تحقیق در مورد مکانیک کوانتوم محاسباتی و شبیه سازی (word)

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

مکانیک کوانتوم محاسباتی و شبیه سازی

، روشهای مدلسازیی، که ارزشی معادل یا حتی اثری بزرگتر در کاربردهای صنعتی دارند، وجود دارد. بر خلاف مدلهای مبتنی بر مکانیک کوانتوم محاسباتی وشبیه سازی که «انرژی»، را ارزیابی می‌کنند و بر اساس آن پروسه‌های ترمودینامیک را پیش بینی می‌کنند، این مدلهای نوین که بر پایه غیر «انرژی» استوارند، عموماً طبیعتی کیفی نگر دارند و در مطالعه فلسفه طراحیها بکار گرفته می‌شوند.  گرافیک کامپیوتری:رشد گرافیک کامپیوتری محتملاً بزرگترین مولفه فناوری‌انفورماتیک در گستره وسیعی از شبیه سازیهای مولکولی است:قابلیت تصویر سازی اهداف داروها( زمانی که ساختار آنها شناخته شده است) یا خانواده ترکیبی از آنالوگهای فعال و غیرفعال در حوزه مدلسازی، ضروری می‌نماید.(مثلاً در ساخت شیمیایی مواد) گرافیک کامپیوتری قدمتی از آغاز ترکیب صدا و رنگ به منظور شفاف سازی پیامها، تاکنون که با هدف توسعه دانش تصویرسازی کامپیوتری برای نمایش پروسه‌های شیمیایی و بیوفیزیکی، بکار گرفته می شود، دارد.«هندسه بعد»: زمینه مهم دیگری که توسعه علمی آن اثری مهم،حداقل در شبیه‌سازی و مدلسازی در زیست – فیزیک و زیست – شیمی و صنعت داروسازی بر جای خواهد گذاشت، دانش«هندسه بعد» است . انتقال این حوزه از ریاضیات محض بسوی علم‌شیمی و سیستم‌های مولکولی بوسیله"‌Grippen" صورت گرفت." "Kuntz","Havel در اواخر دهه 70 میلادی (‍ CrippenوHavel در 1988 میلادی) این تکنیک را در اندازه‌گیریهایNMR و QSAR بکار گرفتند. Crippen این پروسه را تا تحقق این علم برای مدلسازی بر هم کنش ماکرومولکولهای پیوندی، ادامه داد. (Crippen 1999)QSR/QSPR:سومین زمینه مدلسازی شامل ارتباط میان داده‌های آزمایشگاهی با همان خواص فیزیکی یا غیر آن، در قالب سیستم مدلسازی است. این روشها که موسوم به QSR/QSPR می‌باشند دارای تاریخچه‌ای طولانی در مدلسازی سیستمهای بیولوژیک می‌باشند و اکنون نیز نقش مؤثری در تحلیل نتایج و استفاده از نتایج مدلسازی مولکولی در صنایع شیمی دارند. یک مثال نمونه جهت استفاده از این تکنیک‌ها این است که:نمونه‌ای را با یک سری از خواص فیزیکی در نظر بگیرید که می‌خواهید آن را بهینه کنید(سودمندی دارو، ارتباطات آنزیمی، مقاومت کششی یک پلیمر)چگونه آن را حل خواهید کرد:در زمره تازه‌ترین روشهای حل این مسأله که متعلق به "Hansch" می باشد (1971) مبتنی بر ارتباط فعالیت‌های بیولوژیک مولکول در قالب پارامتر«آب گریزی» آن که به عنوان ثابت اکتاتل به آب، معرفی می‌شود.این روش، در طول انرژی آزاد خطی در شیمی ‌فیزیک ‌زیستی قرار می‌گیرد. (یعنی: روابط Hammett(1935))، که انرژی آزاد(لگاریتم ثابت تعادل)، به نوع دیگری از انرژی یا خواص ماده که بر اساس انرژی آزاد سنجیده می‌شود، وابسته است. همانظور که پیشنهاد شد، ساده‌ترین چنین روشهائی به عنوان مدلهای خطی مطرحند و رگریسون خطی برای آن استفاده می‌شود. به همین ترتیب که مدل پیچیده‌تر می‌شود، مدل به سمت رگریسون غیر خطی میل می‌کند(Kowalski 1984) و .(Andrea & Kalayeh1991)به منظور توالی چنین مدلهائی، تا حصول روابطی میان خواص فیزیکی ماده ومیزان فعالیتهای آن می بایستی در مدلسازی به روش«شبکه عصبی» بکار گرفته شود.علاوه بر «آب گریزی»، سایر پارامترهای مؤثر و مرتبط به عنوان متغیرهای مستقل در چنین مدلهائی، عبارتند از:نسبت آرایش اتمها به نیروهای واندروالس و خواص الکترواستاتیک.یک روش که در برگیرنده اطلاعات 3 بعدی در قالب یک مدل باشد مانند «آنالیز میدانهای مولکولی تطبیقی که به اختصار COMFA خوانده می‌شود.

COMFA: Comparative Molecular Field Analysis

که توسط" "Cramer،"Patterson" و" Bunce"‌ در سال 1988 پایه‌گذاری شد این پارامترها و متغیرهای وابسته به آن عمومی می باشند و در بهینه سازی مدل مؤثرند. علاوه بر آن ارتباطات میان مولکولی را در جهت توجیه ساختار ماکرومولکول در ابعاد 3 بعدی توجیه می‌کند. (به این

منطق محاسباتی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 27 صفحه

 قسمتی از متن .doc : 

منطق محاسباتی

خلاصه

این مقاله به بررسی جنبه‌های مختلف و رو به رشد منطق محاسباتی می‌پردازد. تکنیکها و کاربردهای فعلی آن را مطالعه میکند و در نهایت به یک نتیجه‌گیری و ارایه پیشنهادهایی در مورد منطق محاسباتی می‌پردازد.

1- مقدمهمنطق محاسباتی بخشی از منطق است که به بررسی راهکارهای محتلف بررسی درستی احکام در دستگاه‌های مختلف منطقی میپردازد. این رشته به طور عمیقی با علوم کامپیوتر پیوند یافته است و به صورت کلی رشد واقعی آن از وقتی شروع شد که توان محاسباتی کامپیوترها پیشرفت کرد و انجام محاسبات پیچیده بوسیله کامپیوترها با هزینه کم امکان پذیر شد. منطق محاسباتی به صورت کلی به منطق از دید محاسباتی آن مینگرد. این که در یک دستگاه منطقی انجام یک محاسبه (به طور مثال چک کردن درستی یک گزاره) امکان پذیر هست یا نه و اگر امکان پذیر است این کار چه هزینه ای دارد. از آنجا که حقایق علمی ما با منطق پیوند عمیقی دارند، برای بررسی این حقایق استفاده از زبان منطقی، یکی از بهترین راه های ممکن است.

امروزه بشر علاقه زیادی دارد که تمام کارها از جمله فکر کردن را به ماشین واگذار کند. اما واگذار کردن فکر کردن به یک ماشین کار ساده ای نیست. ما دید عمیقی درباره اینکه فکر کردن چیست و چگونه انجام میشود نداریم. ازینرو تلاشهای اولیه برای این کار با شکست مواجه شدند یا با سختی زیادی همراه بودند. اما اگر بخواهیم تنها قسمت منطقی فکر کردن را به ماشین واگذار کنیم کار ساده تر است چون برای این کار از منطق ریاضی استفاده میکنیم و منطق یک زیر شاخه قوی از ریاضی است که به سوالات زیادی در مورد آن جواب داده شده است. گرچه ما هنوز واقعا نمیدانیم که چه مقدار از روند تفکر ما منطقی است. به این مطلب در قسمت نتیجه گیری بیشتر خواهیم پرداخت.

امروزه منطق محاسباتی کاربرد گسترده ای در تکنولوژی پیدا کرده است. بدین ترتیب حجم کارهای انجام شده بر روی آن در حال افزایش است. این کارها نه تنها در زمینه ریاضی بلکه بر روی دیگر ابعاد مربوط به این قضیه نیز انجام میشود. عموما این کارها به سه دسته تقسیم میشوند. دسته اول کارهای مرتبط با پایه ریاضی منطق محاسباتی هستند. دسته دوم کارهای مرتبط با تکنیکهای هوش مصنوعی جهت ارتقای کارایی روشهای ریاضی ابداع شده و دسته سوم کارهای انجام شده جهت استفاده از منطق محاسباتی در مسایل واقعی مهندسی.

2. پایه‌ی منطق محاسباتی

تمام موارد مرتبط با منطق محاسباتی احتیاج به پایه‌ای برای بنا کردن ساختارهایی معنا دار برای توصیف داده های مربوطه دارند. باید بتوانیم درباره درستی یک گزاره با توجه به دیگر گزاره ها اظهار نظر کنیم. بدین منظور میتوان از مراتب مختلف منطق استفاده کرد. سیستمهای بسیار ساده معمولا از منطق مرتبه صفر برای توصیف جهان خود استفاده میکنند. اما اکثر سیستمهای پیشنهادی از منطق مرتبه اول برای توصیف جهان خود استفاده میکنند. بعضی سیستمها هم از مراتب بالاتر منطق برای اهداف خود استفاده میکنند. هنوز نمیدانیم که ذهن انسان تحت چه مرتبه‌ای از منطق کار میکند، و حتی به درستی نمیدانیم آیا تمام جنبه های تفکر در ذهن انسان از اصول منطق تبعیت میکنند یا نه. به هر حال علم منطق روشی سمبولیک برای مدل کردن جهان در اختیار ما قرار میدهد.

چرچ در 1936 ثابت کرد که منطق مرتبه اول برای زبانی که فقط یک نماد رابطه‌ای دو موضعی داشته باشد تصمیم ناپذیر است. بنا بر قضیه چرچ روشی متناهی برای پاسخ به این سوال که آیا جمله A در منطق مرتبه اول معتبر است، به صورت "آری" یا "نه" نداریم، اما نیمه ای از پاسخ را میتوان مهیا کرد. به عبارت بهتر روشی متناهی وجود دارد که اگر A معتبر باشد، پاسخ روش "آری" است. به عبارت دیگر مجموعه جملات معتبر در منطق مرتبه اول لیست پذیر هستند. از طرف دیگر با توجه به قضیه تمامیت (در صورتی که در مورد دستگاه استنتاجی ما درست باشد) با استفاده از فرضها و اصول استنتاج میتوان جملات درست را لیست کرد. این قسمت در حقیقت قلب تپنده‌ی منطق محاسباتی است. در صورت پیدا شدن روشهای جدید و سریعتر برای چک کردن درستی یک جمله تحت چند فرض، شاهد تحول بزرگی در دیگر شاخه های مرتبط با این موضوع خواهیم بود.

تحقیقات در بخش پایه‌ی منطق محاسباتی به طور گسترده‌ای بر دیگر بخشهای این علم تاثیر دارند. این تحقیقات عموما به دو بخش تقسیم میشوند:

تحقیقات در زمینه‌های روشهای استنتاج از قبیل Resolution و ...

تحقیقات در زمینه‌ی پیدا کردن پایه های مناسب ریاضی برای انجام به صرفه‌ی (از نظر زمانی و حافظه) محاسبات مربوط به منطق محاسباتی.

2-1 پایه‌های منطق محاسباتی:

روش کلی برای فهمیدن درستی یک جمله این است که از فرضها شروع کرده و در هر مرحله یک جمله درست جدید را با توجه به جملات قبلی و استفاده از قواعد استنتاج تولید کنیم. (یعنی جملات درست را لیست میکنیم.) این کار ادامه پیدا میکند تا وقتی که به جمله مورد سوال یا نقیض آن برسیم.

قسمت دیگری که مورد توجه است، یکی سازی است. به طور مثال دو جمله (x:f(x) و (y:f(y) را در نظر بگیرید. واضح است که درستی این دو جمله یکسان است. به طور کلی هر جمله را به طریقه های ظاهرا متفاوت بسیار زیادی میتوان نوشت که همگی یک معنای واحد داشته باشند. (در همین مثال به جای x از تمام متغیرها میتوان استفاده کرد. به صورت معمولی لااقل 0N متغیر داریم.) بدین منظور تحقیقات زیادی بر روی روشهای کارا برای یکی سازی جملات منطقی انجام شده است.

برای تولید جملات جدید با توجه به قواعد استنتاج راههای زیادی پیشنهاد شده اند. یکی از محبوبترین راههای پیشنهاد شده به Resolution موسوم است. این روش برای منطق مرتبه اول کمی پیچیدگی دارد اما با بررسی آن برای منطق گزاره ها کلیت آن آشکار میشود.

Resolution Propositional

در این روش تمام جمله ها به صورت clausal form هستند. برای تبدیل یک جمله به این فرم ابتدا جمله را به صورت نرمال عطفی CNF تبدیل میکنیم.

¬(g ( ( r → f)) ──CNF( (¬g ( r) ( (¬g ( ¬f)

و سپس نتیجه را به تعدادی مجموعه تبدیل میکنیم، مجموعه ای از مجموعه ها که هر عضو آن اعضای یکی از پرانتزهاست:

(¬g ( r) ( (¬g ( ¬f) ──Clausal Form( {¬g, r}, {¬g, ¬f}

این کار یک روش نسبتا خوب برای Unification است. برای انجام استنتاج بر اساس این قاعده عمل میکنیم:

میدانیم که

(p ( q) ( (¬p ( r) ( (q ( r)

میتوان نشان داد که استفاده از این رابطه به عنوان تنها قاعده استنتاج برای استنتاج کافی است. این رابطه در

clausal form به این شکل تبدیل میشود:

{p, q}

{¬p, r}

منطق محاسباتی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 33 صفحه

 قسمتی از متن .doc : 

منطق محاسباتی

خلاصه

این مقاله به بررسی جنبه‌های مختلف و رو به رشد منطق محاسباتی می‌پردازد. تکنیکها و کاربردهای فعلی آن را مطالعه میکند و در نهایت به یک نتیجه‌گیری و ارایه پیشنهادهایی در مورد منطق محاسباتی می‌پردازد.

1- مقدمه

منطق محاسباتی بخشی از منطق است که به بررسی راهکارهای محتلف بررسی درستی احکام در دستگاه‌های مختلف منطقی میپردازد. این رشته به طور عمیقی با علوم کامپیوتر پیوند یافته است و به صورت کلی رشد واقعی آن از وقتی شروع شد که توان محاسباتی کامپیوترها پیشرفت کرد و انجام محاسبات پیچیده بوسیله کامپیوترها با هزینه کم امکان پذیر شد. منطق محاسباتی به صورت کلی به منطق از دید محاسباتی آن مینگرد. این که در یک دستگاه منطقی انجام یک محاسبه (به طور مثال چک کردن درستی یک گزاره) امکان پذیر هست یا نه و اگر امکان پذیر است این کار چه هزینه ای دارد. از آنجا که حقایق علمی ما با منطق پیوند عمیقی دارند، برای بررسی این حقایق استفاده از زبان منطقی، یکی از بهترین راه های ممکن است.

امروزه بشر علاقه زیادی دارد که تمام کارها از جمله فکر کردن را به ماشین واگذار کند. اما واگذار کردن فکر کردن به یک ماشین کار ساده ای نیست. ما دید عمیقی درباره اینکه فکر کردن چیست و چگونه انجام میشود نداریم. ازینرو تلاشهای اولیه برای این کار با شکست مواجه شدند یا با سختی زیادی همراه بودند. اما اگر بخواهیم تنها قسمت منطقی فکر کردن را به ماشین واگذار کنیم کار ساده تر است چون برای این کار از منطق ریاضی استفاده میکنیم و منطق یک زیر شاخه قوی از ریاضی است که به سوالات زیادی در مورد آن جواب داده شده است. گرچه ما هنوز واقعا نمیدانیم که چه مقدار از روند تفکر ما منطقی است. به این مطلب در قسمت نتیجه گیری بیشتر خواهیم پرداخت.

امروزه منطق محاسباتی کاربرد گسترده ای در تکنولوژی پیدا کرده است. بدین ترتیب حجم کارهای انجام شده بر روی آن در حال افزایش است. این کارها نه تنها در زمینه ریاضی بلکه بر روی دیگر ابعاد مربوط به این قضیه نیز انجام میشود. عموما این کارها به سه دسته تقسیم میشوند. دسته اول کارهای مرتبط با پایه ریاضی منطق محاسباتی هستند. دسته دوم کارهای مرتبط با تکنیکهای هوش مصنوعی جهت ارتقای کارایی روشهای ریاضی ابداع شده و دسته سوم کارهای انجام شده جهت استفاده از منطق محاسباتی در مسایل واقعی مهندسی.

2. پایه‌ی منطق محاسباتی

تمام موارد مرتبط با منطق محاسباتی احتیاج به پایه‌ای برای بنا کردن ساختارهایی معنا دار برای توصیف داده های مربوطه دارند. باید بتوانیم درباره درستی یک گزاره با توجه به دیگر گزاره ها اظهار نظر کنیم. بدین منظور میتوان از مراتب مختلف منطق استفاده کرد. سیستمهای بسیار ساده معمولا از منطق مرتبه صفر برای توصیف جهان خود استفاده میکنند. اما اکثر سیستمهای پیشنهادی از منطق مرتبه اول برای توصیف جهان خود استفاده میکنند. بعضی سیستمها هم از مراتب بالاتر منطق برای اهداف خود استفاده میکنند. هنوز نمیدانیم که ذهن انسان تحت چه مرتبه‌ای از منطق کار میکند، و حتی به درستی نمیدانیم آیا تمام جنبه های تفکر در ذهن انسان از اصول منطق تبعیت میکنند یا نه. به هر حال علم منطق روشی سمبولیک برای مدل کردن جهان در اختیار ما قرار میدهد.

چرچ در 1936 ثابت کرد که منطق مرتبه اول برای زبانی که فقط یک نماد رابطه‌ای دو موضعی داشته باشد تصمیم ناپذیر است. بنا بر قضیه چرچ روشی متناهی برای پاسخ به این سوال که آیا جمله A در منطق مرتبه اول معتبر است، به صورت "آری" یا "نه" نداریم، اما نیمه ای از پاسخ را میتوان مهیا کرد. به عبارت بهتر روشی متناهی وجود دارد که اگر A معتبر باشد، پاسخ روش "آری" است. به عبارت دیگر مجموعه جملات معتبر در منطق مرتبه اول لیست پذیر هستند. از طرف دیگر با توجه به قضیه تمامیت (در صورتی که در مورد دستگاه استنتاجی ما درست باشد) با استفاده از فرضها و اصول استنتاج میتوان جملات درست را لیست کرد. این قسمت در حقیقت قلب تپنده‌ی منطق محاسباتی است. در صورت پیدا شدن روشهای جدید و سریعتر برای چک کردن درستی یک جمله تحت چند فرض، شاهد تحول بزرگی در دیگر شاخه های مرتبط با این موضوع خواهیم بود.

تحقیقات در بخش پایه‌ی منطق محاسباتی به طور گسترده‌ای بر دیگر بخشهای این علم تاثیر دارند. این تحقیقات عموما به دو بخش تقسیم میشوند:

تحقیقات در زمینه‌های روشهای استنتاج از قبیل Resolution و ...

تحقیقات در زمینه‌ی پیدا کردن پایه های مناسب ریاضی برای انجام به صرفه‌ی (از نظر زمانی و حافظه) محاسبات مربوط به منطق محاسباتی.

2-1 پایه‌های منطق محاسباتی

روش کلی برای فهمیدن درستی یک جمله این است که از فرضها شروع کرده و در هر مرحله یک جمله درست جدید را با توجه به جملات قبلی و استفاده از قواعد استنتاج تولید کنیم. (یعنی جملات درست را لیست میکنیم.) این کار ادامه پیدا میکند تا وقتی که به جمله مورد سوال یا نقیض آن برسیم.

قسمت دیگری که مورد توجه است، یکی سازی است. به طور مثال دو جمله (x:f(x) و (y:f(y) را در نظر بگیرید. واضح است که درستی این دو جمله یکسان است. به طور کلی هر جمله را به طریقه های ظاهرا متفاوت بسیار زیادی میتوان نوشت که همگی یک معنای واحد داشته باشند. (در همین مثال به جای x از تمام متغیرها میتوان استفاده کرد. به صورت معمولی لااقل 0N متغیر داریم.) بدین منظور تحقیقات زیادی بر روی روشهای کارا برای یکی سازی جملات منطقی انجام شده است.

برای تولید جملات جدید با توجه به قواعد استنتاج راههای زیادی پیشنهاد شده اند. یکی از محبوبترین راههای پیشنهاد شده به Resolution موسوم است. این روش برای منطق مرتبه اول کمی پیچیدگی دارد اما با بررسی آن برای منطق گزاره ها کلیت آن آشکار میشود.

Resolution Propositional

در این روش تمام جمله ها به صورت clausal form هستند. برای تبدیل یک جمله به این فرم ابتدا جمله را به صورت نرمال عطفی CNF تبدیل میکنیم.

¬(g ( ( r → f)) ──CNF( (¬g ( r) ( (¬g ( ¬f)

و سپس نتیجه را به تعدادی مجموعه تبدیل میکنیم، مجموعه ای از مجموعه ها که هر عضو آن اعضای یکی از پرانتزهاست:

(¬g ( r) ( (¬g ( ¬f) ──Clausal Form( {¬g, r}, {¬g, ¬f}

این کار یک روش نسبتا خوب برای Unification است. برای انجام استنتاج بر اساس این قاعده عمل میکنیم:

تحقیق در مورد منطق محاسباتی 34 ص

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 33 صفحه

 قسمتی از متن .doc : 

منطق محاسباتی

خلاصه

این مقاله به بررسی جنبه‌های مختلف و رو به رشد منطق محاسباتی می‌پردازد. تکنیکها و کاربردهای فعلی آن را مطالعه میکند و در نهایت به یک نتیجه‌گیری و ارایه پیشنهادهایی در مورد منطق محاسباتی می‌پردازد.

1- مقدمه

منطق محاسباتی بخشی از منطق است که به بررسی راهکارهای محتلف بررسی درستی احکام در دستگاه‌های مختلف منطقی میپردازد. این رشته به طور عمیقی با علوم کامپیوتر پیوند یافته است و به صورت کلی رشد واقعی آن از وقتی شروع شد که توان محاسباتی کامپیوترها پیشرفت کرد و انجام محاسبات پیچیده بوسیله کامپیوترها با هزینه کم امکان پذیر شد. منطق محاسباتی به صورت کلی به منطق از دید محاسباتی آن مینگرد. این که در یک دستگاه منطقی انجام یک محاسبه (به طور مثال چک کردن درستی یک گزاره) امکان پذیر هست یا نه و اگر امکان پذیر است این کار چه هزینه ای دارد. از آنجا که حقایق علمی ما با منطق پیوند عمیقی دارند، برای بررسی این حقایق استفاده از زبان منطقی، یکی از بهترین راه های ممکن است.

امروزه بشر علاقه زیادی دارد که تمام کارها از جمله فکر کردن را به ماشین واگذار کند. اما واگذار کردن فکر کردن به یک ماشین کار ساده ای نیست. ما دید عمیقی درباره اینکه فکر کردن چیست و چگونه انجام میشود نداریم. ازینرو تلاشهای اولیه برای این کار با شکست مواجه شدند یا با سختی زیادی همراه بودند. اما اگر بخواهیم تنها قسمت منطقی فکر کردن را به ماشین واگذار کنیم کار ساده تر است چون برای این کار از منطق ریاضی استفاده میکنیم و منطق یک زیر شاخه قوی از ریاضی است که به سوالات زیادی در مورد آن جواب داده شده است. گرچه ما هنوز واقعا نمیدانیم که چه مقدار از روند تفکر ما منطقی است. به این مطلب در قسمت نتیجه گیری بیشتر خواهیم پرداخت.

امروزه منطق محاسباتی کاربرد گسترده ای در تکنولوژی پیدا کرده است. بدین ترتیب حجم کارهای انجام شده بر روی آن در حال افزایش است. این کارها نه تنها در زمینه ریاضی بلکه بر روی دیگر ابعاد مربوط به این قضیه نیز انجام میشود. عموما این کارها به سه دسته تقسیم میشوند. دسته اول کارهای مرتبط با پایه ریاضی منطق محاسباتی هستند. دسته دوم کارهای مرتبط با تکنیکهای هوش مصنوعی جهت ارتقای کارایی روشهای ریاضی ابداع شده و دسته سوم کارهای انجام شده جهت استفاده از منطق محاسباتی در مسایل واقعی مهندسی.

2. پایه‌ی منطق محاسباتی

تمام موارد مرتبط با منطق محاسباتی احتیاج به پایه‌ای برای بنا کردن ساختارهایی معنا دار برای توصیف داده های مربوطه دارند. باید بتوانیم درباره درستی یک گزاره با توجه به دیگر گزاره ها اظهار نظر کنیم. بدین منظور میتوان از مراتب مختلف منطق استفاده کرد. سیستمهای بسیار ساده معمولا از منطق مرتبه صفر برای توصیف جهان خود استفاده میکنند. اما اکثر سیستمهای پیشنهادی از منطق مرتبه اول برای توصیف جهان خود استفاده میکنند. بعضی سیستمها هم از مراتب بالاتر منطق برای اهداف خود استفاده میکنند. هنوز نمیدانیم که ذهن انسان تحت چه مرتبه‌ای از منطق کار میکند، و حتی به درستی نمیدانیم آیا تمام جنبه های تفکر در ذهن انسان از اصول منطق تبعیت میکنند یا نه. به هر حال علم منطق روشی سمبولیک برای مدل کردن جهان در اختیار ما قرار میدهد.

چرچ در 1936 ثابت کرد که منطق مرتبه اول برای زبانی که فقط یک نماد رابطه‌ای دو موضعی داشته باشد تصمیم ناپذیر است. بنا بر قضیه چرچ روشی متناهی برای پاسخ به این سوال که آیا جمله A در منطق مرتبه اول معتبر است، به صورت "آری" یا "نه" نداریم، اما نیمه ای از پاسخ را میتوان مهیا کرد. به عبارت بهتر روشی متناهی وجود دارد که اگر A معتبر باشد، پاسخ روش "آری" است. به عبارت دیگر مجموعه جملات معتبر در منطق مرتبه اول لیست پذیر هستند. از طرف دیگر با توجه به قضیه تمامیت (در صورتی که در مورد دستگاه استنتاجی ما درست باشد) با استفاده از فرضها و اصول استنتاج میتوان جملات درست را لیست کرد. این قسمت در حقیقت قلب تپنده‌ی منطق محاسباتی است. در صورت پیدا شدن روشهای جدید و سریعتر برای چک کردن درستی یک جمله تحت چند فرض، شاهد تحول بزرگی در دیگر شاخه های مرتبط با این موضوع خواهیم بود.

تحقیقات در بخش پایه‌ی منطق محاسباتی به طور گسترده‌ای بر دیگر بخشهای این علم تاثیر دارند. این تحقیقات عموما به دو بخش تقسیم میشوند:

تحقیقات در زمینه‌های روشهای استنتاج از قبیل Resolution و ...

تحقیقات در زمینه‌ی پیدا کردن پایه های مناسب ریاضی برای انجام به صرفه‌ی (از نظر زمانی و حافظه) محاسبات مربوط به منطق محاسباتی.

2-1 پایه‌های منطق محاسباتی

روش کلی برای فهمیدن درستی یک جمله این است که از فرضها شروع کرده و در هر مرحله یک جمله درست جدید را با توجه به جملات قبلی و استفاده از قواعد استنتاج تولید کنیم. (یعنی جملات درست را لیست میکنیم.) این کار ادامه پیدا میکند تا وقتی که به جمله مورد سوال یا نقیض آن برسیم.

قسمت دیگری که مورد توجه است، یکی سازی است. به طور مثال دو جمله (x:f(x) و (y:f(y) را در نظر بگیرید. واضح است که درستی این دو جمله یکسان است. به طور کلی هر جمله را به طریقه های ظاهرا متفاوت بسیار زیادی میتوان نوشت که همگی یک معنای واحد داشته باشند. (در همین مثال به جای x از تمام متغیرها میتوان استفاده کرد. به صورت معمولی لااقل 0N متغیر داریم.) بدین منظور تحقیقات زیادی بر روی روشهای کارا برای یکی سازی جملات منطقی انجام شده است.

برای تولید جملات جدید با توجه به قواعد استنتاج راههای زیادی پیشنهاد شده اند. یکی از محبوبترین راههای پیشنهاد شده به Resolution موسوم است. این روش برای منطق مرتبه اول کمی پیچیدگی دارد اما با بررسی آن برای منطق گزاره ها کلیت آن آشکار میشود.

Resolution Propositional

در این روش تمام جمله ها به صورت clausal form هستند. برای تبدیل یک جمله به این فرم ابتدا جمله را به صورت نرمال عطفی CNF تبدیل میکنیم.

¬(g ( ( r → f)) ──CNF( (¬g ( r) ( (¬g ( ¬f)

و سپس نتیجه را به تعدادی مجموعه تبدیل میکنیم، مجموعه ای از مجموعه ها که هر عضو آن اعضای یکی از پرانتزهاست:

(¬g ( r) ( (¬g ( ¬f) ──Clausal Form( {¬g, r}, {¬g, ¬f}

این کار یک روش نسبتا خوب برای Unification است. برای انجام استنتاج بر اساس این قاعده عمل میکنیم:

تحقیق در مورد علوم محاسباتی و علم نانو 38 ص

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش و آماده پرینت )

تعداد صفحه : 38 صفحه

 قسمتی از متن .doc : 

علوم محاسباتی و علم نانو

قسمت دوم

یکی از کاربردی ترین و مولدترین زمینه ها در علوم محاسباتی، کاربرد آن در شاخه های علوم مولکولی و نانوفناوری است. این زمینه ها در کنار هم و در کنار علومی چون بیولوژی مولکولی ، ژنتیک مولکولی، فناوری اطلاعات و علوم شناختی ارکان انقلاب صنعتی-علمی را تشکیل می دهند. اشتراک بین این 4 رکن در آینده نزدیک ،به خلق فناوری همگرای فوق العاده ای منجر می شود که بوجود آمدن سیستم ها و ابزار و مواد هوشمندی را نوید می دهد؛ که ازپایین به بالا، اتم به اتم و مولکول به مولکول چیده شده و این در بر دارنده تمام کاراکترها، عملکردها و مکانیزم های پیچیده در سیستم های هوشمند زنده مانند حافظه، تعمیر خود به خود، تکثیربرنامه ریزی شده بی نقص، خود چیدمانی و خود سازماندهی می‌باشد.

 همگرایی در مقیاس نانو رخ می دهد؛ جایی بنیادین که در آنجا بلوک های ساختمانی پایه، اعم از فیزیکی، بیلوژیکی و مواد هوشمند در کنار هم قرار می گیرند. نانوساختارها (یعنی اندازه ای بین 1 تا 100 نانومتر) چیده می شوند و قوانین میکروسکوپی چیدمان، ساختار قرارگیری زیر لایه ها را کنترل می کنند. در نهایت علوم محاسباتی و فناوری نانو با هم دانشی عالی را برای دستکاری و اصلاح ساختاری مواد در سطوح اتمی و هسته ای، بوجود آورده و چگونگی امکان کنترل کامل روی شکل گیری، عملکرد و خواص آنها را به عنوان مواد جدید هوشمند در اختیار ما می گذارند.  باکمک علوم نانو محاسبات اکنون می توانیم روی یک تک اتم در یک سیستم پیچیده مولکولی سوار شده  و به بررسی تعاملات ذرات آن بپردازیم، نظربه اینکه این سیستم نانومتری می تواند جامد، سیال، گاز، یک پروتئین DNA و یا یک ویروس باشد که در فاز خود از یک میکرو حالت به میکرو حالتی دیگر سویچ کرده و نتایج محاسباتی معنی داری را برای خواص قابل مشاهده بدست دهد.

مثال این آزمایش مفید در تصاویر زیر آمده؛ جایی که توزیع یک شکافت دینامیک در یک لایه اتمی به تصویر کشیده شده است.

رنگ ها نشان دهنده فشار در تراز مولکولی هستند بدین ترتیب که رنگ آبی کمترین و رنگ قرمز بیشترین فشار را نشان می دهد. موتورهای پروتئینی برائونی که از انواع آن می توان کینسین ها و میوسین ها(انتقال دهنده های غذا به داخل سلول های بدن) را نام برد و موتور چرخنده ATPase که برای سلول ها تولید سوخت ATP می کند ،جزسیستم هایی هستند که در چندین بخش دچار تغییر شده اند و بر اساس دینامیک لانژوین بهترین مثال برای کاربرد مدل سازی محاسباتی در سیستم های نانو بیولوژیکی هستند.

شبیه سازی در مقیاس های بزرگ در بخش نانو هم اکنون در کشورهای آمریکا، ژاپن و اروپا در حال انجام است. علاوه بر شبیه سازی مبتنی بر دینامیک کلاسیک، ما اکنون شاهد وقوع انفجاری در کاربردهای کوآنتم مکانیکی بر پایه روش های شبیه سازی برای طراحی مواد جدید وسیستم های کوچک که شامل چدین تن اتم می باشند هستیم. وقتی شبیه سازی انجام می شود داده های خروجی به سادگی به چشم می آیند و دیدی عمیق را نسبت به عمل شبیه سازی در اختیار محققان قرار می دهند. به عنوان یک نتیجه ابزار بصری در حال ورود به انقلابی در کاربردهای خود می باشند. دید خوب نسبت به نتایج، به ما امکان تصحیح فیزیک پایه را بوسیله دستیابی سریع به تغییر شکل های تحمل شده توسط سیستم می دهد.

در سطوح بین المللی علوم محاسباتی افق های جدیدی را برای کشورهای در حال توسعه بوسیله منابع و تعدیل مصارف روشن کرده است تا بتوانند در سطح جهانی نقش آفرین باشند. در ایران انستیتو تحقیقات علوم پایه (IPM) که در سال 1989 تاسیس شد، موسسه پیشگام در این زمینه بوده و در چندین شاخه از علوم پایه مانند فیزیک پلاسما، علوم نانو، پردازش تصویر، ریاضیات محاسباتی و مدل سازی پدیده ها در فیزیک ذرات با استفاده از داده های CERN فعالیت می کند. ما اکنون از این شادمان هستیم که می بینیم علوم محاسباتی در ایران با استقبال از سوی مراکز علمی همچون دانشگاه ها روبرو شده و در حال تبدیل به شاخه ای مستقل است. 

جلبک ها درخدمت نانوگیاه پزشکی

جلبک ها با قدمتی بالغ بر 40 میلیون سال در مقایسه با دیگر رستنی ها توانسته اند مقام نخست را از نظر تولید انرژی و همچنین مواد تجدیدشونده بویژه در دنیای نانو، کسب کنند.

نانولوله های کربنی؛ خواص و کاربرد

مواد ساخته شده از نانو لوله های کربنی می توانند به طور ریشه ای و پایه ای و به طرز اساسی جرم ساختاری را کاهش دهند, وسایل الکتریکی مورد استفاده را ریزتر و کوچکتر بسازند و مصرف انرژی را نیز کم کنند.

نانوسرامیک قسمت اول

نانوفناوری را هم از نظر شاخه های علمی و فنی آن و هم از نظر کاربردهای صنعتی می توان دسته بندی نمود که یکی دیگر از آنها نانوسرامیک ها هستند.