Computerwissenschaft

Computerwissenschaft, auch bekannt als Wissenschaftliches rechnen oder Wissenschaftliche Berechnung (SC), ist ein Feld in Mathematik, das Fortgeschrittene verwendet Computer Fähigkeiten, komplexe Probleme zu verstehen und zu lösen. Es ist ein Wissenschaftsbereich, der viele Disziplinen umfasst[die?]Aber im Kern beinhaltet es die Entwicklung von Modellen und Simulationen, um natürliche Systeme zu verstehen.

In der praktischen Verwendung ist es normalerweise die Anwendung von Computersimulation und andere Formen von Berechnung aus numerische Analyse und Theoretische Informatik Probleme in verschiedenen wissenschaftlichen Disziplinen zu lösen. Das Feld unterscheidet sich von Theorie- und Laborversuche, die die traditionellen Formen der Wissenschaft sind und Ingenieurwesen. Der wissenschaftliche Computeransatz besteht darin, durch die Analyse mathematischer Modelle ein Verständnis zu erlangen Computers. Wissenschaftler und Ingenieure entwickeln sich Computerprogramme und Anwendungssoftware Diese Modellsysteme werden untersucht und führen diese Programme mit verschiedenen Sätzen von Eingabeparametern aus. Die Essenz der Computerwissenschaft ist die Anwendung numerischer Algorithmen[1] und Rechenmathematik. In einigen Fällen erfordern diese Modelle massive Mengen an Berechnungen (normalerweise Schwimmpunkt) und werden oft ausgeführt Supercomputer oder verteiltes Computer Plattformen.[Überprüfung erforderlich]

Der Computerwissenschaftler

Möglichkeiten, ein System zu studieren

Der Begriff Computerwissenschaftler wird verwendet, um jemanden zu beschreiben, der in wissenschaftlichem Computing qualifiziert ist. Eine solche Person ist normalerweise ein Wissenschaftler, ein Ingenieur oder ein angewandter Mathematiker, der sich angewendet hat High Performance Computing In unterschiedlichen Weise, um die hochmoderne in ihren jeweiligen angewandten Disziplinen in Physik, Chemie oder Ingenieurwesen voranzutreiben.

Die Computerwissenschaft wird jetzt allgemein als dritte Art von Art angesehen Wissenschaft, ergänzen und hinzufügen zu Experimentieren/Überwachung und Theorie (Siehe Bild rechts).[2] Hier definiert man a System Als potenzielle Datenquelle,[3] ein Experiment Als Prozess des Extrahierens von Daten aus einem System durch Ausübung dieser Eingaben[4] und ein Modell (M) für ein System (S) und ein Experiment (E) als alles, was E kann angewendet werden, um Fragen zu beantworten S.[5] Ein Computerwissenschaftler sollte in der Lage sein zu:

  • erkennen Komplexe Probleme
  • angemessen Konzeption Das System, das diese Probleme enthält
  • Entwerfen eines Rahmens von Algorithmen, die für die Untersuchung dieses Systems geeignet sind: die Simulation
  • Auswahl eines geeigneten Computerinfrastruktur (Parallele Computing/Raster Computing/Supercomputer)
  • Hiermit maximieren Sie die Rechenleistung der Simulation
  • Bewertung auf welcher Ebene die Ausgabe der Simulation ähnelt den Systemen: Das Modell ist bestätigt
  • Anpassung der Konzeptualisierung des Systems entsprechend
  • Wiederholen Sie den Zyklus, bis ein geeignetes Validierungsgrad erhalten wird: Der Computerwissenschaftler vertraut darauf, dass die Simulation unter den untersuchten Bedingungen ausreichend realistische Ergebnisse für das System erzeugt

Wesentliche Anstrengungen in den Bereichen Wissenschaften wurden der Entwicklung von Algorithmen, der effizienten Implementierung in Programmiersprachen und der Validierung von Rechengebnissen gewidmet. Eine Sammlung von Problemen und Lösungen in der Computerwissenschaft findet sich in STEeb, Hardy, Hardy und Stoop (2004).[6]

Philosophen der Wissenschaft befassten sich mit der Frage, in welchem ​​Abschluss Computerwissenschaft als Wissenschaft qualifiziert ist, darunter Humphreys[7] und Gelfer.[8] Sie befassen sich mit der allgemeinen Frage der Erkenntnistheorie: Wie gewinnt Einblicke aus solchen Ansätzen der Computerwissenschaft? Tolk[9] Verwendet diese Erkenntnisse, um die erkenntnistheoretischen Einschränkungen der computergestützten Simulationsforschung zu zeigen. Als Computational Science verwendet mathematische Modelle, die die zugrunde liegende Theorie in ausführbarer Form darstellen, im Wesentlichen Modellierung (Theorieaufbau) und Simulation (Implementierung und Ausführung). Während Simulation und Computerwissenschaft unsere anspruchsvollste Methode sind, um unser Wissen und unser Verständnis auszudrücken, sind sie auch mit allen Einschränkungen und Grenzen geliefert, die bereits für Computerlösungen bekannt sind.

Anwendungen der Computerwissenschaft

Zu den Problemdomänen für Computerwissenschaft/wissenschaftliches Computing gehören:

Prädiktive Computerwissenschaft

Predictive Computational Science ist eine wissenschaftliche Disziplin, die sich mit der Formulierung, Kalibrierung, numerischen Lösung und Validierung mathematischer Modelle zur Vorhersage spezifischer Aspekte physikalischer Ereignisse, unter den anfänglichen und randlichen Bedingungen sowie einer Reihe von Charakterisierungsparametern und assoziierten Unsicherheiten befasst.[10] In typischen Fällen wird die Vorhersageerklärung in Bezug auf Wahrscheinlichkeiten formuliert. Bei einer mechanischen Komponente und einer periodischen Belastungsbedingung beträgt die Wahrscheinlichkeit beispielsweise 90%, dass die Anzahl der Zyklen beim Fehler (NF) in der Intervall n1 <nf <n2 liegt.[11]

Urban komplexe Systeme

2018[Benötigt Update]Über die Hälfte der Weltbevölkerung lebt in Städten.[12] Bis 2050 die Vereinte Nationen Schätzungen werden 68% der Weltbevölkerung sein urban.[12][relevant?] Dieses städtische Wachstum konzentriert sich auf die städtischen Bevölkerung der Entwicklungsländer, in denen die Stadtbewohner mehr als verdoppeln werden, was von 2,5 Milliarden im Jahr 2009 auf fast 5,2 Milliarden im Jahr 2050 steigt.[relevant?] Städte sind massiv komplexe Systeme, die von Menschen geschaffen wurden, aus Menschen bestehen und vom Menschen regiert werden. Der Versuch, die Entwicklung von Städten in Zukunft vorherzusagen, zu verstehen und zu gestalten, erfordert komplexe Denk- und Rechenmodelle und Simulationen, um die Herausforderungen und möglichen Katastrophen zu mildern. Der Schwerpunkt der Forschung in städtischen komplexen Systemen liegt durch Modellierung und Simulation, um ein besseres Verständnis der Stadtdynamik zu schaffen und sich auf das Kommen vorzubereiten Urbanisierung.

Computerfinanzierung

Im Finanzmärkte, riesige Volumina von voneinander abhängigen Vermögenswerten werden von einer großen Anzahl interagierender Marktteilnehmer an verschiedenen Standorten und Zeitzonen gehandelt. Ihr Verhalten ist von beispiellose Komplexität, und die Charakterisierung und Messung des Risikos, das dieser sehr unterschiedlichen Instrumente inhärent ist mathematisch und Computermodelle. Das Lösen dieser Modelle genau in geschlossener Form, selbst auf einer einzelnen Instrumentenebene, ist normalerweise nicht möglich, und daher müssen wir nach effizientem suchen Numerische Algorithmen. Dies ist in letzter Zeit als Kreditkrise noch dringender und komplexer geworden[die?] hat klar[Nach wem?] zeigte die Rolle der Kaskadierungseffekte[die?] Wenn Sie von einzelnen Instrumenten über Portfolios einzelner Institutionen bis zum miteinander verbundenen Handelsnetz wagen. Das Verständnis dafür erfordert einen multiskaligen und ganzheitlichen Ansatz, bei dem voneinander abhängige Risikofaktoren wie Markt, Kredit- und Liquiditätsrisiko gleichzeitig und auf verschiedenen miteinander verbundenen Skalen modelliert werden.

Computerbiologie

Aufregende neue Entwicklungen in Biotechnologie revolutionieren jetzt die Biologie und Biomedizinische Forschung. Beispiele für diese Techniken sind Hochdurchsatzsequenzierung, Hochdurchsatz Quantitative PCR, intra-zelluläre Bildgebung, In-situ-Hybridisierung der Genexpression, dreidimensionale Bildgebungstechniken wie Blattblattfluoreszenzmikroskopie, und Optische Projektion (MICRO) -Computertomographie. Angesichts der massiven Mengen komplizierter Daten, die durch diese Techniken generiert werden, bilden ihre sinnvolle Interpretation und sogar ihre Speicherung große Herausforderungen, die neue Ansätze fordern. Über die aktuellen Bioinformatik -Ansätze hinausgehen, Computerbiologie Muss neue Methoden entwickeln, um aussagekräftige Muster in diesen großen Datensätzen zu entdecken. Modellbasierte Rekonstruktion von Gennetzwerke Kann verwendet werden, um die Genexpressionsdaten systematisch zu organisieren und zukünftige Datenerfassung zu leiten. Eine große Herausforderung hierher besteht darin, zu verstehen, wie die Genregulation grundlegende biologische Prozesse kontrolliert wie Biomineralisierung und Embryogenese. Die Unterprozesse mögen Genregulation, organische Moleküle Interaktion mit dem Mineralabscheidungsprozess, Zelluläre Prozesse, Physiologieund andere Prozesse auf Gewebe- und Umweltebene sind miteinander verbunden. Anstatt durch einen zentralen Kontrollmechanismus gerichtet zu werden, können Biomineralisierung und Embryogenese als aufstrebendes Verhalten angesehen werden zeitlich und räumliche Skalen (von Nanometer und Nanosekunden bis hin zu Metern und Jahren) werden in ein mehrfaches System verbunden. Eine der wenigen verfügbaren Optionen[die?] Solche Systeme zu verstehen, bedeutet, a zu entwickeln Multi-Scale-Modell vom System.

Komplexe Systemtheorie

Verwendung Informationstheorie, Nichtgleichgewichtsdynamikund explizite Simulationen, Computersystemtheorie versucht, die wahre Natur von aufzudecken Komplexe adaptive Systeme.

Computerwissenschaft im Ingenieurwesen

Computational Science and Engineering (CSE) ist eine relativ neue Disziplin, die sich mit der Entwicklung und Anwendung von Rechenmodellen und Simulationen befasst, die häufig gekoppelt sind High Performance Computing, um komplexe physische Probleme zu lösen, die in der technischen Analyse und des Designs (Computational Engineering) sowie in natürlichen Phänomenen (Computerwissenschaft) entstehen. CSE wurde beschrieben[von wem?] als "dritte Art der Entdeckung" (neben Theorie und Experimentieren).[13] In vielen Bereichen[die?]Die Computersimulation ist integral und daher für Unternehmen und Forschung von wesentlicher Bedeutung. Die Computersimulation bietet die Fähigkeit, Felder einzugeben[die?] Das ist entweder für traditionelle Experimente nicht zugänglich oder wenn traditionelle empirische Untersuchungen unerschwinglich teuer sind. CSE sollte weder mit reinem Verwirrung verwechselt werden InformatikNoch mit Technische InformatikObwohl eine breite Domäne in der ersteren in CSE verwendet wird (z. B. bestimmte Algorithmen, Datenstrukturen, parallele Programmierung, Hochleistungs-Computing) und einige Probleme im letzteren können mit CSE-Methoden modelliert und gelöst werden (als Anwendungsbereich) .

Methoden und Algorithmen

Algorithmen und mathematische Methoden, die in der Computerwissenschaft verwendet werden, sind unterschiedlich. Zu den häufig angewandten Methoden gehören:

Historisch gesehen bleibt Forran für die meisten Anwendungen des wissenschaftlichen Computers beliebt.[33][34] Sonstiges Programmiersprachen und Computeralgebra -Systeme häufig für die mathematischer Aspekte von wissenschaftlichen Computeranwendungen verwendet Gnu octave, Haskell,[33] Julia,[33] Ahorn,[34] Mathematica,[35][36][37][38][39] Matlab,[40][41][42] Python (mit Drittanbietern Scipy Bibliothek[43][44][45]), Perl (mit Drittanbietern PDL Bibliothek), R,[46] Scilab,[47][48] und TK -Löser. Die rechenintensiveren Aspekte des wissenschaftlichen Computer C oder Forran und optimierte Algebra -Bibliotheken wie z. Blas oder Lapack. Zusätzlich, Parallele Computing wird stark im wissenschaftlichen Computer verwendet, um Lösungen großer Probleme in angemessener Zeit zu finden. In diesem Rahmen wird das Problem entweder über viele Kerne auf einem einzelnen CPU -Knoten unterteilt (wie mit OpenMP), geteilt über viele miteinander vernetzte CPU -Knoten (wie mit MPI), oder wird auf einem oder mehreren ausgeführt GPUS (Normalerweise verwenden Sie entweder CUDA oder OpenCL).

Anwendungsprogramme für Computerwissenschaften modellieren häufig reale Änderungsbedingungen wie Wetter, Luftstrom um eine Ebene, Automobilkörperverzerrungen bei einem Absturz, die Bewegung von Sternen in einer Galaxie, einem explosiven Gerät usw. Solche Programme könnten ein logisches Mesh erzeugen 'Im Computerspeicher, in dem jedes Element einem Bereich im Raum entspricht und Informationen zu diesem für das Modell relevanten Raum enthält. Zum Beispiel in WettermodelleJeder Gegenstand kann ein quadratischer Kilometer sein; Mit Landhöhe, aktueller Windrichtung, Luftfeuchtigkeit, Temperatur, Druck usw. würde das Programm den wahrscheinlichen nächsten Zustand basierend auf dem aktuellen Zustand in simulierten Zeitschritten berechnen, Differentialgleichungen lösen, die beschreiben, wie das System funktioniert, und dann den Prozess dann wiederholen Um den nächsten Zustand zu berechnen.

Konferenzen und Zeitschriften

Im Jahr 2001 die Internationale Konferenz über Computerwissenschaft (ICCS) wurde zuerst organisiert. Seitdem wurde es jährlich organisiert. ICCS ist ein A-Rank Konferenz in der Kernklassifizierung.[49]

Das Journal of Computational Science veröffentlichte seine erste Ausgabe im Mai 2010.[50][51][52] Das Journal of Open Research Software wurde 2012 ins Leben gerufen.[53] Das Rettungskraft c Die Initiative, die sich der Replikation von Computergebnissen widmet, wurde begonnen GitHub 2015.[54]

Ausbildung

In einigen Institutionen kann eine Spezialisierung in wissenschaftlicher Berechnung als "Minderjähriger" in einem anderen Programm verdient werden (das sich möglicherweise auf unterschiedlichen Ebenen befindet). Es gibt jedoch zunehmend viele Bachelor, Master, und Doktorand Programme in der Computerwissenschaft. Das gemeinsame Studienprogramm Master -Programm Computational Science bei der Universität Amsterdam und die Vrije Universiteit In der Computational Science wurde erstmals 2004 angeboten. In diesem Programm: Studenten:

  • Lernen Sie, Rechenmodelle aus realen Beobachtungen zu erstellen.
  • Entwickeln von Fähigkeiten beim Umwandeln dieser Modelle in Rechenstrukturen und bei der Durchführung großer Simulationen;
  • Theorien lernen[die?] Dies gibt eine feste Grundlage für die Analyse komplexer Systeme.
  • Lernen Sie, die Ergebnisse von Simulationen in einem virtuellen Labor unter Verwendung fortschrittlicher numerischer Algorithmen zu analysieren.[relevant?]

George Mason University war einer der frühen Pioniere, der zum ersten Mal einen multidisziplinären Doktorand anbot. Programm in Computerwissenschaften und Informatik im Jahr 1992, die sich auf eine Reihe von Spezialgebieten konzentrierten, einschließlich Bioinformatik, Computerchemie, Erdsysteme und globale Veränderungen, Rechenmathematik, Computerphysik, Weltraumwissenschaften, und Computerstatistik.

Die Schule für rechnerische und integrative Wissenschaften, Jawaharlal Nehru University (Erste School of Information Technology[55][Überprüfung erforderlich]) bietet auch an[Überprüfung erforderlich] Ein lebendiges Master -Wissenschaftsprogramm für Computational Science mit zwei Spezialitäten: Computerbiologie und Komplexe Systeme.[56]

Verwandte Felder

Siehe auch

Verweise

  1. ^ Non -Weiler T. R., 1986. Rechenmathematik: Eine Einführung in die numerische Näherung, John Wiley und Söhne
  2. ^ Graduiertenausbildung für Computerwissenschaft und Ingenieurwesen.Siam.org, Gesellschaft für industrielle und angewandte Mathematik (Siam) Website; Zugriff auf Februar 2013.
  3. ^ Siegler, Bernard (1976). Model- und Simulationstheorie.
  4. ^ Cellier, François (1990). Kontinuierliche Systemmodellierung.
  5. ^ Minski, Marvin (1965). Modelle, Köpfe, Maschinen.
  6. ^ Steeb W.-H., Hardy Y., Hardy A. und Stoop R., 2004. Probleme und Lösungen im wissenschaftlichen Computer mit C ++-und Java-Simulationen, World Scientific Publishing. ISBN981-256-112-9
  7. ^ Humphreys, Paul. Erweitert uns: Computerwissenschaft, Empirie und wissenschaftliche Methode. Oxford University Press, 2004.
  8. ^ Gelfert, Axel. 2016. Wie man Wissenschaft mit Modellen macht: eine philosophische Grundierung. Cham: Springer.
  9. ^ Tolk, Andreas. "Etwas richtig lernen aus Modellen, die falsch sind: Erkenntnistheorie der Simulation." Im Konzepte und Methoden zur Modellierung und Simulation, Herausgegeben von L. Yilmaz, S. 87-106, Cham: Springer International Publishing, 2015.
  10. ^ Oden, J. T., Babuška, I. und Faghihi, D., 2017. Predictive Computational Science: Computervorhersagen in Gegenwart von Unsicherheit. Enzyklopädie der Computermechanik. Zweite Ausgabe, S. 1-26.
  11. ^ Szabó B, Actis R und Rusk D. Validierung von Notchempfindlichkeitsfaktoren. Journal of Verification, Validierung und Unsicherheitsquantifizierung. 4 011004, 2019
  12. ^ a b "68% der Weltbevölkerung prognostiziert bis 2050 in städtischen Gebieten, sagt Un | Un Desa | Abteilung für wirtschaftliche und soziale Angelegenheiten der Vereinten Nationen.". www.un.org. Abgerufen 2021-12-31.
  13. ^ "Computational Science and Engineering Program: Graduate Student Handbook" (PDF). cseprograms.gatech.edu. September 2009. archiviert von das Original (PDF) Am 2014-10-14. Abgerufen 2017-08-26.
  14. ^ Von Zur Gathhen, J. & Gerhard, J. (2013). Moderne Computeralgebra. Cambridge University Press.
  15. ^ Geddes, K. O., Czapor, S. R. & Labahn, G. (1992). Algorithmen für Computeralgebra. Springer Science & Business Media.
  16. ^ Albrecht, R. (2012). Computeralgebra: Symbolische und algebraische Berechnung (Band 4). Springer Science & Business Media.
  17. ^ Mignotte, M. (2012). Mathematik für Computeralgebra. Springer Science & Business Media.
  18. ^ Stoer, J. & Bulirsch, R. (2013). Einführung in die numerische Analyse. Springer Science & Business Media.
  19. ^ Conte, S. D. & de Boor, C. (2017). Elementare numerische Analyse: Ein algorithmischer Ansatz. Gesellschaft für industrielle und angewandte Mathematik.
  20. ^ Greenspan, D. (2018). Numerische Analyse. CRC Press.
  21. ^ Linz, P. (2019). Theoretische numerische Analyse. Courier Dover Publications.
  22. ^ Brenner, S. & Scott, R. (2007). Die mathematische Theorie der Finite -Elemente -Methoden (Band 15). Springer Science & Business Media.
  23. ^ Oden, J. T. & Reddy, J. N. (2012). Eine Einführung in die mathematische Theorie endlicher Elemente. Courier Corporation.
  24. ^ Davis, P. J. & Rabinowitz, P. (2007). Methoden der numerischen Integration. Courier Corporation.
  25. ^ Peter Deufflhard, Newton Methoden für nichtlineare Probleme. Affine Invarianz und adaptive Algorithmen, zweite gedruckte Ausgabe. Serie Computational Mathematics 35, Springer (2006)
  26. ^ Hammersley, J. (2013). Monte -Carlo -Methoden. Springer Science & Business Media.
  27. ^ Kalos, M. H. & Whitlock, P. A. (2009). Monte -Carlo -Methoden. John Wiley & Sons.
  28. ^ Demmel, J. W. (1997). Angewandte numerische lineare Algebra. SIAM.
  29. ^ P. G. Ciarlet, B. Miara & J. M. Thomas (1989). Einführung in numerische lineare Algebra und Optimierung. Cambridge University Press.
  30. ^ Trefethen, Lloyd; Bau III, David (1997). Numerische lineare Algebra (1. Aufl.). Philadelphia: SIAM.
  31. ^ Vanderbe, R. J. (2015). Lineares Programmieren. Heidelberg: Springer.
  32. ^ Gass, S. I. (2003). Lineare Programmierung: Methoden und Anwendungen. Courier Corporation.
  33. ^ a b c Phillips, Lee (2014-05-07). "Die Zukunft des Scientific Computing: Kann eine Codierungssprache ein Gigant der 1950er Jahre top toven?". ARS Technica. Abgerufen 2016-03-08.
  34. ^ a b Landau, Rubin (2014-05-07). "Ein erster Kurs im wissenschaftlichen Computer" (PDF). Princeton Universität. Abgerufen 2016-03-08.
  35. ^ Mathematica 6 Scientific Computing World, Mai 2007
  36. ^ Maeder, R. E. (1991). Programmierung in Mathematica. Addison-Wesley Longman Publishing Co., Inc.
  37. ^ Stephen Wolfram. (1999). Das Mathematica® -Buch, Version 4. Cambridge University Press.
  38. ^ Shaw, W. T. & Tigg, J. (1993). Angewandte Mathematica: Erste Schritte, erledigen Sie es. Addison-Wesley Longman Publishing Co., Inc.
  39. ^ Marasco, A. & Romano, A. (2001). Wissenschaftliches Computer mit Mathematica: Mathematische Probleme für gewöhnliche Differentialgleichungen; mit einer CD-ROM. Springer Science & Business Media.
  40. ^ A. Quarteroni, F. Saleri & P. ​​Gervasio (2006). Wissenschaftliches Computer mit Matlab und Oktave. Berlin: Springer.
  41. ^ Gander, W. & Hrebicek, J. (Hrsg.). (2011). Lösen von Problemen im wissenschaftlichen Computer mithilfe von Maple und MATLAB®. Springer Science & Business Media.
  42. ^ Barnes, B. & Fulford, G. R. (2011). Mathematische Modellierung mit Fallstudien: Ein Differentialgleichungsansatz unter Verwendung von Maple und MATLAB. Chapman und Hall/CRC.
  43. ^ Jones, E., Oliphant, T. & Peterson, P. (2001). Scipy: Open Source Scientific Tools für Python.
  44. ^ Bressert, E. (2012). Scipy und Numpy: Ein Überblick für Entwickler. "O'Reilly Media, Inc.".
  45. ^ Blanco-Silva, F. J. (2013). Lernskipy für numerisches und wissenschaftliches Computing. Packt Publishing Ltd.
  46. ^ Ihaka, R. & Gentleman, R. (1996). R: Eine Sprache für Datenanalyse und Grafiken. Journal of Computational and Graphical Statistics, 5 (3), 299-314.
  47. ^ Bunks, C., Chancelier, J. P., Delebecque, F., Goursat, M., Nikoukhah, R. & Steer, S. (2012). Engineering and Scientific Computing mit Scilab. Springer Science & Business Media.
  48. ^ Thanki, R. M. & Kothari, A. M. (2019). Digitale Bildverarbeitung mit scilab. Springer International Publishing.
  49. ^ "ICCS - Internationale Konferenz über Computerwissenschaft". Abgerufen 2022-01-21.
  50. ^ Sloot, Peter; Coveney, Peter; Dongarra, Jack (2010). "Umleitung". Journal of Computational Science. 1 (1): 3–4. doi:10.1016/j.jocs.2010.04.003.
  51. ^ Seidel, Edward; Wing, Jeannette M. (2010). "Umleitung". Journal of Computational Science. 1 (1): 1–2. doi:10.1016/j.jocs.2010.04.004.
  52. ^ Sloot, Peter M. A. (2010). "Computerwissenschaft: Eine kaleidoskopische Sicht auf die Wissenschaft". Journal of Computational Science. 1 (4): 189. doi:10.1016/j.jocs.2010.11.001.
  53. ^ "Ankündigung des Journal of Open Research Software - ein Software -Metajournal". Software.ac.uk. Abgerufen 2021-12-31.
  54. ^ Rougier, Nicolas P.; Hinsen, Konrad; Alexandre, Frédéric; Arildsen, Thomas; Barba, Lorena A.; Benureau, Fabien C.Y.; Brown, C. Titus; Buyl, Pierre de; Caglayan, Ozan; Davison, Andrew P.; Delsuc, Marc-André; Detorakis, Georgios; Diem, Alexandra K.; Drix, Damien; Enel, Pierre; Girard, Benoît; Gast, Olivia; Hall, Matt G.; Henriques, Rafael N.; Hinaut, Xavier; Jaron, Kamil S.; Khamassi, Mehdi; Klein, Almar; Manninen, Tiina; Marchesi, Pietro; McGLINN, Daniel; Metzner, Christoph; Petchey, Owen; Plesser, Hans Ekkehard; Poisot, Timothée; Ram, Karthik; Ram, Yoav; Roesch, Etienne; Rossant, Cyrille; Rostami, vahid; Shifman, Aaron; Stachelek, Joseph; Stimberg, Marcel; Stollmeier, Frank; Vaggi, Federico; Viejo, Guillaume; Vitay, Julien; Vostinar, Anya E.; Yurchak, Roman; Zito, Tiziano (Dezember 2017). "Nachhaltige Computerwissenschaft: The Resculce Initiative". Peerj Comput Sci. 3. E142. Arxiv:1707.04393. Bibcode:2017ArXIV170704393R. doi:10.7717/peerj-cs.142. PMC 8530091. PMID 34722870. S2CID 7392801.
  55. ^ "Scis | Willkommen an der Jawaharlal Nehru University". www.jnu.ac.in. Archiviert vom Original am 2013-03-10.
  56. ^ "SCIS: Studienprogramm | Willkommen an der Jawaharlal Nehru University". www.jnu.ac.in. Archiviert von das Original am 7. Februar 2020. Abgerufen 31. Dezember 2021.

Zusätzliche Quellen

Externe Links