ВИКОРИСТАННЯ СУЧАСНИХ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ В СИСТЕМАХ АВТОМАТИЗОВАНОГО РОЗВ’ЯЗАННЯ СИНГУЛЯРНО ЗБУРЕНИХ ЗАДАЧ
DOI:
https://doi.org/10.20998/2222-0631.2024.02(7).03Ключові слова:
сингулярно збурені задачі, предметно-орієнтоване проєктування, штучна нейронна мережа, автоматизоване моделювання, метод примежових поправок, символьні обчисленняАнотація
Представлено архітектуру програмної системи для автоматизованого розв’язання сингулярно збурених задач у напівпровідниковій електроніці, розроблену на основі принципів предметно-орієнтованого проєктування (DDD–Domain-Driven Design). Технологія DDD була застосована до математичної моделі технічної системи «плазмовий діод» з метою демонстрації її потенційних можливостей у контексті складних інженерних задач. Розширено коло задач програмного проєктування за допомогою методів DDD, що дозволило більш точно моделювати складні системи та процеси. Особливістю представленої архітектури програмної системи є інтеграція штучної нейронної мережі, яка при- значена для розпізнавання типів рекурентних послідовностей підзадач. Ці підзадачі утворюються в результаті декомпозиції базової задачі за методом примежових поправок теорії збурень. Нейронна мережа аналізує отримані підзадачі та класифікує їх за відомими типами, що до- зволяє автоматизувати вибір найбільш ефективних методів їх розв’язання та оптимізувати обчислювальні ресурси. Застосування DDD у контексті розробки програмної системи для розв’язання сингулярно збурених задач дозволило досягти глибокого розуміння предметної області та відобразити її концепції у програмному коді. Це сприяє створенню гнучких та масштабованих систем, які легко адаптуються до змін вимог та умов експлуатації. Математична модель «плазмового діода» слугувала тематичним дослідженням, яке підтвердило ефективність застосованого підходу. Розроблена система відкриває нові перспективи в автоматизації та оптимізації процесів моделювання та аналізу в галузі напівпровідникової електроніки. Застосування DDD та інтеграція інтелектуальних компонентів, таких як штучні нейронні мережі, сприяють розширенню можливостей програмного забезпечення та підвищенню його ефективності. Подальший розвиток системи передбачає розширення бази даних підзадач та методів їх розв’язання, вдосконалення алгоритмів навчання нейронної мережі, а також адаптацію архітекту- ри для інших типів технічних систем та задач. Це сприятиме більш широкому застосуванню розробленого підходу в різних галузях науки та техніки.
Посилання
Koroliouk D., Lyashko S., Limnios N. Computational Methods and Mathematical Modeling in Cyberphysics and Engineering Applications. Lon- don, Wiley, 2024. – 442 p. DOI:10. 1002/9781 3942843 44.
Bomba A. Ya., Prysiazhniuk I. M., Prysiazhniuk O. V. Metody teoriyi zburen' prognozuvannya protsesiv teplomasoperenesennya v porystykh ta mikroporystykh seredovyshhakh [ Perturbation theory methods for predicting heat and mass transfer processes in porous and microporous media]. Rivne, O. Zen' Publ., 2017. – 291 p.
Bomba A., Moroz I. Analysis of Nonlinear Processes in the P-I-N Diodes Plasma by the Perturbation Theory Methods // 2023 13th International Conference on Advanced Computer Information Technologies, ACIT-2023. Wroclaw, Poland. pp. 117–120.
Bomba A., Moroz I. Matematychne modeluvannya dynamichnykh protsesiv v p i n diodi metodamy teoriyi zburen' [Simulation of Dynamic Processes in a p i n Diode by the Methods of Perturbation Theory]. Visnyk Natsional'nogo Tekhnichnogo universytetu «KhPI». Seriya : Matematychne modeluvannya v tekhnitsi ta tekhnologiyakh [Bulletin of the National Technical University "KhPI". Series: Mathematical modeling in engineering and technologies]. Kharkiv, NTU "KhPi" Publ., 2023, no. 2(5), pp. 23–32. DOI:10.1002/9781394284344.
Weinberg S. Lectures on Quantum Mechanics. London, Cambridge University Press, 2015. 419 p.
Vishik M. I., Lusternik L. A. Regulyarnoe vyrogdenie i pogranichnyi sloi dlya linejnyh differentsyal’nyh uravnenii s malym parametrom [Regular degeneration and boundary layers for linear differential equations with small parameter]. UMN [Successes in mathematical sciences]. 1957, Vol. 12, issue 5 (77), pp. 3–122.
Vasil’eva A. B., Butusov V. F., Kalachev L. V. The Boundary Function Method for Singular Perturbation Problems. SIAM, Philadelphia, 1995. 212 p. DOI: 10.1137/1.9781611970784.
Smith D. R. Singular-Perturbation Theory. An Introduction with Applications. Cambridge, Cambridge Univ. Press, 1985. 520 p.
Bomba A., Moroz I., Boichura M. Development and analysis of a mathematical model of plasma characteristics in the active region of integrated p - i - n - structures by the methods of perturbation theory and conformal mappings. Skhidno-evropeiskiy zhurnal peredovykh tekhnologiy [Eastern-European Journal of Advanced Technologies]. 2021, no .5 (113), pp. 51–61. DOI: 10.15587/1729-4061.2021.243097.
Huifang Liu. Perturbation method for differential control equations and its application in the analysis of dynamic characteristics of curved beam. Alexandria Engineering Journal. 2020, vol. 59, Iss. 4, pp. 2583–2590. DOI: 10.1016/j.aej.2020.04.022.
Dirk Jansen. The Electronic Design Automation Handbook. NY, Springer, 2003. 676 p.
Maxfield C., Goyal K. EDA (Electronic Design Automation): Where Electronics Begins. TechBITES INTERactive, 2001. 97 p.
Norenkov I. P. Osnovy avtomatizirovannogo proektirovaniya : Ucheb. dlya vuzov [Fundamentals of computer-aided design : Textbook for univer- sities]. Moscow, Izd-vo MGTU im. N.E. Baumana Publ., 2006. 448 p. (Norenkov I. P. no. 82. Fundamentals of Computer-Aided Design : Text- book for Universities. 2nd Ed., Reprint. And Additional. Moscow, Publishing House of the Bauman Moscow State Technical University Publ., 2002.)
Evans E. Domain-Driven Design : Tackling Complexity in the Heart of Software. Boston, Addison-Wesley Professional, 2003. 560 p.
Tkachuk M., Gamzaev R., Martinkus I. Towards Effectiveness Assessment of Domain Modeling Methods and Tools in Software Product Lines Development. Enterprise Modelling and Information Systems Architecture – International Journal of Conceptual Modeling. Germany, 2018, Vol. 13 (2018), pp. 190–206. DOI: 10.18471/emisa.hcm.14.
Sze S., Kwok K. Physics of Semiconductor Devices. New York, Wiley-Interscience, 2006. 815 p. DOI: 10.1002/ 0470068329.
Adirovich E. I., Karageorgii-Alkalaev P. M., Leiderman A. Iu. Currents Double Injection in Semiconductors. Moscow, Sov. Radio Publ., 1978. 320 p.
Bomba A. Ya., Moroz I. P., Bojchura M. V. The optimization of the shape and size of the injection contacts of the integrated p i n structures on the base of using the conformal mapping method. Radio Electronics, Computer Science, Control. 2021, no. 1, pp. 14–28. DOI: 10.15588/1607-3274-2021-1-2.
Baliga B. Fundamentals of power semiconductor devices. NY, Springer, 2010. 1086 p.
Polsky B. S., Rimshans J. S. Numerical simulation of transient processes in 2 D bipolar transistor. Solid State Electron. 1981, vol. 24, pp. 1081–1085.
Bomba A. Ya., Moroz I. P. Matematychne modeluvannya dyfuziyno-dreyfovogo protsesu v aktyvniy oblasti p i n diode z urakhuvanniam rozigrivu ta rekombinatsiyi metodamy teoriyi zburen' [Mathematical modeling of the diffusion-drift process in the active region of p-i-n diodes tak- ing into account heating and recombination using perturbation theory methods]. Zhurnal obchysliuval'noyi ta prykladnoyi matematyky [Journal of Numerical and Applied Mathematics]. 2021, no. 1 (135), pp. 29–35. DOI: https://doi.org/10.17721/2706-9699.2021.1.03.
Microsoft Azure Documentation. Available at : https://docs.microsoft.com/en-us/azure/ (accessed 15 October 2024).
Abadi M., Barham P., Chen J. TensorFlow: A System for Large-Scale Machine Learning. Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation (OSDI '16). 2016. pp. 265–283.
Campbell C., Johnson R., Miller A., Toub S. Parallel Programming with Microsoft® .NET: Design Patterns for Decomposition and Coordination on Multicore Architectures. Cambridge, Cambridge University Press, 2010. 224 p.
Wolfram S. Mathematica: A System for Doing Mathematics by Computer. 2nd edition. Redwood-City, Addison-Wesley, 1991. 961 p.
Martinkus I. Evaluation of the Effectiveness of Domain Modeling Methods in Terms of Model Complexity. International Conference on Information and Communication Technologies in Education, Research, and Industrial Applications. 2019. pp. 2–4.
Evans E. Domain-Driven Design Reference: Definitions and Pattern Summaries. Indianapolis: Dog Ear Publishing, 2014. pp. 7–8.
Vernon V. Implementing Domain-Driven Design. Boston, Addison-Wesley Professional, 2013. 656 p
Dobrovska L. M., Dobrovska I. A. Teoriya ta praktyka neironnykh merezh: Navchal'nyy posibnyk [Theory and Practice of Neural Networks: A Tutorial]. Kyiv, NTUU "KPI", Vydavnytstvo "Politekhnika" Publ., 2015. 396 p.
Hardesty L. Explained : Neural Networks. MIT News Office. April, 2017, no. 14. Available at : http://news.mit.edu/2017/explained-neural- networks-deep-learning-0414. (accessed 16 October 2024).
Haykin S. Neural Networks: A Comprehensive Foundation. 2nd ed. Upper Saddle River, NJ, Prentice Hall, 1999. 842 p.
Marinescu F., Avram A. Domain-Driven Design Quickly. Lugano, InfoQ Enterprise Software Development Series, 2007. 108 p.
Albahari J., Albahari B. C# 7.0 in a Nutshell: The Definitive Reference. Sebastopol, O'Reilly Media, 2017. 1088 p.
Nathan A. WPF 4.5 Unleashed. Indianapolis, Sams Publishing, 2013. 864 p.
Smith J. WPF Apps With The Model-View-ViewModel Design Pattern. MSDN Magazine. 2009, vol. 24, no. 2. Available at : https://jacobfilipp. com/MSDN/2018-2009/2009chm/ msdnmagazine2009 _02en-us/02/Smith.WPFPatterns.0209/chm.htm. (accessed 16 October 2024).
Math.NET Numerics. Available at : https://numerics.mathdotnet.com/. (accessed 16 October 2024).
