理解计算

随着计算机日益广泛而深刻的运用,计算这个原本专门的数学概念已经泛化到了人类的整个知识领域,并上升为一种极为普适的科学概念和哲学概念,成为人们认识事物、研究问题的一种新视角、新观念和新方法.     

生命科学为当代哲学提供了什么？——论生物学家ErnstMayr的新哲学

恩斯特迈尔是本世纪著名的生物学家和哲学家，长期以来他一直倡导一种不同于传统哲学的新哲学，本文综合探讨了迈尔新哲学的基本原则及其新哲学的基本框架：（１）物理科学不是科学的标准范式；（２）历史叙述比定律解释更重要；（３）解释和预言在生物学中是不对称的；（４）科学进步的主要象征是概念的提出和改进；（５）因果联系的多样性及目的论解释的合理性；（６）新哲学的基本框架。     

编后记

目前,功能陶瓷已形成了一门很有发展前途的新兴学科。中科院上海硅酸盐研究所王永令教授《功能陶瓷的新发展》一文概述了功能陶瓷的五个基本功能,介绍了功能陶瓷基础研究的若干方面理论与基础研究课题,并提出了相变爆电换能器和铁电薄膜存储器两项新应用,使我们基本了解这项材料科学基础和新材料研制及应用开发方面的丰富内容。重庆建筑工程学院祝家麟教授的《科学工程计算与计算数学》一文以现代科技发展与科学计算的更为紧密的依赖关系说明计算继“实验”与“理论”两种方法之后已成为第三种科学方法,计算与经济建设、国家安全相关,计算数学是各种计算性学科的基础,一个国家能否拥有用于科学计算的超级高效能计算机已经成     

高性能计算在材料科学中的应用

在当今的科学研究中,计算已和实验、理论并列为三大科学方法。随着计算技术的迅猛发展、科学理论模型日渐成熟．高性能计算在科学、工程和社会等领域都有了广泛应用,用它来模拟或代替实验已成为可能。在地球地质、气象气候、测绘科学、天体空间物理、凝聚态物理、高能物理、计算化学、分子生物学、基因测序、材料科学等领域,高性能计算已是必备的研究手段。     

系统论、控制论、信息论对辩证法范畴的丰富和发展

在哲学发展史上可以清楚地看到,随着自然科学的发展,自然科学的概念、范畴、规律和方法等,不断地向哲学渗透和转化,经过哲学家的加工、改造、移植、成了哲学概念、范畴。现代科学技术的新思想、新概念,大体从两个方面向哲学渗透和转化:一是,给原有的哲学概念、范畴,在内容上进行补充和修正;二是,有的新概念则超出了原有哲学范畴,需要依据新的理论和新的现象,进行新的哲学概括和总结,以形成和建立新的哲学范畴。     

科学哲学家往何处去

我们希望科学哲学家能将他们的注意力集中于未来一系列相当新的问题上,并运用他们新的眼力和技巧来改变传统方法论领域内的现行概念。“科学发现”在许多方面迅速成为受人注目的题目,这就是我在本文中要阐述的问题。在本文中这些理由可能尚未阐述得很清楚(有的可能遗漏),但已足够用来说服大量的哲学家将科学发现置于方法论中应有的地位上。我们清楚地看到,可以期望在科学发现的哲学研究方面,在探索和基本估价的意义上,比研究生成方面阻力更小。     

科学哲学视野中的科学思维方式

正科学哲学家在探讨科学发展和科学进步问题时提出了"范式"、"科学研究纲领"、"研究传统"等概念。他们就此所作的说明,为理解和把握科学思维方式提供了基本的概念框架。科学思维方式从自然科学作为一个整体的意义上,概括了这些概念的共同特征,扩展了其哲学和文化意义。1962年,美国科学哲学家库恩(T.Kuhn)出版《科学革命的结构》一书,提出今天人们耳熟能详的"范式"概念,推动科学哲学开始注重研究科学发展的实际历史和社会心理因素。此前,科学哲学只注重抽象的形式分析,很少研究科学理论的发生和科学知识的增长。科学认识主体、科学活动的主观方面、科学研究的过程等等,都被排除在研究主题之外。此后,科学哲学改变了     

地质学史研究中的几个理论问题

当代科学技术的飞跃发展使人类的未来已成为整个学术界热烈探讨的课题。科学技术史研究的成就、资料和经验,为探讨人类现在、未来的新学科——科学学、科学社会学、未来学的诞生与发展,奠定了理论基础。科学史作为一门独立科学,在对自然科学问题所作的分析中,不可能脱离开对社会的分析,其分析的范围包括科学知识领域发展的内部规律和科学发展的逻辑理论,诸如科学理论形成和交替过程的条件与性质,科学机构的演变及方法上的改善,知识的细分化与整理,科学思维方法,科学语言和概念等。从而明确科学史研究的特点:首先要立足于广泛的自然科学知识的基础上,同时与哲学和社会科学密切相关。自然科学史是以批判来认识自然的途径和方法的特殊形式,在当前科学蓬勃发展的     

机器学习与计算力学的结合及应用初探

自20世纪50年代以来,随着计算机科学的不断进步,机器学习和数据科学得到了长足发展.这些技术一般依靠大量数据作支撑,通过训练过程提取出蕴藏在数据内部的抽象映射关系,目前已被成功应用于化学、生物等自然科学研究领域.近年来,这些技术也逐渐受到计算力学领域研究者的关注.本文结合作者的相关研究成果介绍了机器学习、数据科学与计算力学相结合的3种形式:第一种是与有限元方程求解方面的结合,直接应用卷积神经网络算法求解线性有限元方程;第二种方式结合有限元计算和机器学习预测复杂材料结构与力学性能的关系.本文作者应用该方法基于细观页岩扫描照片和随机建模算法,成功训练出可以有效预测细观页岩样本等效模量的卷积神经网络;第三种方式是建立基于数据驱动的计算力学方法,比如直接利用真实的材料实验数据代替材料本构模型.这些工作显示了机器学习、数据驱动在处理材料的力学实验数据、设计新型材料以及创建更高效的计算力学模型方面的广阔前景.随着计算力学的发展,未来将可能出现更多将数据科学、机器学习与计算力学相结合的应用场景,进一步开发出更加强健、高效和保真的计算力学方法.     

高性能计算机与计算科学

<正> 1 引言 在本世纪40年代末50年代初,电子数字计算机刚刚问世的时候,科学和工程计算问题是它唯一的应用领域。50年后的今天,计算机无论在性能还是应用方面都有了突飞猛进的发展,但科学与工程计算仍然是它的重要应用领域之一,尤其是高性能计算机的主要应用领域。 70年代中期以后,出现了以Cray计算机系列为代表的超级计算机。随着可解问题规模的增大,计算本身成了科学研究工作中不可分割的一个重要部分,从而形成了独立于理论科学和实验科学之外的第三类科学,即计算科学(computational science)。计算科学与理论和实验科学的相互作用是很强的:理论科学提出数据模型供计算科学用数值方法解决,而这种