Laskentamallinnus

Laskentamallinnus on systemien kuvaamista, analysointia ja ennustamista käyttämällä tietokonemalleja. Sen tarkoituksena on tarjota ymmärrystä sekä tukea päätöksentekoa tilanteissa, joissa todelliset kokeet tai havainnot ovat hankalia, kalliita tai ei ole riittävästi tietoa. Laskentamallinnus kattaa sekä mekanistiset mallit, joissa ilmiöt kuvataan matemaattisilla yhteenlaskuilla (esim. differentiaali- ja osittaisdifferentiaaliyhtälöt), että dataohjautuvat mallit kuten tilastolliset mallit, tilastollinen oppiminen ja koneoppiminen. Usein näitä lähestymistapoja yhdistetään hybrideihin malleihin.

Prosessi etenee ongelman asettamisesta mallin konstruointiin, matemaattiseen muotoiluun ja numeeriseen toteutukseen. Varmistaminen tarkoittaa ohjelmiston oikean toiminnan tarkistamista (verification) sekä tulosten vastaavuuden todellisiin ilmiöihin arviointia (validation). Epävarmuuden huomioiminen, herkkyysanalyysi ja parametrien kalibrointi ovat keskeisiä osia. Dokumentointi, toistettavuus ja vertaisarviointi ovat tärkeitä hyvän laskentamallin hallinnassa.

Sovelluksia on lukuisia: insinööri- ja rakennustekniikasta meteorologiaan, energiasta biotieteisiin, taloustieteestä liikennejärjestelmiin sekä ekosysteemien ja kaupunkisuunnittelun simulointeihin. Yleisimmät menetelmät ovat finite element -menetelmä (FEM), finite difference -menetelmä (FDM), finite volume -menetelmä (FVM), Monte Carlo -simuloinnit sekä agenttiperusteinen mallinnus. Data- ja kyberfysikaaliset mallit ovat yleistyneet, ja mallit voivat sisältää sekä fysikaalisia lakeja että tilastollisia mittasukupisteitä.

Laskentamallinnus vaatii matematiikan, tietotekniikan ja domain-osaamisen yhdistämistä. Hyvä malli on dokumentoitu, toistettava ja arvioitavissa kriittisesti sekä sen käyttöä ohjaa eettinen ja oikeudellinen harkinta, erityisesti turvallisuutta ja ympäristövaikutuksia koskevissa sovelluksissa.