Hispanopedia Wiki
Articulo de referencia

Ciencia computacional

La ciencia computacional , también conocida como computación científica , computación técnica o computación científica ( SC ), es una rama de la ciencia, y más específicamente d...

Hispanopedia WikiContenido en espanolLectura gratuita

La ciencia computacional , también conocida como computación científica , computación técnica o computación científica ( SC ), es una rama de la ciencia, y más específicamente de las ciencias de la computación , que utiliza capacidades informáticas avanzadas para comprender y resolver problemas físicos complejos en la ciencia. Si bien esto generalmente se extiende a especializaciones computacionales, este campo de estudio incluye:

En la práctica, se trata típicamente de la aplicación de la simulación por computadora y otras formas de computación del análisis numérico y la informática teórica para resolver problemas en diversas disciplinas científicas. Este campo es diferente de la teoría y los experimentos de laboratorio, que son las formas tradicionales de la ciencia y la ingeniería . El enfoque de la computación científica consiste en obtener conocimiento mediante el análisis de modelos matemáticos implementados en computadoras . Los científicos e ingenieros desarrollan programas informáticos y software de aplicación que modelan los sistemas en estudio y ejecutan estos programas con diversos conjuntos de parámetros de entrada. La esencia de la ciencia computacional es la aplicación de algoritmos numéricos [ 1 ] y matemáticas computacionales . En algunos casos, estos modelos requieren grandes cantidades de cálculos (generalmente de punto flotante ) y a menudo se ejecutan en supercomputadoras o plataformas de computación distribuida .

El científico computacional

Formas de estudiar un sistema

El término científico computacional se utiliza para describir a alguien con experiencia en computación científica. Esta persona suele ser un científico, un ingeniero o un matemático aplicado que utiliza la computación de alto rendimiento de diversas maneras para avanzar en el estado del arte de sus respectivas disciplinas.

La ciencia computacional se considera actualmente un tercer modo de ciencia , que complementa y se suma a la experimentación / observación y la teoría (véase la imagen). [ 2 ] Aquí, se define un sistema como una fuente potencial de datos, [ 3 ] un experimento como un proceso de extracción de datos de un sistema mediante su manipulación a través de sus entradas [ 4 ] y un modelo ( M ) para un sistema ( S ) y un experimento ( E ) como cualquier cosa a la que se pueda aplicar E para responder preguntas sobre S . [ 5 ] Un científico computacional debería ser capaz de:

  • reconocer problemas complejos
  • conceptualizar adecuadamente el sistema que contiene estos problemas
  • Diseñar un marco de algoritmos adecuado para estudiar este sistema: la simulación
  • elegir una infraestructura informática adecuada ( computación paralela / computación en malla / supercomputadoras )
  • De este modo, se maximiza la potencia computacional de la simulación.
  • evaluar en qué medida el resultado de la simulación se asemeja a los sistemas: el modelo está validado.
  • ajustando la conceptualización del sistema en consecuencia.
  • Repita el ciclo hasta obtener un nivel de validación adecuado: el científico computacional confía en que la simulación genera resultados suficientemente realistas para el sistema bajo las condiciones estudiadas.

Se ha dedicado un esfuerzo considerable en ciencias computacionales al desarrollo de algoritmos, su implementación eficiente en lenguajes de programación y la validación de resultados computacionales. Una recopilación de problemas y soluciones en ciencias computacionales se puede encontrar en Steeb, Hardy, Hardy y Stoop (2004). [ 6 ]

Filósofos de la ciencia, entre ellos Humphreys [ 7 ] y Gelfert [ 8 ] , abordaron la pregunta: "¿hasta qué punto la ciencia computacional puede considerarse ciencia?". Abordan la cuestión general de la epistemología: ¿cómo se obtiene conocimiento a partir de estos enfoques de la ciencia computacional? Tolk [ 9 ] utiliza estas ideas para mostrar las limitaciones epistemológicas de la investigación en simulación computacional. Dado que la ciencia computacional utiliza modelos matemáticos que representan la teoría subyacente en forma ejecutable, en esencia, aplica modelado (construcción de teoría) y simulación (implementación y ejecución). Si bien la simulación y la ciencia computacional constituyen nuestra forma más sofisticada de expresar nuestro conocimiento y comprensión, también conllevan todas las limitaciones y restricciones ya conocidas para las soluciones computacionales.

Aplicaciones de la ciencia computacional

Los ámbitos problemáticos para la ciencia computacional/computación científica incluyen:

Ciencia computacional predictiva

La ciencia computacional predictiva es una disciplina científica que se ocupa de la formulación, calibración, solución numérica y validación de modelos matemáticos diseñados para predecir aspectos específicos de eventos físicos, dadas las condiciones iniciales y de contorno, y un conjunto de parámetros característicos e incertidumbres asociadas. [ 10 ] En casos típicos, la afirmación predictiva se formula en términos de probabilidades. Por ejemplo, dado un componente mecánico y una condición de carga periódica, "la probabilidad es (digamos) del 90% de que el número de ciclos hasta la falla (Nf) esté en el intervalo N1<Nf<N2". [ 11 ]

sistemas complejos urbanos

Las ciudades son sistemas enormemente complejos creados por humanos, compuestos por humanos y gobernados por humanos. [ 12 ] Intentar predecir, comprender y de alguna manera moldear el desarrollo de las ciudades en el futuro requiere un pensamiento complejo, así como modelos computacionales y simulaciones para ayudar a mitigar los desafíos y los posibles desastres. El enfoque de la investigación en sistemas urbanos complejos es, mediante el modelado y la simulación, construir una mayor comprensión de la dinámica de las ciudades y ayudar a prepararse para la urbanización venidera . [ 13 ] [ 14 ]

Finanzas computacionales

En los mercados financieros , se negocian enormes volúmenes de activos interdependientes por un gran número de participantes que interactúan entre sí en diferentes ubicaciones y zonas horarias. Su comportamiento es de una complejidad sin precedentes, y la caracterización y medición del riesgo inherente a este conjunto tan diverso de instrumentos se basa generalmente en modelos matemáticos y computacionales complejos . Resolver estos modelos de forma exacta y analítica, incluso a nivel de un solo instrumento, suele ser imposible, por lo que debemos buscar algoritmos numéricos eficientes . Esto se ha vuelto aún más urgente y complejo recientemente, ya que la crisis crediticia ha demostrado claramente el papel de los efectos en cascada que van desde instrumentos individuales a través de las carteras de instituciones individuales e incluso a la red de negociación interconectada. Comprender esto requiere un enfoque holístico y multiescalar donde los factores de riesgo interdependientes, como el riesgo de mercado, de crédito y de liquidez, se modelen simultáneamente y en diferentes escalas interconectadas.

Biología computacional

Los emocionantes avances en biotecnología están revolucionando la biología y la investigación biomédica . Ejemplos de estas técnicas son la secuenciación de alto rendimiento , la PCR cuantitativa de alto rendimiento , la imagen intracelular, la hibridación in situ de la expresión génica, las técnicas de imagen tridimensional como la microscopía de fluorescencia de lámina de luz y la tomografía computarizada (micro) de proyección óptica . Dada la enorme cantidad de datos complejos que generan estas técnicas, su interpretación significativa, e incluso su almacenamiento, representan grandes desafíos que exigen nuevos enfoques. Más allá de los enfoques bioinformáticos actuales, la biología computacional necesita desarrollar nuevos métodos para descubrir patrones significativos en estos grandes conjuntos de datos. La reconstrucción de redes génicas basada en modelos puede utilizarse para organizar los datos de expresión génica de forma sistemática y para guiar la recopilación de datos futuros. Un desafío importante aquí es comprender cómo la regulación génica controla procesos biológicos fundamentales como la biomineralización y la embriogénesis . Los subprocesos como la regulación génica , las moléculas orgánicas que interactúan con el proceso de deposición mineral, los procesos celulares , la fisiología y otros procesos a nivel tisular y ambiental están interrelacionados. En lugar de estar dirigidas por un mecanismo de control central, la biomineralización y la embriogénesis pueden considerarse un comportamiento emergente resultante de un sistema complejo en el que varios subprocesos en escalas temporales y espaciales muy diferentes (que abarcan desde nanómetros y nanosegundos hasta metros y años) se conectan en un sistema multiescala. Una de las pocas opciones disponibles para comprender dichos sistemas es desarrollar un modelo multiescala del sistema.

teoría de sistemas complejos

Mediante la teoría de la información , la dinámica de no equilibrio y las simulaciones explícitas, la teoría de sistemas computacionales intenta descubrir la verdadera naturaleza de los sistemas adaptativos complejos .

Ciencia e ingeniería computacional

La ciencia e ingeniería computacional (CSE) es una disciplina relativamente nueva que se ocupa del desarrollo y la aplicación de modelos y simulaciones computacionales, a menudo combinados con computación de alto rendimiento , para resolver problemas físicos complejos que surgen en el análisis y diseño de ingeniería (ingeniería computacional), así como en fenómenos naturales (ciencia computacional). La CSE ha sido aceptada entre científicos, ingenieros y académicos como el "tercer modo de descubrimiento" (junto con la teoría y la experimentación). [ 15 ] En muchos campos, la simulación por computadora es integral y, por lo tanto, esencial para los negocios y la investigación. La simulación por computadora proporciona la capacidad de ingresar a campos que son inaccesibles para la experimentación tradicional o donde llevar a cabo investigaciones empíricas tradicionales es prohibitivamente costoso. La CSE no debe confundirse ni con la ciencia de la computación pura , ni con la ingeniería de la computación , aunque un amplio dominio de la primera se utiliza en la CSE (por ejemplo, ciertos algoritmos, estructuras de datos, programación paralela, computación de alto rendimiento), y algunos problemas de la segunda pueden modelarse y resolverse con métodos de la CSE (como área de aplicación).

Métodos y algoritmos

Los algoritmos y métodos matemáticos utilizados en la ciencia computacional son variados. Los métodos comúnmente aplicados incluyen:

Históricamente y en la actualidad, Fortran sigue siendo popular para la mayoría de las aplicaciones de computación científica. [ 35 ] [ 36 ] Otros lenguajes de programación y sistemas de álgebra computacional comúnmente utilizados para los aspectos más matemáticos de las aplicaciones de computación científica incluyen GNU Octave , Haskell , [ 35 ] Julia , [ 35 ] Maple , [ 36 ] Mathematica , [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] MATLAB , [ 42 ] [ 43 ] [ 44 ] Python (con la biblioteca de terceros SciPy [ 45 ] [ 46 ] [ 47 ] ), Perl (con la biblioteca de terceros PDL ), R , [ 48 ] Scilab , [ 49 ] [ 50 ] y TK Solver . Los aspectos más exigentes computacionalmente de la computación científica suelen utilizar alguna variante de C o Fortran y bibliotecas de álgebra optimizadas como BLAS o LAPACK . Además, la computación paralela se utiliza ampliamente en la computación científica para encontrar soluciones a problemas complejos en un tiempo razonable. En este marco, el problema se divide entre varios núcleos de un único nodo de CPU (como con OpenMP ), entre varios nodos de CPU conectados en red (como con MPI ) o se ejecuta en una o más GPU (normalmente utilizando CUDA u OpenCL ).

Los programas de aplicación de la ciencia computacional suelen modelar condiciones cambiantes del mundo real, como el clima, el flujo de aire alrededor de un avión, las deformaciones de la carrocería de un automóvil en un choque, el movimiento de las estrellas en una galaxia, un dispositivo explosivo, etc. Dichos programas pueden crear una "malla lógica" en la memoria de la computadora donde cada elemento corresponde a un área en el espacio y contiene información sobre ese espacio relevante para el modelo. Por ejemplo, en los modelos meteorológicos , cada elemento podría ser un kilómetro cuadrado, con elevación del terreno, dirección actual del viento, humedad, temperatura, presión, etc. El programa calcularía el estado siguiente probable basándose en el estado actual, en pasos de tiempo simulados, resolviendo ecuaciones diferenciales que describen cómo funciona el sistema, y ​​luego repetiría el proceso para calcular el estado siguiente.

Inteligencia artificial

En abril de 2024, el Mecanismo de Asesoramiento Científico de la Comisión Europea publicó un dictamen [ 51 ] que incluía una revisión exhaustiva de la evidencia sobre las oportunidades y los desafíos que plantea la inteligencia artificial en la investigación científica.

Como beneficios, la revisión de la evidencia [ 52 ] destacó:

  • su papel en la aceleración de la investigación y la innovación
  • su capacidad para automatizar flujos de trabajo
  • mejorar la difusión del trabajo científico

Como desafíos:

  • Limitaciones y riesgos relacionados con la transparencia, la reproducibilidad y la interpretabilidad.
  • Rendimiento deficiente (imprecisión)
  • riesgo de daño por mal uso o uso no previsto
  • preocupaciones sociales que incluyen la difusión de información errónea y el aumento de las desigualdades

Conferencias y revistas

En 2001 se organizó por primera vez la Conferencia Internacional sobre Ciencias Computacionales (ICCS) . Desde entonces, se ha organizado anualmente. La ICCS es una conferencia de rango A en la clasificación CORE . [ 53 ]

La revista Journal of Computational Science publicó su primer número en mayo de 2010. [ 54 ] [ 55 ] [ 56 ] La revista Journal of Open Research Software se lanzó en 2012. [ 57 ] La iniciativa ReScience C , que se dedica a replicar resultados computacionales, se inició en GitHub en 2015. [ 58 ]

Educación

En algunas instituciones, se puede obtener una especialización en computación científica como una "mención" dentro de otro programa (que puede ser de diferentes niveles). Sin embargo, cada vez hay más programas de licenciatura , maestría y doctorado en ciencias computacionales. El programa conjunto de maestría en ciencias computacionales de la Universidad de Ámsterdam y la Vrije Universiteit en ciencias computacionales se ofreció por primera vez en 2004. En este programa, los estudiantes:

  • aprender a construir modelos computacionales a partir de observaciones de la vida real;
  • desarrollar habilidades para convertir estos modelos en estructuras computacionales y para realizar simulaciones a gran escala;
  • aprender teorías que proporcionen una base sólida para el análisis de sistemas complejos;
  • Aprende a analizar los resultados de simulaciones en un laboratorio virtual utilizando algoritmos numéricos avanzados.

La ETH Zúrich ofrece una licenciatura y una maestría en Ciencias e Ingeniería Computacional. Esta titulación capacita a los estudiantes para comprender problemas científicos y aplicar métodos numéricos para resolverlos. Las especializaciones incluyen Física, Química, Biología y otras disciplinas científicas y de ingeniería.

El doctorado en Computación Científica de la Universidad de Michigan se estableció en 1988. [ 59 ] La Universidad George Mason ha ofrecido un programa de doctorado multidisciplinario en Ciencias Computacionales e Informática desde 1992. [ 60 ]

La Escuela de Ciencias Computacionales e Integrativas de la Universidad Jawaharlal Nehru (antes Escuela de Tecnología de la Información [ 61 ] ) también ofrece un dinámico programa de maestría en ciencias computacionales con dos especialidades: Biología Computacional y Sistemas Complejos . [ 62 ]

Subcampos

Véase también

Referencias

  1. ↑ Nonweiler TR, 1986. Matemáticas Computacionales: Una Introducción a la Aproximación Numérica, John Wiley and Sons
  2. ↑ Educación de posgrado en ciencias e ingeniería computacional. Siam.org, sitio web de la Sociedad de Matemáticas Industriales y Aplicadas (SIAM); consultado en febrero de 2012.
  3. ↑ Siegler, Bernard (1976). Teoría del modelado y la simulación .
  4. ^ Cellier, François (1999). Modelado Continuo de Sistemas .
  5. ↑ Minski, Marvin (1965). Modelos, mentes, máquinas .
  6. ↑ Steeb W.-H., Hardy Y., Hardy A. y Stoop R., 2004. Problemas y soluciones en computación científica con simulaciones en C++ y Java, World Scientific Publishing. ISBN 981-256-112-9
  7. ↑ Humphreys, Paul. Extending ourselves: Computational science, empiricism, and scientific method. Oxford University Press, 2004.
  8. ↑ Gelfert, Axel. 2018. Cómo hacer ciencia con modelos: Una introducción filosófica. Cham: Springer.
  9. ↑ Tolk, Andreas. « Aprender algo correcto a partir de modelos erróneos: Epistemología de la simulación ». En Conceptos y metodologías para el modelado y la simulación, editado por L. Yilmaz, pp. 87-106, Cham: Springer International Publishing, 2015.
  10. ↑ Oden, JT, Babuška, I. y Faghihi, D., 2017. Ciencia computacional predictiva: predicciones informáticas en presencia de incertidumbre. Enciclopedia de Mecánica Computacional. Segunda edición, págs. 1-26.
  11. ↑ Szabó B, Actis R y Rusk D. Validación de factores de sensibilidad a la muesca. Journal of Verification, Validation and Uncertainty Quantification. 4 011004, 2019
  12. ↑ Batty, Michael (2009). "Las ciudades como sistemas complejos: escalamiento, interacción, redes, dinámica y morfologías urbanas". Enciclopedia de la complejidad y la ciencia de sistemas : 1041–1071 . doi : 10.1007/978-0-387-30440-3_69 .
  13. ↑ Ye, Xinyue; Wu, Ling; Lemke, Michael; Valera, Pamela; Sackey, Joachim (2022). "Definiendo la ciencia urbana computacional". Nuevo pensamiento en GIScience : 293–300 . doi : 10.1007/978-981-19-3816-0_31 .
  14. ↑ "Computadoras, medio ambiente y sistemas urbanos" . ScienceDirect.com de Elsevier . Consultado el 6 de julio de 2026 .
  15. ↑ "Programa de Ciencias e Ingeniería Computacional: Manual del Estudiante de Posgrado" (PDF) . cseprograms.gatech.edu . Septiembre de 2009. Archivado del original (PDF) el 14 de octubre de 2014. Consultado el 26 de agosto de 2017 .
  16. ^ Von Zur Gathen, J. y Gerhard, J. (2013). Álgebra informática moderna. Prensa de la Universidad de Cambridge.
  17. ↑ Geddes, KO, Czapor, SR, & Labahn, G. (1992). Algoritmos para álgebra computacional. Springer Science & Business Media.
  18. ↑ Albrecht, R. (2012). Álgebra computacional: computación simbólica y algebraica (Vol. 4). Springer Science & Business Media.
  19. ↑ Mignotte, M. (2012). Matemáticas para álgebra computacional. Springer Science & Business Media.
  20. ↑ Stoer, J., & Bulirsch, R. (2013). Introducción al análisis numérico. Springer Science & Business Media.
  21. ↑ Conte, SD, & De Boor, C. (2017). Análisis numérico elemental: un enfoque algorítmico. Society for Industrial and Applied Mathematics .
  22. ↑ Greenspan, D. (2018). Análisis numérico. CRC Press.
  23. ↑ Linz, P. (2019). Análisis numérico teórico. Courier Dover Publications.
  24. ↑ Brenner, S., & Scott, R. (2007). La teoría matemática de los métodos de elementos finitos (Vol. 15). Springer Science & Business Media.
  25. ↑ Oden, JT, & Reddy, JN (2012). Una introducción a la teoría matemática de los elementos finitos. Courier Corporation.
  26. ↑ Davis, PJ, & Rabinowitz, P. (2007). Métodos de integración numérica. Courier Corporation.
  27. ↑ Peter Deuflhard, Métodos de Newton para problemas no lineales. Invariancia afín y algoritmos adaptativos, Segunda edición impresa. Serie Matemáticas Computacionales 35, Springer (2006)
  28. ↑ Hammersley, J. (2013). Métodos de Monte Carlo. Springer Science & Business Media.
  29. ^ Kalos, MH y Whitlock, PA (2009). Métodos de Montecarlo. John Wiley e hijos.
  30. ↑ Demmel, JW (1997). Álgebra lineal numérica aplicada. SIAM .
  31. ↑ Ciarlet, PG , Miara, B., & Thomas, JM (1989). Introducción al álgebra lineal numérica y la optimización. Cambridge University Press.
  32. ↑ Trefethen, Lloyd; Bau III, David (1997). Álgebra lineal numérica (1.ª ed.). Filadelfia: SIAM .
  33. ↑ Vanderbei, RJ (2015). Programación lineal. Heidelberg: Springer.
  34. ↑ Gass, SI (2003). Programación lineal: métodos y aplicaciones. Courier Corporation.
  35. 1 2 3 Phillips, Lee (2014-05-07). "El futuro de la computación científica: ¿Puede algún lenguaje de codificación superar a un gigante de la década de 1950?" . Ars Technica . Recuperado el 2016-03-08 .
  36. 1 2 Landau, Rubin (2014-05-07). "Un primer curso de computación científica" (PDF) . Universidad de Princeton . Recuperado el 2016-03-08 .
  37. ↑ Mathematica 6 Archivado el 13/01/2011 en Wayback Machine Scientific Computing World, mayo de 2007
  38. ↑ Maeder, RE (1991). Programación en Mathematica. Addison-Wesley Longman Publishing Co., Inc.
  39. ↑ Stephen Wolfram. (1999). El libro de MATHEMATICA®, versión 4. Cambridge University Press .
  40. ↑ Shaw, WT, & Tigg, J. (1993). Matemáticas Aplicadas: cómo empezar y cómo terminar. Addison-Wesley Longman Publishing Co., Inc.
  41. ↑ Marasco, A., & Romano, A. (2001). Scientific Computing with Mathematica: Mathematical Problems for Ordinary Differential Equations; with a CD-ROM. Springer Science & Business Media .
  42. ↑ Quarteroni, A., Saleri, F., & Gervasio, P. (2006). Scientific computing with MATLAB and Octave. Berlín: Springer.
  43. ↑ Gander, W., & Hrebicek, J. (Eds.). (2011). Resolución de problemas en computación científica utilizando Maple y Matlab®. Springer Science & Business Media .
  44. ↑ Barnes, B., & Fulford, GR (2011). Modelado matemático con estudios de caso: un enfoque de ecuaciones diferenciales utilizando Maple y MATLAB. Chapman and Hall/CRC.
  45. ↑ Jones, E., Oliphant, T., & Peterson, P. (2001). SciPy: Herramientas científicas de código abierto para Python.
  46. ↑ Bressert, E. (2012). SciPy y NumPy: una descripción general para desarrolladores. " O'Reilly Media, Inc."
  47. ↑ Blanco-Silva, FJ (2013). Aprendiendo SciPy para computación numérica y científica. Packt Publishing Ltd.
  48. ↑ Ihaka, R., & Gentleman, R. (1996). R: un lenguaje para el análisis de datos y gráficos. Journal of computational and graphical statistics, 5(3), 299-314.
  49. ↑ Bunks, C., Chancelier, JP, Delebecque, F., Goursat, M., Nikoukhah, R., & Steer, S. (2012). Ingeniería y computación científica con Scilab. Springer Science & Business Media .
  50. ↑ Thanki, RM y Kothari, AM (2019). Procesamiento de imágenes digitales con SCILAB. Springer International Publishing.
  51. ↑ "Adopción exitosa y oportuna de la inteligencia artificial en la ciencia en la UE – Mecanismo de Asesoramiento Científico" . Consultado el 16 de abril de 2024 .
  52. ↑ "Informe de revisión de evidencia sobre IA en la ciencia – Mecanismo de Asesoramiento Científico" . Consultado el 16 de abril de 2024 .
  53. ↑ "ICCS - Conferencia Internacional sobre Ciencias Computacionales" . Consultado el 21 de enero de 2022 .
  54. ↑ Sloot, Peter; Coveney, Peter; Dongarra, Jack (2010). "Redireccionamiento". Journal of Computational Science . 1 (1): 3– 4. doi : 10.1016/j.jocs.2010.04.003 .
  55. ↑ Seidel, Edward; Wing, Jeannette M. (2010). "Redireccionamiento". Journal of Computational Science . 1 (1): 1– 2. doi : 10.1016/j.jocs.2010.04.004 . S2CID 211478325 . 
  56. ↑ Sloot, Peter MA (2010). "Ciencia computacional: una visión caleidoscópica de la ciencia". Journal of Computational Science . 1 (4): 189. doi : 10.1016/j.jocs.2010.11.001 .
  57. ↑ "Anuncio de la Revista de Software de Investigación Abierta: una metarevista de software" . software.ac.uk . Consultado el 31 de diciembre de 2021 .
  58. ^ Rougier, Nicolás P.; Hinsen, Konrad; Alexandre, Federico; Arildsen, Thomas; Barba, Lorena A.; Benureau, Fabien CY; Brown, C. Tito; Buyl, Pierre de; Caglayán, Ozan; Davison, Andrew P.; Delsuc, Marc-André; Detorakis, Georgios; Diem, Alexandra K.; Drix, Damián; Enel, Pedro; Girard, Benoît; Invitada, Olivia; Salón, Matt G.; Henriques, Rafael N.; Hinaut, Xavier; Jarón, 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, Aarón; Stachelek, José; Stimberg, Marcel; Stollmeier, Frank; Vaggi, Federico; Viejo, Guillaume; Vitay, Julien; Vostinar, Anya E.; Yurchak, romano; Zito, Tiziano (diciembre de 2017). "Ciencia computacional sostenible: la iniciativa ReScience" . PeerJ Comput Sci . 3 . e142. arXiv : 1707.04393 . Código Bib : 2017arXiv170704393R . doi : 10.7717/peerj-cs.142 . PMC 8530091 . PMID 34722870 . S2CID 7392801 .   
  59. ↑ "Doctorado en Computación Científica de la Universidad de Michigan: Una historia de apoyo a la investigación a través de la educación | Instituto de Michigan para el Descubrimiento y la Ingeniería Computacional" . Consultado el 5 de septiembre de 2025 .
  60. ↑ "Ciencias Computacionales e Informática, Doctorado | Facultad de Ciencias de GMU" . science.gmu.edu . Consultado el 24 de abril de 2024 .
  61. ↑ " SCIS | Bienvenido a la Universidad Jawaharlal Nehru" . www.jnu.ac.in. Archivado del original el 10 de marzo de 2013.
  62. ↑ "SCIS: Programa de Estudios | Bienvenido a la Universidad Jawaharlal Nehru" . www.jnu.ac.in. Archivado del original el 7 de febrero de 2020. Consultado el 31 de diciembre de 2021 .

Fuentes adicionales

  • E. Gallopoulos y A. Sameh, "CSE: Contenido y Producto". IEEE Computational Science and Engineering Magazine, 4(2):39–43 (1997)
  • G. Hager y G. Wellein, Introducción a la computación de alto rendimiento para científicos e ingenieros, Chapman and Hall (2010)
  • AK Hartmann, Guía práctica para simulaciones por ordenador , World Scientific (2009)
  • Revista Métodos Computacionales en Ciencia y Tecnología (acceso abierto), Academia Polaca de Ciencias
  • Revista de Ciencia Computacional y Descubrimiento , Instituto de Física
  • RH Landau, CC Bordeianu y M. Jose Paez, Un panorama de la física computacional: ciencia computacional introductoria , Princeton University Press (2008)
Obtenido de " https://en.wikipedia.org/w/index.php?title=Computational_science&oldid=1362799970 "
Lecturas relacionadas
6 articulos
Ciencias de la ComputaciónCiencias de la ComputaciónÁreas fundamentales de la informática La informática es el estudio de la computación , la información y la automatización . [1] [2] [3] La informát...Simulación por computadoraComputaciónLa informática es cualquier actividad orientada a objetivos que requiera, se beneficie o cree maquinaria informática . [1] Incluye el estudio y la ...AlgoritmoAlgoritmoEn matemáticas y ciencias de la computación , un algoritmo ( / ˈ æ l ɡ ə r ɪ ð əm / ⓘ ) es una secuencia finita deinstruccionesmatemáticamente rigu...Análisis numéricoAnálisis numéricoTablilla de arcilla babilónica YBC 7289 (c. 1800–1600 a. C.) con anotaciones. La aproximación de la raíz cuadrada de 2 es de cuatro cifras sexagesi...Modelo matemáticoUn modelo matemático es una descripción abstracta de un sistema concreto utilizando conceptos y lenguaje matemático . El proceso de desarrollo de u...Modelo computacionalModelo computacionalUn modelo computacional utiliza programas de computadora para simular y estudiar sistemas complejos [1] utilizando un enfoque algorítmico o mecanic...