模擬的難題

閱讀時間約 2 分鐘
準與不準,除了糾結於軟體本身,演算法,數值方法這些東西以外,其實更重要的是一個問題的複雜度。任何一套軟體,拿去做物理課本例題上面的簡單問題,都沒毛病,而且和實驗一致。但是為什麼模擬軟體能發揮的功能依舊有限?
其中一個原因是出在,應用上,我們大概率是處在資訊不足的條件下做模擬。
假設有一個函數 f(a,b,c,d,e),你能夠在完全的條件下取得a,b,c,d,e的參數值,那麼你可以得到一個定值,然後拿這個定值去跟實驗值比較,這是文獻裡的模擬。
但是現實的模擬可能是,又缺a,又缺b,然後c,d隨時間改變,唯一知道的只有自己的設計值e。
那麼我們會做的事情可能就是,簡化一下a,忽略一下b,然後平均一下c,d,嗯,結果是永遠都跑得出來,但這出來代表的是什麼意思,自己都不知道。
另一個原因是出在,設計上的未定義。
模擬作為前期評估工具,基本上都是走在產品設計完成以前,因此除了大方向以外,很多東西都是沒有定義的。而當所有細節都有定義的時候代表是箭已離弦,任何的改動都代表交期的延後,豈是你一介小小工程師所能承擔得起?
於是乎事情就變成是薛丁格的模擬了,設計完成以前,有無限多種可能,設計完成後只有一種可能,但就是非生即死,也派不上用場了。在中間有一個微妙的窗口,模擬派得上用場。或者是我只做模組,外面的東西於我如浮雲,不然進了系統肯定會遇到這種問題。
那麼? 我們到底該怎麼看待模擬這件事?
那我們就要想起一個笑話 "世界上為什麼要有經濟學家? 為了要讓氣象預報顯得準一點"。自從有了大氣科學後,關於氣象預報的揶揄從來也沒少過,但是有趣的是,大家每天出門前還是繼續看著這個掉漆的預報。
其實,不準並不影響它的價值,我們回憶一下我們怎麼解讀氣象預報的,
1. 看氣溫,今天是個25~28度的天氣,秋高氣爽,短袖配薄外套足矣
2. 看降雨機率,0~30%大概不會下雨,50%以上很容易下雨,中間部份看個人,如果會看衛星雲圖那就是管他機率多少,有很多雲就帶傘了
基本上模擬也就是這麼回事了,首先與其討論它有多準,反倒是要知道它再不準都是有限的,夏天報38C不用考慮穿羽絨衣,至於實際上差到多少度? 重要嗎? 只要能作為你決策的依據不就夠了? 降雨機率90%沒下雨,那不是很好嗎? 你需要的是如果下雨而我有帶傘不是嗎? 能作為你的風險控管依據不就夠了嗎?
所以我們能期待模擬能做到的部分,基本上就拿氣象預報來想像就差不多了(大氣科學模擬,也是模擬,而且是老前輩了),簡單來說就是:
1. 就算有著上述的應用難題,依舊不影響他在定性上的價值
2. 以定性為基本盤,面對不那麼複雜的問題定量是有機會的
3. 搭配錨點,就算不準也能做出有意義的判斷
avatar-img
43會員
44內容數
和工作相關的筆記整理地
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
熱流資訊站的沙龍 的其他內容
這是一個利用structured grid 所切出來的conformal mesh 特色是,每一個網格與網格的交界處都很完整,一進一出,你丟我撿,臉貼臉。 這也是最一開始有限差分(finite difference)下的產物,原始但是快。
由於Icepak是版權軟體,同時也不是屬於大家常用的軟體 提升結果的外部可讀性是一個蠻常見的要求 其中一個就是EE想要看“PCB板溫分布", 面對這種要求,一般來說我們可能只能給他們一張溫度分布圖, 如果想要數字,得要告訴我們位置在哪裡,我們再量給他們 我的老天鵝,你要量50個點我怎麼辦
Multi-level meshing 在Icepak當中扮演的是捕捉幾何輪廓的功能,一般來說如果幾何形狀不複雜,就是些圓形和方形的原件,啟用後也沒有變化是有可能的。 因為幾何太簡單,並沒有用到Curvature function 或是 Proximity function.
在 Icepak 中要模擬 IC 的發熱行為有幾種方法: 1. 熱阻模型 / 2-resistor or multi-resistor 2. CCM IC module 3. CCM Vendor model 其中運算最快的當屬熱阻模型,因為內部網格不求解,只有表面與Junction間的關係
Icepak中,提供了許多的物件方便使用,有PCB模組,有Block,有隔板...等等。其中風扇模組,算是一個比較特別的東西。他模組化的不只是設定,還包含了上下游的網格。
系統模擬有一個好處是,我們可以直接堆完擺件然後以此做為流阻,去找風扇操作點,以此作為依據,從而得到溫度的結果,避開設定流量邊界的困擾。當然如果能直接設定流量是又快又省事,但是這是在東西做出來之後才有辦法透過實驗量測,在東西出來以前,你又想要有參考基準,這會是卡死的迴圈。
這是一個利用structured grid 所切出來的conformal mesh 特色是,每一個網格與網格的交界處都很完整,一進一出,你丟我撿,臉貼臉。 這也是最一開始有限差分(finite difference)下的產物,原始但是快。
由於Icepak是版權軟體,同時也不是屬於大家常用的軟體 提升結果的外部可讀性是一個蠻常見的要求 其中一個就是EE想要看“PCB板溫分布", 面對這種要求,一般來說我們可能只能給他們一張溫度分布圖, 如果想要數字,得要告訴我們位置在哪裡,我們再量給他們 我的老天鵝,你要量50個點我怎麼辦
Multi-level meshing 在Icepak當中扮演的是捕捉幾何輪廓的功能,一般來說如果幾何形狀不複雜,就是些圓形和方形的原件,啟用後也沒有變化是有可能的。 因為幾何太簡單,並沒有用到Curvature function 或是 Proximity function.
在 Icepak 中要模擬 IC 的發熱行為有幾種方法: 1. 熱阻模型 / 2-resistor or multi-resistor 2. CCM IC module 3. CCM Vendor model 其中運算最快的當屬熱阻模型,因為內部網格不求解,只有表面與Junction間的關係
Icepak中,提供了許多的物件方便使用,有PCB模組,有Block,有隔板...等等。其中風扇模組,算是一個比較特別的東西。他模組化的不只是設定,還包含了上下游的網格。
系統模擬有一個好處是,我們可以直接堆完擺件然後以此做為流阻,去找風扇操作點,以此作為依據,從而得到溫度的結果,避開設定流量邊界的困擾。當然如果能直接設定流量是又快又省事,但是這是在東西做出來之後才有辦法透過實驗量測,在東西出來以前,你又想要有參考基準,這會是卡死的迴圈。
你可能也想看
Google News 追蹤
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
模擬世界是我們寫程式造出來的,我們就是模擬世界的主宰,所以各種作用力要長什麼樣子、要怎麼個作用法,都由我們決定。不過,如果希望這些作用力看起來像真實世界的作用力一樣,那在寫程式的時候,套用這些作用力在真實世界中的物理公式,會是比較省時省力的做法。
在真實世界中有各式各樣的作用力影響著我們,那在模擬世界中呢?要怎麼在本來無一物的模擬世界中,製造出作用力呢?
我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
「直覺和生活常識非常有用,但缺乏知識的直覺會欺騙你。」 「Google對產品經理的要求是,在沒有數據之前不要輕易給出結論。」 「有些事情讓你放棄掉生活中獲得的直覺,是千難萬難。」 「有一點經驗的工程師都知道,任何產品的性能都有一個物理上無法突破的極限, 這個極限並不需要等到工
Thumbnail
在模擬自然界中的事物時導入隨機性,可以讓結果看起來比較自然,但如果導入的隨機性都是uniform distribution,那未免也太呆板了。這時候,我們需要nonuniform distribution亂數,來讓模擬出來的結果,更像真的一樣。
Thumbnail
選舉民調是預測選舉結果的重要工具。然而,如果我們不了解樣本和母體的概念,就很容易被民調結果誤導。 在本文中,我們將介紹樣本和母體的概念,以及它們對民調結果的影響。我們還將提供一些在閱讀民調報告時的注意事項。
Thumbnail
命理學用現代科學一點的講法來看,我們可以稱之為預測學。 就像是你預測天氣的走向,何時會下雨,何時會放晴一樣,只是在概抓一個事件發生的機率大小,但不表示會100%準確。 那麼,所謂的預測學,是基於我們此時此刻當下的時間點來談論的,物質的時間、肉體的時間...等等。 但萬一其實我們所即將經歷的未來
Thumbnail
《為什麼這樣工作會快、準、好》一書中說明:我們可以透過訓練自己用機率思考的方式,做出更好的選擇。機率思考即是設想未來的各種可能性,在腦中同時想著各種相互衝突的情境,並推估各種情形發生的比例,就可以比較準確無誤做出預測,並選擇較適當的方案。 除了機率思考之外,另外我們還需要學會「假設」,透過正確假設
Thumbnail
每天我們都做無數決策,有些對未來影響深遠。根據《為什麼這樣工作會快、準、好》指出,機率思考可以提升預測未來的能力。美國聯邦國家情報辦公室的研究發現,機率訓練能提升人們的預測準確度,讓人更客觀地評估決策後果。通過機率思考,人們能理性面對不確定性,避免因恐懼或偏見做出錯誤判斷。
Thumbnail
邏輯運算子 它們在許多情境下都是程式語言中重要的工具,用於進行條件判斷和控制流程 在日常中總會遇到有些需要思考判斷的問題,比如要買東西,就會考慮到CP值,東西要好且要便宜,就是and的概念,如果在一些比較複雜的狀況,例如想晚餐吃什麼,就會想火鍋或燒烤都行,這就是or的概念。
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
模擬世界是我們寫程式造出來的,我們就是模擬世界的主宰,所以各種作用力要長什麼樣子、要怎麼個作用法,都由我們決定。不過,如果希望這些作用力看起來像真實世界的作用力一樣,那在寫程式的時候,套用這些作用力在真實世界中的物理公式,會是比較省時省力的做法。
在真實世界中有各式各樣的作用力影響著我們,那在模擬世界中呢?要怎麼在本來無一物的模擬世界中,製造出作用力呢?
我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
「直覺和生活常識非常有用,但缺乏知識的直覺會欺騙你。」 「Google對產品經理的要求是,在沒有數據之前不要輕易給出結論。」 「有些事情讓你放棄掉生活中獲得的直覺,是千難萬難。」 「有一點經驗的工程師都知道,任何產品的性能都有一個物理上無法突破的極限, 這個極限並不需要等到工
Thumbnail
在模擬自然界中的事物時導入隨機性,可以讓結果看起來比較自然,但如果導入的隨機性都是uniform distribution,那未免也太呆板了。這時候,我們需要nonuniform distribution亂數,來讓模擬出來的結果,更像真的一樣。
Thumbnail
選舉民調是預測選舉結果的重要工具。然而,如果我們不了解樣本和母體的概念,就很容易被民調結果誤導。 在本文中,我們將介紹樣本和母體的概念,以及它們對民調結果的影響。我們還將提供一些在閱讀民調報告時的注意事項。
Thumbnail
命理學用現代科學一點的講法來看,我們可以稱之為預測學。 就像是你預測天氣的走向,何時會下雨,何時會放晴一樣,只是在概抓一個事件發生的機率大小,但不表示會100%準確。 那麼,所謂的預測學,是基於我們此時此刻當下的時間點來談論的,物質的時間、肉體的時間...等等。 但萬一其實我們所即將經歷的未來
Thumbnail
《為什麼這樣工作會快、準、好》一書中說明:我們可以透過訓練自己用機率思考的方式,做出更好的選擇。機率思考即是設想未來的各種可能性,在腦中同時想著各種相互衝突的情境,並推估各種情形發生的比例,就可以比較準確無誤做出預測,並選擇較適當的方案。 除了機率思考之外,另外我們還需要學會「假設」,透過正確假設
Thumbnail
每天我們都做無數決策,有些對未來影響深遠。根據《為什麼這樣工作會快、準、好》指出,機率思考可以提升預測未來的能力。美國聯邦國家情報辦公室的研究發現,機率訓練能提升人們的預測準確度,讓人更客觀地評估決策後果。通過機率思考,人們能理性面對不確定性,避免因恐懼或偏見做出錯誤判斷。
Thumbnail
邏輯運算子 它們在許多情境下都是程式語言中重要的工具,用於進行條件判斷和控制流程 在日常中總會遇到有些需要思考判斷的問題,比如要買東西,就會考慮到CP值,東西要好且要便宜,就是and的概念,如果在一些比較複雜的狀況,例如想晚餐吃什麼,就會想火鍋或燒烤都行,這就是or的概念。