Badania naukowe

Naukowcy i inżynierowie używają MATLABa i Simulinka do multidyscyplinarnych i kompleksowych badań naukowych w wielu dziedzinach. Najbardziej popularne z nich:

Nauki biologiczne

Za pomocą programu MATLAB można:

  • Tworzyć klasyfikacje i modele predykcyjne na potrzeby analizy kondycji
  • Automatyzować zadania analizy obrazu, takie jak zliczanie komórek
  • Prowadzić analizy bioinformatyczne bez konieczności kodowania za pomocą aplikacji
  • Wykorzystać szerokie możliwości statystyczne, aby określić znaczenie w badaniach
  • Tworzyć wykresy i raporty dla danych tabelarycznych
  • Pobierać dane z urządzeń zewnętrznych, kart, czujników lub Internetu Rzeczy

Klasyfikacja dużych obrazy w wielu rozdzielczościach za pomocą blockImage i Deep Learning

Modelowanie matematyczne

Modele matematyczne mają kluczowe znaczenie dla zrozumienia i dokładnego przewidywania zachowania złożonych systemów. Modele te umożliwiają wykonywanie zadań krytycznych, takich jak:

  • Prognozowanie i optymalizacja zachowania systemu
  • Projektowanie systemów sterowania
  • Charakterystyka odpowiedzi systemu

Produkty MathWorks zapewniają wszystkie narzędzia potrzebne do opracowania modeli matematycznych. MATLAB obsługuje zarówno numeryczne, jak i symboliczne podejścia do modelowania i zapewnia dopasowanie krzywych, statystyki, optymalizację, rozwiązywanie ODE i PDE, rachunek różniczkowy i inne podstawowe narzędzia matematyczne. Simulink dodaje środowisko do modelowania i symulowania zachowania systemów wielodomenowych oraz do tworzenia systemów wbudowanych.

Dzięki rodzinom produktów MATLABa i Simulinka można modelować praktycznie każdy typ systemu, w tym:

  • liniowe i nieliniowe
  • statyczne i dynamiczne
  • deterministyczne i stochastyczne
  • dyskretne i ciągłe.

Można wybierać spośród kilku środowisk modelowania umożliwiając opisanie systemu programowo, symbolicznie lub za pomocą diagramów blokowych i maszyn stanu. Tworzenie modeli opartych na danych lub fizyce daje wiele różnych korzyści, takich jak uzyskiwanie wglądu w dane, prowadzenie procesów projektowych za pomocą projektowania opartego na modelu, umożliwianie wirtualnego uruchamiania lub tworzenie operacyjnych cyfrowych bliźniaków.

Systemy inteligentne (cyberfizyczne)

Systemy cyberfizyczne to systemy komputerowe, w których mechanizm jest kontrolowany lub monitorowany przez algorytmy komputerowe. Są to m.in. inteligentne sieci, autonomiczne systemy samochodowe, monitoring medyczny, przemysłowe systemy sterowania, systemy robotyki i automatyczna awionika.

Modelowanie systemów cyberfizycznych

Projektowanie takich systemów nie jest łatwe ponieważ środowisko sieciowe i informatyczne związane z elementami fizycznymi obejmuje wiele dziedzin, takich jak sterowanie, komunikacja, fizyka analogowa i cyfrowa, logika i inżynieria oprogramowania. Poza tym interakcja ze światem fizycznym różni się znacznie w zależności od czasu i sytuacji.

Domena informacyjna systemów cyberfizycznych może być modelowana za pomocą MATLABa, Simulinka, Stateflow i powiązanych produktów (takich jak Control System Toolbox, Communications Toolbox, Signal Processing Toolbox, Computer Vision Toolbox, Deep Learning Toolbox, Statistic and Machine Learning Toolbox oraz Reinforcement Learning Toolbox). Do modelowania zachowania fizycznego wykorzystuje się ponadto Simscape, a także SimEvents w przypadku zachowania sterowanego zdarzeniami i wiadomościami.

Produkty te umożliwiają projektowanie na poziomie systemu, które obejmuje wiele domen i poziomów dokładności.

Przykładowe zagadnienia, do których stosuje się MATLABa i Simulinka:

  • Modelowanie i analiza architektury systemu na potrzeby inżynierii systemów opartych na modelach
  • Weryfikacja, walidacja i testowanie projektu systemu o wysokiej integralności
  • Testowanie sprzętu w pętli z symulacją w czasie rzeczywistym
  • Automatyczne generowanie kodu na wbudowane procesory, GPU i FPGA, ASIC i platformy docelowe SoC
  • Przetwarzanie równoległe i przetwarzanie w chmurze w celu skalowania zasobów obliczeniowych
  • Konfiguracje Digital Twin i Internet-of-Things (IoT) z symulacją i analizą czasu pracy
  • Zautomatyzowane aplikacje do jazdy, które obejmują scenariusze jazdy i modelowanie scen 3D.

Nauki fizyczne

Fizycy na całym świecie stosują MATLABa i Simulinka do badań i prowadzenia wymagających obliczeniowo symulacji. Temu wyborowi sprzyja środowisko obliczeniowe zorientowane na macierze. MATLAB i Simulink zapewniają również zintegrowane podejście do generowania kodu sprzętowego, akwizycji danych, symulacji i testowania w czasie rzeczywistym, analizy danych i skalowalnych obliczeń.

Najważniejsze cechy:

  • Wykorzystanie metod AI do analizy i wizualizacji danych
  • Uruchamianie akceleratorów cząstek
  • Przetwarzanie sygnałów odbieranych przez radioteleskopy i detektory fal grawitacyjnych
  • Porównanie wyników symulacji z danymi eksperymentalnymi
  • Nauczanie fizyki i dzielenie się pracą z innymi fizykami.

Potwierdzenie pierwszego w historii wykrycia fal grawitacyjnych poprzez analizę danych z interferometru laserowego

Niezmiernie przydatne jest zastosowanie oprogramowania MATLAB i Simulink w „małych laboratoriach”, gdzie służy ono do łączenia i sterowania sprzętem laboratoryjnym, takim jak niestandardowe mikroskopy. Umożliwia wykonywanie analiz spektroskopowych, opracowywanie czujników wspomaganych sztuczną inteligencją i analizowanie danych. Szczególne znaczenie ma:

  • Automatyczna generacja kodu HDL i C/C++ do połączeń sprzętowych
  • Sterowania i pozyskiwanie danych w czasie rzeczywistym ze sprzętu i instrumentów
  • Wdrażanie obliczeń w klastrach dla dużych zbiorów danych lub wymagających obliczeń
  • Udostępnianie kodu za pomocą intuicyjnych skryptów na żywo i GUI
  • Wykorzystanie procesorów graficznych do przyspieszania intensywnych obliczeniowo analiz z zastosowaniem sztucznej inteligencji
  • Skalowanie obliczeń do klastrów i chmur za pomocą MATLAB Parallel Server

Neuronauka

Neuronaukowcy używają MATLABa i Simulinka do przetwarzania i analizowania danych, prowadzenia eksperymentów i symulacji modeli obwodów mózgowych.

Najczęściej wykorzystywane funkcjonalności:

  • Analiza neuronowych szeregów czasowych
  • Przetwarzanie strukturalnych i funkcjonalnych danych z badań neuroobrazowych i mikroskopowych
  • Zastosowanie uczenia maszynowego i uczenia głębokiego do klasyfikacji, predykcji i gromadzenia danych
  • Przetwarzanie i generacja strumieni danych na żywo, w tym interfejs mózg-komputer (BCI) i behawioralne systemy kontroli

Rekonstrukcja map neuronowych na podstawie danych z mikroskopii elektronowej

Neuronaukowcy korzystający z MATLABa mogą również uzyskać dostęp do bogatej biblioteki narzędzi stworzonych specjalnie do zastosowań w neuronauce. Są wśród nich bezpłatnie udostępniane zestawy narzędzi oraz produkty partnerskie wspierane komercyjnie, oferujące sprzęt i łączność z chmurą.