CC BY
31
ются в физиологических терминах и позволяют количественно характеризовать прогнозируемые дисфункции.
Это дает возможность определить, на какой стадии адаптационного процесса и какого характера
Анализ соотношений параметров по процедуральному правилу "If S then A"
Параметр (If S) Абсолютное значение, mkv Отношения параметров (then A) Относительно межсистемного инварианта, % Класс функционального состояния
Т1 275 QT-T A2 -K 0 I
Т2 325 QT-T A2 -K 14 -10 II
Т3 350 QT-T A2 -K 20,2 -14,3 III
Т4 400 QT-T A2 -K 31,4 -19.8 IV
Т5 0 QT-T A2 -K Ci-K 45.6 38.2 83.5 V
имеют место нарушения взаимосвязей физиологических функций. При этом множество альтернатив ограничиваются базой знаний, на основании которой принимается решение о значимости результата работы такой системы правил и определяется конечный набор эталонных образов. Таким образом, процеду-ральные правила в сочетании с гипертекстом выступают в роли генератора знаний в данной системе, и возникает четвертая группа диагностических признаков. Представляется важным при этом выявить «запрещенные» ситуации и «тупиковые» следствия. Необходимым атрибутом системы является база знаний и система поддержки принятия решений. В соответствии с теорией информации предложенная система выявляет взаимосвязь физиологических параметров в их совокупности, то есть определяет диагноз на данный момент времени. Анализ по процедурным правилам говорит о том, как параметры могут изменяться в соответствии с информацией между свойствами среды и реакцией системы - организма, то есть имеют значимость не только диагностическую, но и прогностическую. Источником таких знаний является анализ накопленных полипараметрических данных, и эту процедуру можно обозначить как data mining. Схема процесса data mining в полипараметрической системе представлена на рисунке 3.
Однако верификация логически построенных образов-эталонов функционального состояния может быть осуществлена на основе экспертных оценок и апробации данных результатов анализа в практиче-
Образцы предъявляемые Фаза 1
Образцы-эталоны
Фаза 2
Образцы процедурального анализа
Фаза 3 Фаза 4
Рис. 3. Функциональная схема data mining
ских условиях полипараметрического обследования, которая проводится среди студентов МГУ.
Подытоживая, отметим, что в статье дано концептуальное описание полипараметрической функционально-диагностической системы, моделируемой на базе интеллектуально-образных систем, и описано проведение анализа системы с помощью процеду-ральных правил.
Список литературы
1. Городецкий В.И. Распределенный искусственный интеллект и многоагентные системы (обзор) // Междунар. семинар: DASMAS'97 "Новости искусственного интеллекта". -1997. - № 4.
2. Дмитриева Н.В. Полиметрический анализ вегетативного статуса человека при развитии стресса // Вестник РАМН. -1995.
3. Дмитриева Н.В., Полипараметрический метод диагностики функционального состояния человека на основе интел-летуально-образных систем // Тр. нац. конф. по искусств. интеллекту. РАИИ. - Пущино-на-Оке. - 1998.
4. Дмитриева Н.В., Шевелев В.Ю. Системный анализ полипараметрических синдромов у студентов при развитии стресса в период учебы // Вестник РАМН. - 1998. - № 2.
5. Зенкин А.А. Когнитивная компьютерная графика. - М.: Наука, 1991.
6. Микони С.В. Взаимодействие базы знаний и системы выбора // Новые интеллектуальные технологии в задачах управления. - М.: Наука, Физматлит, - 1999.
7. Koono Zenya, Takashi Sugimoto, Toshio Tonaka, and Behroutz H.Far. A systemic approach for acquisition of human design knowledge // Procrrdings of JCKBSE'94. Japan-CIS Symposium on Knowledge Based Software Engineering'94. Ed. Haruki Ueno, Vadim L.Stefanuk. — Pereslavl-Zalesski, 1994.
8. Newell A., Simon H.A. Human problems solving. Englewood Cliffs: Prentice Hall, 1972.
9. Поспелов Д.А. На пути к искусственному интеллекту. -М.: Наука, 1982.
10. Савин Г.И. Системный анализ сложных процессов. — М.: Радио, 1999.
РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ БАЗЫ ТЕРМОДИНАМИЧЕСКИХ ДАННЫХ С ЭЛЕМЕНТАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
А.А. Репин, В.В. Туровцев, Ю.Д. Орлов
Современное развитие технологических процессов, фундаментальных и прикладных исследований в
отраслях энергетики, химической технологии, экологии невозможно без обеспечения количественной
информацией о свойствах отдельных веществ и композиций. Среди этой информации данные по термодинамическим характеристикам соединений относятся к чрезвычайно важным. На их основе производятся оценки энергетики, а также детальные исследования кинетики и механизмов процессов, связанных с химическими превращениями.
Наиболее распространенным и привычным способом представления количественной информации являются справочники и справочные издания. Но при быстром накоплении очень больших массивов данных все очевиднее становятся недостатки этого способа: громоздкость, ведущая к затруднениям при пользовании, и отсутствие динамизма, вследствие которого часть данных "устаревает" уже в течение издательско-типографского периода. Другой способ представления данных - картотеки, существующие, как правило, в единственном экземпляре и, следовательно, недоступные широкому кругу пользователей.
Стремительное развитие компьютерной техники и средств связи стимулировало развитие нового электронного способа представления баз данных, которые включили в себя достоинства вышеупомянутых способов с одновременным преодолением их недостатков. Это привело к созданию многочисленных автоматизированных баз данных по различным вопросам, к развитию компьютерных систем управления базами данных, к разработке научных основ компьютерного способа их представления. В частности, были разработаны базы данных и по термодинамическим свойствам химических соединений.
В настоящие время широко известен электронный банк данных Национального института стандартов и технологий США (NIST) [I]. Один из его разделов относится к химии [2], который, в свою очередь, делится на набор баз данных по различным темам [3]. Для поиска необходимой информации в указанных ресурсах существуют программы-навигаторы [4]. Используя их, можно осуществлять поиск по брутто-формуле, по названию молекулы, по авторам, структурам и номерным кодам. Перечень термодинамических величин, которые могут быть получены в результате поиска, включает в себя стандартные энтальпии образования, стандартные энтропии, теплоемкости для различных агрегатных состояний, термодинамические данные фазовых переходов, давления насыщенных паров, температуры плавления и кипения, критические величины. Наряду с молекулами, в базах данных широко представлены и радикалы, но они описаны крайне скудно. Кроме того, существует отдельная база данных по ионам [5]. Следует отметить еще несколько зарубежных баз термодинамических данных: BEILSTEIN, DETHERM, DIPPR, GMELIN, HODOC, ICSD, JANAF, TRCTHERMO [6]. На уровне лучших мировых разработок находится и российская база данных ИВТАНТЕРМО [7]. На сайте химического факультета МГУ также имеется база данных по термическим константам веществ [8].
Дальнейшее развитие химических технологий невозможно без наличия данных для все более широкого круга соединений. Решение этой задачи экс-
периментальным путем требует проведения прецизионных исследований. Для их выполнения требуются большие финансовые и временные затраты. Синтез исследуемого вещества в большинстве случаев представляет не менее сложную и дорогостоящую задачу, а зачастую и невозможен (например, ввиду ограничений по стабильности или токсичности веществ). Кроме того, для многих классов органических соединений уже накоплен значительный объем информации. Для них значения многих термодинамических характеристик новых соединений можно получить, используя методы расчетного прогнозирования. Поэтому важное значение приобретают задачи развития этих методов, направленные на их автоматизацию. Это открывает возможности для их использования в базах данных, что, по сути дела, является внесением элементов искусственного интеллекта в электронные источники справочной информации по термодинамике.
Базируясь на этой идее, мы предлагаем концепцию базы термодинамических данных нового поколения. Суть ее состоит в интеллектуализации базы данных. На данном этапе это может быть достигнуто путем оснащения традиционных баз элементами искусственного интеллекта. Среди элементов такого рода реально реализуемыми мы считаем следующие.
1. Оснащение баз данных средствами расчетного предсказания значения необходимой характеристики в случае ее отсутствия в фонде экспериментальных данных.
2. Автоматизированный поиск количественных корреляций строение-свойство, используемых для расчетного предсказания величин.
3. Автоматизация элементов процесса верификации новых данных, вводимых в базу, на основании известных соотношений между различными термодинамическими характеристиками.
В настоящее время нами создается вариант автоматизированной базы термодинамических данных, в которой расчетные предсказания неизвестных значений основных термодинамических характеристик строятся в рамках феноменологического подхода на базе аддитивно-группового метода [9,10]. В его основе лежит предположение о том, что экстенсивные свойства молекул можно представить в виде суммы вкладов (инкрементов) определенных фрагментов -групп атомов. При этом большое число молекул моделируется ограниченным набором групп. Под группой подразумевается неодновалентный атом с его одновалентными лигандами. Данный метод хорошо зарекомендовал себя с точки зрения надежности и точности. Постановка задачи предполагает автоматизацию идентификации групп и при необходимости введение новых групп с определением их инкрементов (в соответствии с указанным выше пунктом 2).
В структуре предлагаемого программного комплекса выделяются три основные части: блок данных, расчетный блок и пользовательский интерфейс, предназначенный для работы с этими составляющими и одновременно выполняющий функции управляющего модуля. Всю информацию, которую должен содержать блок данных, можно условно разде-
лить на основную и вспомогательную. К основной относятся рекомендованные по специальным критериям экспертизы [11] значения величин термодинамических свойств органических соединений, а также значения параметров для расчета термодинамических свойств соединений. Вспомогательная информация тоже может быть разделена на два типа. К первому относятся сведения об объектах (названия соединений, в том числе синонимы, сведения об их элементном составе и строении). Ко второму относится вся сопутствующая основным величинам информация: сведения о результатах всех экспериментальных оценок величин, методах и условиях их получения, основные характеристики приборов, данные об авторах и времени исследования, библиографическая информация, а также замечания эксперта относительно рекомендуемой величины (уровень надежности и т.п. [11]).
Одним из ключевых вопросов создания компьютерных баз данных о свойствах молекул, и в особенности баз данных, нацеленных на развитие по линии ителлектуализации, является вопрос о выборе компьютерного способа представления химических структур [12]. Наиболее широкое распространение среди них получили следующие:
- отображение в виде так называемых /-матриц;
- отображения в виде линейных представлений;
- представление, основанное на использование методов теории графов.
Отображение в виде /-матрицы используется в квантово-химических методах расчетов свойств молекул [13]. Оно подразумевает наличие детальной информации по геометрическому строению соединений.
Отображения в виде линейных представлений представляют собой развитие номенклатуры химических соединений. Наиболее распространенной из них является система линейных формул Висвессера (ЛФВ) [14]. Химическое соединение в системе ЛФВ задается линейным перечнем символов, дающим их полное описание. В этой системе атомы или группы атомов записываются в виде символов, которые подчиняются синтаксису, служащему для описания взаимоотношений частей, и правилам (около 300), предусматривающим порядок расположения символов. Все это обеспечивает единственный и однозначный способ представления химических соединений. Тем не менее, возникают существенные сложности при описании соединений с новыми функциональными группами. Это влечет за собой необходимость разработки новых правил в системе ЛФВ при описании новых классов веществ.
К пункту 3 относятся способы представления молекул в виде матрицы смежности и таблиц связности. Термином матрица смежности принято обозначать квадратную матрицу размерностью ^^ соответствующую N атомам молекулы, исключая водород, в которой недиагональные элементы 1 и 0 отвечают соответственно наличию или отсутствию связи между атомами. В таблицах связности информация о химическом соединении представлена с по-
мощью таблицы атомов и таблицы связей. В первой построчно приводится информация об атомах, а во второй - о связях. Каждый из этих способов представления химических соединений имеет свои преимущества и недостатки.
Мы полагаем, что для решения поставленных задач наиболее удобным вариантом является использование матрицы смежности. При этом очень важно, что ее можно легко модифицировать для записи более полной информации о молекуле или радикале. Соответственно для представления органических соединений была выбрана матрица смежности, модифицированная так, чтобы на ее главной диагонали находилась информация об атомах, составляющих вещество (за исключением водорода), а ее недиагональные элементы показывали химические связи между атомами и их тип. На этой основе нами разработаны тополого-групповой алгоритм фрагментации органических соединений [15] и алгоритм автоматизации расчета энергий диссоциации связей (Э) [16]. Использование этих алгоритмов позволяет автоматически выделять структурные элементы (группы) и моделировать процесс диссоциации молекулы на два радикальных фрагмента.
Таким образом, нам удалось автоматизировать расчетное прогнозирование энтальпий образования молекул и радикалов и энергий диссоциации связей.
Рассмотрим алгоритм идентификации набора структурных фрагментов (групп), составляющих молекулу, которая задана в виде матрицы смежности (согласно теории окрашенных графов).
Построение молекулярного графа осуществляется по следующим правилам.
• Вершинами молекулярного графа, представляющего рассматриваемую молекулу, должны быть все ее атомы за исключением атомов водорода.
• Все вершины молекулярного графа нумеруются.
• Каждой вершине ставится в соответствие номер соответствующего химического элемента, входящего в молекулу.
• Ребрам молекулярного графа присваивается вес в зависимости от кратности связей соответствующих атомов молекулы.
Из полученного молекулярного графа строится матрица смежности так, чтобы:
- в элементы главной диагонали в зависимости от номера вершины молекулярного графа записывался код, несущий информацию об атоме (номер химического элемента, валентность, количество связанных с ним атомов водорода, количество неспаренных электронов);
- недиагональные элементы матрицы смежности Ац (11 равнялись 0, если 1-я и Ц-я вершины молекулярного графа не являются смежными и к, если 1-я и Ц-я вершины смежные и инцидентное (по терминологии теории графов связывающее) этим вершинам ребро имеет вес, равный к.
Вес ребер к определяется по типу химических связей между атомами молекулы: 1 - одинарная связь (валентная), 2 - двойная связь (ковалентная), 3 - тройная связь, 4 - ароматическая.
Идентификация групп, составляющих молекулу, осуществляется следующим образом. Поочередно рассматривается каждая строка, 1-му атому молекулы соответствует 1-я строка. По элементу главной диагонали Ац определяется центральный атом группы (его валентность по определению должна быть больше 1). Иначе рассматриваем следующую строку. При идентификации центрального атома группы учитываются типы химических связей данного атома для определения его гибридизации. Последняя определяется по недиагональным элементам матрицы смежности рассматриваемой строки Ац и 1 - номер центрального атома рассматриваемой группы). Значение Ац показывает кратность связи, а индекс Ц указывает на номер атома, непосредственно с ним связанного. Таким образом, по элементам главной диагонали Ац аналогично определяются элементы, составляющие окружение данной группы.
Для моделирования реакции диссоциации на ЭВМ нами разработан алгоритм разбиения матрицы смежности исходной молекулы на матрицы смежности получаемых фрагментов (два радикала или атом и радикал). При этом мы исходили из традиционного определения (1) энергии диссоциации связи
О(К1-К2)=АН01; (К*1) + ДН°Е (К'г) - ДН0^^) (1) как энтальпии реакции (2)
^2 ^ + ^2. (2)
По (1) Э можно рассчитать из величин энтальпий образования ДН°Е продуктов и реагентов реакции (2). Величины ДН°Е рассчитываются по аддитивно-групповому подходу на основании инкрементов групп, составляющих соответствующие соединения.
В рамках предложенного алгоритма необходимо построить матрицы смежности, соответствующие радикалам, которые получаются при разрыве данной связи. Алгоритм состоит из трех главных блоков, в которых осуществляются следующие шаги.
1. Для указанной связи между 1-м и Ц-м атомами элементы Ац и Ац зануляются, элементы Ан и Ац специально помечаются (как радикальные).
2. На основании анализа измененной (по п. 1) матрицы смежности молекулы определяются номера атомов, входящие в каждый радикал по следующему алгоритму. Начиная с элемента А11, записывается номер его строки. Далее перебираются элементы этой строки по порядку до тех пор, пока А1ц не окажется отличным от нуля. Затем А1ц приравнивается к нулю и осуществляется переход к элементу Ац с занесением его номера в список атомов, входящих в этот радикал. Аналогично проверяется ц-я строка, начиная с элемента Ац+р Это продолжается до тех пор, пока все недиагональные элементы строк, номера которых присутствуют в списке атомов радикала, не будут равны нулю. Запись в список атомов данного радикала периодически упорядочивается по возрастанию, при этом исключаются повторяющиеся номера. В результате выполнения этого алгоритма получаем список атомов одного из радикалов, упорядоченный по возрастанию их номеров. Атомы с оставшимися номерами составляют второй радикал.
3. Используя полученные номера атомов каждого радикала, матрицы смежности радикалов строятся
по следующему правилу: если радикал представлен атомами с номерами У,к,т,...^, причем Щ<к<т<...^, то матрица смежности данного радикала примет вид, приведенный на рисунке.
A« Ai¡ Aik Aim Aiz
A¡i A¡¡ A¡k A¡m A¡z
Aki Ak¡ Akk Akm Akz
. . . . . . . . .
Azi Az¡ Azk A ^zm Azz
Элементы матрицы переносятся из элементов измененной матрицы смежности исходной молекулы.
Особый подход применяется при рассмотрении связей с участием атома водорода, то есть R-H. Это связано с тем, что в базовом алгоритме связи R-H фактически не рассматриваются, так как учет атомов Н осуществляется автоматически. В данном случае матрица смежности радикала R* отличается от матрицы смежности молекулы RH только тем, что атом, от которого отрывают Н, помечается как радикальный. Отметим, что атомы водорода, соединенные с одним и тем же многовалентным атомом, полагаются нами эквивалентными, и значения D(R-H) соответствующих связей будут равны. В таком случае при решении поставленной задачи необходимо поочередно проверить все диагональные элементы Ан матрицы смежности на наличие связей с атомами Н. Последующая замена рассматриваемого элемента Ан на радикальный производится с учетом отмеченной эквивалентности единожды.
Предложенные алгоритмы открывают возможность для автоматизированного прогнозирования данных по энтальпиям образования радикалов и молекул, а также по энергиям диссоциации химических связей на основании аддитивно-группового подхода и накопленного фонда экспериментальных данных.
В течение ряда лет нами ведется работа по реализации представленного проекта. Создан пользовательский интерфейс, реализованы алгоритмы автоматизации и база данных по параметрам для молекул и радикалов.
Представленные идеи являются первыми элементами искусственного интеллекта в термодинамических базах данных и показывают главное направление их развития, заключающееся в дальнейшей интеллектуализации.
Список литературы
1. National Institute of Standards and Technology, http://www.nist.gov/
2. NIST Chemistry WebBook. http://webbook.nist.gov/che-mistry/
3. A Guide to the NIST Chemistry WebBook. http://webbook. nist.gov/chemistry/guide/
4. Search for Species Data by Chemical Formula. http://webbook.nist.gov/chemistry/form-ser.htm
5. Gas-phase ion thermochemistry. / Sharon G. Lias and John E. Bartmess. http://webbook.nist.gov/chemistry/ion/
6. CHEMDATA. Chem Properties and Data Cluster (Numeric Data). http://www.csti.yar.ru/www/webJSost/stn/level21 .him
7. База данных ивтантермо. http://www.chem.msu.su:8081 /ms/handbook/ivtan/welcome.html
8. Термические константы веществ, http://www.chem.msu. su/cgi-bin/termo2b
9. Бенсон С. Термохимическая кинетика. - М.: Мир, 1999.
10. Cohen N.11 J. Phys. Chem. Rev. Data, 1996, V.25, N6 p.1411.
11. Орлов Ю.Д., Лебедев Ю.А., Сайфуллин И.Ш. Термохимия органических свободных радикалов. - М.: Наука, 2001. -304 с.
12. Барон Р., Шанон М. Компьютерное планирование органического синтеза. В кн: ЭВМ помогает химии. / Под ред. Г. Вернена, М. Шанона - Л.: Химия, 1990. - С. 11-83.
13. Кларк Т. Компьютерная химия.- М.: Мир, 1990.- 383 с.
14. Smith E.G., Becker P.A. The Wisswesser Line Formula Chemical Notation. L.: Cherry Hill, 1976.
15. Репин А.А., Орлов Ю.Д. Тополого-групповой алгоритм фрагментации органических соединений. // Ученые записки ТГУ. - 1999. - Т.5. С. 102-105.
16. Репин А.А., Орлов Ю.Д. Алгоритм автоматизации расчета энергий диссоциации связей // Там же. - 2001. - Т.6. -С. 78-81.
ПРОТОТИП ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ ЭНЕРГООБЪЕКТОМ
(Исследование проводится при финансовой поддержке РФФИ (грант 02-07-90042) и РФФИ-БФФИ (грант 00-01-81081))
А.П. Еремеев, Л.С. Денисенко
Интеллектуальные системы поддержки принятия решений (ИСППР), ориентированные на динамические проблемные области и реальный масштаб времени (РВ), относятся к классу интегрированных интеллектуальных систем, сочетающих строгие модели и методы поиска решения с нестрогими, эвристическими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений, неклассических логиках и накопленном опыте [1].
Реализовать ИСППР РВ в полном объеме возможно при условии использования современных технологий конструирования интеллектуальных систем, основанных на концепциях распределенного искусственного интеллекта, динамических (адаптивных) моделей знаний, параллельной обработки информации при поиске решения на основе экспертных моделей и методов правдоподобного вывода, а также ориентируясь на мощные вычислительные платформы типа рабочих станций и соответствующие инструментальные комплексы.
Семиотическая ИСППР РВ как система распределенного интеллекта определяется набором [1] 88= <М, ЩМ), Е(М), Е(88)>, где М={М1,...,Мп} - множество формальных или логико-лингвистических моделей, реализующих некие интеллектуальные функции; ЩМ) - функция выбора необходимой модели (совокупности моделей) в текущей ситуации; Е(М)={Е(М1),...,Е(Мп)} - множество функций модификации моделей М1,...,Мп; Е(88) - функция модификации собственно системы 88, ее базовых конструкций М, ЩМ), Е(М) и, возможно, самой Е(88).
Поиск (вывод) решения в рамках индивидуальной модели М1 поддерживается правилами монотонного или при необходимости немонотонного и нечеткого вывода. Переход же с одной модели на другую или корректировка модели ведет, как правило, к нарушению (разрыву) монотонности и осуществляется посредством реакции на соответствующее событие.
Основные принципы построения ИСППР РВ семиотического типа [1-8] применены в разрабатывае-
мом в Московском энергетическом институте (техническом университете) совместно с ЦНИИ комплексной автоматизации прототипе для оперативно-диспетчерского персонала сложного энергообъекта типа атомного энергоблока.
При создании прототипа СППР РВ для оперативно-диспетчерского персонала атомного энергоблока АЭС необходимо использовать мощное инструментальное средство разработки. Опыт последних лет показал, что таким средством является инструментальный комплекс конструирования экспертных систем РВ G2+GDA (Gensym Corp., USA) [9,10].
Инструментальный комплекс G2+GDA - самодостаточная среда (complete environment) для разработки, внедрения и сопровождения приложений в широком диапазоне отраслей, которая интегрирует в себе современные технологии программирования и обработки информации: открытые системы; объектно-ориентированное программирование; клиент-сервер; рассуждения, основанные на правилах; рассуждения, основанные на динамических моделях (имитационное моделирование); процедурные рассуждения; параллельное выполнение в РВ многих независимых процессов; активную объектную графику; структурированный естественный язык для описания данных и знаний; интегрированность технологии систем, основанных на знаниях с технологией традиционного программирования (с пакетами программ, СУБД, контролерами и концентраторами данных и т.д.).
Программный комплекс энергоблока разбивается на модули, соответствующие различным подсистемам энергоблока. Разработанный с помощью инструментального комплекса G2+GDA модуль прототипа ИСППР РВ предназначен для управления системой автоматического охлаждения зоной реактора (САОЗ). В пределах АЭС возможны аварии, связанные с разуплотнением в элементах реакторного контура. Назначение САОЗ - не допустить расплавления активной зоны и распространения радиоактивности за пределы защитных герметичных помещений АЭС даже при максимальной проектной аварии.
