8
Л.А. Зинченко, В.А. Шахнов
вания с общим объемом свыше одного терабайта, которые хранились в
тысячах различных файлов. Визуализация столь больших объемов дан-
ных приводит к невозможности выделения трендов и принятия грамот-
ного решения инженером-проектировщиком и требует использования
специальных методов интеллектуального анализа данных.
Для обработки данных могут быть использованы различные под-
ходы интеллектуального анализа. Перспективными представляются
подходы с применением нечеткой логики, нейронных сетей [16], реша-
ющих деревьев и вейвлет-анализа [15]. Кластеризация областей, пред-
ставляющих интерес среди всего множества имеющихся данных, также
является перспективной для различных задач наноинженерии.
Особенно важен интеллектуальный анализ данных при проверке кор-
ректности результатов моделирования и эксперимента. Сравнение боль-
ших массивов данных может быть выполнено с использованием техно-
логий интеллектуального анализа данных за существенно меньшее вре-
мя по сравнению с ручной проверкой. В работе [17] рассмотрены вопро-
сы интеллектуального анализа данных в бионаноинженерии. Для про-
ведения поиска информации при изучении взаимодействия клетки и
подложки предложено использовать следующие метрики: размер нано-
частицы; расстояние между наночастицами; высота наночастицы.
В работе [18] с использованием техники data mining был выполнен
анализ тенденций в области нанотехнологий. Применение информаци-
онных технологий позволило установить тренды в области нанотехно-
логий для различных геоэкономических областей.
Отметим, что каждый из рассмотренных выше подходов к визуали-
зации и анализу данных имеет свои достоинства и недостатки и может
быть применен при решении различных задач наноинженерии.
Представление знаний в наноинженерии.
Развитие информаци-
онных технологий позволило разработать принципиально новые под-
ходы к систематизации и классификации информации, к получению и
хранению знаний.
Традиционно накопление знаний шло по пути выработки опреде-
лений тех или иных понятий и затем формирования на их основе не-
которой совокупности определений в виде словаря предметной области.
Для поиска информации использовалась первая буква ключевого слова.
При этом ссылки между взаимосвязанными понятиями устанавливались
путем ссылки на связанное понятие, которое затем вручную надо было
искать в словаре также по первой букве. Подобная система классифи-
кации привела к созданию громоздких систем хранения, что приводит
к значительным временным затратам на поиск нужной информации.
При реализации этого подхода на вычислительных системах потребо-
вались разработка довольно сложных алгоритмов обработки информа-
ции и создание больших центров ее хранения.
