Escolar Documentos
Profissional Documentos
Cultura Documentos
Esta visión de una "ciudad digital" requeriría la adquisición de datos de Detalles sin precedentes.
No solo el sistema tendría que adquirir datos estáticos, sino datos dinámicos, es decir, datos en
constante cambio. Por ejemplo, los caudales de aire, agua y efluentes. Una extensión lógica del
concepto es la del Ecosistema Digital, que puede ser artificial (como una ciudad) o natural (como
un bosque, cuenca, continente o incluso todo el planeta). Cualquiera sea la escala, los beneficios
son lo mismo: ganamos la capacidad de optimizar la actividad humana y las infraestructuras en
respecto a eventos adversos o tendencias, y, a través de la simulación en tiempo real, para
identificar respuestas racionales a las crisis.
Se deben desarrollar modelos cuantitativos de los procesos a simular. Por muchos de esos
procesos, modelos de cierto nivel de fidelidad ya existen, o Se están desarrollando para fines de
ingeniería más específicos. Obvio ejemplos son modelos estructurales, dinámica de fluidos,
modelos de combustión y modelos de transporte. Para otros procesos importantes, sin
embargo, cuantitativos Los modelos son rudimentarios o inexistentes. Por ejemplo, carecemos
de modelos que pueden ayudarnos a describir o predecir la respuesta de las poblaciones a crisis.
El desarrollo y La validación de dichos modelos con lleva la adquisición de datos extraordinarios.
Como resultado, el desarrollo de la ciudad digital y el ecosistema digital inevitablemente
ejercerá presión sobre las ciencias experimentales y teóricas Investigación para satisfacer la
demanda de datos abundantes. Además, el tiempo real la simulación de algunas aplicaciones
impulsará desarrollos en sensores e infraestructura de comunicación.
Las recompensas de enfrentar esos desafíos son excelentes: mayor seguridad y conveniencia de
la vida en la Ciudad Digital y el Ecosistema Digital; una infraestructura social de eficiencia sin
igual; respuestas racionales a eventos naturales; e interacciones óptimas con ambientes
naturales. A continuación se mencionan algunas de las principales aplicaciones de las
tecnologías SBES. Protección contra contaminantes del aire, Optimización de infraestructuras,
Predicción de los impactos ambientales a largo plazo, Optimización de respuestas de
emergencia, Optimización de las infraestructuras de seguridad para entornos urbanos.
Las industrias relacionadas con la energía dependen de métodos modernos de simulación para
monitorear la producción de yacimientos de petróleo, planificar medidas para remediar la
contaminación y diseñar estrategias de control. Pronto podremos ver modelos de reservorios
de resolución múltiple que pueden ejecutarse en entornos computacionales muy grandes,
distribuidos, heterogéneos. Esos modelos, además, podrían recibir datos de sensores integrados
en los campos de los yacimientos (por ejemplo, sensores permanentes de fondo de pozo y
sensores sísmicos anclados en el fondo marino). Tal sistema de modelo y sensores podría
proporcionar un circuito de retroalimentación simbiótica entre los datos de medición y los
modelos computacionales. Este enfoque podría conducir a un campo petrolero instrumentado,
uno que sea más eficiente, rentable y ambientalmente seguro.
Las nuevas tecnologías relacionadas con SBES también tienen aplicación inmediata en otras
áreas, incluida la remediación ambiental y el almacenamiento de desechos peligrosos. Una vez
más, estas nuevas áreas de aplicación requieren un marco de simulación integrado e interactivo
con capacidades multiescala.
2.4 SBES en materiales (38)
La tecnología relacionada con SBES puede tener su mayor impacto social cuando las
innovaciones en metodologías de modelado y simulación se cruzan con innovaciones en
materiales. El modelado y la simulación multiescala están transformando la ciencia y la
tecnología del desarrollo de nuevos materiales y la mejora de los materiales existentes. Los
nuevos métodos permiten manipular materiales metálicos, cerámicos, semiconductores,
supramoleculares y poliméricos. Los resultados son estructuras materiales y dispositivos que
tienen notables propiedades físicas, químicas, electrónicas, ópticas y magnéticas. Dicha
colaboración maximiza las posibilidades para desarrollar materiales de gran valor tecnológico.
El poder de la computación multiescala se puede ver en una serie de aplicaciones de alto perfil
que involucran el comportamiento de materiales conocidos en entornos extremos. Por ejemplo,
un problema que ha ocupado la atención de una comunidad considerable de investigadores
durante varios años es la caracterización del comportamiento mecánico de la deformación
plástica en metales a alta presión y alta tasa de deformación. Incluso para los materiales que no
tienen que soportar las condiciones extremas de alta presión y radiación intensa, el campo de
la innovación de materiales es rico en desafíos para nuestra comprensión de las
microestructuras subyacentes de los materiales. Al enfrentar esos desafíos, podemos obtener
enormes beneficios. Por ejemplo, podríamos generar un modelo molecular de cemento, la
sustancia más utilizada hecha por humanos. Tal modelo nos ayudaría a desarrollar un nuevo
cemento con mayor resistencia a la fluencia y durabilidad ambiental.
2. Se necesitan métodos para vincular modelos a varias escalas y simular fenómenos de física
múltiple.
3. La simulación a menudo está separada del proceso de optimización del diseño y no puede
abordar simultáneamente factores como la capacidad de fabricación, el costo y el impacto
ambiental.
Los métodos multiescala proporcionarán amplios beneficios. Por ejemplo, nos permitirán
comprender las relaciones e interacciones de fenómenos a diferentes escalas, lo cual es crucial
en el diseño de muchos productos. Del mismo modo, los diseños que involucran diferentes
componentes también tienen una enorme gama de escalas de tiempo acopladas que
determinan el comportamiento general del sistema.