계산과학

Computational science
컴퓨터 공학과 혼동하지 말 것.

계산과학은 과학컴퓨팅 또는 과학컴퓨팅(SC)으로도 알려져 있으며 수학에서 복잡한 문제를 이해하고 해결하기 위해 고급 컴퓨팅 능력을 사용하는 분야입니다.그것은 많은 분야를[which?] 아우르는 과학의 한 분야이지만, 그 핵심에는 자연계를 이해하기 위한 모형과 시뮬레이션의 개발이 포함되어 있다.

실제 사용에서, 그것은 전형적으로 다양한 과학 분야의 문제를 해결하기 위해 컴퓨터 시뮬레이션과 수치 분석과 이론 컴퓨터 과학으로부터의 다른 형태의 계산의 응용입니다.이 분야는 과학과 공학의 전통적인 형태인 이론과 실험실 실험과는 다르다.과학적 컴퓨팅 접근법은 컴퓨터에 구현된 수학적 모델의 분석을 통해 이해를 얻는 것입니다.과학자와 엔지니어는 연구 대상 시스템을 모델링하는 컴퓨터 프로그램과 응용 소프트웨어를 개발하고 다양한 입력 매개 변수를 사용하여 이러한 프로그램을 실행합니다.계산 과학의 본질은 수치 알고리즘과[1] 계산 수학의 응용이다.이러한 모델에는 대량의 계산(일반적으로 부동소수점)이 필요하며 슈퍼컴퓨터나 분산 [verification needed]컴퓨팅 플랫폼에서 실행되는 경우가 많습니다.

컴퓨터 과학자는

시스템 연구 방법

컴퓨터 사이언티스트라는 용어는 과학 컴퓨팅에 능숙한 사람을 묘사하기 위해 사용됩니다.이러한 사람은 보통 과학자, 엔지니어 또는 응용 수학자로, 물리, 화학 또는 공학에서 각각의 응용 분야에서 최첨단 기술을 발전시키기 위해 다양한 방법으로 고성능 컴퓨팅을 적용합니다.

계산과학은 현재 실험/관찰 및 이론을 보완하고 추가하는 제3의 과학 방식으로[citation needed] 간주되고 있습니다([2]오른쪽 그림 참조).여기서,[3] 시스템은 데이터의 잠재적 소스로서, 실험은 그 입력을[4] 개입시켜 시스템으로부터 데이터를 추출하는 프로세스로서, 시스템용 모델(M)과 실험(E)은 [5]S에 관한 질문에 답하기 위해서 E를 적용할 수 있는 임의의 것으로 정의한다.컴퓨터 과학자는 다음을 수행할 수 있어야 합니다.

  • 복잡한 문제의 인식
  • 이러한 문제를 포함한 시스템을 적절히 개념화한다.
  • 이 시스템을 연구하는 데 적합한 알고리즘 프레임워크 설계: 시뮬레이션
  • 적절한 컴퓨팅 인프라스트럭처 선택(예: 컴퓨팅/그리드 컴퓨팅/슈퍼컴퓨터)
  • 이것에 의해, 시뮬레이션의 계산 능력을 최대화한다.
  • 시뮬레이션의 출력이 시스템과 어느 수준까지 유사한지 평가: 모델이 검증됨
  • 그에 따라 시스템의 개념화 조정
  • 적절한 검증 수준을 얻을 때까지 사이클을 반복한다: 컴퓨터 과학자는 시뮬레이션이 연구 조건 하에서 시스템에 대해 적절하게 현실적인 결과를 생성한다고 믿는다.

컴퓨터 과학에서는 알고리즘 개발, 프로그래밍 언어에서의 효율적인 구현, 계산 결과 검증에 상당한 노력을 기울여 왔습니다.컴퓨터 과학에서의 문제와 해결 방법은 Steeb, Hardy, Hardy 및 Sturve(2004)[6]에서 찾을 수 있습니다.

과학의 철학자들은 험프리스와[7] [8]겔퍼트를 포함한 컴퓨터 과학이 어느 정도까지 과학으로 인정될 수 있는지에 대한 질문을 다루었다.그들은 인식론의 일반적인 문제를 다루고 있다: 어떻게 그러한 컴퓨터 과학 접근법으로부터 통찰력을 얻을 수 있는가?Tolk는[9] 이러한 통찰력을 컴퓨터 기반 시뮬레이션 연구의 인식론적 제약을 보여주기 위해 사용합니다.컴퓨터 과학은 실행 가능한 형태로 기본 이론을 나타내는 수학적 모델을 사용하므로 본질적으로 모델링(이론 구축)과 시뮬레이션(실행 및 실행)을 적용합니다.시뮬레이션과 컴퓨터 과학은 지식과 이해를 표현하는 가장 정교한 방법이지만, 컴퓨터 솔루션에 [citation needed]대해 이미 알려진 모든 제약과 한계도 수반됩니다.

컴퓨터 과학의 응용

컴퓨터 사이언스/사이언스 컴퓨팅의 문제 영역은 다음과 같습니다.

예측계산과학

예측 계산 과학은 초기 및 경계 조건과 일련의 특성화 매개변수 및 [10]관련 불확실성을 고려하여 물리적 사건의 특정 측면을 예측하도록 설계된 수학적 모델의 공식화, 교정, 수치적 해법 및 검증과 관련된 과학 분야이다.전형적인 경우, 예측 문장은 확률의 관점에서 공식화된다.예를 들어, 기계 부품과 주기적인 부하 조건이 주어지면, "고장 시 사이클 수(Nf)가 N1<Nf<N2"[11] 구간이 될 확률이 90%라고 가정한다.

도시 복합 시스템

2018년에는[needs update] 전 세계 인구의 절반 이상이 [12]도시에 살고 있다.유엔은 2050년까지 세계 인구의 68%가 [12][relevant?]도시인이 될 것으로 추산하고 있다.이러한 도시 성장은 도시 거주자가 두 배 이상 증가할 개발도상국의 도시 인구에 집중되어 있으며, 2009년 25억 명에서 [citation needed][relevant?]2050년 거의 52억 명으로 증가한다.도시는 인간에 의해 창조되고 인간에 의해 구성되고 인간에 의해 지배되는 엄청나게 복잡한 시스템이다.미래의 도시 발전을 예측, 이해 및 형성하기 위해서는 복잡한 사고, 계산 모델 및 시뮬레이션이 필요하며, 이는 도전과 일어날 수 있는 재난을 완화하는 데 도움이 됩니다.도시 복합 시스템 연구의 초점은 모델링과 시뮬레이션을 통해 도시 역학에 대한 이해를 높이고 다가올 도시화에 [citation needed]대비하는 데 있다.

컴퓨터 파이낸스

주요 기사:컴퓨터 파이낸스

금융 시장에서는 서로 다른 장소와 시간대에서 상호작용하는 많은 시장 참여자들에 의해 대량의 상호의존 자산이 거래됩니다.이들의 행동은 전례 없는 복잡성이며, 이 매우 다양한 도구 세트에 내재된 위험의 특성화와 측정은 일반적으로 복잡한 수학 및 계산 모델에 기초한다.이러한 모델을 단일 계측기 레벨에서도 폐쇄형식으로 정확하게 해결하는 것은 일반적으로 불가능하기 때문에 효율적인 수치 알고리즘을 찾아야 합니다.신용위기가[which?] 단일 상품에서 단일 기관의 포트폴리오를 거쳐 심지어 상호 연결된 거래 네트워크까지 이어지는 연쇄적[which?] 효과의 역할을 명확히 보여주면서[according to whom?], 이것은 최근 더욱 시급하고 복잡해졌다.이를 이해하려면 시장, 신용 및 유동성 위험과 같은 상호의존적 위험 요소를 동시에 서로 다른 상호연결 [citation needed]규모로 모델링하는 다중 규모 및 전체적 접근 방식이 필요합니다.

계산생물학

주요 기사:계산생물학

생명공학의 흥미로운 새로운 발전은 이제 생물학과 생물의학 연구에 혁명을 일으키고 있다.이러한 기술의 예로는 높은 처리량 시퀀싱, 높은 처리량 정량 PCR, 세포 내 이미징, 유전자 발현 현장 하이브리드화, 라이트 시트 형광 현미경 및 광학 투영(마이크로)-컴퓨터 단층 촬영 등이 있습니다.이러한 기술로 인해 생성되는 방대한 양의 복잡한 데이터를 고려할 때, 의미 있는 해석과 스토리지까지 새로운 접근 방식을 요구하는 주요 과제가 되고 있습니다.현재의 생물정보학 접근방식을 넘어 계산생물학에서는 이러한 대규모 데이터 집합에서 의미 있는 패턴을 발견하기 위한 새로운 방법을 개발할 필요가 있습니다.유전자 네트워크의 모델 베이스 재구성은 유전자 발현 데이터를 체계적으로 정리하고 향후 데이터 수집을 유도하기 위해 사용될 수 있다.여기서 중요한 도전은 유전자 조절이 어떻게 생물미네랄화와 배아 발생과 같은 기본적인 생물학적 과정을 제어하는지 이해하는 것이다.유전자 조절, 미네랄 증착 과정과 상호작용하는 유기 분자, 세포 과정, 생리학, 그리고 조직과 환경 수준의 다른 과정과 같은 하위 과정들은 연결되어 있습니다.중앙 제어 메커니즘에 의해 지시되는 것이 아니라, 생물광물화와 발생은 매우 다른 시간적 및 공간적 척도의 여러 하위 과정(나노미터와 나노초에서 미터와 년까지)이 다중 스케일 시스템으로 연결되는 복잡한 시스템에서 비롯된 새로운 행동이라고 볼 수 있다.이러한 시스템을 이해하기 위한 몇 안 되는 옵션[which?] 중 하나는 [citation needed]시스템의 멀티스케일 모델을 개발하는 것입니다.

복잡한 시스템 이론

주요 기사:복잡한 시스템

정보 이론, 비균형 역학 및 명시적 시뮬레이션을 사용하여 계산 시스템 이론은 복잡한 [citation needed]적응 시스템의 본질을 밝혀내려고 합니다.

공학 전산학

주요 기사:계산공학

전산 모델과 모의 실험, 종종 고성능 컴퓨팅과, 복잡한 신체적 문제를 기술 분석과 디자인(계산 공학), 천연 phen에 발생한 문제를 해결하기 위해서 개발 및 활용을 다루는 계산 과학과 공학(CSE)은 상대적으로 new[계량]는 훈련입니다.omena(com추정과학).CSE는 이론과 [13]실험 다음으로 '제3의 발견 모드'로 알려져[by whom?] 있습니다.많은 분야에서[which?] 컴퓨터 시뮬레이션은 필수적이기 때문에 비즈니스와 연구에 필수적입니다.컴퓨터 시뮬레이션은 기존 실험에 접근할 수 없거나 기존 경험적 조사를 수행하는 데 비용이 많이 드는 분야에 진입할[which?] 수 있는 기능을 제공합니다.옛에서 폭넓은 도메인 CSE(예를 들어 특정 알고리즘이나 자료 구조, 병렬 프로그래밍, 고성능 컴퓨팅)에 사용된다 CSE도 순수한 컴퓨터 과학, 컴퓨터 공학과, 및을 사용하여 후자의 문제와 CSE방법(응용 프로그램 지역으로)과 해결 모델을 만들 수 있을 수 있어야 한다.[표창 필요한]

메서드 및 알고리즘

계산과학에서 사용되는 알고리즘과 수학적 방법은 다양하다.일반적으로 적용되는 방법은 다음과 같습니다.

역사적으로나 오늘날이나 Fortran은 과학 [33][34]컴퓨팅의 대부분의 애플리케이션에서 여전히 인기가 있습니다.다른 프로그래밍 언어와 컴퓨터 대수 시스템 일반적으로 과학적인 컴퓨팅 애플리케이션의 더 수학적 측면에 사용되는 GNU옥타브, Haskell,[33]Julia,[33]Maple,[34]Mathematica,[35][36][37][38][39]MATLAB,[40][41][42]파이선( 제3자 SciPy library[43][44][45]과), 펄( 제3자 PDL 도서관이),-LSB- 표창 n.을 포함한다]R,[46]Scilab,[47][48]과 TK해결자 Eeded.과학 컴퓨팅의 계산 집약적인 측면에서는 C 또는 Fortran의 변형과 BLAS 또는 LAPACK과 같은 최적화된 대수 라이브러리를 사용하는 경우가 많습니다.또한 병렬 컴퓨팅은 과학 컴퓨팅에서 상당한 시간 내에 큰 문제의 해결책을 찾기 위해 많이 사용됩니다.이 프레임워크에서는 문제가 단일 CPU 노드(OpenMP 등)의 여러 코어로 분할되거나 네트워크화된 여러 CPU 노드(MPI 등)로 분할되거나 하나 이상의 GPU(일반적으로 CUDA 또는 OpenCL 중 하나를 사용)에서 실행됩니다.

컴퓨터 과학 응용 프로그램은 종종 날씨, 비행기 주변의 공기 흐름, 충돌 시의 차체 변형, 은하계 내 별의 움직임, 폭발 장치 등과 같은 실제 세계의 변화하는 조건을 모델링합니다.이러한 프로그램은 컴퓨터 메모리에 '논리 메쉬'를 만들 수 있으며, 각 항목은 공간의 영역에 해당하며 모델과 관련된 공간에 대한 정보를 포함합니다.예를 들어, 기상 모델에서 각 항목은 육지 고도, 현재 풍향, 습도, 온도, 압력 등과 함께 평방 킬로미터가 될 수 있습니다.프로그램은 시뮬레이션된 시간 단계에서 현재 상태를 기반으로 가능한 다음 상태를 계산하고 시스템이 어떻게 작동하는지 설명하는 미분 방정식을 푼 후 다음 상태를 [citation needed]계산하기 위해 프로세스를 반복합니다.

회의 및 저널

2001년, 국제 컴퓨터 과학 회의(ICCS)가 처음으로 조직되었습니다.그 이후로, 그것은 매년 조직되어 왔다.ICCS는 CORE [49]분류의 A등급 회의입니다.

Journal of Computational Science는 2010년 [50][51][52]5월에 첫 호를 발행했다.Journal of Open Research Software는 [53]2012년에 시작되었습니다.계산 결과 복제에 전념하는 ReScience C 이니셔티브는 2015년에 [54]GitHub에서 시작되었습니다.

교육

일부 교육기관에서는 과학적 계산의 전문화를 다른 프로그램(다양한 수준일 수 있음) 내에서 "소수"로 획득할 수 있다.그러나 컴퓨터 과학에는 점점 더 많은 학사, 석사 및 박사 과정들이 있습니다.암스테르담 대학과 Vrije University of Amsterdam과 Vrije University의 컴퓨터 과학 석사 프로그램은 2004년에 처음 제공되었습니다.이 프로그램에서는, 수강자:

  • 실제 관찰을 통해 계산 모델을 구축하는 방법을 배운다.
  • 이러한 모델을 컴퓨터 구조로 전환하고 대규모 시뮬레이션을 수행하는 기술을 개발한다.
  • 복잡한 시스템 분석을 위한 확실한 근거를 제공하는 이론을 학습한다[which?].
  • 고급 수치 [relevant?]알고리즘을 사용하여 가상 실험실에서 시뮬레이션 결과를 분석하는 방법을 학습합니다.

George Mason University는 1992년에 컴퓨터 과학 및 정보학에서 다학문 박사 과정을 최초로 제공한 초기 개척자 중 한 명입니다. 이 프로그램은 생물 정보학, 컴퓨터 화학, 지구 시스템, 그리고 세계적인 변화, 컴퓨터 수학, 컴퓨터 물리학, 우주를 포함한 많은 전문 분야에 초점을 맞췄습니다.과학, 계산 [citation needed]통계학입니다.

Jawaharlal Nehru University의 컴퓨터 및 통합 과학 대학(현재의 정보[55][verification needed] 기술 대학)에서는[verification needed], 다음의 2개의 전공으로 컴퓨터 과학에 대한 생생한 석사 과학 프로그램도 제공하고 있습니다.컴퓨터 생물학 및 복잡한 시스템.[56]

관련 필드

「 」를 참조해 주세요.

레퍼런스

  1. ^ 논와일러 T. R., 1986년계산 수학:수치 근사 소개, John Wiley and Sons
  2. ^ 컴퓨터 공학 대학원 교육.Siam.org, Society for Industrial and Applied Mathematics(SIAM) 웹사이트, 2013년 2월에 접속.
  3. ^ Siegler, Bernard (1976). Theory of Modeling and Simulation.
  4. ^ Cellier, François (1990). Continuous System Modelling.
  5. ^ Minski, Marvin (1965). Models,Minds, Machines.
  6. ^ Steeb W.-H., Hardy Y., Hardy A., Sturve R., 2004.C++ 및 Java 시뮬레이션을 사용한 Scientific Computing의 문제와 해결책, World Scientific Publishing.ISBN 981-256-112-9
  7. ^ 험프리, 폴델의 확장: 계산과학, 경험주의, 과학적 방법.옥스퍼드 대학 출판부, 2004.
  8. ^ 겔퍼트, 액셀 2016년모형으로 과학을 하는 방법: 철학적 입문서.참: 스프링어
  9. ^ 톨크, 안드레아스"잘못된 모델로부터 옳은 것을 배우는 것: 시뮬레이션의 인식론"L. Yilmaz, 87-106페이지, Cham: Springer International Publishing, 2015년에 편집된 모델링 및 시뮬레이션을 위한 개념 및 방법론.
  10. ^ Oden, J.T., Babushka, I. 및 Faghihi, D., 2017.예측 계산 과학:불확실성이 존재하는 경우의 컴퓨터 예측.컴퓨터 기계 백과사전.제2판, 페이지 1-26
  11. ^ 사보 B, 액티스 R, 러스크 D.노치 감도 계수 검증.검증, 검증 및 불확실성 정량화 저널.4 011004, 2019
  12. ^ a b "68% of the world population projected to live in urban areas by 2050, says UN UN DESA United Nations Department of Economic and Social Affairs". www.un.org. Retrieved 2021-12-31.
  13. ^ "Computational Science and Engineering Program: Graduate Student Handbook" (PDF). cseprograms.gatech.edu. September 2009. Archived from the original (PDF) on 2014-10-14. Retrieved 2017-08-26.
  14. ^ Von Zur Gathen, J. 및 Gerhard, J. (2013).현대 컴퓨터 대수학.케임브리지 대학 출판부
  15. ^ Geddes, K. O., Czapor, S. R., & Labahn, G. (1992)컴퓨터 대수학 알고리즘.Springer Science & Business 미디어.
  16. ^ 알브레히트, R. (2012년)컴퓨터 대수: 기호 및 대수 계산(Vol.4).Springer Science & Business 미디어.
  17. ^ 미그노트, M. (2012년)컴퓨터 대수학을 위한 수학.Springer Science & Business 미디어.
  18. ^ Stoer, J. 및 Bulirsch, R. (2013년)수치 분석 입문Springer Science & Business 미디어.
  19. ^ Conte, S.D., & De Boor, C. (2017년)기본 수치 분석: 알고리즘 접근법.산업 응용 수학 학회
  20. ^ 그린스펀, D. (2018년)수치 분석CRC 프레스
  21. ^ 린츠, P. (2019년)이론적인 수치 분석.Courier Dover 출판물.
  22. ^ Brenner, S. & Scott, R. (2007)유한 요소 방법의 수학적 이론 (Vol.15)Springer Science & Business 미디어.
  23. ^ Oden, J. T., & Reddy, J. N. (2012).유한 요소의 수학적 이론에 대한 소개.쿠리어 코퍼레이션
  24. ^ 데이비스, P. J., & 라비노위츠, P. (2007)수치 적분 방법.쿠리어 코퍼레이션
  25. ^ 피터 듀플하르트, 뉴턴 비선형 문제법아핀 불변성과 적응 알고리즘, 초판.시리즈 계산 수학 35, 스프링어 (2006)
  26. ^ 해머슬리, J. (2013년)몬테카를로 방식.Springer Science & Business 미디어.
  27. ^ Kalos, M. H., & Whitlock, P. A. (2009년)몬테카를로 방식.John Wiley & Sons.
  28. ^ Demmel, J. W. (1997년)적용된 수치 선형 대수.SIAM.
  29. ^ Ciarlet, P. G., Miara, B. 및 Thomas, J. M. (1989)수치 선형 대수 및 최적화 소개.케임브리지 대학 출판부
  30. ^ Trefeten, Lloyd; Bau III, David (1997).수치 선형 대수(1차 에디션)필라델피아: SIAM.
  31. ^ 반더베이, R. J. (2015년)선형 프로그래밍하이델베르크: 스프링거.
  32. ^ 가스, S. I. (2003)선형 프로그래밍: 메서드와 응용 프로그램.쿠리어 코퍼레이션
  33. ^ a b c Phillips, Lee (2014-05-07). "Scientific computing's future: Can any coding language top a 1950s behemoth?". Ars Technica. Retrieved 2016-03-08.
  34. ^ a b Landau, Rubin (2014-05-07). "A First Course in Scientific Computing" (PDF). Princeton University. Retrieved 2016-03-08.
  35. ^ Mathematica 6 Scientific Computing World, 2007년 5월
  36. ^ Maeder, R. E.(1991)매스매티카로 프로그래밍을 합니다.애디슨 웨슬리 롱맨 출판사
  37. ^ 스티븐 울프람.(1999).매스매티카® 책 버전 4.케임브리지 대학 출판부
  38. ^ 쇼, W.T., & Tigg, J. (1993)Applied Mathematica: 시작, 완료.애디슨 웨슬리 롱맨 출판사
  39. ^ 마라스코, A. 및 로마노, A. (2001)매스매티카를 사용한 과학 컴퓨팅:일반 미분 방정식의 수학 문제 CD-ROM을 사용한 Springer Science & Business Media.
  40. ^ Squarteroni, A., Saleri, F. 및 Gervasio, P. (2006)MATLAB 및 Octab을 사용한 과학 컴퓨팅.베를린: 스프링거.
  41. ^ Gander, W., & Hrebicek, J. (2011년)Maple 및 Matlab®을 사용하여 과학 컴퓨팅 문제를 해결합니다.Springer Science & Business 미디어.
  42. ^ Barnes, B., & Fulord, G. R. (2011년)사례 연구를 사용한 수학적 모델링: Maple과 MATLAB를 사용한 미분 방정식 접근법.채프먼과 홀/CRC.
  43. ^ Jones, E., Oliphant, T. & Peterson, P. (2001)SciPy: Python용 오픈 소스 과학 도구입니다.
  44. ^ 브레서트, E. (2012)SciPy와 NumPy: 개발자를 위한 개요.오라일리 미디어
  45. ^ 블랑코 실바, F. J. (2013)수치 컴퓨팅과 과학 컴퓨팅을 위한 SciPy 학습.팩트 출판사
  46. ^ Ihaka, R. & Gentleman, R. (1996년).R: 데이터 분석 및 그래픽스용 언어.계산 및 그래픽 통계 저널, 5(3), 299-314.
  47. ^ Bunks, C., Chancelier, J. P., Dellebecque, F., Goursat, M., Nikouhah, R. 및 Steer, S.(2012).Scilab을 사용한 엔지니어링 및 과학 컴퓨팅.Springer Science & Business 미디어.
  48. ^ Thanki, R.M., & Kothari, A.M. (2019).SCILAB를 사용한 디지털 이미지 처리.Springer International Publishing.
  49. ^ "ICCS - International Conference on Computational Science". Retrieved 2022-01-21.
  50. ^ Sloot, Peter; Coveney, Peter; Dongarra, Jack (2010). "Redirecting". Journal of Computational Science. 1 (1): 3–4. doi:10.1016/j.jocs.2010.04.003.
  51. ^ Seidel, Edward; Wing, Jeannette M. (2010). "Redirecting". Journal of Computational Science. 1 (1): 1–2. doi:10.1016/j.jocs.2010.04.004.
  52. ^ Sloot, Peter M.A. (2010). "Computational science: A kaleidoscopic view into science". Journal of Computational Science. 1 (4): 189. doi:10.1016/j.jocs.2010.11.001.
  53. ^ "Announcing the Journal of Open Research Software - a software metajournal". software.ac.uk. Retrieved 2021-12-31.
  54. ^ Rougier, Nicolas P.; Hinsen, Konrad; Alexandre, Frédéric; Arildsen, Thomas; Barba, Lorena A.; Benureau, Fabien C.Y.; 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; Guest, 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, Roman; Zito, Tiziano (December 2017). "Sustainable computational science: the ReScience initiative". PeerJ Comput Sci. 3. e142. arXiv:1707.04393. Bibcode:2017arXiv170704393R. doi:10.7717/peerj-cs.142. PMC 8530091. PMID 34722870. S2CID 7392801.
  55. ^ "SCIS Welcome to Jawaharlal Nehru University". www.jnu.ac.in. Archived from the original on 2013-03-10.
  56. ^ "SCIS: Program of Study Welcome to Jawaharlal Nehru University". www.jnu.ac.in. Archived from the original on 7 February 2020. Retrieved 31 December 2021.

기타 소스

외부 링크

Wikdiversity는 Scientific Computing에 관한 학습 자원을 보유하고 있습니다.
Wikimedia Commons에는 계산과학 관련 미디어가 있습니다.