🔎Модель сошлась. А к чему она вообще сошлась?
Есть странный момент в математическом моделировании, когда ты несколько часов или дней пытаешься заставить модель хотя бы нормально посчитаться, она наконец сходится, ты смотришь на красивый график и вроде бы должен радоваться.
А потом с опытом появляется вторая мысль — а к чему она вообще сошлась?
Потому что компьютер, к сожалению, не умеет сказать: «Карина, постановка у тебя физически бессмысленная, но технически я всё решил, держи график».
Он вообще довольно исполнительный товарищ. Что попросили — то и сделал.
Можно идеально решить задачу с неправильными граничными условиями.
Можно получить очень аккуратную кривую для параметров, которые не имеют физического смысла.
Можно подобрать настройки решателя так, что всё будет выглядеть образцово, а потом выяснить, что при изменении сетки результат начинает жить своей отдельной жизнью.
А мой любимый вариант — получить именно тот результат, который ты хотела увидеть, и на радостях принять это за подтверждение гипотезы.
Хотя иногда это всего лишь означает, что ты очень качественно запрограммировала собственные ожидания.
Я раньше правда радовалась слову converged гораздо сильнее. Сейчас оно вызывает у меня скорее внутренний диалог:
— отлично, сошлось
— теперь проверим, не сошлась ли ерунда
И дальше начинается уже не такая визуально приятная часть работы: размерности, баланс, предельные случаи, чувствительность к параметрам, сетка, шаг по времени, сравнение с более простой постановкой и, самое главное, физический смысл того, что вообще получилось.
Потому что сходимость численного метода и корректность модели — это всё-таки две разные вещи.
Первая говорит, что компьютер смог решить поставленную задачу.
Вторая — что задача, возможно, вообще имела смысл.
И вот между этими двумя фразами обычно как раз и начинается наука.
#моделируеммодели@MathModeller
Есть странный момент в математическом моделировании, когда ты несколько часов или дней пытаешься заставить модель хотя бы нормально посчитаться, она наконец сходится, ты смотришь на красивый график и вроде бы должен радоваться.
А потом с опытом появляется вторая мысль — а к чему она вообще сошлась?
Потому что компьютер, к сожалению, не умеет сказать: «Карина, постановка у тебя физически бессмысленная, но технически я всё решил, держи график».
Он вообще довольно исполнительный товарищ. Что попросили — то и сделал.
Можно идеально решить задачу с неправильными граничными условиями.
Можно получить очень аккуратную кривую для параметров, которые не имеют физического смысла.
Можно подобрать настройки решателя так, что всё будет выглядеть образцово, а потом выяснить, что при изменении сетки результат начинает жить своей отдельной жизнью.
А мой любимый вариант — получить именно тот результат, который ты хотела увидеть, и на радостях принять это за подтверждение гипотезы.
Хотя иногда это всего лишь означает, что ты очень качественно запрограммировала собственные ожидания.
Я раньше правда радовалась слову converged гораздо сильнее. Сейчас оно вызывает у меня скорее внутренний диалог:
— отлично, сошлось
— теперь проверим, не сошлась ли ерунда
И дальше начинается уже не такая визуально приятная часть работы: размерности, баланс, предельные случаи, чувствительность к параметрам, сетка, шаг по времени, сравнение с более простой постановкой и, самое главное, физический смысл того, что вообще получилось.
Потому что сходимость численного метода и корректность модели — это всё-таки две разные вещи.
Первая говорит, что компьютер смог решить поставленную задачу.
Вторая — что задача, возможно, вообще имела смысл.
И вот между этими двумя фразами обычно как раз и начинается наука.
#моделируеммодели@MathModeller