Simulación por ordenador

La simulación por computadora consiste en ejecutar un modelo matemático en una computadora , diseñado para representar el comportamiento o el resultado de un sistema físico o del mundo real. La fiabilidad de algunos modelos matemáticos se puede determinar comparando sus resultados con los resultados del mundo real que pretenden predecir. Las simulaciones por computadora se han convertido en una herramienta útil para el modelado matemático de muchos sistemas naturales en física ( física computacional ), astrofísica , climatología , química , biología y manufactura , así como de sistemas humanos en economía , psicología , ciencias sociales , atención médica e ingeniería . La simulación de un sistema se representa como la ejecución del modelo del sistema. Se puede utilizar para explorar y obtener nuevos conocimientos sobre nuevas tecnologías y para estimar el rendimiento de sistemas demasiado complejos para soluciones analíticas . ^{[ 1 ]}

Las simulaciones por computadora se realizan ejecutando programas informáticos que pueden ser pequeños, que se ejecutan casi instantáneamente en dispositivos pequeños, o programas a gran escala que se ejecutan durante horas o días en grupos de computadoras basados ​​en red. La escala de eventos que se simulan mediante simulaciones por computadora ha superado con creces cualquier cosa posible (o quizás incluso imaginable) utilizando el modelado matemático tradicional de papel y lápiz. En 1997, una simulación de batalla en el desierto de una fuerza invadiendo a otra implicó el modelado de 66,239 tanques, camiones y otros vehículos en terreno simulado alrededor de Kuwait , utilizando múltiples supercomputadoras en el Programa de Modernización de Computadoras de Alto Rendimiento del Departamento de Defensa . ^{[ 2 ]} Otros ejemplos incluyen un modelo de 1000 millones de átomos de deformación de material; ^{[ 3 ]} un modelo de 2,64 millones de átomos del complejo orgánulo productor de proteínas de todos los organismos vivos, el ribosoma , en 2005; ^{[ 4 ]} una simulación completa del ciclo de vida de Mycoplasma genitalium en 2012; y el proyecto Blue Brain de la EPFL (Suiza), iniciado en mayo de 2005 para crear la primera simulación por ordenador del cerebro humano completo, hasta el nivel molecular. ^{[ 5 ]}

Debido al costo computacional de la simulación, se utilizan experimentos computacionales para realizar inferencias como la cuantificación de la incertidumbre . ^{[ 6 ]}

Un modelo consiste en las ecuaciones que se utilizan para describir el comportamiento de un sistema. En cambio, la simulación por ordenador consiste en la ejecución real del programa que realiza algoritmos para resolver esas ecuaciones, a menudo de forma aproximada. Por lo tanto, la simulación es el proceso de ejecutar un modelo. Así pues, no se "construye una simulación", sino que se "construye un modelo (o un simulador)" y, a continuación, se "ejecuta el modelo" o, equivalentemente, se "ejecuta una simulación".

La simulación por computadora se desarrolló paralelamente al rápido crecimiento de la informática, tras su primer despliegue a gran escala durante el Proyecto Manhattan en la Segunda Guerra Mundial para modelar el proceso de detonación nuclear . Se trataba de una simulación de 12 esferas rígidas mediante un algoritmo de Monte Carlo . La simulación por computadora se utiliza a menudo como complemento o sustituto de sistemas de modelado para los que no es posible obtener soluciones analíticas simples en forma cerrada . Existen muchos tipos de simulaciones por computadora; su característica común es el intento de generar una muestra de escenarios representativos para un modelo en el que una enumeración completa de todos los estados posibles del modelo sería prohibitiva o imposible. ^{[ 7 ]}

Los requisitos de datos externos para simulaciones y modelos varían considerablemente. Para algunos, la entrada puede consistir en tan solo unos pocos números (por ejemplo, la simulación de una forma de onda de corriente alterna en un cable), mientras que otros pueden requerir terabytes de información (como los modelos meteorológicos y climáticos).

Las fuentes de entrada también varían ampliamente:

• Sensores y otros dispositivos físicos conectados al modelo;
• Superficies de control utilizadas para dirigir el progreso de la simulación de alguna manera;
• Datos actuales o históricos introducidos manualmente;
• Valores extraídos como subproducto de otros procesos;
• Valores generados para tal fin por otras simulaciones, modelos o procesos.

Por último, el momento en que los datos están disponibles varía:

• Los datos "invariables" a menudo se incorporan al código del modelo, ya sea porque el valor es verdaderamente invariable (por ejemplo, el valor de π) o porque los diseñadores consideran que el valor es invariable para todos los casos de interés;
• Los datos pueden introducirse en la simulación cuando se inicia, por ejemplo, leyendo uno o más archivos o leyendo datos de un preprocesador ;
• Los datos pueden proporcionarse durante la ejecución de la simulación, por ejemplo, mediante una red de sensores.

Debido a esta variedad, y a que los diversos sistemas de simulación comparten muchos elementos, existe un gran número de lenguajes de simulación especializados . El más conocido probablemente sea Simula . Actualmente existen muchos otros.

Los sistemas que aceptan datos de fuentes externas deben ser muy cuidadosos al saber qué están recibiendo. Si bien es fácil para las computadoras leer valores de archivos de texto o binarios, lo que es mucho más difícil es conocer la exactitud (en comparación con la resolución y precisión de la medición ) de los valores. A menudo se expresan como "barras de error", una desviación mínima y máxima del rango de valores dentro del cual se espera que se encuentre el valor real. Debido a que las matemáticas de las computadoras digitales no son perfectas, los errores de redondeo y truncamiento multiplican este error, por lo que es útil realizar un "análisis de errores" ^{[ 8 ]} para confirmar que los valores generados por la simulación seguirán siendo suficientemente precisos.

Los modelos utilizados para simulaciones por computadora se pueden clasificar según varios pares de atributos independientes, entre los que se incluyen:

• Estocástico o determinista (y como caso especial de determinista, caótico): consulte los enlaces externos a continuación para ver ejemplos de simulaciones estocásticas frente a deterministas.
• Estado estacionario o dinámico
• Continuos o discretos (y como un caso especial importante de modelos discretos, modelos de eventos discretos o DE)
• Simulación de sistemas dinámicos , por ejemplo, sistemas eléctricos, sistemas hidráulicos o sistemas mecánicos multicuerpo (descritos principalmente por ecuaciones diferenciales algebraicas) o simulación dinámica de problemas de campo, por ejemplo, CFD de simulaciones FEM (descritas por ecuaciones diferenciales parciales).
• Local o distribuido .

Otra forma de categorizar los modelos es observar las estructuras de datos subyacentes. Para las simulaciones con pasos de tiempo, existen dos clases principales:

• Las simulaciones que almacenan sus datos en cuadrículas regulares y solo requieren acceso entre nodos vecinos se denominan códigos de plantilla . Muchas aplicaciones de CFD pertenecen a esta categoría.
• Si el gráfico subyacente no es una cuadrícula regular, el modelo puede pertenecer a la clase de métodos sin malla .

En las simulaciones de estado estacionario, las ecuaciones definen las relaciones entre los elementos del sistema modelado e intentan encontrar un estado en el que el sistema esté en equilibrio. Estos modelos se utilizan a menudo para simular sistemas físicos, como un caso de modelado más sencillo antes de intentar la simulación dinámica.

• Las simulaciones dinámicas intentan capturar los cambios que se producen en un sistema en respuesta a señales de entrada (generalmente cambiantes).
• Los modelos estocásticos utilizan generadores de números aleatorios para modelar el azar o los eventos aleatorios;
• Una simulación de eventos discretos (DES) gestiona eventos en el tiempo. La mayoría de las simulaciones informáticas, de pruebas lógicas y de árboles de fallos son de este tipo. En este tipo de simulación, el simulador mantiene una cola de eventos ordenados según el tiempo simulado en el que deberían ocurrir. El simulador lee la cola y activa nuevos eventos a medida que se procesa cada uno. No es importante ejecutar la simulación en tiempo real. A menudo, es más importante poder acceder a los datos generados por la simulación y detectar fallos lógicos en el diseño o en la secuencia de eventos.
• Una simulación dinámica continua realiza la solución numérica de ecuaciones diferenciales algebraicas o ecuaciones diferenciales ( parciales u ordinarias ). Periódicamente, el programa de simulación resuelve todas las ecuaciones y utiliza los resultados para modificar el estado y la salida de la simulación. Entre sus aplicaciones se incluyen simuladores de vuelo, juegos de simulación de construcción y gestión , modelado de procesos químicos y simulaciones de circuitos eléctricos . Originalmente, este tipo de simulaciones se implementaban en ordenadores analógicos , donde las ecuaciones diferenciales podían representarse directamente mediante diversos componentes eléctricos, como amplificadores operacionales . Sin embargo, a finales de la década de 1980, la mayoría de las simulaciones "analógicas" se ejecutaban en ordenadores digitales convencionales que emulaban el comportamiento de un ordenador analógico.
• Un tipo especial de simulación discreta que no se basa en un modelo con una ecuación subyacente, pero que puede representarse formalmente, es la simulación basada en agentes . En la simulación basada en agentes, las entidades individuales (como moléculas, células, árboles o consumidores) del modelo se representan directamente (en lugar de por su densidad o concentración) y poseen un estado interno y un conjunto de comportamientos o reglas que determinan cómo se actualiza el estado del agente de un paso de tiempo al siguiente.
• Los modelos distribuidos se ejecutan en una red de ordenadores interconectados, posiblemente a través de Internet . Las simulaciones distribuidas en varios ordenadores host se denominan a menudo "simulaciones distribuidas". Existen varios estándares para la simulación distribuida, entre ellos el Protocolo de Simulación de Nivel Agregado (ALSP), la Simulación Interactiva Distribuida (DIS), la Arquitectura de Alto Nivel (simulación) (HLA) y la Arquitectura de Habilitación de Pruebas y Entrenamiento (TENA).

Antiguamente, los datos de salida de una simulación por ordenador se presentaban a veces en una tabla o matriz que mostraba cómo los datos se veían afectados por numerosos cambios en los parámetros de la simulación . El uso del formato matricial estaba relacionado con el uso tradicional del concepto de matriz en los modelos matemáticos . Sin embargo, psicólogos y otros expertos observaron que los humanos podían percibir rápidamente las tendencias al observar gráficos o incluso imágenes en movimiento o películas generadas a partir de los datos, como las que se muestran en la animación por ordenador (CGI). Aunque los observadores no necesariamente podían leer números o citar fórmulas matemáticas, al observar un gráfico meteorológico en movimiento podían predecir eventos (y "ver que se acercaba la lluvia") mucho más rápido que consultando tablas de coordenadas de nubes de lluvia . Estas intensas representaciones gráficas, que trascendían el mundo de los números y las fórmulas, a veces también daban lugar a resultados que carecían de una cuadrícula de coordenadas o que omitían marcas de tiempo, como si se alejaran demasiado de las representaciones de datos numéricos. Hoy en día, los modelos de predicción meteorológica tienden a equilibrar la visualización de nubes de lluvia/nieve en movimiento con un mapa que utiliza coordenadas numéricas y marcas de tiempo numéricas de los eventos.

De manera similar, las simulaciones informáticas generadas por computadora (CGI) de tomografías computarizadas pueden simular cómo un tumor podría encogerse o cambiar durante un período prolongado de tratamiento médico, presentando el paso del tiempo como una vista giratoria de la cabeza humana visible, a medida que el tumor cambia.

Se están desarrollando otras aplicaciones de las simulaciones informáticas CGI para mostrar gráficamente grandes cantidades de datos en movimiento, a medida que se producen cambios durante la ejecución de una simulación.

Ejemplos genéricos de tipos de simulaciones informáticas en ciencia, que se derivan de una descripción matemática subyacente:

• En esta categoría entran las simulaciones numéricas de ecuaciones diferenciales que no pueden resolverse analíticamente, las teorías que involucran sistemas continuos, como los fenómenos de la cosmología física , la dinámica de fluidos (por ejemplo, modelos climáticos , modelos de ruido vial , modelos de dispersión atmosférica vial ), la mecánica de medios continuos y la cinética química .
• una simulación estocástica , utilizada típicamente para sistemas discretos donde los eventos ocurren de forma probabilística y que no pueden describirse directamente con ecuaciones diferenciales (esta es una simulación discreta en el sentido anterior). Los fenómenos de esta categoría incluyen la deriva genética , las redes bioquímicas ^{[ 9 ]} o las redes de regulación génica con un número reducido de moléculas. (véase también: método de Monte Carlo ).
• Simulación multipartícula de la respuesta de nanomateriales a múltiples escalas ante una fuerza aplicada, con el fin de modelar sus propiedades termoelásticas y termodinámicas. Las técnicas utilizadas para dichas simulaciones son la dinámica molecular , la mecánica molecular , el método de Monte Carlo y la función de Green multiescala .

Algunos ejemplos específicos de simulaciones por ordenador son:

• Simulaciones estadísticas basadas en la agregación de un gran número de perfiles de entrada, como la predicción de la temperatura de equilibrio de las aguas receptoras, lo que permite introducir todo el espectro de datos meteorológicos para una ubicación específica. Esta técnica se desarrolló para la predicción de la contaminación térmica .
• La simulación basada en agentes se ha utilizado eficazmente en ecología , donde a menudo se la denomina "modelado basado en individuos" y se emplea en situaciones en las que no se puede ignorar la variabilidad individual de los agentes, como la dinámica poblacional del salmón y la trucha (la mayoría de los modelos puramente matemáticos suponen que todas las truchas se comportan de forma idéntica).
• Modelo dinámico con paso de tiempo. En hidrología existen varios modelos de transporte hidrológico de este tipo , como los modelos SWMM y DSSAM desarrollados por la Agencia de Protección Ambiental de los Estados Unidos para la predicción de la calidad del agua de los ríos.
• Las simulaciones por ordenador también se han utilizado para modelar formalmente teorías de la cognición y el rendimiento humanos , por ejemplo, el ACT-R .
• Simulación por computadora utilizando modelado molecular para el descubrimiento de fármacos . ^{[ 10 ]}
• Simulación por computadora para modelar la infección viral en células de mamíferos. ^{[ 9 ]}
• Simulación por computadora para estudiar la sensibilidad selectiva de los enlaces por mecanoquímica durante la molienda de moléculas orgánicas. ^{[ 11 ]}
• Las simulaciones de dinámica de fluidos computacional se utilizan para simular el comportamiento del aire, el agua y otros fluidos en movimiento. Se emplean modelos unidimensionales, bidimensionales y tridimensionales. Un modelo unidimensional podría simular los efectos del golpe de ariete en una tubería. Un modelo bidimensional podría utilizarse para simular las fuerzas de arrastre en la sección transversal del ala de un avión. Una simulación tridimensional podría estimar las necesidades de calefacción y refrigeración de un edificio de grandes dimensiones.
• La comprensión de la teoría molecular termodinámica estadística es fundamental para apreciar las soluciones moleculares. El desarrollo del Teorema de Distribución Potencial (TDP) permite simplificar este complejo tema y presentarlo de forma accesible.

Entre las simulaciones informáticas notables, y a veces controvertidas, utilizadas en la ciencia se incluyen: World3 de Donella Meadows, utilizada en Los límites del crecimiento , Daisyworld de James Lovelock y Tierra de Thomas Ray .

En ciencias sociales, la simulación por computadora es un componente integral de los cinco ángulos de análisis promovidos por la metodología de percolación de datos, ^{[ 12 ]} que también incluye métodos cualitativos y cuantitativos, revisiones de la literatura (incluida la académica) y entrevistas con expertos, y que constituye una extensión de la triangulación de datos. Por supuesto, al igual que en cualquier otro método científico, la replicación es una parte importante del modelado computacional ^{[ 13 ].}

Las simulaciones por ordenador se utilizan en una amplia variedad de contextos prácticos, como por ejemplo:

• Análisis de la dispersión de contaminantes atmosféricos mediante modelos de dispersión atmosférica.
• Como una posible alternativa humanitaria a las pruebas con animales vivos , respetando los derechos de los animales .
• diseño de sistemas complejos como aeronaves y también sistemas logísticos .
• Diseño de barreras acústicas para mitigar el ruido en las carreteras.
• modelado del rendimiento de la aplicación ^{[ 14 ]}
• simuladores de vuelo para entrenar pilotos
• pronóstico del tiempo
• Modelado numérico (geología)
• previsión de riesgos
• simulación de circuitos eléctricos
• Simulación de sistemas de potencia
• La simulación de otros ordenadores es la emulación .
• previsión de precios en los mercados financieros (por ejemplo, Adaptive Modeler )
• comportamiento de estructuras (como edificios y partes industriales) bajo tensión y otras condiciones
• diseño de procesos industriales, como plantas de procesamiento químico
• Gestión estratégica y estudios organizacionales
• Simulación de yacimientos para la ingeniería petrolera para modelar el yacimiento subterráneo
• herramientas de simulación de ingeniería de procesos.
• Simuladores de robots para el diseño de robots y algoritmos de control de robots.
• Modelos de simulación urbana que simulan patrones dinámicos de desarrollo urbano y respuestas a las políticas de uso del suelo y transporte urbano.
• Ingeniería de tráfico para planificar o rediseñar partes de la red vial, desde intersecciones individuales en ciudades hasta una red nacional de carreteras, incluyendo la planificación, el diseño y la operación de sistemas de transporte. Consulte un artículo más detallado sobre simulación en el transporte .
• Modelar accidentes automovilísticos para probar los mecanismos de seguridad en nuevos modelos de vehículos.
• Sistemas suelo-cultivo en la agricultura, mediante marcos de software específicos (por ejemplo, BioMA , OMS3, APSIM).

La fiabilidad y la confianza que la gente deposita en las simulaciones por ordenador dependen de la validez del modelo de simulación ; por lo tanto, la verificación y la validación son de vital importancia en el desarrollo de simulaciones por ordenador. Otro aspecto importante de las simulaciones por ordenador es la reproducibilidad de los resultados, lo que significa que un modelo de simulación no debería proporcionar una respuesta diferente en cada ejecución. Aunque esto pueda parecer obvio, es un punto de especial atención en las simulaciones estocásticas , donde los números aleatorios deben ser, en realidad, números semialeatorios. Una excepción a la reproducibilidad son las simulaciones con intervención humana, como las simulaciones de vuelo y los videojuegos . En estos casos, un ser humano forma parte de la simulación y, por lo tanto, influye en el resultado de una manera que es difícil, si no imposible, de reproducir con exactitud.

Los fabricantes de vehículos utilizan la simulación por computadora para probar las características de seguridad de los nuevos diseños. Al construir una réplica del automóvil en un entorno de simulación física, pueden ahorrar cientos de miles de dólares que de otro modo serían necesarios para construir y probar un prototipo único. Los ingenieros pueden recorrer la simulación milisegundo a milisegundo para determinar las tensiones exactas que se ejercen sobre cada sección del prototipo. ^{[ 15 ]}

Los gráficos por computadora se pueden usar para mostrar los resultados de una simulación. Las animaciones permiten experimentar una simulación en tiempo real, por ejemplo, en simulaciones de entrenamiento . En algunos casos, las animaciones también pueden ser útiles en modos más rápidos o incluso más lentos que el tiempo real. Por ejemplo, las animaciones más rápidas que el tiempo real pueden ser útiles para visualizar la formación de colas en la simulación de la evacuación de un edificio por parte de personas. Además, los resultados de la simulación a menudo se agregan en imágenes estáticas mediante diversas técnicas de visualización científica .

En la depuración, simular la ejecución de un programa bajo prueba (en lugar de ejecutarlo de forma nativa) permite detectar muchos más errores que los que el propio hardware puede detectar y, al mismo tiempo, registrar información útil para la depuración, como el seguimiento de instrucciones, las modificaciones de memoria y el número de instrucciones. Esta técnica también permite detectar desbordamientos de búfer y otros errores similares difíciles de detectar, además de proporcionar información sobre el rendimiento y datos de optimización .

Aunque a veces se ignora en las simulaciones por computadora, es fundamental realizar un análisis de sensibilidad para asegurar que la precisión de los resultados se comprenda correctamente. Por ejemplo, el análisis de riesgo probabilístico de los factores que determinan el éxito de un programa de exploración petrolera implica combinar muestras de diversas distribuciones estadísticas mediante el método de Monte Carlo . Si, por ejemplo, uno de los parámetros clave (como la proporción neta de estratos petrolíferos) se conoce con una sola cifra significativa, el resultado de la simulación podría no ser más preciso que una cifra significativa, aunque podría presentarse (erróneamente) con cuatro cifras significativas.

• Young, Joseph y Findley, Michael. 2014. "Modelado computacional para el estudio de conflictos y terrorismo". Routledge Handbook of Research Methods in Military Studies editado por Soeters, Joseph; Shields, Patricia y Rietjens, Sebastiaan. págs.  249–260. Nueva York: Routledge,
• R. Frigg y S. Hartmann, Modelos en la ciencia . Entrada en la Enciclopedia de Filosofía de Stanford .
• E. Winsberg. Simulación en la ciencia . Entrada en la Enciclopedia de Filosofía de Stanford .
• S. Hartmann, El mundo como proceso: simulaciones en las ciencias naturales y sociales , en: R. Hegselmann et al. (eds.), Modelado y simulación en las ciencias sociales desde el punto de vista de la filosofía de la ciencia , Theory and Decision Library. Dordrecht: Kluwer 1996, 77–100.
• E. Winsberg, La ciencia en la era de la simulación por computadora . Chicago: University of Chicago Press , 2010.
• P. Humphreys, Extending Ourselves: Computational Science, Empiricism, and Scientific Method . Oxford: Oxford University Press , 2004.
• James J. Nutaro (2011). Building Software for Simulation: Theory and Algorithms, with Applications in C++ . John Wiley & Sons. ISBN 978-1-118-09945-2.
• Desa, WLHM, Kamaruddin, S. y Nawawi, MKM (2012). Modelado de piezas compuestas de aeronaves mediante simulación. Investigación de materiales avanzados, 591–593, 557–560.

• Guía del archivo de historia oral sobre simulación por ordenador 2003-2018