Символьно-численный подход для исследования кинетических моделей

Обложка

Цитировать

Полный текст

Аннотация

Наша группа достаточно долго исследует кинетические модели. Структура классических кинетических моделей описывается достаточно простыми предположениями о взаимодействии исследуемых сущностей. Также построение кинетических уравнений (как стохастических, так и детерминистических) основывается на простых последовательных шагах. Однако на каждом шаге исследователь должен манипулировать большим количеством элементов. А после получения дифференциальных уравнений возникает проблема их решения или исследования. Естественным образом напрашивается использование методологии символьно-численного подхода. Когда на входе представляется информационная модель исследуемой системы, представленная в каком-либо диаграммном виде. А в результате мы получаем системы дифференциальных уравнений (желательно, во всех возможных вариантах). Далее, в рамках этого процесса мы можем исследовать полученные уравнения (разнообразными методами). Ранее нами было предпринято несколько шагов в этом направлении, однако результаты нам показались несколько неудовлетворительными. На данный момент мы остановились на пакете Catalyst.jl, принадлежащему экосистеме языка Julia. Авторы пакета декларируют соответствие пакета области химической кинетики. Возможно ли исследовать с помощью этого пакета более сложные системы, мы сказать не можем. Поэтому исследование возможности применения данного пакета для наших моделей мы решили начать со стандартных задач химической кинетики. В результате мы можем резюмировать, что данный пакет видится нам наилучшим решением для символьно-численного исследования задач химической кинетики.

Полный текст

10.22363/2658-4670-2024-32-3-306-318
×

Об авторах

Е. А. Демидова

Российский университет дружбы народов

Email: 1032216451@rudn.ru
ORCID iD: 0009-0005-2255-4025

Student of Department of Probability Theory and Cyber Security

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

Д. М. Беличева

Российский университет дружбы народов

Email: 1032216453@rudn.ru
ORCID iD: 0009-0007-0072-0453

Student of Department of Probability Theory and Cyber Security

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

В. М. Шутенко

Российский университет дружбы народов

Email: shutenkovika@yandex.ru
ORCID iD: 0000-0003-3922-4805

Student of Department of Probability Theory and Cyber Security

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

А. В. Королькова

Российский университет дружбы народов

Email: korolkova-av@rudn.ru
ORCID iD: 0000-0001-7141-7610
Scopus Author ID: 36968057600
ResearcherId: I-3191-2013

Docent, Candidate of Sciences in Physics and Mathematics, Associate Professor of Department of Probability Theory and Cyber Security

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

Д. С. Кулябов

Российский университет дружбы народов; Объединённый институт ядерных исследований

Автор, ответственный за переписку.
Email: kulyabov-ds@rudn.ru
ORCID iD: 0000-0002-0877-7063
Scopus Author ID: 35194130800
ResearcherId: I-3183-2013

Professor, Doctor of Sciences in Physics and Mathematics, Professor of Department of Probability Theory and Cyber Security of RUDN University; Senior Researcher of Laboratory of Information Technologies, Joint Institute for Nuclear Research

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация; ул. Жолио-Кюри, д. 6, Дубна, 141980, Российская Федерация

Список литературы

  1. Gardiner, C. W. Handbook of Stochastic Methods: for Physics, Chemistry and the Natural Sciences (Springer Series in Synergetics, 1985).
  2. Van Kampen, N. G. Stochastic Processes in Physics and Chemistry (Elsevier Science, 2011).
  3. Lotka, A. J. Elements of Physical Biology 435 pp. (Williams and Wilkins Company, Baltimore, 1925).
  4. Volterra, V. Leçons sur la Théorie mathématique de la lutte pour la vie French (Gauthiers-Villars, Paris, 1931).
  5. Loman, T. E., Ma, Y., Ilin, V., Gowda, S., Korsbo, N., Yewale, N., Rackauckas, C. & Isaacson, S. A. Catalyst: Fast Biochemical Modeling with Julia Aug. 2022. doi: 10.1101/2022.07.30.502135. bioRxiv: 2022.07.30.502135.
  6. Loman, T. E., Ma, Y., Ilin, V., Gowda, S., Korsbo, N., Yewale, N., Rackauckas, C. & Isaacson, S. A. Catalyst: Fast and flexible modeling of reaction networks. PLOS Computational Biology 19 (ed Ouzounis, C. A.) e1011530.1-19. doi: 10.1371/journal.pcbi.1011530 (Oct. 2023).
  7. Bezanson, J., Karpinski, S., Shah, V. B. & Edelman, A. Julia: A Fast Dynamic Language for Technical Computing, 1-27. arXiv: 1209.5145 (2012).
  8. Bezanson, J., Edelman, A., Karpinski, S. & Shah, V. B. Julia: A fresh approach to numerical computing. SIAM Review 59, 65-98. doi: 10.1137/141000671. arXiv: 1411.1607 (Jan. 2017).
  9. Fedorov, A. V., Masolova, A. O., Korolkova, A. V. & Kulyabov, D. S. Implementation of an analyticalnumerical approach to stochastization of one-step processes in the Julia programming language in Workshop on information technology and scientific computing in the framework of the XI International Conference Information and Telecommunication Technologies and Mathematical Modeling of HighTech Systems (ITTMM-2021) (eds Kulyabov, D. S., Samouylov, K. E. & Sevastianov, L. A.) 2946 (Moscow, Apr. 2021), 92-104.
  10. Roesch, E., Greener, J. G., MacLean, A. L., Nassar, H., Rackauckas, C., Holy, T. E. & Stumpf, M. P. H. Julia for Biologists 2021. doi: 10.48550/ARXIV.2109.09973. arXiv: 2109.09973.
  11. Pal, S., Bhattacharya, M., Dash, S., Lee, S.-S. & Chakraborty, C. A next-generation dynamic programming language Julia: Its features and applications in biological science. Journal of Advanced Research, 1-12. doi: 10.1016/j.jare.2023.11.015 (Nov. 21, 2023).
  12. Kulyabov, D. S. & Korol’kova, A. V. Computer Algebra in JULIA. Programming and Computer Software 47, 133-138. doi: 10.1134/S0361768821020079. arXiv: 2108.12301 (Mar. 2021).
  13. Laidler, K. J. Chemical Kinetics 3rd ed. 531 pp. (Prentice Hall, Inc., Jan. 17, 1987).
  14. Korolkova, A. V. & Kulyabov, D. S. One-step Stochastization Methods for Open Systems. EPJ Web of Conferences 226 (eds Adam, G., Buša, J. & Hnatič, M.) 02014.1-4. doi: 10.1051/epjconf/202022602014 (Jan. 2020).
  15. Doi, M. Stochastic theory of diffusion-controlled reaction. Journal of Physics A: Mathematical and General 9, 1479-1495. doi: 10.1088/0305-4470/9/9/009 (1976).
  16. Schlögl, F. Chemical reaction models for non-equilibrium phase transitions. Zeitschrift für Physik 253, 147-161. doi: 10.1007/BF01379769 (1972).
  17. Hnatič, M., Eferina, E. G., Korolkova, A. V., Kulyabov, D. S. & Sevastyanov, L. A. Operator Approach to the Master Equation for the One-Step Process. EPJ Web of Conferences 108 (eds Adam, G., Buša, J. & Hnatič, M.) 58-59. doi: 10.1051/epjconf/201610802027. arXiv: 1603.02205 (2016).
  18. Korolkova, A. V., Eferina, E. G., Laneev, E. B., Gudkova, I. A., Sevastianov, L. A. & Kulyabov, D. S. Stochastization Of One-Step Processes In The Occupations Number Representation in Proceedings 30th European Conference on Modelling and Simulation (ECMS, Regensburg, Germany, June 2016), 698- 704. doi: 10.7148/2016-0698.
  19. Rackauckas, C. & Nie, Q. DifferentialEquations.jl A Performant and Feature-Rich Ecosystem for Solving Differential Equations in Julia. Journal of Open Research Software 5. doi: 10.5334/jors.151 (2017).
  20. Bazykin, A. D. Nonlinear Dynamics of Interacting Populations ed. by Khibnik, A. I. Ed. by Krauskopf, B. doi: 10.1142/2284 (World Scientific, Singapore, May 1998).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Демидова Е.А., Беличева Д.М., Шутенко В.М., Королькова А.В., Кулябов Д.С., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.