Технология параллельных вычислений в задачах расчета и обеспечения параметрической надежности (стр. 2 )

Стратегия жизнесбережения населения на ближайшие десятилетия должна включать следующие передовые здоровьесберегающие технологии: специализированные высокие медицинские технологии (от генотипирования до биопротезирования), нанодиагностические технологии, экстренную помощь и медицину катастроф, системы общей врачебной и сестринской практики, реабилитационные и паллиативные технологии, а также широкий набор информационно-вычислительных услуг – «облачную медицину». При этом облако может быть анонимное, индивидуальное, семейное и т. п. – в зависимости от рода медико-информационных и консультационных услуг [3], наличия вычислительных функций («траектория здоровья») [5], полноты баз данных (включая медико-генетические характеристики и е-анамнез), степени защиты персональных данных, специализированных информационно-поисковых систем по фармацевтике, психологии, экологии, экономике здоровья, реабилитации, курортологии и пр. [4]. В связи с этим особенно важна роль облачных вычислений в персональной медицинской диагностике, так как для реализации самых сложных проектов и расчетов пользователю необходим лишь компьютер и выход в Интернет. Инфраструктура облачной медицины (ОМ) будет при этом осуществлять весь спектр перспективных информационно-вычислительных диагностических услуг населению и экономике здравоохранения региона: информационные технологии как услуга (IT as a service, ITaaS) – модель услуги, при которой организация или частное лицо подписывает контракт с оператором связи на получение доступа к сети и услугам, предоставляемым индивидуально или пакетом (например, услуги сетевого резервирования, аварийного восстановления, виртуальных частных сетей, передачи голоса по протоколу IP-VoIP, хостинга, видеонаблюдения, web-конференций); программное обеспечение как услуга (Software as a Service, SaaS) – доступ к приложению через сеть оператора связи без резидентной установки приложения на компьютере пользователя. Приложение работает на сервере поставщика услуг SaaS и выдает пользователю результаты вычислений и варианты дальнейших тактических действий. При этом пользователь не покупает приложение, а платит только за его временное использование через интернет-API [6, 8].

Термин «SaaS» заменил прежнее обозначение поставщиков подобных услуг, которые раньше назывались ASP (application service provider – поставщик услуг доступа к приложениям); платформа как услуга (Platform as a service, PaaS) – предоставление вычислительных мощностей и дискового пространства «платформы ресурсов» с помощью «сетевого облака». Среди относительно свежих примеров реализации такого подхода – Google App Engine, средство для разработчиков, позволяющее создавать масштабируемые web-приложения и запускать их в рамках инфраструктуры Google (вместе с этим средством разработчик получает доступ к защищенным от сбоев системам хранения емкостью 500 Мб, а также к необходимой полосе пропускания и процессорным ресурсам, обеспечивающим возможность пяти миллионов просмотров web-страницы в месяц); инфраструктура как услуга (Infrastructure as a service, IaaS) – предоставление виртуальной компьютерной инфраструктуры как услуги. Вместо приобретения серверов, программного обеспечения, ресурсов ЦОД, сетевого оборудования и найма специалистов для эксплуатации этих систем заказчик может приобрести эти ресурсы как управляемую услугу на правах аутсорсинга и осуществлять доступ к ним через «сетевое облако» [8].

Концепция cloud computing в е-медицине (ОМ) становится все более популярной, поскольку позволяет снизить совокупную стоимость медицинских диагностических услуг, обладает высокой масштабируемостью, обеспечивает достаточную защищенность персональных данных, получение заказчиком конкурентных преимуществ, сокращает сложность сетевых услуг для заказчиков и предоставляет быстрый и простой доступ к услугам, несмотря на отсутствие устоявшейся инфраструктуры и стандартов. Многие услуги могут уже сегодня предоставляться через «сетевое облако», дополняющее инфраструктуру оператора и его заказчиков. Мобильные интерактивные приложения, реагирующие на информацию, поступающую от пользователей или сенсоров, в режиме реального времени, а также приложения, которые должны быть постоянно доступны и используют большие массивы данных, которые удобно хранить в больших центрах обработки данных (ЦОД). Хорошим примером интерактивных приложений могут служить услуги, сочетающие два или более источника данных и других услуг. Среда cloud computing предоставляет таким приложениям отличную архитектуру, особенно, в случае использования мобильных устройств, постоянно подключенных к сети. Параллельная пакетная обработка особенно хорошо подходит для среды cloud computing, потому как в этом случае потенциальные пользователи ОМ могут получить на короткое время ресурсы сотен или даже тысяч компьютеров и быстро выполнить большой объем информационно-поисковой и вычислительной работы. Возможны в перспективе анонимный, персонифицированный (защищенный) и групповой (семейный, производственный) варианты облачной медицины, а также облачной психологии, облачной наркологии, облачной экологии и т. п. [3].

Диагностическая аналитика – еще один весьма ресурсоемкий вид медицинской деятельности, который удобно выполнять в сетевом «облаке». Все большее количество вычислительных ресурсов используется для того, чтобы при помощи универсальных аналитических средств лучше понять потенциальных пациентов, их недуги, привычки, индивидуальные особенности и прочие факторы. Ресурсоемкие приложения для настольных систем могут использовать большие вычислительные мощности на единицу обработанных данных, приложения для обработки медицинских изображений, компьютерной графики и трехмерной анимации. Все эти приложения можно не устанавливать на настольной системе, а запускать в «частном сетевом облаке», работающем в крупном ЦОД ОМ. Особое значение приобретает концепция ОМ при обработке данных радионуклидной диагностики [2]. Тенденции развития современных систем ядерной медицины и медицинской диагностики приводят к постоянному увеличению количества цифровых изображений, получаемых в различных медицинских учреждениях. Для эффективного использования в диагностическом процессе эти изображения должны быть оперативно проанализированы, количественно оценены и проинтерпретированы. В настоящее время в области обработки и анализа все более сложных и объемных медицинских изображений выделяют несколько основных классов методов и алгоритмов: улучшение качества – методы данного класса используются для уменьшения шумов, удаления артефактов, реформатирования и интерполяции, компенсации пространственных искажений и повышения контрастности области интереса на изображениях; сегментация – целью сегментации изображения является отделение анализируемого объекта, структуры или области интереса от окружающего фона. Автоматическое выделение объекта на сложных медицинских изображениях является сложной, громоздкой и до сих пор до конца не решенной задачей. Методы сегментации базируются на яркостной, градиентной и текстурной информации изображения и используют такие алгоритмы как бинаризация по порогу, морфологическая фильтрация, наращивание областей, активные контуры, деформированные шаблоны и т. п.; количественный анализ – методы квантификации обычно применяются к отсегментированным объектам и структурам медицинских изображений с целью выделения существенной диагностической информации об их размерах, форме, текстуре, морфологии и особенности динамики во времени; совмещение двух цифровых изображений одной части тела является важным в случае, когда полученная в результате совмещения карта соответствия может быть использована для последующей обработки и анализа изображений; сжатие, архивирование, хранение и поиск в базах данных. В последние годы в связи со значительным ростом количества и размеров снимаемых цифровых диагностических изображений роль этого направления постоянно возрастает. Задачи данного типа носят преимущественно прикладной характер и традиционно решаются в рамках так называемых систем архивирования и передачи медицинских изображений. Одной из наиболее сложных и наукоемких проблем данного класса является поиск изображений по их содержанию, заданному изображением-образцом. Решение проблемы поиска в базах изображений по образцу (шаблону) призвано обеспечить компьютерную поддержку такому распространенному диагностическому приему, как сравнение полученного изображения с предыдущим или похожим снимками и случаями из клинической практики, хранящихся в цифровых архивах на серверах ОМ [3, 4]. На данный момент в какой-то степени эти принципы реализованы в автоматизированном компьютерном анализе (computer assisted diagnosis – CAD), примененном в ряде зарубежных компьютерных программ анализа рентгеновских, магнитно-резонансных и позитронно-эмиссионных томограмм [2]. В гораздо меньшей мере CAD-анализ применялся в планарной сцинтиграфии, однофотонной эмиссионной компьютерной томографии и фактически не применяется в радионуклидной диагностике заболеваний скелета. Практически не разработана задача оптимального выбора методов анализа медицинских изображений в зависимости от конкретных клинических задач.

Известно, что изображение при планарном (двумерном) сцинтиграфическом исследовании характеризуется достаточно низкой разрешающей способностью и высоким уровнем шума в сравнении с другими графическими способами диагностики [2, 4]. При этом методе исследования источники излучения многочисленны, находятся внутри исследуемого объекта (пациента), на неизвестной глубине, с неизвестной интенсивностью. Эти источники излучают изотропно в различных направлениях гамма-кванты, однако используется лишь весьма малая их часть – только те гамма кванты, которые движутся перпендикулярно поверхности детектора, – остальные фильтруются коллиматором. Все визуализирующие системы, используемые в ЯМ обладают конечной разрешающeй способностью, которая определяет т. н. нечеткость изображения – размытые контуры больших объектов и невозможность передать мелкие детали. По настоящее время оценка изображения, получаемого при сцинтиграфии, вне зависимости от режима исследования осуществляется визуальным методом. При этом само изображение органа и патологических очагов представлено в серо-белой или цветовой шкале, Именно визуальный характер оценки изображений вносит в процесс диагностики т. н. «субъективный компонент», что нередко отражается на эффективности метода сцинтиграфии. Вместе с тем, современная сцинтиграфия является примером цифровой визуализации.

Компьютерное изображение исследуемого объекта разбито на отдельные точки (пиксели), каждому из которых соответствует определенный код цвета. При этом существует прямая зависимость между кодом цвета и количеством импульсов, испускаемых в точке объекта, соответствующей тому или иному пикселю в изображении. Вышеописанный принцип цифрового изображения может явиться основой для применения математического анализа. Важной особенностью предлагаемого проекта является использование наряду с традиционными средствами математического моделирования, математической физики и вычислительной математики методов виртуального информационного моделирования. ВИМ основана на n-мерной дискретной модели организма, которая представляет собой совокупность точек в замкнутом пространстве, аналогичного по форме своему прототипу. Каждая точка, помимо своих координатных значений, несет конечный набор числовой информации (числовой код), в той или иной степени характеризующей конкретную область или орган, которые соответствуют данной точке. Между точками в замкнутом пространстве существует комплекс связей, распространяющихся на все пространство или только на отдельные его части. Связи между отдельными точками также стремятся к соответствию связям между отдельными частями живой системы.

Вся совокупность точек с их информацией и связями между собой представляет многомерную информационную базу данных БД ВИМ, к которой могут обращаться те или иные компьютерные программы, ставящие своей целью прогнозирование и моделирование процессов в организме. Решение задачи оптимизации дифференциальной диагностики метастатического поражения скелета методами радионуклидной диагностики может способствовать с одной стороны дальнейшая разработка методов анализа медицинских изображений на основе матеатической морфологии, а с другой стороны применение нового информационного метода – виртуального информационного моделирования.

Принципы виртуального информационного моделирования биологических объектов разрабатываются лабораторией медицинской информатики с начала 2000-х годов. Виртуальное информационное моделирование (ВИМ) базируется на оригинальной концепции многомерной числовой модели организма, которая представляет собой группировки точек в замкнутом пространстве биологического объекта [1]. Эти группировки соответствуют органам и основным системам жизнеобеспечения организма. Каждая точка, помимо своих координатных значений, несет конечный набор логической и числовой информации (числовой код), в той или иной степени характеризующей конкретную анатомическую область, которую представляет данная точка. Между точками существуют взаимные связи, моделирующие функциональные связи конкретного организма. Основой для создания многомерной информационной модели являются послойные электронные ПЭТ-изображения, дополненные изображениями, получаемые при рентгеновской компьютерной томографии изучаемого органа.

Такие изображения переводятся в электронную таблицу, являющейся каркасом базы данных виртуальной модели. К данной базе данных могут обращаться программы, ставящие своей целью моделирования конкретных процессов в организме. Несмотря на то, что ВИМ изначально создавались для работы с многомерными объектами, эти принципы можно применить и в анализе двухмерных (планарных) изображений. Известно, что на практике при анализе планарного изображения, исследователь соотносит выявляемые патологические очаги с анатомическими зонами анализируемого объекта. При этом исследователем принимается во внимание значительный объем экспертной информации о каждой анатомической зоне объекта. Учет этой информации позволяет исследователю определить является ли патологический очаг проявлением конкретного заболевания, т. е. с той или иной вероятностью определить нозологический характер процесса.

При анализе двухмерных (планарных) изображений многомерность создаваемой информационной модели будет определяться слоями, несущими ту или иную дополнительную экспертную информацию об анатомических зонах планарного медицинского изображения. Задачей математического анализа в данном случае является определение той степени вероятности, с которой какую-либо точку патологического очага в данной модели можно рассматривать как относящуюся к конкретной нозологии. При анализе большого числа планарных изображений на основе принципов ВИМ, возникает задача быстрого формирования дополнительных информационных слоев для каждого изучаемого изображения.

Данная задача может быть решена с помощью шаблонов, определяющих границы зон, в пределах которых, по мнению эксперта, дополнительный информационный признак присутствует в определенных известных значениях. Однако, как правило, для шаблонов характерна схематичность, стремление представить топографию распределения информационного признака весьма упрощенно. Это делает необходимым разработку принципов адаптации упрощенного шаблона к конкретной топографической картине распространения признака.

Сложности в качественном распознавании тех или иных заболеваний в лучевой диагностике зависят не только от технической несовершенности тех или иных методов, но и от индивидуальных особенностей организма, а у онкологических больных – от биологической гетерогенности опухолевых очагов. Преодоление подобной проблемы возможно на пути создания особой телемедицинской сети, предназначенной для централизованной обработки изображения, получаемой от пользователей ОМ. Сеть включает центральный сервер (ЦС), получающий данные от абонентов (рис. 1).

Рис. 1. Структура системы поддержки облачных вычислений

для радионуклидной диагностики

Абонентами подобной сети ОМ, как правило, являются зарегистрированные пользователи, имеющие диагностическую аппаратуру, работающую на принципах ядерной медицины (сцинтиграфия, ПЭТ). Информация с данной аппаратуры в рамках специальных протоколов через Интернет передается на ЦС. На ЦС информация рассматривается в аналитической группе, которая в зависимости от диагностических и клинических задач выбирает алгоритм обработки данных, а в случае обработки данным по принципам ВИМ осуществляет и выбор необходимых шаблонов. Основным звеном на ЦС является аналитический программный комплекс (АПК) - совокупность программ для предварительной подготовки и для анализа изображений. Обработанные изображения накапливаются в базе данных обработанных изображений (БДОИ). Ряд обработанных изображений поступает в «обучающую выборку» и используется для переобучения АПК. Результаты компьютерной обработки в рамках телемедицинского протокола передаются индивидуальным абонентам. Часть данных является открытой и может быть использована для решения учебных и исследовательских задач, пользователями, не являющимися зарегистрированными абонентами данной телемедицинской сети. Создание специализированной телемедицинской сети на основе принципов ОМ для анализа медицинских изображений является перспективным разделом не только облачных вычислений, но и телемедицины, и биоинформатики, и отечественного здравоохранения в целом, требуя углубленных прикладных исследований в данном направлении (гранты РФФИ №№ -р, -а).

Библиографические ссылки

1.   М.,  М.,  Э.,  З. Модели региональных инфокоммуникационных систем. Владивосток: Дальнаука, 20с.

2.   Э.,  И.,  В.,  З.  А. Система автоматизированного компьютерного анализа медицинских изображений // Информационные технологии и вычислительные системы. № 3, 2011. С.52-60.

3.   Э., Концепция облачной медицины // Российская Академия естествознания. 2011. 3 с. http://www. econf. *****/article/5995.

4.   Э.,  С.,  Е.,  Э.,  З. Социально-экономические аспекты развития телемедицинских сетей на Дальнем Востоке. Хабаровск: Вычислительный центр ДВО РАН, 20с.

5.  Adlassnig K. P., Blobel B., Mantas J., Masic I. Medical Informatics in a United and Healthy Europe // Proceedings of MIE 2009, Volume 150 Studies in Health Technology and Informatics (Aug 15, 2009) . V. 150, 2009.

6.  http://www. /developerworks/web/library/cloudgrid

7.  http://www. *****/medsoft/

8.  http://*****/archives/blog/cloud computing

9.  Winter A., Haux R., Ammenwerth E., Brigl B. Health Information Systems: Architectures and Strategies (Health Informatics) (Dec 10, 2010) 2nd Edition., 2011, VI, 250 p. › public health/book/978.

10. 

11.  www.sbs. ox. ac. uk

УДК 00

© В. Б. Барахнин, Ю. И, Молородов, С. В. Станкус, А. М. Федотов, 2013

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ДЛЯ ЗАДАЧ
ТЕПЛОФИЗИЧЕСКИХ СВОЙСТВ ВЕЩЕСТВ

 Б. – д-р техн. наук, ст. науч. сотр. (ИВТ СО РАН), e-mail: *****@;  И. – канд. физ.-мат. наук, ст. науч. сотр. (ИВТ СО РАН), e-mail: *****@; В. – д-р физ.-мат. наук, зам. директора (ИТ СО РАН), e-mail:  *****@;  М. – д-р физ.-мат. наук, зам. директора (ИВТ СО РАН), e-mail: *****@***ru

В последнее время в мире разрабатываются и используются специализированные коммерческие пакеты программ, которые позволяют получать данные по теплофизическим свойствам для некоторых классов веществ и материалов. Опыт практического использования таких программ выявил их существенные недостатки. Они не дают доступа к таблицам первичных экспериментальных данных, не позволяют выбирать модели для их обработки, используемые модели не являются физически обоснованными, что не позволяет проводить экстраполяцию данных, отсутствует реальная возможность прогнозирования свойств и т. д. В России это направление пока не получило заметного распространения. Институт вычислительных технологий СО РАН совместно с Институтом теплофизики СО РАН разработали Информационно Вычислительную Систему http://tick2.ict. *****/, которая позволит объединить достоинства существующих кодов и устранит указанные выше недостатки. Создаваемый ресурс станет важным инструментом для развития теорий свойств веществ и фазовых превращений.

Введение

Информационные технологии оказывают огромное влияние на все области человеческой деятельности, связанные с накоплением и обработкой информации. За относительно небольшое время существования информационно-коммуникационных технологий накоплен огромный объем разнообразных данных, представленных исключительно в электронной форме. Возникают задачи обеспечения доступа (в том числе и удаленного) пользователей к разнородным типам и форматов данных, обработки и интерпретации результатов наблюдений за свойствами веществ и фазовых превращений.

Интеграция информационных ресурсов в единую информационную среду и организация доступа к вычислительным ресурсам – это одни из важнейших направлений развития современных информационных технологий. Решение проблем создания и интеграции информационных ресурсов и продуктов становится необходимым условием развития многих стран, в том числе и России. Стремительное развитие глобальных информационных и вычислительных сетей ведет к изменению фундаментальных парадигм обработки данных, которое можно охарактеризовать как переход к поддержке и развитию распределенных информационно-вычислительных ресурсов [1]. Технологии использования распределенных информационно-вычислительных ресурсов получают все больший приоритет в информационном обществе. При этом наблюдаются переход к исключительно распределенной схеме создания, поддержания, хранения ресурсов[1] и стремление к виртуальному единству посредством предоставления свободного доступа к любым ресурсам сети через ограниченное число точек доступа. Постулируется принцип формирования в ресурсах сети единого, математически однородного поля компьютерной информации, которое способно стать универсальным и машинонезависимым носителем данных, унифицированных программ и глобально распределенных вычислительных процессов.

Предметная область

Исследования поведения теплофизических свойств термодинамических систем, состоящих из большого числа сильно взаимодействующих частиц, является одной из важнейших фундаментальных проблем современной физики и химии. Решение соответствующих задач из «первых принципов» в настоящее время невозможно из-за общей неполноты знаний, недостаточной адекватности моделей и огромных математических трудностей при их использовании. В этой ситуации построение новых физических моделей, которые позволили бы описывать поведение таких систем в широком интервале параметров состояния, включающем области фазовых превращений возможно только на базе надежных экспериментальных данных. Они также являются основой для развития методик достоверной оценки свойств по ограниченному объему экспериментальной информации. Выполнение таких исследований возможно только при наличии достоверных, термодинамически согласованных данных и возможности их анализа при произвольных параметрах состояния, включая линии фазовых равновесий. Такой подход, кроме выполнения экспериментальных исследований, предполагает проведение экспертной оценки существующего массива результатов измерений с обоснованным выбором рекомендуемых значений и оценкой их погрешностей, обработку разнородных данных с помощью физически обоснованных и термодинамически согласованных моделей, и, что особенно важно – построение информационно-аналитических систем, которые позволят оперативно получать данные по свойствам веществ при произвольных значениях температур, давлений и составов.

Широкий круг экспериментальных установок позволяет проводить исследования температур плавления, структурных переходов, ликвидуса, солидуса, равновесия жидкость-жидкость и т. д. Данные экспериментальных исследований и данные исследователей других научных коллективов, представлены в литературе (статьи, справочники). Они значительны по объему и разнообразию. Это обстоятельство делает необходимым и актуальным использование распределенных информационно-вычислительных систем для указанных выше задач. Использование электронных версий обеспечивает пользователю оперативный доступ к результатам наблюдений, хранение и математическую обработку.

Такую задачу может решить специализированная проблемно-ориентированная Информационная Система, которая позволит решить проблему хранения этого эмпирического материала, его обработку с помощью современных математических алгоритмов. Это позволит перевести работу с этими данными на качественно более высокий уровень, открывающий перспективы для постановки и эффективного решения новых научных и практических задач.

Разработка баз данных по теплофизическим свойствам веществ и материалов решалась многими научными коллективами, как в России, так и за рубежом. Известны специализированные коммерческие пакеты программ, которые позволяют получать данные по теплофизическим свойства для некоторых классов веществ и материалов. В России это направление пока не получило заметного распространения. Следует заметить, что опыт практического использования таких программ выявил их существенные недостатки. Они не дают доступа к таблицам первичных экспериментальных данных, не позволяют выбирать модели для их обработки, используемые модели не являются физически обоснованными, что не позволяет проводить экстраполяцию данных, отсутствует реальная возможность прогнозирования свойств и т. д.

В Национальном Институте Стандартов и Технологий США (National Institute of Standards and Technology - NIST) разработан ресурс “NIST Chemistry WebBook” – http://webbook. nist. gov/. Он обеспечивает доступ к данным, собранным и распространяется NIST по стандартной программе справочных данных.

NIST Chemistry WebBook содержит:

·  Термохимические данные для более 7000 органических и неорганических и неоргганических соединений: Энтальпию образования, энтальпию сгорания, теплоемкость, энтропию, значения фазового перехода энтальпий и температур, упругость паров.

·  Реакция термохимии данные по более чем 8000 реакций.

·  ИК-спектры для более чем 16000 соединений.

·  Масс-спектры для более 33000 соединений.

·  UV / Vis спектров более 1600 соединений.

·  Газовая хроматография данные, для более, чем 27000 соединений.

·  Электронные и колебательные спектры более 5000 соединений.

·  Константы двухатомных молекул (спектроскопических данных) для более 600 соединений.

·  Ион энергетика данные, для более чем 16000 соединений включая:энергию ионизации, внешний вид энергии, сродство к электрону, сродство к протону, газ основности и энергии связи кластерных ионов.

·  Теплофизические свойства данных для 74 жидкостей, а именно: плотность, удельный объем, теплоемкость при постоянном давлении (Ср), теплоемкость при постоянном объеме (CV), энтальпию, внутренняя энергия, энтропию, вязкость, теплопроводность, коэффициент Джоуля-Томсона, поверхностное натяжение (только кривая насыщения), скорость звука.

Здесь можно найти информацию о конкретных соединений в химии WebBook на основе имени, химическую формулу, CAS регистрационный номер, молекулярная масса, химической структуре, или выбранных энергетики ионов и спектральные свойства.

В России наиболее известен ресурс “ChemNen”, являющийся официальным электронным изданием Химического факультета МГУ в Internet [3] http://www. chem. msu. su/Zn/welcome. html. Он содержит среди прочих материалов электронные версии журналов: Вестник Московского университета Серия "Химия", Россиский химический журнал (Ж. Рос. Хим. Об-ва им. ), Информационно-аналитический журнал ВИНИТИ «Мембраны», а также журнал “ Сверхкритические Флюиды: Теория и Практика” является информация о проводимых регулярных Российских и Международных научно-практических конференциях. Важной составляющей ресурса “ChemNen” тома справочника “Термодинамические свойства индивидуальных веществ” (ТСИВ). Каждый том справочника состоит из двух частей: текстовой (со списком литературы) и табличной.

Информационная система по теплоснабжению [4] http://www. ***** /soft/1/ была создана некоммерческим партнерством “Российское теплоснабжение”. По-видимому, наиболее интересным для нас в идеологическом плане мог-бы быть раздел “Теплофизические свойства веществ”, одной из составляющих которого является Электронный справочник "Теплофизические свойства теплоносителей". Он позволяет выполнять расчет теплофизических свойств (удельный объем, энтальпия, энтропия, теплоемкость, коэффициент теплопроводности и т. д.). Близкую функциональность к этому ресурсу имеет расчетный сервер МЭИ (ТУ) – для расчета свойств воды, водяного пара, газов и смесей газов http://twt. mpei. *****/ochkov/VPU_Book _New/mas/index. html.

Широкую известность специалистов имеет портал [5] “*****”, http://www. *****/modules. php? name=News&file= article&sid =4. Он обеспечивает информационное пространство для научной, информационной и образовательной поддержки отечественных теплофизиков. Тематика документов на портале охватывает основные разделы теплофизики, включая техническую термодинамику, теплофизические свойства веществ и материалов, тепломассообмен, и т. п. Конкретный выбор ресурсов и сервисов ориентирован на подготовку в российской высшей школе специалистов по теплоэнергетике и теплотехнике и соответствует сложившимся традициям преподавания в МЭИ. Портал разработан в рамках совместной программы «Интеграция фундаментальной науки и высшей школы» с участием ОИВТ РАН и МЭИ и функционирует с 2003 года. Разработка и создание системы выполняется коллективами Института высоких температур РАН

Усилиями коллективов Института высоких температур РАН и Московского энергетического института, под научным руководством профессора, д. ф.-м. н. и д. т.н. , был создан, поддерживается и актуализируется ресурс http://*****/triptych/ – “Информационный триптих теплофизических свойств веществ: путеводитель в Интернете, база знаний и электронный справочник” [6]. Реально этот ресурс является информационно-аналитической системой для хранения и распространения библиографических и численных данных о теплофизических свойствах веществ. Он представляет собой интегрированную среду, объединяющую возможности трех продуктов:

-  электронного справочника по теплофизическим свойствам веществ для теплоэнергетики;

-  информационно-вычислительной системы «ЭПИДИФ» (база знаний), обеспечивающей расчеты транспортных свойств разреженных газовых смесей;

-  путеводителя по теплофизическим ресурсам сети ИНТЕРНЕТ.

Источниками данных являются библиографическая и фактографическая информация о свойствах веществ в электронном справочнике, системе «ЭПИДИФ» и Web-лиография, приведенная в путеводителе теплофизических ресурсов.

Электронный справочник по теплофизическим свойствам веществ построен на базе оригинальных материалов по теплофизическим свойствам технически важных веществ, полученных в МЭИ и ИВТ РАН в последние годы. Компоновка справочника проведена с использованием технологии Adobe Acrobat, что позволяет простым образом трансформировать исходные файлы, подготовленные большим коллективом авторов в формате *.DOC, в PDF-файлы, которые аккумулируют все компоненты исходного документа: текст, таблицы, математические формулы и рисунки. Справочник включает подробные данные по теплофизическим свойствам технически важных соединений (вода, компоненты воздуха, щелочные металлы, фреоны и др.), а также методические главы по общим вопросам теплофизики, топливам и продуктам сгорания. К справочнику присоединены вычислительные модули для расчета таблиц свойств в диапазоне параметров, который задает пользователь.

Система ЭПИДИФ предназначена для анализа и расчётов транспортных свойств чистых газов и газовых смесей в рамках молекулярно-кинетической теории. Система хранит данные по параметрам трехпараметрического потенциала (диаметр столкновений, глубина ямы, показатель крутизны отталкивательной ветви), вращательные столкновительные числа, а также детальную информацию о погрешности этих параметров, найденную при статистической обработке опытных данных. Система имеет собственную библиографическую БД, в которой представлены сведения о публикациях, содержащих опытные данные и расчеты транспортных свойств и потенциалов взаимодействия. БД содержит информацию, как для чистых газов, так и смесей, указывая в каждой записи для какой пары взаимодействующих частиц имеются данные по потенциалам или интегралам столкновений.

В качестве путеводителя по сетевым ресурсам «Информационный триптих…» включает библиографическую БД, охватывающую разнообразные виды тематических ресурсов: порталы, электронную периодику, программное обеспечение, справочники, библиографические указатели и т. п. Вся коллекция ссылок построена в виде иерархической структуры. Каждая запись включает помимо URL-адреса подробное библиографическое описание. Система автоматически контролирует наличие ссылок в сети.

Все элементы "Информационного триптиха..." размещены на WEB-сервере, что обеспечивает доступ для широкого круга пользователей и позволяет воспользоваться существующими технологиями сетевого программирования и создания динамических (актуализированных) документов.

Информационные системы, которые объединят достоинства существующих кодов и устранят перечисленные недостатки, станут важным инструментом для развития теорий свойств веществ и фазовых превращений.

Построение модели предметной области

Разработка моделей информационных систем и алгоритмов поиска функциональных зависимостей в массивах данных предполагает, прежде всего, построение модели предметной области. В качестве модели предметной области обычно выступает ее онтология. Однако это понятие имеет весьма широкую трактовку. Прежде всего, уточним, какого именно понимания термина онтология мы будем придерживаться в данной работе. Ранее нами было проведено (применительно к рассматриваемой предметной области) установление определенности в понимании и разграничении использования терминов «тезаурус» и «онтология». Более или менее однозначное трактование термина «тезаурус» сложилось еще в конце 1960-х годов: это «словарь-справочник, содержащий все лексические единицы информационно-поискового языка - дескрипторы (вместе с ключевыми словами, которые в пределах данной информационно-поисковой системы считаются синонимами этих дескрипторов), причем дескрипторы в словаре должны быть систематизированы по смыслу, а смысловые связи между ними эксплицитно выражены» [8].

Что же касается термина «онтология», то в настоящее время под онтологией нередко стали понимать широкий спектр структур, представляющих знания о той или иной предметной области с разной степенью формализации [9]: 1) словарь с определениями; 2) простая таксономия; 3) тезаурус (таксономия с терминами); 4) модель с произвольным набором отношений; 5) таксономия и произвольный набор отношений; 6) полностью аксиоматизированная теория.