Table of Contents
ومن خلال المحاكاة المناخية واكتشاف المخدرات إلى نماذج المخاطر المالية والهندسة الفضائية الجوية، يجب أن تحقق هذه التطبيقات نتائج دقيقة ودقيقة على السواء، ومع ذلك، فإن إنتاج قواعد البيانات ينمو ويتطور، ويزداد صعوبة الحفاظ على هذه الصفات، ويزيد من صعوبة عملية إعادة هيكلة المدونة القائمة دون تغيير سلوكها الخارجي.
فهم الاستحقاق والدقة في مجال الحاسوب العلمي
وقبل التراجع عن استراتيجيات إعادة التصنيع، من الضروري توضيح الدقة والدقة فيما يتعلق بالبرمجيات الرقمية. [يتيح التصويب [المسح الضوئي] ] تحديد مدى قرب النتيجة المحسوبة إلى القيمة الحقيقية أو المقبولة، وعلى سبيل المثال، يتطلب تقدير مسار الساتل الوضع النهائي في حدود المدار الفعلي؛
ومن بين المفاهيم الخاطئة الشائعة أن الدقة والدقيق مكافئان، ومن الناحية العملية، يمكن أن يكون الحساب دقيقا (بإستخدام العديد من الأرقام) ولكن غير دقيق بسبب التحيزات المنهجية، أو الدقة ولكن غير دقيقة إذا كانت النتيجة صحيحة إلا لعدد قليل من الأرقام، ولكي تكون البرمجيات العلمية موثوقة، يجب أن تكون الخواص على النحو الأمثل، ويعالج الرفض مباشرة الأسباب الجذرية للاختلالات غير الدقيقة والاختراق.
التحديات المشتركة التي تندر الاستحقاق والدقيق
وتتراكم قواعد البيانات العلمية الديون التقنية بطرق تقلل من الجودة العددية، والاعتراف بهذه التحديات هو الخطوة الأولى نحو إعادة التصنيع المستهدفة.
دوارات ذات قدرة متحركة
ويعتمد كل الحوسبة العلمية تقريباً على المعيار المرجعي ذي النقاط العائمة في IE 754، وفي حين أن هذا التمثيل يُحدِث في جوهره أخطاء في التقريب لأنه لا يمكن تخزين سوى عدد محدود من الأرقام، فالعمليات مثل الإضافة، والتقلص، والتكرار، والتقسيم تنتج نتائج يجب أن تُجمع لتلائم الرقم القياسي، فأكثر من آلاف أو ملايين العمليات، يمكن أن تتراكم هذه الأخطاء الصغيرة إلى أعداد كبيرة من الإلغاءات.
عدم الاستقرار العددي
فالخوارزمي غير مستقر رقميا إذا أدت الاضطرابات الصغيرة في المدخلات أو الحسابات الوسيطة إلى أخطاء كبيرة في النتيجة النهائية، وغالبا ما تنشأ نتائج غير معقولة (مثل حل نظم خطية شبه عادية) أو عن أخطاء متشابهة تضخم الأخطاء، مثلا، الصيغ الاستجمامية الساذجة لفهم الأرقام الاستيعابية.
قانون الجلايات والنموذج الفقير
وهناك العديد من مشاريع البرامجيات العلمية التي تُكتب منذ عقود في فورتران أو جيم أو في نسخ مبكرة من C++، وكثيرا ما تفتقر هذه القواعد إلى الهيكل النموذجي، مما يجعل من الصعب عزل الكناشف العددية للاختبار والتحسين، وقد تكون المهام مئات الخطوط الطويلة، مع ما يترتب على ذلك من آثار على الدولة والأجزاء الجانبية العالمية، وعندما تنشأ مسائل تتعلق بالدقة، لا يستطيع المطورون تحديد الروتين المسؤول بسرعة، وقد تتجنب محاولات ترمي إلى حل مشكلة أخرى.
وحدة غير كافية واختبارات التراجع
ومن الصعب اختبار المدونة العلمية بشكل ملحوظ لأن النواتج المتوقعة كثيرا ما تكون غير معروفة تحليليا، إذ تعتمد مشاريع كثيرة فقط على اختبارات التكامل التي تقارن النتائج مع البيانات التجريبية، ولكن هذه الاختبارات قد لا تلحق تراجعا رقميا طفيفا، فبدون مجموعة شاملة من اختبارات الوحدات التي تمارس حالات الزاوية (مثلا، القيم القصوى، المصفوفات المتدهورة، والأعداد الصغيرة جدا)، قد يؤدي التخلف إلى حدوث نشاط متغيرات عالية الخطورة.
خيارات الـ "الجوريثيك" التي تضحي بـ "الجائزة"
وكثيرا ما يؤدي ضغط الأداء إلى اختيار المطورين الذين يُعدون خامات سريعة ولكن غير دقيقة، فعلى سبيل المثال، قد تُجرى حلقة التلخيص السذاجة بسرعة، ولكن تتراكم الأخطاء في تقريب الأرقام، كما أن إبطال مصفوفة كبيرة هو مباشرة " O(n3) ولكن أقل استقرارا من حل نظام عن طريق التحلل الافتراضي للذخائر غير المرخصة، وعندما تُنتج النتائج غير الدقيقة حسب الأولوية.
Refactoring Strategies to Improve Accuracy and Precision
ويعالج رفض هذه التحديات من خلال تغييرات محددة الهدف تؤدي إلى تحسين الاستقرار الرقمي، والحد من الخطأ في التقريب، وزيادة قابلية المدونة للاستمرار، وقد ثبت أن الاستراتيجيات التالية تحقق تحسينات كبيرة.
يستعاض عن الوظائف الرياضية المفقودة أو غير الدقيقة
كما أن المجمِّعين الحديثين والمكتبات الموحدة توفران تحسيناً في تنفيذ العديد من المهام الرياضية، فعلى سبيل المثال، في C+17 أكثر دقة من ] لأنه يتجنب أخطاء الإلغاء المتأصلة في حساب الجذر المكعب عن طريق اللوغاريتم والمتزاوج. وبالمثل، ينبغي استخدام لحسابات الحفظ اليدوية أن تحول دون التدفق المكثف.
اعتماد نظام إبطال الذخائر
() إن خوارزمية كاهان للاختبار هي تقنية تقليدية تقلل كثيراً من الخطأ المدور عند إضافة سلسلة من الأرقام، بدلاً من أن يكون التراكم بسيطاً، فإن " كاهان " يتتبع مصطلحاً خاطئاً ويكيف كل إضافة للتعويض عن الأرقام المفقودة، ولا يضيف الخوارزم إلا القليل من العمليات الإضافية لكل مجموعة، بل يمكن أن يحسن بشكل كبير دقة صفائف كبيرة، ولا سيما تلك التي تنطوي على قيم أعلى حجماًاً وصغيراًاًاً.
استخدام التصوير العالي الدقة أو التصويب التعسفي
ويمكن أن ينطوي التراجع على رفع المستوى العددي المستخدم في الحسابات الحرجة، فعلى سبيل المثال، يمكن أن يؤدي التحول من الإصرار الواحد إلى الإصطدام المزدوج إلى الحد من الأخطاء المصادمة بأوامر عديدة من الحجم، وفي الحالات القصوى، فإن المكتبات مثل MPFR أو Post.Multiprecision تقدم أرقاماً تعسفية من حيث التكلفة.
إعادة هيكلة مدونة الحد من إلغاء الاضطرابات الكارثية
(أ) الإلغاء الكاسبي يحدث عند التراجع عن كميات متساوية تقريباً، ويمكن لإعادة صياغة التعبيرات الهجائية لتجنب ذلك، مثلاً، صيغة المعادلة الرباعية (أكس 2 + باكس + ج) تُعطى عادة كمقياس (ب) المقياس المرجعي (ب) التقريبي (ب) (ب)
نظام الوحدات العددية للاختبارات المستهدفة
(أ) إنّه من الصعب القيام بوظائف موحّدة (الوحدة) للتنقّل والثبّتة، وتتمثل إحدى الاستراتيجيات الرئيسية في استخراج الحسابات الرقمية في روتيناتٍ صغيرة محددة تحديداً، يمكن اختبارها في وحدةٍ بمعزل عن بعضها البعض، مثلاً، قد تُقارن حلقة المحاكاة بمعدّلات الحركة، وتُحدّث المواقف في وظيفة واحدة، ويمكن أن يُسترجع إلى آخر
إضافة اختبارات الوحدة الشاملة التي تستهدف عدداً من الشركات
(أ) أن يُعد المطورون حالات اختبار تعرض نقاط الضعف العددية المحتملة، وتشمل الأمثلة إضافة أعداد كبيرة جداً وصغيرة جداً إلى روتينية ملخّصة، وحلّ نظم خطية واحدة تقريباً، وحساب المشتقات باستخدام اختبارات محدودة ذات أحجام تنبيهية صغيرة.() وينبغي أن تُحدّد قيم مرجعية باستخدام بيانات أعلى درجة من الدقة (مثلاً، في Python)
أفضل الممارسات لتصحيح البرمجيات العلمية
إن إعادة التصنيع ممارسة منضبطة تتطلب التخطيط والتأثير والكسب الثقافي، وتعظيم أفضل الممارسات التالية للفوائد من أجل الدقة والدقة.
بدء بفهم (ثورو) لقاعدة البيانات الموجودة
وقبل إعادة التصنيع، استثمر الوقت في استعراض الرموز والتحليل الثابت والتصنيف، وتحديد أي الخوارزميات الرقمية تستخدم، وحيثما تكون الأخطاء أكثر احتمالا، يمكن أن تحدد الأدوات مثل ، ، المسائل العددية المحتملة، والتداول مع خبراء المجالات لفهم مدى التسامح المقبول فيما يتعلق بالدقة.
تحديد الأولويات في المناطق ذات الأثر العالي
فالدورة الداخلية لمذيب متكرر، أو التلخيص الرئيسي في محاكاة مونت كارلو، أو روتين التكامل في مذيبات مختلفة، عادة ما تهيمن على التقلبات والتكديس الخاطئ، وينتج عن ذلك إعادة تصنيف هذه النماذج أكبر حالة من حالات الاستثمار.
التحكم في الإرسال وفرعه استراتيجيا
وينبغي أن يُجرى كل تغيير في إعادة التصنيع على حدة وأن يقترن برسالة التزام واضحة تشرح الدافع والأثر المتوقع، ويتيح الفرع لمطورين متعددين العمل في تحسينات رقمية مختلفة في الوقت نفسه، واستخدام فروع خاصة، وسحب الطلبات لتيسير استعراض الرموز، لا سيما بالنسبة للتغييرات التي تغير السلوك الافتراضي، كما أن تدفق العمل هذا يبسط التقلبات إذا أدى رد الفعل إلى تقليص الدقة.
استمرارية الاختبارات ودقتها
وينبغي إجراء اختبارات الوحدة تلقائيا بعد كل التزام كجزء من خط أنابيب التكامل المستمر، وبالإضافة إلى التصحيح الوظيفي، تشمل اختبارات تقيس الخطأ الرقمي مقارنة بالإشارة، ونظرا لأن نتائج النقاط العائمة حساسة لتجميع أفضل منابر المعدات، ينبغي أن تسمح الاختبارات بتسامح نسبي صغير أو مطلق، وعندما يفشل الاختبار بسبب زيادة الخطأ، يمكن للفريق أن يحقق على الفور فيما إذا كان التراجع قد أدخل تراجعا عدديا.
التغييرات والتبريرات
وكثيراً ما تكون التحسينات العديدة غير دقيقة، فعندما تُعيد التصنيع، تضاف تعليقات توضح لماذا اختيرت خامات أو صيغة معينة، مثلاً، تعليق ينص على استخدام تلخيص كاهان للحد من الخطأ المدور عندما تلخيص القوى هو أكثر قيمة بكثير من مجرد استبدال المدونة، وتساعد الوثائق على فهم المحافظين المستقبليين على أساس التص العرضي وتفادي.
الأثر الحقيقي العالمي للتبريد من أجل الاستحقاق
إن فوائد إعادة التصنيع المنهجي ليست نظريا، ففي نموذج المناخ، يستعاض عن عبارة " التلخيص السذاجة " بخرافيم معوض، يقلل من الانجراف في ميزانيات الطاقة العالمية حسب الحجم، وفي تحليل المخاطر المالية، يتحول من شق مزدوج إلى أربعة أضعاف في خط التسعير الأساسي، ويزيل الإحراج الناب الذي كان يكلف الملايين من الشركات.
خاتمة
فبرمجيات الحاسوب العلمي تتطلب أعلى مستويات الدقة والدقة، حيث أن هذه التطبيقات تنمو في الحجم والتعقيد، فإن إعادة التصنيع تصبح ممارسة أساسية للحفاظ على الجودة العددية وتحسينها، كما أن الاستعاضة عن الوظائف غير الدقيقة، واعتماد خوارزميات مستقرة، ووضع نظام للبرمجيات المعدلة، وإضافة اختبارات صارمة، يمكن لأفرقة التنمية أن تلغي الأخطاء الخفية وتنتج نتائج يمكن للباحثين والمهندسين والمحللين أن يعيدوا الثقة.