системы, крайне важно использовать парадигму моделирования, которая удобно представляет «физику». Такое физическое описание возможно благодаря двум ключевым возможностям моделирования физической системы:

Уравнения первого принципа — это фундаментальные законы, управляющие физическим миром, такие как сохранение массы, энергии и импульса. Эти законы также управляют поведением моделей физических систем.
Эмпирические соотношения описывают такие явления, как потери давления, теплопередача и трение, которые невозможно удобно смоделировать, используя основные принципы на системном уровне. Эти эмпирические отношения определяются экспериментальными исследованиями и часто практикой подбора параметров.

Важна также и эвристическая роль внешних и внутренних аналогий в применении моделей в научных исследованиях[5].

Сочетание этих двух факторов дает моделированию физических систем его предсказательные возможности и преимущество по сравнению с чисто основанными на данных подходами к моделированию физических систем. Эта основа позволяет строить модели, которые точно представляют различные физические области, такие как механические, жидкостные, теплообменные, электрические, химические и/или магнитные физические явления. И, таким образом, фиксирует взаимодействия доменов – создание мультифизических системных моделей[6].

Постичь модель физической системы — значит, при определенном описании, произвести закон. Встает вопрос — какой же тогда может быть природа такого закона? Сегодня существует универсалистская концепции науки, в рамках которой законы природы действуют всегда и везде. Принято использовать понятия, связанные точными дедуктивными отношениями но ценой введения абстрактных понятий, отношение которых к миру должно быть опосредовано более конкретными понятиями. Эти более конкретные понятия оказываются очень специфичными по своей форме: формы задаются интерпретационными моделями теории, например, массы, разделенные расстоянием, линейный гармонический осциллятор или тело, движущееся в однородном магнитном поле. Это обеспечивает очень точное содержание. Но это также означает, что область применения этого контента сильно ограничена. Его можно привязать только к тем ситуациям, которые могут быть представлены этими узкоспециализированными моделями. Поэтому понимается аргумент: науки производят объяснительные модели мира, но не мира, как он есть, а мира, как он реконструируется в экспериментальной оболочке: это никоим образом не умаляет истинности научных утверждений. Следовательно эмпирическая концепция моделирования никоим образом не является релятивистской. Наоборот, можно было бы сказать, поскольку наука описывается как сложное и организованное производство истины (в этих ситуациях, представленных узкоспециализированными физическими моделями), только концентрация на узкой специализации моделей может точно гарантировать эту истину: поэтому речь идет о переоценке важность ситуаций, в которых раскрывается истина[7].

Хороший инструмент для моделирования физической системы обладает функциями, которые имеют отношение к моделированию физических систем, а не любой другой системы. Такие функции включают в себя возможность работать с единицами измерения физических величин, группировать величины и модели, повторно использовать основные принципы и удобно выбирать соответствующие эмпирические отношения. Сложность растет быстро и экспоненциально, и эти функции становятся первостепенными для работы с моделью. В отличие от этого, использование хорошо зарекомендовавших себя языков общего назначения или научных языков сценариев для представления физической системы быстро усложняет описание модели. Сложность отрицательно сказывается на скорости и качестве цикла разработки продукта. Инженер-конструктор может быть подвержен человеческим ошибкам[8],

Моделирование физической системы, ориентированное на предсказание физических явлений на системном уровне, охватывающее различные физические области, относится к каждой подсистеме объекта. Поведение каждой подсистемы определяется принципиальными уравнениями и эмпирическими соотношениями. Информатика упрощает моделирование физических объектов. Содержимое библиотек ведущих программ моделирования предлагает набор численно надежных, эффективных и пригодных для повторного использования уравнений из первых принципов и эмпирических взаимосвязей, упакованных в документированные модели компонентов. Отсутствие необходимости самостоятельно описывать физику представляет собой значительную экономию времени и средств при проектировании на основе моделей[9].

Модель физических систем представляет собой настоящую мультифизическую систему, в которую входит механическая часть, силовая установка (преобразователь видов энергии в механическое движение) и вспомогательные системы (жидкостные, электрические и т. д.) .

Технология, ориентированная на моделирование физических систем, обеспечивает соответствующий уровень точности для принятия обоснованных инженерных решений в отношении систем и говорит на языке физики, что помогает управлять сложностью модели. С помощью одной и той же модели системы можно без особых усилий описать механические, жидкостные, теплообменные, электрические, химические и/или магнитные физические явления.

Впечатляющий эмпирический успех лучших физических теорий может служить аргументом в пользу истинности этих теорий, но не в пользу их универсальности. Скорее наоборот. Чистый способ, которым физика используется для создания точных прогнозов, показывает, каковы ее пределы. Теоретические абстрактные понятия высокой физики описывают мир с помощью моделей, интерпретирующих эти понятия более конкретно. Таким образом, законы физики действуют только там, где подходят ее модели, а это, по-видимому, включает лишь очень ограниченную область обстоятельств

Моделирование физических систем можно противопоставить системному проектированию. Системная инженерия — это парадигма, которая в первую очередь связана с тем, как взаимодействуют различные подсистемы и компоненты, не обязательно имея какие-либо возможности прогнозирования поведения каждого компонента или подсистемы, и, таким образом, фокусируется на требованиях для успешного взаимодействия[10].

Хотя нет строгих рекомендаций по использованию какой-либо парадигмы моделирования по сравнению с другой для данного сценария моделирования, и есть много крайних случаев; каждая парадигма распространяется на диапазон, который сочетает в себе сложность и миссию инженера. Нет изначального предпочтения заданному количеству деталей в модели, скорее есть желание выбрать правильную парадигму моделирования и сложность модели для каждой задачи. Моделирование физической системы имеет первостепенное значение при принятии проектных решений на ранних этапах процесса проектирования, чтобы поддерживать архитектуру и оптимизацию; и позже для проверки задач проверки. Моделирование физических систем также является отличным кандидатом для операционных улучшений активов и разработки цифровых двойников.

2 Недостатки классического представления о модели как отражении эмпирического опыта

Модели физических систем по своей сути контекстуально-реальны и являются скорее вопросом способностей, чем законов, как эти модели достигают артикуляции конкретного опыта с абстрактной теорией и, наконец, являются выражением коллективной мысли.

Существует сильная тенденция представлять здание наук в виде пирамиды, на вершине которой мы находим физику, психологию, занимающую основание этой пирамиды. Суть этого представления заключается в следующем: законы и понятия каждой научной области сводятся к законам более фундаментальной области, доступные в соответствии с иерархией. Здесь необходимо уловить логические связи, существующие между универсализмом законов физики и типом редукционизма, который предполагает пирамидальная концепция. Рассмотрение законов физики как универсальных оправдывает этот конкретный редукционизм, то есть физикализм: поскольку законы физики универсальны (и независимы от контекста), они действительны везде, и поэтому мы можем свести все процессы (в частности, жизненные процессы) к физическим процессам. , не искажая их[11].

Тем не менее данное утверждение все больше размывается, так как считается, что науки связаны, как в плане приложений, так и подтверждений, с одним и тем же материальным миром, а их язык — это общий язык пространственно-временных событий. Но кроме того, между ними нет никакой системы, никаких фиксированных отношений. Объекты и их теоретические описания могут быть связаны вместе, чтобы по-разному взаимодействовать в разных агрегатах, когда они нужны для решения разных задач. Их границы подвижны; они могут быть расширены или сокращены; они могут даже покрыть часть одной и той же территории. Границы несомненно есть, но нет всеобщего охвата законов[12].

Таким образом, видно, как вместо мира универсальных законов, который строит набор наук, иерархически вложенных одна в другую, и ставший совершенно соизмеримым благодаря физикалистской редукции, формируется «пятнистый мир», составленный из научных областей, отчасти несоизмеримых друг с другом, в которых исчезли отношения понятийной иерархии.

Это дает возможность освободиться от физикализма и связать гносеологию науки с гносеологией повседневной жизни. Существует тесная связь между понятием способности, которая может быть приписана в повседневной жизни такому-то объекту или такому-то человеку, и понятием научной способности, которую она использует, чтобы наделить качествами понятие модель физической системы. Думать в терминах способностей — значит стать чувствительным к тому факту, что такой объект (в широком смысле) обладает силой, потенциальными возможностями, и что описание поведения этого объекта может выиграть от приписывания ему потенциальных возможностей, которые являются его собственными.

Однако выработка такого соотношения между эмпирическими способностями и теоретическими способностями физического объекта никоим образом не означает их усвоения.

Действительно, модели физических систем предоставляют нам набор компонентов и их расположение, а роль теории состоит в том, чтобы рассказать, как характеристики проявляются вместе. Но для этого надо понимать, что характеристики, развернутые в моделях, которые строят в точных науках, будут отличаться от характеристик, на которые ссылаются в повседневной жизни.

Выделяют три разительных отличия:

Помимо того факта, что эти два типа характеристики являются весьма общими и порождают большое разнообразие моделей, важным вопросом научных исследований является взаимосвязь между способностью и ее проявлениями. Часть работы науки состоит в том, чтобы найти существующие систематические связи и построить обучаемый метод представлять их
Наука имеет точную функциональную форму и точную силу, которые содержатся в самом ее частном законе.
Известны некоторые явные законы того, как одни характеристики объекта будут сочетаться с другими, описываемыми другими законами, чтобы воздействовать на компоненты объекта.

Рассмотрение научных моделей физических систем как описание их характеристик не состоит в их тривиализации в релятивизме, забывающем об их специфике и их силе. Скорее, речь идет об использовании определенных повседневных понятий (например, о характеристиках) и концептуализаций, которые они допускают, чтобы сделать модели более реалистичными, а именно, определить, что составляет эту специфику физической системы.

Следовательно, речь идет о том, чтобы рассматривать науку как знание характеристик, а не как знание законов. Вместо того чтобы реконструировать знания как знания о возможностях, конструкторы моделей отрицают многое из того, что знают, и превращают большинство лучших изобретений в простые догадки. Что важно в характеристиках объекта, так это их открытость: то, что известно о них, предполагает стратегию исследования, а не уже написанные выводы.

3 Гносеологические проблемы качества моделей физических систем

Оценка качества описательных моделей физических систем выявляет фундаментальную научно-теоретическую проблему. Она возникает в результате дискуссии о выборе онтолого-гносеологических парадигм, в котором могут быть приняты по крайней мере две диаметрально противоположные базовые установки.

В онтолого-парадигматическом решении можно выбирать между реализмом и идеализмом. Определение конкретной онтологии основано на вопросе о том, что есть нечто. Например, представители реализма рассматривают действительность как фактически данную и независимую от человеческого восприятия. Гносеолого-парадигмальный выбор эмпиризма (объективизма) (или позитивизма) часто идет рука об руку с реалистическим пониманием онтологии. Это мнение относится к методологии приобретения знаний, которую применяет исследователь. Таким образом, эмпирики утверждают, что источник всех знаний лежит в наблюдении за миром и только в нем[13].

С другой стороны, идеализм — как онтологический контрапункт реализму — исходит из чисто интеллектуально созданной «реальности», которая придумывается, т. е. конструируется, человеческой познавательной способностью мыслить. Гносеологическая парадигма рационализма (или конструктивизма) тесно связана с идеей онтологического идеализма. Представители рационализма или конструктивизма рассматривают познание как чисто интеллектуальный процесс, в котором решающее значение имеет разум или познавательная сила человека. По их мнению, каждое приобретение знания является результатом человеческого мышления[14].

Более важными, чем сами онтолого-эпистемологические парадигмы, являются последствия для оценки вытекающих из них описательных моделей. Итак, согласно реалистическо-эмпирической (объективистской) парадигме, чтобы судить о качестве модели, используя корреспондентную теорию истины. Согласно этой теории, истинно то, что максимально соответствует действительности. Однако требование максимально возможного соответствия между оригиналом и моделью, т. е. между оригиналом и подобием, серьезно противоречит второй основной черте общей концепции модели, согласно которой модель всегда есть укороченное подобие чего-либо. С точки зрения реализма или эмпиризма «хорошая» модель изображает реальность в масштабе 1:1, что в корне противоречит требованию теории моделей к абстракции[15].

Следовательно, оценка качества модели не должна измеряться ее структурной идентичностью или сходством с оригиналом. Такие формальные критерии оценки пригодности моделей не оправдывают ожиданий. Подобные возражения в конечном счете также могут быть подкреплены с точки зрения общей теории моделей утверждением, что, реальные физические модели представлены идеальными образами. Меры подобия, такие как гомоморфизм или изоморфизм могут использоваться только для сравнения между формальными, но не между реальными и формальными системами. Следовательно, гомоморфизм или изоморфизм сталкивается с дополнительными методологическими проблемами.

Одним из способов решения этой эпистемологической проблемы может быть выбор идеалистической или рационалистической парадигмы. Поскольку сторонники этой парадигмы отрицают существование объективной реальности, то, следовательно, отпадает и возможность понимать качество модели как ее соответствие ей. При оценке моделей идеалистически-рационалистическая парадигма ориентируется скорее на так называемую консенсусную теорию истины. Соответственно, система утверждений оказывается хорошей, если она может найти согласие во мнении большого числа знающих наблюдателей. Однако против этой идеи можно выдвинуть интуитивно правдоподобное возражение, что не все, что подходит для этого, должно быть хорошим. найти одобрение. Таким образом, способность достигать консенсуса является довольно неадекватным критерием качества для оценки моделей описания, поскольку он не дает никаких фактических отправных точек[16].

Следовательно в зависимости от выбора конкретной научно-философской парадигмы всегда возникают серьезные методологические проблемы в отношении оценки моделей описания:

Реализм/эмпиризм предполагает объективное существование вещей, а также исключительное познание через чувственное восприятие человеком действительности. Он призывает к построению гомоморфных или даже изоморфных моделей, т. е. моделей максимально полных, подробно изображающих действительность — в смысле соответствия или теории образов. Это требование доводит до абсурда теорию моделей и делает моделирование само по себе бессмысленным.

Идеализм/рационализм (или конструктивизм) рассматривает реальность как необъективную, а приобретение знаний как процесс конструирования, сформированный когнитивным творчеством человека. Поскольку не может быть фактической правильности или неправильности или несоответствия между оригиналом и изображением из-за чисто субъективного существования вещей, качество моделей оценивается по их способности достигать консенсуса в научном сообществе. Отсутствие подходящих критериев делает эту теорию истины сомнительной.

На основании вышеприведенных утверждений можно отметить, что единственной убедительной базовой установкой для оценки моделей физических систем является гносеологическая позиция неопрагматизма. Уже объяснялось, что модели обладают тремя общими характеристиками, которые в то же время выражают цель, преследуемую при построении модели физических систем. Модели должны изображать оригинал в прагматичной и укороченной манере. Однако общие черты модели не являются независимыми друг от друга, а оказывают определенное влияние друг на друга. Форма напрямую зависит от степени приближений, которую решает использовать моделист. Потому что решение учитывать в модели определенные характеристики оригинала и абстрагировать их от других в конечном итоге формирует форму и структуру модели физических систем.

Кроме того, структура модели (результат абстракции), в свою очередь, определяет уровень прагматики, т. е. характер модели сильно влияет на управляемость ею исследователем и на знания, получаемые при использовании модели.

Становится ясно, что уровень абстракции можно рассматривать как детерминанту качества модели и, следовательно, как центральную переменную в моделировании. Поскольку выбранный уровень абстракции всегда отражает восприятие и оценку проектировщиком исходных признаков, а они характеризуются субъективностью и индивидуальными соображениями целесообразности, процесс построения и получаемая в итоге модель физических систем должны оцениваться прежде всего с прагматической точки зрения. Таким образом, на моделирование в значительной степени влияет намерение конструктора.

Поэтому оценка моделей физических систем на основе общих объективных критериев не представляется разумной (или возможной). Скорее, их оценка должна основываться на прагматическом признаке, который имеет лишь ситуативно-субъективный характер и основывается на интенциональных моментах формирования модели. Каждое моделирование зависит от вопросов что?, для кого?, когда? и зачем?, причем последнее имеет особое значение. Всякое человеческое столкновение с миром происходит в среде модели.. — выборочного построение модели оригинала по отношению к определенным объектам и их воздействию.

Неопрагматизм явно дистанцируется от абсолютистской концепции познания и его перспективы бессубъектного, объективного знания. Его прагматическая решимость подразумевает «подвергание сомнению достоверности». и основывает научный процесс на либеральной, интенциональной концепции знания, который требует свободы решения каждого человека, стремящегося к пониманию при построении модели.

4 Современные проблемы моделирования физических систем

Современные тенденции моделирования заключаются в подавляющем использовании компьютерных систем. Однако, существуют компьютерные модели, которые на самом деле не моделируют объект в собственном смысле. Моделирование, основанное непосредственно на алгоритмах (т. е. на конечном наборе правил), не основано на модели в смысле завершенного и определенного формального физического объекта (такого как замкнутое уравнение), который затем можно было бы исследовать с помощью численного анализа. Правила этого моделирования— это «симуляционные модели». Но это не делает их моделями в смысле готового физического объекта, как упоминалось в нашей характеристике, а скорее в смысле генераторов симуляций.

Таким образом, то, что моделируется, является уже не моделью, строго говоря, а непосредственно реальностью или физической системой, на который направлено моделирование. Так, например, в когнитивной экономике компьютерные агенты имеют правила поведения, аналогичные тем, которые предполагаются для экономических агентов: имитационная модель нацелена на постоянное сходство. Моделирование позволяет в этих условиях определять поведение системы, о котором можно сказать, что оно является превалирующим. Это замечание можно применить к большинству симуляций физических систем, например, климатических моделей. В этих симуляциях, которые часто называют назвать алгоритмическими, модель физической системы является только инструментом симуляции, тогда как в традиционных численных симуляциях именно симуляция является инструментом модели.

Эти алгоритмические симуляции значительно развились — особенно в биологических, гуманитарных и социальных науках — благодаря идеям, исходящим из распределенного искусственного интеллекта и, прежде всего, из методов объектно-ориентированного программирования. Ясно почему: моделирование может быть результатом взаимодействия множества конкретных и разнородных вычислительных объектов или агентов[17].

Наконец, одна из других недавних тенденций в моделировании показывает, что компьютерное моделирование используется не только для расчета модели или даже для непосредственного моделирования реальности с помощью единых правил моделирования, но также используется для моделирования сложной реальности с помощью посредством множества математических или имитационных моделей, вложенных в друг друга шаг за шагом. Эти новые модели реализуют множество конкурирующих формализмов. Можно сказать, что в этом смысле они плюриформализованы. Они используются для гибридизации нескольких моделей.

В данном случае наблюдается преобладание компьютерного языка и метода программирования: дискретно-событийное моделирование и моделирование на основе мультимоделирования исходят из этого духа. В таком случае фундаментальными являются компьютерные объекты, компьютерные онтологии, а не математические структуры.

Таким образом, наряду с традиционными физическими симуляциями (которые все еще используются), сегодня мы имеем дело как минимум с тремя основными типами компьютерных симуляций:

Численное моделирование, представляющее собой приближенные расчеты моделей: в данном случае это локальное поведение модели, которое помещается в «черный ящик» и моделируется шаг за шагом.
Алгоритмические симуляции, которые основаны на системах правил («имитационная модель»), каждая из которых локально имитирует видимое поведение, и которые действуют путем накопления их взаимодействий и их итераций.
Плюриформализованное компьютерное моделирование, которое имитирует минимально допустимое локальное поведение каждой из подмоделей набора различных формализованных подмоделей, допустимое поведение, то есть интерпретируемое для каждой из других подмоделей того же самого вместе и сообщаемое им.

В случае компьютерного моделирования шаг за шагом моделируется допустимое поведение модели для другой модели. Следовательно, это не локальное поведение модели, которое моделируется для самой себя, и не локальное поведение реальности, а поведение модели для другой модели таким образом, чтобы сделать множество совместно вычислимым. в разных масштабах или с разных точек зрения на одну и ту же ситуацию или одно и то же сложное физическое явление. Таким образом, сложные компьютерные симуляции основаны на относительном облегчении: они делают способы выражения подмоделей доступными для других подмоделей.

Заключение

Моделирование физических систем позволяет упростить реальность и экспериментировать с ней. Конечно, потеря реальности — это неоспоримый риск. И модели иногда служат для того, чтобы представить «карикатуру» на реальные объекты или процессы. Но проблема в том, что, вопреки предупреждению гносеологии, в анализе абсолютно нетривиально знать априори, откуда может произойти потеря реального. В этом отношении неправильно осуждать моделирование вообще или даже тот или иной тип модели или симуляции. Некоторые модели физических систем уходят от одних уровней реальности, в то же время приближая к другим. Для других типов моделей физических систем все ровно наоборот. Некоторые симуляции не только не замыкают в непосредственной реальности, но и позволяют проводить концептуальные исследования, которых некоторые модели не позволяли.

С умножением методов моделирования это понятно. взаимодействие реальности и идеальности — и, следовательно, пути обратно к реальному — такие формальные конструкции стали очень косвенными и сложными. Поэтому они гораздо менее интуитивны, чем в прошлом. Отсюда впечатление, что реальное отсутствует в моделях физических систем, что оно было отброшено в глазах слишком поспешной гносеологии. Но чаще всего эти обратные пути не исчезают, а вовсе нет: вычисления сами по себе являются технологией делегированного — но контролируемого — переплетения путей отсылки к реальному, как отсылки к различным аспектам и в конечном счете. различным масштабам наблюдаемой или мыслимой реальности физических систем.

История новейших наук показывает, что определенные алгоритмические модели — именно потому, что они несли в себе беспрецедентное измерение, то есть локальный реализм, недоступный традиционным моделям — были приняты в качестве опровержений теории почти так же, как и реальные эксперименты.

Несомненно, предпочтительнее вообще противопоставлять не модели реальности и даже модели симуляциям, а «плохие» модели «хорошим»: плохие модели могут быть результатом искажения приближения (чрезмерная идеализация, недостаточное количество параметров, отсутствие проверки), так и моделирования (отсутствие эмпирической основы в измеренных выборках или моделях данных, недостаточная надежность). Плохая модель — это, например, та, которая, непосредственно игнорирует многоаспектность сложного физического явления, тогда как его следует учитывать с самого начала, как, по-видимому, в случае со многими физическими явлениями.

Но сама эта граница остается относительно намеченной цели: она зависит от того, что ожидается от модели: ожидаем ли мы, например, простого концептуального исследования или, если взять другой крайний случай, виртуальное эмпирическое поле, на мы можно проводить реальные эксперименты путем делегирования, а именно на модели. Опять же, внимание к точным техникам моделирования, применяемым каждый раз, должны основываться на самом гносеологическом подходе, внимательном к реальному, что позволяет избежать практики теоретической гносеологии, часто забывающей реальное, а также о неизменной значимости методов моделирования физических систем.

Список литературы

[1] Исенко А. И.Понятия модели и моделирования в человеческой деятельности // Концепт. 2015. №4.

[2] Кремень Р. Л. Диалектическая гносеология // Vox. Философский журнал. 2020. №28.

[3] Булавин Л.Н. Компьютерное моделирование физических систем Учебное пособие, -М., Издательство: Интеллект групп, 2011. С. 15.

[4] Амосов Е.А., Волкова Д.С. Модель устойчивости состояния системы // Достижения вузовской науки. 2014. №9.

[5] Комиссаров И. И.Основные функции моделирования в философии и науке // Гуманитарный вестник. 2020. №2 (82).

[6] Голанова А. В., Голикова Е. И.Компьютерное моделирование физических процессов средствами системы компьютерной математики Maple // Естественные и математические науки в современном мире. 2016. №2 (37).

[7] Резников В.М. Объяснение явлений посредством моделей в естествознании и их понимание. Философия науки, 2015, № 4.

[8] Карпович В.Н. Модель и реальность: об определении понятия теоретической модели как способа описания объекта и предмета научной теории. Философия науки, 2018, № 2

[9] Токтаров Д. Д., Ильясова З.А., Березовская И. Э., Габитова З.Х. Компьютерное моделирование для изучения физических процессов // Universum: технические науки. 2022. №4-1 (97).

[10] Комиссаров И. И. Основные функции моделирования в философии и науке // Гуманитарный вестник. 2020. №2 (82).

[11] Милль Дж. С. Огюст Конт и позитивизм = Auguste Comte and Positivism / Перевод с английского И. И. Спиридонова. — Изд. 4-е. — М.: ЛКИ, 2011.

[12] Прохоров М. М. Взаимосвязь онтологии и гносеологии как проблема современной отечественной философии // Вестник Северного (Арктического) федерального университета. Серия: Гуманитарные и социальные науки. 2017. №2.

[13] Арепьев Е. И. Природа чисел в свете расширенной трактовки действительности // Российский гуманитарный журнал. 2014. №4.

[14] Шустова О. Б., Сидоров Г. Н. Онтологические и гносеологические аспекты информационной рациональности // ОНВ. 2015. №5 (142).

[15] Куслий П. С. Истина, знание и корреспондентная теория // Epistemology & Philosophy of Science. 2008. №2.

[16] Булычев И. И. О гносеологических школах философии XX столетия // Вестник ТГУ. 2003. №3. U

[17] Хамдамов Т. В.Автоматизация науки. концептуальный взгляд // Вестн. Том. гос. ун-та. Философия. Социология. Политология. 2022. №65.

Поделиться этим

Гносеологические проблемы моделирования физической системы