آخرین مطالب

، ، مدل کامپیوتری جدید می تواند به ارزیابی تأثیر کووید، پیشرفت در جزئیات کمک کند


مدل کامپیوتری جدید می‌تواند به ارزیابی تأثیر کووید، پیشرفت با جزئیات کمک کنددهلی نو، دانشمندان یک مدل کامپیوتری در مقیاس فوق العاده بزرگ از 1 میلیون تا 100 میلیون نفر، که نماینده نزدیکی از جمعیت هند است، توسعه داده اند، که به گفته آنها می تواند به ارزیابی تأثیر و پیشرفت یک بیماری عفونی، از جمله COVID-19، کمک کند. دانه ای ترین سطح مدل جمعیت مصنوعی با نام BharatSIM با استفاده از داده‌های منابعی مانند نظرسنجی‌ها و سرشماری دفتر ملی نمونه‌برداری (NSSO) توسعه یافته است.

این ابزار که توسط محققان دانشگاه آشوکا در سونیپات، هاریانا با همکاری شرکت فناوری جهانی Thoughtworks توسعه یافته است، همچنین برای پیش‌بینی COVID-19 استفاده می‌شود.

همچنین اجازه می دهد تا مداخلاتی مانند قفل کردن، سطوح پوشش واکسن را برای تعیین اثرات بیماری اضافه کنید.

دانشمندان گفتند که این مدل با دسترسی آزاد در دسترس خواهد بود و به دولت ها، سازمان های غیر دولتی و محققان کمک می کند تا مداخلات و نتایج را از طریق این شبیه سازی ها آزمایش کنند.

گوتام منون، پروفسور فیزیک و زیست شناسی در دانشگاه آشوکا، گفت: «BharatSIM به ما اجازه می دهد تا تأثیر یک بیماری همه گیر بیماری عفونی را در گران ترین سطح ارزیابی کنیم، زیرا واحد اصلی در آنجا هر فرد است.

نقشه‌ای از هند را تصور کنید که افراد زیادی روی آن حرکت می‌کنند، مانند یک بازی استراتژیک. منون به PTI گفت و ویژگی های جمعیت شناختی.

اینها بر اساس ترکیبی از نظرسنجی های مختلف در مقیاس بزرگ مانند سرشماری، نظرسنجی توسعه انسانی هند (IHDS) و غیره توسعه یافته اند.

به گفته محققان، از آنجایی که هر فرد با حفظ ویژگی‌های آماری جمعیت، مدل‌سازی می‌شود، این امکان تأثیر متفاوت بیماری در سنین مختلف، اثرات بیماری‌های همراه در افزایش خطر یک پیامد نامطلوب و غیره را فراهم می‌کند.

با استفاده از این مدل، محققان همچنین می‌توانند سناریوهای مختلفی مانند تأثیر مداخلات، از جمله تعطیلی و تعطیلی مدارس را بررسی کنند.

دبایان گوپتا، استادیار علوم رایانه در دانشگاه آشوکا، افزود: «این مدل اطلاعات جغرافیایی را نیز در بر می گیرد، بنابراین می توانیم تأثیر بیماری را در مناطق مختلف مانند بخش های یک شهر بررسی کنیم.

این مدل از زیرساخت محاسباتی با کارایی بالا برای اجرای این شبیه‌سازی‌های مقیاس بزرگ بر روی شهرها و ایالت‌ها با جمعیت واقعی آن‌ها استفاده می‌کند. اگرچه، موتور شبیه‌سازی ما نیز به اندازه کافی کارآمد است که شهرهای میان‌رده را به راحتی حتی در زمان‌های دور شبیه‌سازی کند. گوپتا به PTI گفت.

خروجی های سیستم به یک “موتور بصری” وارد می شود، که به تجزیه و تحلیل سریع و به دست آوردن بینش در مورد آنچه در غیر این صورت یک باتلاق عظیم از داده ها خواهد بود، کمک می کند.

در مجموع، محققان امیدوارند که کمکی قدرتمند برای درک سناریوهای مختلف چه می‌شود با جزئیات بسیار زیاد باشد.

گوپتا گفت: «به عنوان مثال، این مدل به ما اجازه می‌دهد تا سطحی را که عفونت‌های مجدد در آن «مهم» هستند، بررسی کنیم.

او افزود: “همچنین می تواند به ما اجازه دهد تا تأثیر بالقوه یک نوع کشنده تر و قابل انتقال تر را بررسی کنیم. اما مهمترین کاربرد آن مطمئناً در مقایسه استراتژی های مختلف برای کنترل یا کاهش همه گیری است.”

همه مدل‌های بیماری قبلی برای COVID-19 در هند مبتنی بر توصیف‌هایی است که به آن توصیف‌های «بخشی» گفته می‌شود که مفروضات خاصی در مورد نحوه تعامل افراد با یکدیگر در گسترش بیماری ایجاد می‌کند.

منون گفت این مفروضات چندان واقع بینانه نیستند.

او گفت: “روش های بهتر برای درک اینکه چگونه ساختار جوامع ممکن است نرخ و نحوه گسترش بیماری را تغییر دهد. این یکی از زمینه هایی است که BharatSim نسبت به روش های دیگر مزیت مشخصی دارد.”

BharatSim اجازه می دهد تا افراد چگونه رفتار خود را اصلاح کنند، برای مثال، چگونه ممکن است تصمیم بگیرند که تماس خود را با دیگران کاهش دهند یا جایی که برخی از آنها ممکن است قوانین مربوط به پوشیدن ماسک یا انزوا را زیر پا بگذارند.

منون در توضیح نحوه عملکرد مدل‌سازی ریاضی خاطرنشان کرد که هیچ مدلی نمی‌تواند موج جدید COVID-19 را پیش‌بینی کند.

او گفت: «کاری که یک مدل می‌تواند انجام دهد این است که سناریوهای متعددی را بررسی کند که چگونه یک نوع جدید که راحت‌تر بین افراد حرکت می‌کند اما واکسیناسیون قبلی در برابر آن محافظت می‌کند، ممکن است گسترش یابد.

این دانشمند توضیح داد: «مقایسه پیش‌بینی‌ها با داده‌ها در زمان واقعی می‌تواند به ما این امکان را بدهد که حتی در مراحل اولیه که ممکن است اطلاعات کمی در مورد نوع جدید وجود داشته باشد، از راه گسترش بیماری جلوتر بمانیم.»