ChemNet
 

[На предыдущую главу]

1. Системный подход в информатике мембранных технологий

Для исследования и обоснования концепции развития АСИО в области мембранных технологий нами был использован системологический подход в духе Дж. Клира [1]. Кратко системологию можно определить как логико-математическую дисциплину, рассматривающую изучение “систем вообще”, т.е. она занимается изоморфизмом системных понятий, законов и моделей в разных предметных областях.

Сразу нужно остановиться на соотношении системологии с прикладной математикой. В прикладной математике (обработке данных) приоритетом является применение известных подходящих (и часто произвольных) методов к данным. По контрасту, в системологии имеет место обратное соотношение – приоритет задач по отношению к методам, т.е. целью является выделение практически ценных подзадач, возникающих в как можно более широком классе реальных системных задач.

Основным и практически наиболее важным определением системологического подхода является определение системы как объекта, функция которого сводится к поддержанию определенных свойств надсистемы. Это определение является отправным для практического построения иерархии функциональных свойств систем, причем при построении этой иерархии рассматривается/учитывается иерархия не только в направлении сверху вниз (система –> подсистема при традиционном системном подходе), но и снизу вверх – в направлении система –> надсистема –> наднадсистема и т.д. Из других особенностей системологического подхода следует отметить включение наряду со структурной целостностью (в обычном системном подходе) функциональной целостности как важнейшей части системологической концепции, учет динамических характеристик системы (что позволяет учесть процессы формирования и адаптации системы, причинные и следственные связи ее свойств и т.д.).

Последовательное применение системологического подхода к химической информатике позволяет сформулировать ее функционально-структурную иерархию в виде, представленном на рис. 1 (рассматривать иерархию следует снизу вверх).

Комментарий по уровням

Термин “исходные системы” (уровень 0) означает, что подобные системы являются источником эмпирических данных (химические вещества, процессы и аппараты, биологические объекты и т.д.). Системы этого уровня определяются через множество переменных, множество потенциальных состояний (значений), выделяемых для каждой переменной, и некоторый операционный способ описания смысла этих состояний в терминах соответствующих атрибутов исходного объекта предметной области.

На более высоких эпистемологических уровнях системы отличаются друг от друга уровнем знаний относительно переменных соответствующей исходной системы. На этих уровнях используются все знания соответствующих систем более низких уровней и, кроме того, содержатся дополнительные знания, недоступные низшим уровням.

После дополнения исходной системы конкретными данными, т.е. действительными состояниями основных переменных при определенных значениях параметров типа время, пространство, группа объектов одного типа и т.д., исходная система рассматривается как определенная на эпистемологическом уровне 1 система регистрационных данных.

Агрегация данных по аспектам, структурирование и унификация, статистическая обработка приводят к системам агрегированных данных уровня 2, являющихся основами аналитических баз данных и систем оцененных (справочных) данных.

Данные уровней 2 и 1 образуют основу для построения базовых элементарных или локальных моделей уровня 3. Эти модели описывают состояния основных переменных по допустимому множеству параметров при любых начальных или граничных условиях и потому названы порождающими системами.

Примерами таких моделей являются:

3.1. Локальные интенсиональные модели (основанные на свертке/признаках, статистические и логические, например регрессионные и дискриминантные соотношения в пространстве дескрипторов).

3.2. Локальные экстенсиональные/ассоциативные модели (основанные на прецедентах, сходстве объектов как целого, например, модели классификации по методу ближайших соседей, нейронные модели, так называемые методы аналогов и методы экстраполяции по прецедентам).

3.3. Модели структурных компонент (элементарных частей систем).

3.4. Модели функциональных компонент (подсистем).

Как правило, элементарные/локальные модели применяются либо в узких рядах сходных объектов – например, химических соединений, либо для отдельных свойств, объединяющих объекты различных классов.

На эпистемологическом уровне 4 системы, определенные как системы более низкого уровня, называются подсистемами общей системы, которые могут соединяться за счет общих переменных или взаимодействовать другим образом, например , при многомерной (число первичных переменных более 1) классификации в рамках определенных типологических групп (состояний).

Примерами являются:

4.1. Обобщенные модели (основанные на акцепции общих свойств однотипных моделей уровня 3).

4.2. Агрегированные модели (сконструированные из других базовых моделей уровня 3).

Агрегация и обобщение выражают структурные и классификационные аспекты типизации соответственно. Структуру модели (системы) можно представить как агрегат базовых моделей, а агрегат может служить объектом обобщения. Эти операции могут применяться, естественно, многократно и итерационно.

На следующем эпистемологическом уровне 5 системы состоят из набора систем, определенных на более низком уровне, и дополнительно включают инвариантную параметрам метахарактеристику (или их набор), описывающую изменения в системах более низкого уровня. Это отвечает учету внешней среды для системы уровня 4 или ее включению в надсистему. Пример: учет эффектов среды и внешних полей в физикохимии.

Аналогично уровню 5 определяются мета-метасистемы более высоких порядков.

В связи с приведенной иерархией эпистемологических уровней отметим, что общая структура научной информации рассматривалась многими авторами (см. [2] и приведенные там ссылки). Так, В. Сифоров [3] построил следующую структуру научной информации:

1) информацию о научных фактах (класс А);

2) информацию о научных гипотезах, концепциях и теориях, объясняющую и объединяющую некоторую совокупность научных фактов и взаимосвязь между ними (класс В);

3) информацию, объединяющую некоторую совокупность научных фактов, гипотез, концепций, теорий и законов, образующую основу данной науки или области знания (класс С);

4) информацию, отображающую и формирующую общий подход к познанию и изменению окружающего нас мира, т.е. информацию мировоззренческого уровня иерархии (класс D).

Аналогия этой структуры с рис. 1 очевидна.

Анализ существующих систем информационного обслуживания в областях разработки и применения химических веществ показывает, что в настоящее время основная активность сосредоточена на уровнях 1 и 2. При этом далеко не все базы данных систем уровня 2, создаваемые на корпоративном уровне, доступны другим пользователям (проблемно-ориентированные фактографические БД).

Задача создания баз данных систем уровня 3 в настоящее время находится в начальном состоянии, несмотря на очень большое число публикаций по математическим моделям.

Интегрированные модели уровня 4, используются, например, в человеко-машинных системах типа АСЭИ (автоматизированные системы экспериментальных исследований), АСНИ (автоматизированные системы научных исследований) (например, описанный в работе [4] исследовательский комплекс по мембранным технологиям), САПР (системы автоматизированного проектирования).

Анализ структуры, формата и наполнения каждого уровня как специфического информационного ресурса позволяет определить его современное состояние, перспективы и направления развития.

В соответствии с функционально-структурной иерархией АСИО должна быть реализована в виде системы баз данных (БД) [5] (в дальнейшем будем называть систему БД также информационной системой – ИС или программно-технологическим комплексом).

[На следующую главу] [На Содержание]

Copyright ©


Для того, чтобы мы могли качественно предоставить Вам информацию, мы используем cookies, которые сохраняются на Вашем компьютере (сведения о местоположении; ip-адрес; тип, язык, версия ОС и браузера; тип устройства и разрешение его экрана; источник, откуда пришел на сайт пользователь; какие страницы открывает и на какие кнопки нажимает пользователь; эта же информация используется для обработки статистических данных использования сайта посредством интернет-сервисов Google Analytics и Яндекс.Метрика). Нажимая кнопку «СОГЛАСЕН», Вы подтверждаете то, что Вы проинформированы об использовании cookies на нашем сайте. Отключить cookies Вы можете в настройках своего браузера.

Сервер создается при поддержке Российского фонда фундаментальных исследований
Не разрешается  копирование материалов и размещение на других Web-сайтах
Вебдизайн: Copyright (C) И. Миняйлова и В. Миняйлов
Copyright (C) Химический факультет МГУ
Написать письмо редактору