layout! - WISV `Christiaan Huygens`

MACHAZINE
Symposium
BOOKREVIEW
Java Puzzlers
COMPUTERS EN EMOTIES
AI
HISTRORISCH PERSOON
NEW
!
T
U
O
Y
A
L
Kurt Gödel
VASTE RUBRIEKEN:
Actueel | Vereniging | Informatica | Wiskunde | Supplementair
Je hoeft niet ziek te zijn
om er beter van te worden
Zolang je gezond bent heb je
geen zorgen en denk je meestal niet al te veel na over je
zorgverzekering. Maar als je
ziek wordt, besef je pas wat
het waard is om gezond te
zijn en hoe belangrijk het is
dat zorg goed geregeld is.
Dat doen wij. Wij van DSW.
Goede zorg mogelijk maken.
inhoud en colofon
MACHAZINE
is een uitgave van
Algemeen
W.I.S.V. ‘Christiaan Huygens’
Hoofdredacteur
Redactioneel
2
CH Twitter
2
Max de Groot, Kees Boon, Wikash Sewlal, Michiel
Agenda
2
van Dam, Anne van Ee (QQ’er)
Arie Troebel
3
Van Bestuur 53 - Faalprojecten
4
Faculty Student Council
5
Column international student
5
Column - Reflectie
6
Announcement - Teacher of the year
6
Dorien de Regt
Redactie
Beeldredactie
Bruno Scheele, Peter Pul, Bas van Sambeek
Redactieadres
Mekelweg 4, 2628 CD Delft
E: [email protected]
T: 015-2782532, F: 015-2782690
Vereniging
Concept en ontwerp
G2O Kesteren
Drukker
DeltaHage bv
Cover
Owls photo - by hagit on sxc.hu
Gamen tot je neervalt - LAN-Party on!
7
Fred Vermolen - Genomineerd voor ‘beste docent van de TU Delft’
7
Symposium - Cloud your Identity, Distribute your Life
8
Ribbon image - taken from omnigifts.co.uk
Aan dit nummer werkten mee
Arie Troebel, Tom Verhoeff, Mark Janssen,
Sanne Aalbers, Anne van Ee, Ankur Sharma,
Prof.dr. C. Witteveen, Bradley Galdey, Fred
Vermolen, Jeremy Rauss, Paul Brussee, Prof.
Informatica
Ken je Prof! - Prof.dr.ir. H.J. Sips
9
dr.ir. H.J. Sips, Marco Krikke, Dr. P.G. Kluit,
Developing the TU Delft ‘My Timetables’ for Blackboard application
12
Joost Broekens, Koen Lubbers, Joey van den
Informaticapuzzel XXII
16
Heuvel, A.S. Pruteanu, Dennis den Ouden,
Oplossing informaticapuzzel XXI
16
Prof. dr. J.M. Aarts, Radboud Duintjer Tebbens,
Artificiele intelligentie - Computers en emotie
17
Tijmen P. Collignon, Ester Stegers, Rijn Buve,
Zero emission racing! Greenchoice Forze
19
Marjon Ruijter
Algemene Voorwaarden
Book review - Java puzzlers
24
Clustering algorithm for highly mobile wireless sensor networks
25
De MaCHazine-commissie en het bestuur zijn
verantwoordelijk voor de inhoud van het Machazine, met dien verstande dat de mening van een
schrijver niet (noodzakelijk) de mening van de
redactie of de vereniging weergeeft. Alle rechten
Wiskunde
Mathematical modeling of particle nucleation and growth in metallic alloys
27
verveelvoudigd, opgeslagen in een geautomati-
Wiskundepuzzel LI
29
seerd gegevensbestand of openbaar gemaakt, in
Oplossing wiskundepuzzel L
29
enige vorm of op enige wijze, hetzij elektronisch,
Wiskunde en de paradox van rationele vaccinatiebeslissingen
30
mechanisch, door fotokopieën, opnamen of enige
Fast Iterative Solution of Large Linear Systems on Grid Computers
33
voorbehouden. Niets uit deze uitgave mag worden
andere manier, zonder voorafgaande schriftelijke
toestemming van de uitgever.
Adverteerdersindex
Thales
Achterkant Kaft
DSW
Binnenkant Kaft
ASML
14, 15
Technolution
20, 21
All Options
32
Quinity
49
Supplementair
Historisch Persoon - Kurt Gödel
37
Alumnus - Rijn Buve, CTO TomTom
41
Reizen tijdens je studie - Stage bij de Schotten
43
N IE U W E
Stijl!
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
@htonino
Laat ik nu maar niets over de iPad zeggen! (vrij naar Ferdinand Peper,
Stelling 11, 1989)
Redactioneel
A new style == new
opportunities?
Bruno Scheele
So, isn’t this a nice gift to you? A shiny new MaCHazine, and even in a
shiny new jacket!
The old layout was becoming a tad stale and even somewhat restrictive while
fitting in all the articles. So we hope that this new and improved layout will
spice up our nice MaCHazine and give a bit more dimension and color to our
great articles. Of course, as we use this style more and more often, we will
keep refining it, so expect little things to change over the next few editions.
As a break of tradition, this editorial is written in English. Why in English all of
the sudden? Wasn’t Dutch good enough? Well, since the MaCHazine has made
a new start with its new face, perhaps it’s also time that everything else has
a fresh reboot as well. Getting more English articles for our foreign readers is
a great start.
Actueel
There are a lot of great articles in this MaCHazine. We have our usual suspects
in the form of information about activities and issues within the faculty and
editorials by a lot of great guys. We have reports of activities that CH has to
offer and we have a lot of nice articles about various subjects in the field of
Computer Science and Mathematics. And just for a bit more fl avor, we revisit
our historical heroes and recount tales of studies of students in the world.
But of course, everything can be improved. That’s why we want the input of
all our readers, including the English ones. Hence my choice of language for
this editorial :).
So, please tell us what you think of the MaCHazine by sending us a mail addressed
to [email protected]. Like the new layout? Mail us a compliment. Hate
it? Mail us your criticism. And of course the same goes for our articles. Are
there particular subjects you would like to read about? Would you like to write
an article yourself? Would you enjoy a single issue of the MaCHazine to cover
only one topic, such as game design or financial mathematics? Or do you enjoy
having a MaCHazine with articles about various topics?
We always enjoy hearing from our readers and there is no better time to give
us your opinions than with this new start.
2
@marcokrikke
Beermile start! http://twitpic.com/16k758 #chdies
@tomverhoeff
Koffie/frisdrank/snoepautomaat op de #tudelft leeg? Geef het door en wij
houden het bij: http://bit.ly/c86pWr
@broslife
Ladies...Ask not what Barney Stinson can do for you ....Ask what you can
do for Barney Stinson.
Agenda
April
Thu 22 Excursion to Vanderlande & Quintech
Fri 23
International Food Festival
Tue 27 Symposium ‘Cloud your Identity, Distribute your Life’
May
Thu 6
Members Lunch
Fri 7
Excursion to KLM
Wed 12 Sjaarcie BBQ
Tue 18 General Assembly
Wed 19 MatCH: Games Afternoon
Thu 20 Party
Tue 25 Inhouseday at KPMG
Wed 26 Mathematics Lecture by Radboud Duintjer Tebbens
Wed 26 Lecturer of the Year Award Ceremony
June
Thu 3
Committee Thanks Day
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Arie Troebel
The difference machine
Lieve schatjes in het mooie Delft,
Charles: ‘Ada, dit wordt een regelrechte hit!’
Ik zat in de bioscoop, nou nee, ik moest naar de bioscoop met mijn
Ada: ‘Ja maar wat is het dan Charlie?’.
vrouw, en als ik ergens een hekel aan heb… ja dat dus!
Charles: ‘Jee, jij ook met je moeilijke vragen altijd Ada! Vind je het niet mooi
dan?’.
Dus wat gaat een beetje wetenschapper dan doen?
Hij gaat zich uit verveling verdiepen in de Babyloniërs, die zo lekker aan het
spelen waren met hun getalletjes en dat allemaal gebaseerd op het getal 60!!
Ada: ‘Mooi is het wel, maar is het ook functioneel, wordt het wel iets voor de
toekomst? Ik bedoel: kunnen we er iets op gaan doen, of zetten we het gewoon
in de hoek met een Feijoa Sellowiana plantje erop?’
Jaja, ze konden er wat van, wat te denken van de algebraïsche formule als ab =
((a + b)2 - (a - b)2)/4. Ja, je moet wat doen in zo’n donker collectieve pijnbank.
Charles: ‘Ada, op dit moment schiet me er even niets te binnen, maar als je wilt
mag je ook wel iets doen, hoor. Kijk maar wat je uit gaat spoken!!’
Maar goed ik dwaal even af.
Dat liet Ada zich geen twee keer zeggen, vele uren en dagen later kwam Ada
weer terug op het honk van Charles, en ze zei: ‘Charles, ik heb wat opgeschreven op wat perkament; mag ik er wat mee doen?’
Ik wil het met jullie even hebben over het heerschap Charles Babbage (17911871), en natuurlijk ook heel belangrijk Ada Lovelace (1815-1852)!
Charles was een vrij rustige man, die zich met volle overgave gaf aan ‘nog niet
eerder ontworpen dingen’ te maken.
Hij zat op een zondagmorgen wat te prutsen en te sleutelen aan een machine
wat hij zelf ‘the difference Engine’ noemde. ‘Ja, je moet het beestje toch een
naam geven’, prevelde hij.
Ada ging aan de gang en de hele zware machine zette zich in beweging. 30
Minuten later kwam er wat uit rollen, en op dat moment liet ook de machine
het afweten. Dus volgens de overlevering heeft hij het nooit gedaan, maar
bij dezen is dat dus rechtgezet, en dat een vrouw de eerste was die ooit een
computer progamma schreef. Maar wat was het nu wat er uit de ‘computer’
kwam rollen?
Dit dus: Charles ma +2bier-1wijn
Charles was in een beste stemming, want een vriendin zou langskomen om ‘the
difference Engine’ te zien.
Op de deur werd gebonkt en daar was ze, een plaatje zoals altijd.
‘Hi Charles,’ zei ze met een zwaar Cockney accent, ‘wat ben je aan het freubelen?’
Actueel
Het zag er mooi uit vond hijzelf. ‘Ik had wel IO kunnen studeren, maar ja dat
bestaat nog niet,’ praatte hij wederom tegen zichzelf.
Charles: ‘Natuurlijk Ada,’ je gaat je gang maar, doe wel voorzichtig want hij is
net af!’
3
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
nieuwe CH voetbalteam, maar had meer zin in iets oncreatiefs na de grote
uilenposter-domper. Alle CRI tussenevaluatie agenda’s liggen nu een maand
van te voren al klaar…
Van Bestuur 53
Faalprojecten
Faalprojecten
Van Bestuur 53
De commissarissen Onderwijs
Sanne en Anne, de Commissarissen Onderwijs
Sommige dagen zijn niet zo productief als andere dagen. Je probeert
je best te doen, maar er gebeurt gewoon niet zo veel. Zo was afgelopen
woensdag het geval voor ons. Er waren deze dag geen speciale CO taken
voor ons weggelegd, zoals vergaderingen met de CRI’s, CRW’s, FSR, OCW,
OCI, OCCEES of SVR-O. Jullie zien het, ons leven bestaat uit een grote
verzameling afkortingen. Wel was er een meeting met de onderwijscoördinator waarbij het de bedoeling was om het juist niet over de problemen
van de studies Wiskunde en Informatica te hebben, maar om eens een
Het was tijd voor iets leuks! We besloten onze Pentagonvriendjes een bezoek
te brengen om voor het Sjaarciefeest DDB Eindfeest kaartjes te verkopen.
Bepakt met een grote kas gingen wij op weg. Onderweg zorgde Sanne voor een
indrukwekkend rinkelconcert. Misschien hadden we dit kunnen waarderen als
wij penningmeesters waren, maar nu was het gewoon irritant. Aangekomen bij
de olifanten-lovers werden wij met enorme vreugde ontvangen. Al snel bleek
grote onduidelijkheid over hoeveel mensen aanwezig konden zijn en daardoor
werden er geen kaartjes gekocht. Gelukkig is er een toezegging gedaan dat
vandaag iemand langskomt voor de kaartjes; of dit daadwerkelijk gebeurt,
blijft de grote vraag.
Aan de overkant van het Mekelpark konden we de VvTP vinden. Gelukkig waren
er nog twee bestuurders aanwezig die ons verhaal wilden aanhoren. Bij dit
bestuur was ook al veel onduidelijkheid over het aantal aanwezigen, maar wij
hebben de positieve verwachting een groot deel van hen op het feest te zien!
Toen was het tijd om TG een bezoek te brengen. We hadden namelijk gehoord
dat zij heel erg enthousiast waren om hun medebestuurder in zeer aangeschoten toestand te aanschouwen. Hier konden wij dan ook eindelijk wat kaartjes
kwijt! Dit faalproject had gelukkig een goed einde.
Nu denken jullie misschien: waar is het vijfde Pentagonbestuur gebleven? Zij
zitten ver in het zuiden en wij hadden het briljante inzicht om eerst te bellen.
Zo hebben wij tijd en moeite bespaard, want een bezoek aan hen had geen
resultaat opgeleverd. Helaas zit Sanne nog zonder handdoek, maar deze komt
vast nog een keer naar haar toegevlogen!
Niet elke dag is zoals hierboven beschreven, maar je kunt natuurlijk niet altijd
knallen. Op het moment zijn wij bezig met het maken van modulekaarten
voor Wiskunde en Informatica. Ook baart het tweede instroommoment van de
masters ons zorgen, omdat deze zowat niet bestaan. Ook al is, naar aanleiding
van de invoering van de Harde Knip, toegezegd door het CvB dat een tweede
instroommoment bij elke studie mogelijk moet zijn, onze faculteit heeft al
aangegeven dat zo’n tweede instroommoment nooit nominaal studeerbaar zal
worden. Genoeg zaken dus waar wij ons nog over kunnen ontfermen als we
geen faaldag hebben.
persoonlijk gesprek te voeren. Dit faalde al meteen.
Het gesprek met Julia begon als volgt: “Even nog kort een paar dingen over wat
wij gisteren besproken hadden.” Hoewel we elke dinsdag al een vergadering
hebben, konden we het toch niet laten om vervolgens alsnog binnengekomen
klachten te bespreken. Gelukkig konden wij daarna praten over hoe stom versus
leuk kerels zijn en alle problemen die bij hen komen kijken.
Actueel
Tijdens de lunch ging gelukkig niets fout en daarna konden we dan ook met
een gerust hart op expeditie. De bedoeling was de uilenposter bij de H&M te
claimen, die we al een tijdje terug hadden gespot in de etalage. Deze supermooie poster zou namelijk erg goed staan op het CH hok of in het vergaderhok.
Jammer genoeg was de H&M ons niet zo goed gezind, want wat blijkt: alle
posters worden teruggestuurd naar een ‘unknown location’. Zelfs het pruillipje
hielp hierbij niet, want helaas werken er alleen maar vrouwen.
Huilend kwamen wij terug op het CH hok! Er stond niets anders op dan de
normale actiepuntjes af te knallen. Sanne ging haar lezing promoten via
het servicepunt en alle secretariaten. Anne moest een logo regelen voor het
4
Uilen in de etalage bij H&M
Jaargang 14 • Nummer 3 • Maart 2010
Faculty Student Council
A new MaCHazine, a new report from the Faculty Student Council.
Tom Verhoeff & Mark Janssen
So what have we been up to the past few months? Apart from all the
complaints we handled, there were some major points we worked on; let
us take you through some of them.
First of all, let’s talk about the faculty restaurant. We received a lot of complaints about the old situation: the available space wasn’t used efficiently
enough and long queues were a recurrent issue. We worked with the faculty to
come up with a restructured layout, which has been realized last December.
Because the changes might not be sufficient, we will be sure to continue our
collaboration with the faculty to resolve all issues.
An improvement we have made on the side of education is the introduction of
so-called module cards, which provide a clear and fast view of a study program.
It is easy to see which courses are given when and the number of ECTS they are
worth. We try to have the new module cards on the faculty website within the
coming weeks. They will also be the main course overview starting next year,
replacing the traditional study guide.
One of the first problems we encountered this year was the new timetable
interface. The system introduced in September lacked a lot of features an
EEMCS-student cannot live without, such as export to iCalendar files. Combining different free-elective courses on one page also proved to be an impossible task. The IT department promised that a new system would be available
before the start of the second semester, but a progress check a few months
later revealed that no progress had been made. Fortunately, they decided to
offer the job of creating a new interface to four students from our faculty. You
can read more about their work in this MaCHazine.
Do you want to make a difference on our faculty? New Faculty Student
Council elections are coming up on the 26th and 27th of May and we are
looking for skilled successors. If you are interested, please let us know at
[email protected]. We will be sure to answer all your questions, and if you
are up to it, add you as one of the candidates for next year. The application
deadline is April 1st.
Column international student
Let it snow!
Ankur Sharma
As I opened the door after a long and dreamy night, I was in a different
world. For a second, it seemed as if I was colorblind, but I wasn’t –phew
So I hopped on and I was still feeling 15, so it didn’t matter. I found a few guys
who got hold of a traffic sign board and were using it to slide on the snow - this
is what I call innovation. People kept coming and soon we had kids, grandpas,
guys and gals enjoying this beautiful day.
what a relief! Everything was white and riding a bike to the library wasn’t
my best idea. It was close to the end of 2009, I had seen snow before,
snow for a long time. So, as I walked dragging my bike on the 3 inched
deep snowy roads, I found more snow enthusiasts and we ended up
having a snow fight. I was 15 again, and I loved that.
The Snow fight made me tired, eventually, and I remembered where I was
destined to. The TU Delft Central library, however, wasn’t the same place where
I used to go everyday. It looked like a white snowy mountain with people with
snowboards, signboards and virtually anything that could be rolled on – Nice!
Actueel
but as I discussed later with my Dutch friends, Delft hadn’t seen such
It was fun for both international and Dutch students and everyone found a
good reason in the white snow to escape from the books and relax for a while
and I am sure these were some moments that everyone there will remember
for a long time. Eventually the 15 in me started feeling hungry and I started
to look for my bike that was buried somewhere in the snow carpet. As I walked
back and met more kids fighting with snow bombs, I weirdly felt that in the
next days the snow is going to melt and will life will be colorful again, but I
wanted the snow, I wanted to be 15 all the time. As I cooked a spicy hot meal
at home, it started snowing again.
5
Jaargang 14 • Nummer 3 • Maart 2010
Het geheim is reflectie. Naast alle andere hele dure woorden die ik gehoord
heb, is dit er vooral een die u moet onthouden. Ik weet nu dat het direct
nadenken over een probleem en het proberen op te lossen een nogal naieve
activiteit is. In plaats daarvan is het veel beter om na te denken over het feit
dat je een probleem hebt. Zo til je het op een hoger plan en plaats je het in
een context. Het probleem is nu onderwerp van reflectie geworden. En daarover
kan ik praten, niet alleen met mijn collega’s, ook met iedereen die het maar wil
horen. Dit is goed voor mij en voor het probleem.
Nu komt het moeilijkste gedeelte van de cursus: reflectie is stap één, maar je
kunt natuurlijk ook weer reflecteren over je reflectie. Dat heet meta-reflectie.
Ik geef een voorbeeld: ik had een probleem, daarover leer je reflecteren, zo kun
je praten over het feit dat je een probleem hebt. Dan komt de volgende (meta)
reflectiestap: Wat is nu eigenlijk mijn probleem als ik een probleem heb? Kom
je nu tot de geniale conclusie (en dat was de bedoeling van de cursus) dat dat
eigenlijk geen probleem is, dan heb je daarmee in een klap drie problemen
opgelost. Kijk, dat noem ik nu een cursus die z’n geld op brengt.
Column
Reflectie
Met een, twee stappen los ik daarom voortaan elk probleem op. Alleen maar
door te (meta-)reflecteren. Daar kunt u toch moeilijk een probleem mee hebben? Toch wel? Dan moet u het recept hierboven toch nog eens aandachtig
doorlezen. Veel succes.
Prof.dr. C. Witteveen
Zoals u weet, krijg ik van onze universiteit iedere maand een ruime
vergoeding om problemen te bedenken en op te lossen. Zo op het eerste
gezicht een ideale baan: zelfs als ik meedeel dat een oplossing niet
bestaat of tijdens mijn leven niet gevonden kan worden, dan wordt mijn
salaris toch keurig op mijn rekening gestort. Het enige nadeel aan deze
baan is dat je soms heel hard en lang moet nadenken. (Ter toelichting:
nadenken is een oude term voor mentaal googelen: in plaats van het
internet stuur je queries door je hersenpan in de hoop dat je met de
gegenereerde hits iets kunt doen.)
Actueel
Tot voor kort dacht ik dat dit nadeel onoverkomelijk is. Zo was ik gewend door
artikelen te ploeteren en uit frustratie met m’n hoofd tegen de muur te bonken,
omdat een oplossing niet bleek te kloppen. Ik heb talloze schoenen versleten
tijdens het tobbend sjokken door de gangen en liters koffie bij de automaat
doorgespoeld, allemaal in de hoop een creatieve ingeving te krijgen. Ja,
achteraf gezien kan ik stellen dat ik een behoorlijk ellendig leven heb geleid.
Maar nu blijkt dat ik het al deze jaren verkeerd heb gedaan. En hoe kwam dat?
Het verrassende inzicht is dat ik op de oude manier had leren nadenken. En
dat is heel funest. Een nogal dure, maar fantastische, cursus heeft mijn leven
echter drastisch en fantastisch veranderd. Omdat ik niet de beroerdste ben, zal
ik u gratis het recept van deze cursus uit de doeken doen.
6
Teacher of the year
MaCHazine staff
Upcoming quarter, the annual teacher of the year contest will be held.
Grade the teachers of the courses you took this year, instead of having
them grade you! You can also add comments and motivation. Your opinion
may get your favorite teacher to become teacher of the year of the faculty
of EEMCS and perhaps even the whole TU. For more information about the
teacher of the year award, please read the article by Fred Vermolen, last
years teacher of the year of this faculty. For more information about this
year’s election, please contact the Chief Commissioners of Education.
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Genomineerd voor de titel
‘beste docent van
de TU Delft’
Fred Vermolen
Tot mijn grote verbazing werd ik gekozen tot docent van het jaar
Gamen tot je neervalt
LAN-Party on!
Bradley Galdey
2008-2009 van de opleiding Technische Wiskunde. Deze titel werd me
uitgereikt vanwege het vak Numerieke Methoden II dat aan derdejaars
technische wiskunde studenten gegeven wordt. Voor mij was dit al een
grote eer, zeker omdat er zo vreselijk veel heel goede collega-docenten
in onze opleiding rondlopen. Een aantal collega’s acht ik veel beter
dan mezelf. Sterker, een echt goede docent vind ik mezelf eigenlijk
Hoewel CH als studievereniging bovenal op de studies gericht is, bestaat
helemaal niet. Het enige dat ik probeer is mijn werk goed te doen.
er natuurlijk ook een tijd voor plezier. De LAN-party in het weekend van
30 en 31 januari is daar een uitstekend voorbeeld van.
Een bepaalde (om de één of andere reden niet totaal onverwachte) hoeveelheid
CH-ers speelt graag een spelletje. Aangezien algemeen bekend is dat meer
zielen meer vreugd tot gevolg hebben, is met anderen spelen populair, en dat
maakte ook de afgelopen LAN-party een succes. Net als het jaar daarvoor was
voor de locatie weer gebruik gemaakt van buurthuis ‘Het Voorhof’. Hier kwamen
op zaterdagochtend de eerste mensen binnen met hun pc’s om zich te nestelen
voor het weekend. In de loop van het weekend werden hier verscheidene spellen op gespeeld met de rest, waaronder bijvoorbeeld ‘Unreal Tournament’. Ook
was er even een Xbox 360 aanwezig, waarop fanatiek voetbal werd gespeeld,
en de ‘oeehh’s en het harde gelach bleven dan ook niet uit. Later maakte de
Xbox plaats voor een Wii, waarop vele hectische potjes ‘Super Smash Bros.’
zijn gespeeld.
Verder werden er, zodat de deelnemers niet geheel op zichzelf waren aangewezen, een aantal toernooien georganiseerd. In teams van twee konden spelers
het tegen elkaar opnemen in ‘Call of Duty: Modern Warfare 2’, en ook in ‘Super
Smash Bros.’ konden de deelnemers laten zien wat ze echt waard zijn in éénop-één-gevechten.
In het geheel kan naar mijn mening gesproken worden van een wederom
geslaagde activiteit, ik heb me erg vermaakt en zal er daarom volgend jaar
weer bij zijn, die LAN-party houden we erin.
De prijs van Beste docent van de TU Delft is dit jaar voor het eerst ingevoerd.
Mijn eerste indruk was: ‘In wat voor een kermis ben ik nu weer beland?’
Achteraf bezien, denk ik dat deze prijs een goede zaak is. Het onderwijs op
universiteiten is lange tijd ondergesneeuwd geweest onder het onderzoek.
Hoewel ik een gepassioneerd onderzoeker ben, hecht ik zeer veel waarde
aan het onderwijs. Het is leuk, vernieuwend, leerzaam en motiverend om
met studenten (en jongeren in het algemeen) te werken. Goed onderwijs
levert op de langere duur goede technisch wiskundigen op waarvan het
onderzoek en het bedrijfsleven dan kunnen proteren. De grotere waardering
voor onderwijs zet aan tot goed onderwijs. De tijd waarin mensen die veel
onderwijs geven als half-zacht worden aangezien, is voorbij en dat is maar
goed ook, want de TU Delft is en blijft op de eerste plaats een onderwijsinstelling. Ook hoop ik dat de TU Delft haar goede naam in het onderzoek en
onderwijs behoudt of -nog liever- verbetert.
Vereniging
Tussen al dat vechten en schieten door werden de deelnemers goed verzorgd.
Op de zaterdag was er een lunch beschikbaar en op de zondag naast lunch ook
een ontbijt voor iedereen. Daarnaast was er voor degenen die daar behoefte
aan hadden een slaapruimte klaargemaakt, waar met behulp van een slaapzak of
iets dat dezelfde functie vervult een welverdiende pauze kon worden genomen.
Nog meer verbaasd was ik toen ik te horen kreeg over mijn nominatie als
beste docent van de TU Delft. Ik moest de EWI-faculteit vertegenwoordigen en het opnemen tegen zes zeer goede kandidaten waarvan ik er
twee persoonlijk ken. Er kwam een interview met een fotosessie van het
TU blad Delta, wat resulteerde in een mooi artikel. Uiteindelijk heb ik de
titanenstrijd niet gewonnen en is de prijs gegaan naar Susanne Rudolph.
Deze docente is erg goed en daar kon ik het eenvoudigweg niet van winnen.
Ze vertelde dat als de studenten haar stof in een college niet begrepen,
dat ze dan een extra college inlaste. Ze is dus heel erg betrokken met haar
studenten en dat wordt dan ook terecht gewaardeerd en ik feliciteer haar
dan ook met de uitslag.
Tenslotte merk ik op dat ik van vrijwel iedere werkdag aan de TU Delft
geniet, en dat ik de combinatie van onderzoek en onderwijs in mijn werk
als een voorrecht beschouw. Ik hoop dan ook nog lang te mogen genieten
van wiskunde, onderzoek (ook in aanverwante disciplines), onderwijs en
studenten.
7
Jaargang 14 • Nummer 3 • Maart 2010
Cloud your Identity
Distribute your Life
Op 27 april 2010 zal W.I.S.V. ‘Christiaan Huygen’ een symposium neerzet-
sium ‘Cloud your Identity, Distribute your Life’ zal een overzicht gegeven
Aan de Technische Universiteit Delft wordt toonaangevend onderzoek verricht
op gebied van Peer-2-Peer samenwerking. Johan Pouwelse zal een lezing geven
over de nieuwe ontwikkelingen in alweer de vierde generatie van Peer-2-Peer
samenwerking.
worden van de huidige ontwikkelingen op het gebied van gedistribueerde
Cryptologie
ten voor Technische Wiskunde- en Informaticastudenten. In het sympo-
systemen, Peer-2-Peer samenwerking, cryptologie en vooral de privacygevolgen en wetgevingsprocessen hiervan. In het symposium zullen de
onderwerpen daarom niet alleen vanaf de wetenschappelijke kant, maar
ook vanaf de filosofische en sociale kant benaderd worden.
Locatie
Vereniging
Het symposium zal gehouden worden in de MustSee bioscoop Delft. Het
programma bestaat uit twee tracks, een toegespitst op informatica en een
toegespitst op wiskunde en de meer maatschappelijke lezingen. Na elke lezing
is er de mogelijkheid te wisselen tussen de twee tracks. Er is ook een lunch in
de middag en een borrel achteraf.
Gedistribueerde systemen
Toepassing van gedistribueerde systemen is soms vereist, omdat er afstand zit
tussen waar de data is opgeslagen en waar het gebruikt wordt. In andere gevallen zou een taak door een enkele computer uitgevoerd kunnen worden, maar
om practische redenen is een gedistribueerd systeem beter, bijvoorbeeld om
kosten te drukken. In dit licht zal professor Wesley Petersen van de ETH Zürich
een lezing houden over berekeningen op grafische processoren, game processoren en Intel multi-core. Hierbij zal hij ingaan op de uitdagende aspecten van
het gedistribueerde element.
8
Peer-2-Peer
Het beschermen van gegevens kan op veel manieren. Dit onderwerp zal behandeld worden met oog op de andere onderwerpen van het symposium. Hoofd van
de Cryptology and Information Security groep van het Centrum Wiskunde &
Informatica en professor Cryptologie aan de Universiteit Leiden, Ronald Cramer
zal een lezing geven over Secure Multi-Party Computation. Ook maatschappelijke ontwikkelingen van cryptologie zullen aan bod komen in de lezing over
pseudonimisering van persoonsgegevens door Eric Verheul.
Privacy en wetgeving
Naast de technische kant van de bovenstaande onderwerpen, zal ook de
maatschappelijke kant aan bod komen tijdens het symposium. De schijnbare
tegenstelling van aan de ene kant persoonlijke gegevens proberen te verbergen
en aan de andere kant meedoen in maatschappij die efficient informatie deelt
wordt aangesterkt door huidige ontwikkelingen in de techniek. Hier zullen wat
voorbeelden van worden gegeven. Melanie Rieback zal een lezing houden over
RFID Guardian, dat staat voor Radio Frequentie Identification. Deze techniek
wordt onder andere toegepast in de OV-chipkaart. IT-journalist Brenno de
Winter zal meer vertellen over de OV-chipkaart.
Ken je Prof!
Prof.dr.ir. H.J. Sips
Jeremy Raes & Paul Brussee
Waar doet uw sectie onderzoek naar?
Het vakgebied van PGS valt uiteen in twee delen: parallel en gedistribueerd.
Parallel is eigenlijk vrij simpel. Het houdt in dat alle processoren samen zo snel
mogelijk een taak uitvoeren. Dit lijkt eenvoudig maar dit blijkt in de praktijk
een weerbarstig probleem te zijn. Zeker met de moderne multi-core machines,
wordt het ons software ontwikkelaars er niet makkelijker op gemaakt. Een
aantal nare problemen die klassiek altijd verborgen bleven kunnen ineens in
volle hevigheid naar voren treden. Denk hier bijvoorbeeld aan het probleem
van latency of de beperkte omvang van je resources of hoe lang je de CPU
nog bezig kan houden gegeven een bepaalde bandbreedte. Het moet allemaal
blijven passen in je geheugen. Zodra het allemaal niet meer past krijg je gelijk
een enorme performance penalty voor je kiezen. Er zijn voorlopig nog geen
software tools die dit kunnen verhelpen. Twee machientjes in een dual core
kan je nog wel bezig houden, maar zodra het er 40 worden, wordt het toch een
heel ander probleem.
Denkt u dat een oplossing überhaupt mogelijk is?
Het aantal cores blijft eigenlijk vooruitlopen op onze mogelijkheid om ze te
benutten? Ja, eigenlijk wel. De focus is nu ook verschoven van een zo snel
mogelijke CPU maken naar systemen om data aan te voeren. De CPU’s zijn wel
snel genoeg, maar ze krijgen hun data niet snel genoeg aangevoerd. Ze moeten
veel te veel wachten, want alles wat afstand moet overbruggen is traag.
Er zijn wel enthousiastelingen die zeggen dat je de hardware niet plat moet
maken, maar in 3D. Dit levert echter weer warmteproblemen op.
Is dit niet meer een probleem voor elektrotechnische ingenieurs?
Voor informatici vrees ik. Aan de hardware kan uiteraard nog wel wat worden
verbeterd, maar fundamenteel zijn daar geen oplossingen voor. Zelf denk ik dat
men de algoritmiek moet veranderen. Mensen gaan er ten onrechte van uit dat
Jullie doen ook nog onderzoek naar gedistribueerde systemen.
Bij gedistribueerde systemen werken we aan P2P-systemen, met de focus op
video-on-demand over het Internet.
Het ultieme gedistribueerde is de interactie tussen een aantal autonome systemen die met elkaar communiceren, bijvoorbeeld over het Internet. Bittorrent
met gedistribueerde trackers is daar een voorbeeld van. Daarin heb je tal van
uitdagingen met bijvoorbeeld schaalbaarheid. Je krijgt ook te maken met alle
negatieve kanten, zoals illegaliteit. Als je er puur technisch naar kijkt, zijn het
slechts systemen die bits verplaatsen, maar het gaat allemaal zo snel dat je
het ook op een manier kan gebruiken die de contentindustrie niet zo aanstaat.
Informatica
Ik ben toch wat pessimistisch. Het is niet zo dat je het niet kan programmeren,
maar het is wel heel arbeidsintensief. Portabiliteit, het overdragen van het
ene systeem naar het andere, is ook niet altijd fantastisch. Daar zit toch het
merendeel van de software ontwikkeling in tegenwoordig. Hoe zich dat verder
zal uitkristalliseren, blijft voorlopig nog de vraag.
ze over oneindige resources beschikken. Neem bijvoorbeeld MPEG4 met al die
object coderingen. Vanuit een informatica standpunt lijkt dit fantastisch, maar
vanuit een hardware technisch oogpunt is dit een ramp. Alle regelmaat is weg
en je introduceert een hoop afhankelijkheden. Eigenlijk kan je niet anders constateren dat voor de moderne hardware deze algoritmes helemaal niet geschikt
zijn, maar het zal nog wel even duren voordat men ervan overtuigd raakt dat er
technologisch toch echt geen oplossing bestaat voor dit probleem. We moeten
nieuwe vormen van oplossingen verzinnen. Hetzelfde geldt voor problemen die
nu algoritmisch duur zijn vanwege de enorme complexiteit. Het kan wel eens
zo zijn dat deze op nieuwe machines juist goedkoper worden.
Dat zou de wetenschap niet in de weg mogen zitten van de ontwikkeling
van deze technologie?
Dat is bij ons altijd een hele discussie geweest. Toen wij met ons onderzoek
begonnen, hebben we hierover lange gesprekken gevoerd met de stichting
Brein. Zij vonden het helemaal niets.
Ik heb hier altijd het standpunt ingenomen dat wij geen illegale content willen
op onze servers. Wat mensen met software doen is hun verantwoordelijkheid,
maar hier aan de TU wil ik het niet. Nu zit daar soms een dun lijntje, want
we doen soms wel eens experimenten waar we tijdelijk wel even deelnemen
voor bijvoorbeeld metingen. Mijn standpunt is dat dit wel geoorloofd is, want
anders zou je ook geen onderzoek naar welke vorm van illegaliteit dan ook
kunnen doen. Soms moet je een beetje participeren om het systeem te meten.
Zoiets moet natuurlijk wel strikt afgebakend worden in tijd en doel.
9
Jaargang 14 • Nummer 3 • Maart 2010
Een ander vraagstuk is anonimiteit op het Internet. Ook daar zitten positieve
en heel negatieve kanten aan. Positief is uiteraard dat daarmee de hele censuur
in China om zeep geholpen kan worden. Negatief is dan weer dat het medium
ook gebruikt wordt om bijvoorbeeld kinderporno mee uit te wisselen. Dat zijn
toch hele fundamentele kwesties.
Ik ben als student wel actief geweest binnen het toen net opgerichte AAG en
heb een tijd in een studentenraad gezeten hier op deze faculteit. De universitaire structuur was toen nog wel heel anders. Ook waren de studentenprotesten
nog vrij heftig. Dat was de tijd van ‘68-’69, nog voor de Wet Universitaire
Bestuurshervorming.
Bent u daar zelf al uit?
De studentenprotesten die nu spelen zijn van hele andere aard. Toen ging het
echt over medezeggenschap. Er waren toen een aantal mensen heel erg actief,
waarbij het grappig is om op te merken dat de meest actieve actievoerders
later ook de beste banen in het bedrijfsleven gekregen hebben. Het bloed
kruipt toch waar het niet gaan kan.
Ik vind dat heel moeilijk. Technologie is agnostisch, net zoals een hamer. Je
kan er hele positieve maar ook hele negatieve dingen mee doen. (Pauzeert,
denkt even na) Ik ben er dus niet helemaal uit of we dataverkeer traceerbaar
moeten maken en zo sommige zaken toch opspoorbaar moeten maken, of niet.
Dat verhaal uit de cryptografie kennen jullie waarschijnlijk wel: een onderzoeker had een cryptografisch algoritme gekraakt en daar een paper over
geschreven. Maar hij durfde daarna niet meer naar de Verenigde Staten, omdat
hij gearresteerd zou kunnen worden. Zoiets kan uiteraard niet de bedoeling van
de wetenschap zijn. Je moet dat soort systemen kunnen testen.
Als je naar de geschiedenis van de media kijkt, zijn er altijd wel punten waarop
de contentindustrie zich bedreigd voelt. Eerst was het de grammofoon, daarna
de opkomst van de radio, vervolgens de televisie en nu het Internet.
De derde tak van ons onderzoek spitst zich toe op grid- en cloud computing.
Ook op dit onderwerp zijn we al een aantal jaren actief. We willen nu uitbreiden
richting de massive multi-player online games. Denk hierbij aan een platvorm
voor iemand die zo’n spel wil maken waarbij de entry costs enorm gereduceerd
worden.
Waarin verschilt de opleiding hier van andere informatica opleidingen in
Nederland?
Wat ik van Hans Tonino [opleidingsdirecteur informatica, red] begrijp, is dat de
studenten de opleiding goed waarderen. We hebben goede docenten en hebben
veel geïnvesteerd in vernieuwing de laatste jaren. Ik denk dat een student
hier aan de TU meer mogelijkheden heeft om zijn eigen interesses tegemoet
te komen met behulp van keuzevakken. En juist omdat je aan de TU zit kan je
vakken hebben die bijvoorbeeld meer in de telecom zitten, of juist meer op
hardware gericht zijn.
Informatica
Elk curriculum is een compromis, want je kunt natuurlijk niet alles doceren. De
afgelopen twee jaar hebben we rustig ons nieuwe curriculum gedraaid en dat
draait goed. In september krijgen we een kleine vernieuwing om het een en
ander wat moderner te maken.
Hoe was u zelf in uw studententijd? Waren er bijvoorbeeld vakken die u
moeilijk vond? Wist u toen al dat u professor wilde worden?
Nee, dat was geen vooropgezet plan, dat is zo gelopen (lacht). Maar als je
eenmaal het besluit genomen hebt om in de academische wereld te blijven,
dan wil je natuurlijk wel hogerop. In mijn tijd kon je nog lang studeren. Zelf
heb ik er in plaats van 5 jaar nominaal volgens mij ook 7 jaar over gedaan,
waarvan ik een jaar ziek geweest ben. Maar ik had het ook in 5 jaar kunnen
doen, dat was geen enkel probleem geweest. Doordat je de eerste 2 jaar veel
strakker in het stramien gehouden werd was het makkelijker om nominaal te
blijven studeren dan daarna. Want daarna had je allemaal keuzevakjes en dan
gaat het logistiek wat rommelen en voordat je het weet schuift het uit. Ik vond
mijn eigen studententijd erg mooi. In die tijd waren studentenvereningen ook
ineens niet meer zo populair.
10
Vindt u dat studenten anno 2010, en Delftse studenten misschien in het
bijzonder, relatief braaf zijn? In andere universiteiten worden gebouwen
gekraakt.
Wat er nu gebeurt vind ik nog wel mild. Vroeger had je zelfs hier hele langdurige bezettingen van het bestuursgebouw, soms weken lang. De Universiteit
van Tilburg die omgedoopt werd tot de Karl Marx universiteit en de Maagdenhuisontruimingen waren ook in die tijd. Dat ging er toch wel veel heftiger aan
toe dan nu.
Waar de studenten het nu over hebben is meer een achterhoede gevecht naar
mijn idee. Het is bijna niet tegen te houden dat de basisbeurs wordt omgezet
in een lening. De enige vraag is of dat geld ten goede zal komen aan het
onderwijs, maar zelfs dat vraag ik me af gezien de budgettaire problemen van
de overheid.
Ik denk dat je tegenwoordig niet echt meer op de barricades hoeft te gaan
staan. Het onderwijs in Nederland is goed geregeld en heeft een behoorlijk
drempelloze toegang, zeker wanneer je dit vergelijkt met Amerika waar je
enorme bedragen moet betalen. Als je wilt heb je hier bijna alle mogelijkheden
om met minors jezelf te verbreden en om naar het buitenland te gaan. In die zin
is het het allemaal veel flexibeler geworden. De student zal misschien wat uitgestelde financiële pijn gaan voelen, maar ik denk dat op een gegeven moment
de bezuinigingen in de financiering van de universiteit zelf toch wel heel hard
zullen gaan toeslaan. Je ziet namelijk bijna altijd dat zo ongeveer twee jaar
na een crisis de universitaire wereld een klap krijgt. Dat is na voorgaande
crisis ook zo geweest. Formeel zullen ze zeggen dat ze niet gaan bezuinigen,
maar dan is er altijd wel een of andere parameter waar ze aan draaien voor
wat meer efficiency hier of daar. Wat ze er natuurlijk niet bij vertellen is dat
het heel moeilijk te realiseren is. Een universiteit is te vergelijken met een
mammoettanker en die krijg je niet zo een twee drie om. Zelfs als de subsidie
gelijk blijft is dat natuurlijk al een probleem vanwege de stijgende salarissen
en pensioenpremies van zo’n 1 á 2 procent per jaar.
Zal het onderwijs in Nederland kunnen blijven concurreren met de massaproductie van ingenieurs in China?
Op het ogenblik is de Chinese academische wereld nog niet echt een concurrent qua niveau. Het duurt best wel lang voordat je een kwalitatief goede
onderzoeksgroep van de grond hebt, die ook echt impact heeft. Van de andere
kant moeten we ons ook realiseren dat de Chinezen nog geen gelegenheid
gehad hebben om enorme fouten te maken. Stel bijvoorbeeld dat Toyota,
dat nu in het nieuws is, een Chinese fabriek is. Hoe zouden de Chinezen dat
probleem hebben afgehandeld? Kunnen ze dat überhaupt met hun cultuur? Dat
zijn de wezenlijke vragen die we moeten stellen. Om economisch succesvol te
zijn is er meer nodig dan alleen productie. Je moet als bedrijf bankroet kunnen
gaan. Als je dat niet goed afhandelt kun je de malaise krijgen die Japan 10-15
jaar lang gehad heeft, vanwege het niet oplossen van slechte leningen. Of
China dit werkelijk kan op een schaal waarbij ze een bedreiging vormen voor
Jaargang 14 • Nummer 3 • Maart 2010
ons, dat moeten ze nog maar aantonen. Dat ze kunnen produceren geloof ik
wel, maar dat is wat anders dan zelf de markt dicteren met alle gevaren van
dien. Want als iets mislukt, dan mislukt er ook een heleboel. En wie gaat dan
de rommel opruimen.
Ik zit nu ook in een andere positie. Zelf echt onderzoek doen, dat doe ik bijna
niet meer. Anderen schrijven, terwijl ik meer in een begeleidende rol zit en,
bijvoorbeeld, advies geef over welke richting een onderzoek uit moet. Het
echte actieve onderzoek gebeurt eigenlijk door de promovendi en PostDocs.
De invloed van cultuur op de economie is gigantisch. En dat is iets dat vaak
door economen niet wordt gezien. In geen enkel economisch model komt dat
terug. Japanners houden bijvoorbeeld van dingen mooi verpakken terwijl de
Chinezen dat helemaal niet hebben, alles wat ze maken is even lelijk. Dat soort
kleine dingen gaan uiteindelijk de doorslag geven.
Mist u het niet om zelf onderzoek te doen?
Hoe vertaalt u die invloed van cultuur naar het onderwijs hier op EWI?
Je moet kijken naar waar wij als Nederlanders goed in zijn, en dat is, zeker
vergeleken met Zuid-Europa, de experimentele en empirische kant van het
vak. Als wij hier studenten krijgen uit Zuid-Europa dan is de theorie wel in
orde, maar die andere kant niet. Het denken over hoe je systemen maakt en
dergelijke zit voornamelijk in Noord-Europa. Blijkbaar is dat een deel van onze
culturele bagage. We proberen dit te vertalen naar ons onderwijs hier. Je moet
geen dingen gaan doen die tegen je culturele sterktes ingaan. Toch zie je dit
nog te vaak gebeuren bij stimuleringsprogramma’s van de overheid.
Een andere trend is het lage aantal vrouwen aan onze faculteit. Waar ligt
dat aan volgens u?
Het is bovendien praktisch onmogelijk om zelf nog te onderzoeken. De boel
moet hier ook bestuurd worden en met externe managers gaat het ook niet, dus
een aantal van ons zijn nu eenmaal de ‘pineut’ (lacht).
Besturen vind ik ook heel leuk. Het geeft een andere kijk op de organisatie en
daar heb je toch bepaalde andere vaardigheden voor nodig dan om een goed
onderzoeker te zijn.
Waar bent u beter in: onderzoek of bestuur?
Ik denk dat ik op de rand balanceer. Ik doceer bijvoorbeeld ook graag, maar
er kan ook een moment zijn dat ik er helemaal geen tijd voor heb. Ik vind het
ook heel belangrijk dat jongere mensen zich daarin goed ontwikkelen. Voor de
studenten vind ik dit belangrijk, althans voor de goede studenten. Ik zal nooit
vergeten dat ik in mijn eerste jaar les kreeg van een aantal instructeurs die ik
écht fantastisch vond, maar de hoogleraar waaronder ze vielen, gaf waardeloos
college. Het is niet noodzakelijkerwijs een vreugde om van een slecht docent
les te krijgen, terwijl men soms hier wel eens doet alsof het andersom is. Die
lijn hou ik niet aan. Het is juist belangrijk dat je inspirerende docenten hebt.
Ik vind dat we al heel wat verbeterd hebben aan onze werking van nieuw jong
talent. Daar heb ik bij ST toch heel veel mee te maken gehad. Nu werken we
met een systeem waarbij iemand voor 5 jaar een aanstelling krijgt en na die 5
jaar kan iemand doorgroeien, of gaat weg. Misschien en beetje rigide, maar het
werkt. We hebben hele goede mensen aangetrokken. Dat is ook te zien in de
resultaten van de onderzoeksvisitatie die we recentelijk gehad hebben en voor
onze afdeling uitstekend verlopen is. Dat vind ik wel iets om trots op te zijn.
Ik probeer dat coöperatieve model ook een beetje in onze afdeling vorm te
geven, maar verbetering blijft mogelijk.
Doet u aan sport?
We hebben toevallig net een vrouwelijke docente aangenomen binnen onze
afdeling, dus daar ben ik wel heel blij mee. We hebben nu 4 vrouwelijke PhD
studenten binnen de PGS-groep, dus dat is redelijk veel.
Men zegt dat techniek minder macho is in het zuiden van Europa, waardoor
vrouwen daar sneller geneigd zijn dat soort studies te kiezen. Wie zal het
zeggen. Wie heeft de wijsheid in pacht.
U heeft best veel verantwoordelijkheden. Houd u nog wel voldoende vrije
tijd over voor uzelf?
Informatica
Ja, dat is een hele goeie! (veert op) Ik denk dat dit voor een deel te wijten is
aan de Nederlandse vrouwencultuur. Je ziet dat, zeker in Zuid-Europa, meer
vrouwen informatica studeren dan hier. Ik vind dat de manier waarop de profielen op de middelbare school zijn georganiseerd een kapitale fout is geweest.
Men wilde de profielen een wat maatschappelijker gezicht geven richting de
beroepspraktijk en hebben er toen wat fantasienamen aan gegeven die de
lading niet dekken. Voor mijn dochter ben ik ook naar zo’n voorlichtingsavond
geweest en ik wist niet wat ik hoorde. “Wat kun je nou worden met dit profiel?”
wordt er dan gevraagd, “Je kan levensmiddelentechnoloog worden.” Is dan
het antwoord. Nou, daar staan die meiden om te juichen hoor. Bovendien is
het verschil tussen het profiel N&G en N&T dermate klein dat ik het niet te
rechtvaardigen vind dat die twee naast elkaar bestaan. Dat heeft allemaal
een negatief effect op onze instroom. Maar het ligt niet alleen aan de manier
waarop het wordt aangeboden. Er is ook sprake van onderlinge beïnvloeding
door meisjes. Dat is een culturele component die we bijna niet kunnen beïnvloeden en die kennelijk zo sterk is dat ze toch iets anders kiezen.
Nee, want ik vind dat andere ook heel uitdagend. En dan kan je nog steeds heel
enthousiast worden als iemand met iets leuks komt.
Ja, ik heb jarenlang gevolleybald, ik zeil veel en doe ook aan tango dansen.
Afgelopen november was ik voor de tweede keer in Buenos Aires. Écht een
leuke stad! De tango is best een moeilijke dans en misschien wel een uitdaging
voor technici, want als je wat van mechanica, bewegingsleer en geometrische
patronen afweet kun je daar jezelf een beetje in uitleven. Dat vereist natuurlijk
niet alleen wat coördinatie van jezelf, maar ook van je partner.
Hartelijk dank voor dit gesprek!
Genoeg hoor (lacht). Je kan wel hard gaan werken, maar als mens ben je nu
eenmaal maar beperkte tijd effectief.
Woonplaats: Delft
Muziek: vroeger klassieke gitaar gespeeld
Boek: “Een verhaal van liefde en
duisternis” Amoz Oz
Film: “The night Porter”
Favoriete drank: wijn
Favoriete OS: Mac OS X
Vakantieland: Frankrijk en Italië
Quote: “Ga doen wat je echt leuk vindt”
Aantal kinderen: 2
11
Jaargang 14 • Nummer 3 • Maart 2010
Developing the TU Delft ‘My Timetables’ for
Blackboard application
Tom Verhoeff & Marco Krikke
Back in August 2009 the Delft University of Technology switched to a
new application for building and maintaining schedules. This application,
called Syllabus+, provided the schedule makers with an easy way of
scheduling activities more efficiently across the whole campus. A new
interface came for the system which is known as timetables.tudelft.nl.
During the first weeks some startup problems occurred, but when all the
problems were solved the system worked fine. Unfortunately ‘worked
fine’ does not mean it works the way you want it too. While O&S was
happy with all the new features, students were left with an interface not
suiting their needs.
As chair of the faculty student council for the faculty EEMCS, I was one of the
first to receive complaints from students. Students of our faculty know how
to complain when the university delivers an imperfect IT system. Complaints
varied from “I’m not able to get my elective courses in my schedule”, “why do
I have to select everything over and over again to check for changes” to “my
phone uses a digital calendar so iCalendar export should be available”. Workarounds by different students showed up within a few days, but none of them
really worked perfect. All the complaints led to a commitment by the TU that
a new, better interface would be available at the start of the second semester.
TU Delft application developer 3xO unfortunately lacked the manpower to build
a new system in time, so in October word reached us that they were looking for
students to get the job done. That’s when I teamed up with Marco Krikke, Mike
Noordermeer and Maarten van der Beek to build a new schedule interface from
scratch, based on student needs.
societies, a full list of requirements was created. I will not bother you with a
full list of functional requirements, but summarized our system would provide
the following features: add courses to a profile based on course name, course
code, study program, BlackBoard enrollments, student number (for Architecture students) and staff member (for staff members). We went to a meeting
with 3xO with a complete requirements analysis document, and after some
negotiating we came to an agreement. Now we could finally start with the
real work.
Architecture
First the basic architecture of the system had to be defined. Since everything
had to be done in Java, starting with Hibernate as an Object-Relational Mapper
was an easy decision. The interface itself had to be clear, easy to use and highly
interactive. The Google Web Toolkit (GWT) offers all the functionality to make
this possible. The combination of GWT and Hibernate is the technical basis for
the application. Some other libraries were also added to support common used
functionality. Among this list are log4j for easy logging; ical4j, opencsv and
itext for generating the different export files and some BlackBoard libraries
to support the BlackBoard integration. We will discuss all the libraries in more
detail later on.
Database
All timetable data is provided in a MSSQL database generated by a brand
new module for Syllabus+. In the server layer of our application, Hibernate
is used to map information from the database to usable Java-object. Due to
the complexity of the database, performance proved to be an issue during
development. The first basic implementation of Hibernate performed okay
only for small data requests, but after some optimizing this also worked for
larger data sets, such as full schedules. Performance issues returned when we
implemented support for different student sets per course later on. The first
time we saw a java.lang.OutOfMemoryError it came as a surprise, but
after some new rounds of optimizing the whole ORM-layer performed good
enough. Some tweaks to the Hibernate configuration ensure fast en reliable
performance with a higher user load.
User Interface
Before we even started working on the project, it was necessary to define
the scope of the project. First of all we were required to integrate our new
interface into BlackBoard. This forced us to make use of Java, and one of us
had to study BlackBoard documentation, since nobody had any BlackBoard
programming experience. All the data that we wanted to store also had to be
saved in BlackBoard. All the timetable data was provided in a Microsoft SQL
Server database. Basically our challenge was to build a Java based building
block for Blackboard, which takes data from a MSSQL database and presents it
to users in an easy and understandable format.
From a user point of view everything has to work fast and intuitive. Nobody
wants to spend time learning how to create its personal timetable. GWT does
not only provide easy to use and recognizable interface objects, but also a full
framework to manage the client server communication. Communication is done
with asynchronous remote procedure calls to the server, possibly resulting in
so called delta updates at the UI. Delta updates only update certain elements
of a page, so the page does not have to be completely refreshed after each user
action. Development is done in Java, but all code is compiled to JavaScript by
a special GWT compiler.
Requirements
SmartGWT, an extension framework to ‘normal’ GWT, seemed to provide the
best set of interface features for our application. After some implementation
had been done everything seemed to work, but stability and fast performance
proved to be difficult. Switching back to normal GWT was the only option left.
This clearly improved the responsiveness of the whole interface but some of
Informatica
Constraints
The constraints did not seem to be anything more than a challenge, so we
moved on to gathering requirements. Since we now had the opportunity, we
were eager to fix the problem of the schedule interface once and for all. Mike
and Marco had already assisted our faculty in building a list of requirements
for the old Webber system, so we had something for a start. After interviews
with students, O&S, 3xO, Oras and educational commissioners from the study
12
Jaargang 14 • Nummer 3 • Maart 2010
the features had to be manually implemented, such as the graphical calendar
view. Implementing the whole interface took more time than expected, but in
the end everything worked out fine.
when the user did not log on yet. In that case BlackBoard sees an user ‘authenticated’ as guest in that case. Solving this issue was done getting the required
information from the BlackBoard ‘context’ (ctx) by using this code:
Since GWT compiles HTML and JavaScript for different sets of browsers to overcome rendering issues, our interface had to be tested for browser compatibility.
The newest versions of all major browsers are able to handle the JavaScript
without a problem, except for some strange layout bugs, but some of the older
browsers proved to be a problem. Everybody knows JavaScript is not processed
quickly in IE6, but getting a cup of coffee is the least you need to do when
trying to run a GWT application in IE6. Due to some strange problems, GWT
also recognized IE7 as IE6 when we first tested browser compatibility. Every
TU Delft computer still runs IE7 so decent support was required. Fortunately
some workarounds proved to be good enough to get everything going in IE7,
but still IE8 is recommended.
if (ctx.hasUserContext()) {
User user = ctx.getUser();
User.SystemRole role = user.getSystemRole();
isLoggedIn = role != User.SystemRole.GUEST;
}
Blackboard
Running a GWT application in BlackBoard did not require many adjustments.
Since BlackBoard still uses frames, all you have to do is put the GWT application in its own frame. All TU Delft BlackBoard users will recognize the big
top frame with the TU Delft logo. This causes no problems during normal
usage, especially since the top frame is replaced by a small one when browsing
course pages. The same small top frame is desirable when displaying someone’s
schedule on screen to use the most amount of screen space available, but this
functionality is not offered by BlackBoard. It is always big, always small or
only small when browsing courses. Clearly the last option applies to the TU
Delft implementation. By using a nasty JavaScript hack, we are still able to
resize the top frame, but this is something you should not even want to use in
a serious application.
BlackBoard has some more ‘unexpected’ features. Let’s take a look at the user
authentication for example. Presenting someone’s timetable is only possible
when a user is logged on, so we called the BbSession.isAuthenticated()
method before doing anything else. Soon enough we discovered this method
returns True, even
Screenshot of the interface of the new lecture schedule
We came across another surprise when implementing the ‘import from BlackBoard’ feature for adding courses to your profile. Getting a list of courses a user
is currently enrolled in takes more time than you would expect. Every course
in Blackboard is defined as a Course object. Course and User are connected
through a CourseMembership object. To get a list of active BlackBoard courses
retrieving all CourseMemberships for a user should be enough. Unfortunately,
this list contains all the courses a user has ever been enrolled in. Also a difference has to be made between ‘normal’ courses and ‘communities’.
Export
While implementing the export functionality, we also came across some
unexpected problems. For example generating an iCalendar file from a list of
activities does not require rocket science. Unfortunately, it does when support
for both Outlook 2003 and Google Calendar is necessary and you don’t happen
to be in the UK. Specifying a time zone for the iCal file does not work with
Outlook 2003, but not specifying it makes Google Calendar think it is GMT
instead of GMT+1. The only way to get this to work is defining a time zone per
activity instead of per file.
Generating decent PDF output also proved to be difficult. Using the iText
library for a clean text output is no problem at all, but generating a decent
graphical week view is difficult. We do know the current graphical PDF export
is not perfect yet, we will improve it if the TU requests an updated version.
Testing
Conclusion
Informatica
When the final release came near, testing became more
important. Fortunately, a lot of students helped us testing the system to ensure it complied with all student
needs. We have been able to solve a lot of the minor
problems reported, but testing also brought us a list of
‘like to have’-features for possible future releases. We
do not plan on abandoning the project anytime soon,
so when the first weeks of usage are a success, we will
definitely look into some new features. Some of these
features require adjustments require action from O&S,
others might be implemented in a future release.
Developing the MyTimetable application has been quite
an experience. Like all IT projects, we came across some
unexpected problems, but in the end everything works
fine. Almost all feedback we received has been positive
so far, but we also got some interesting new ideas for
possible future updates. All comments and suggestions
are still welcome at [email protected]. Want to
thank us for the new system? You can find us in the /Pub
every Wednesday starting at 4.
13
Tomorrow, we will be able to
make chips faster.
Today, you can tell us how.
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Deep UV-light
(193 nm)
The race to increase the number of IC switches
per square centimeter is not the only race that is
underway in the chip world. Manufacturers are
also aiming to accelerate chip production.
But how do you boost a machine that needs
to be accurate to the nanometer?
v
6 m/s
60
40
33 m/s2
ASML is now working on chip
lithography systems in which a
disk of photo-sensitive silicium
(the wafer) is illuminated at
high speed.
t
0
10
20
50
70
Chips with 45 nm details can only be made
if, between acceleration and deceleration,
you illuminate the wafer precisely to the
nanometer. One thousand sensors and
800 actuators control and, consequently,
illuminate 180 wafers an hour. How much
software and how many processes are
required to do this? And how do you
manage the necessary IT architecture?
30
33 m/s2
vereniging
The wafer lies on the so-called wafer
stage, which weighs more than 35 kilos.
It is passed back and forth under the light,
with an extreme acceleration and
deceleration of 33 m/s2.
For engineers who think ahead
Profile: Worldwide market leader in chip lithography systems | Market share: 65% | R&D-budget:
EUR 500 million | Opportunities for: Physicists, Chemists, Software Engineers, Electrotechnicians,
Mechatronicians and mechanical engineers | Discover: ASML.com/careers
Accelerating by 33 m/s2 poses a challenge
in itself. Which motors do you choose?
Where do you find amplifiers with 100kW capacity,
120 dB SNR and 10 kHz BW? And that is just the
beginning – because the heat itself distorts the
accuracy of your system as well...
Jaargang 14 • Nummer 3 • Maart 2010
Make tomorrow today
Semiconductor technology is an essential part of our lives today. Your iPhone,
your digital camera, your MP3 player, your car, your passport; they all contain
chips. And that’s just today. If you want to know how high tech our lives
will be tomorrow, ask ASML; global market leader in chip production systems.
Two-thirds of all the chips in the world are already manufactured on ASML
machines. Our challenge is to develop machines which can produce even smaller chips even more quickly and more accurately. In short: technology which
can further enhance the quality of our high tech lives. Do you want to help
with that at the very highest level? Then there is only one employer in the
world who matches your ambitions: ASML.
Jaargang 14 • Nummer 3 • Maart 2010
It is only our very unusual development method whereby a large number of
development processes are running in parallel that enables us to constantly
meet the very ambitious demands set by the market and ourselves.
Drive to develop
Advertorial
Working at ASML requires a special attitude. An unbridled passion for technology is vital, but not enough. Having commercial insight, team spirit and being
result-oriented are all equally important, since what makes ASML successful
is the interplay between precision engineering, dynamics, optics, electronics
and information technology. But perhaps the most important factor is a drive
to develop which is deeply embedded in all our people. ASML invests a great
deal in your development. For us that is a given. In return we also expect it of
you. Since anyone who is working on creating tomorrow must take his talents
seriously today.
Do you have a technical education up to graduate or hbo (higher vocational
education) level? And do you want to help build a leading international high
tech company tomorrow?
Then you know what you need to do today. Visit www.asml.com/careers
Steep curve
ASML is a relatively young company, which has developed into the global
market leader at an unprecedented speed. In the space of twenty years we have
grown from nothing into a multinational with more than 50 sites in sixteen
countries and annual sales of 1,596 million euro in 2009. We set the international standard with the development of wafer steppers and scan systems which
are used for chip production. In order to retain and further expand that leading
position we have thousands of technicians exploring the frontiers of (nano)
technology every day. That requires people who also constantly explore their
own limits and try to push them further. Who consciously opt for the steepest
learning curve.
Technological race
ASML works with an almost impossibly short time-to-market, driven by our customers’ competitive market conditions. It is precisely that technological race
against the clock that makes working here so utterly fascinating. Cutting-edge
technology in the field of precision engineering, dynamics, optics, electronics
and information technology all comes together within our company in order to
develop systems which are more reliable, faster and more accurate than their
predecessors in the shortest possible time.
15
Jaargang 14 • Nummer 3 • Maart 2010
Chocola
Oplossing Informaticapuzzel XXI
Hamburger
Informaticapuzzel XXII
Dr. P.G. Kluit
Dr. P.G. Kluit
Op 5 februari 2010 vond in Harbin China, de finale plaats van
Het Hamburgerprobleem van de vorige
de jaarlijkse ACM-ICPC programmeerwedstrijden. Zie ook:
keer heeft veel toetsenborden in
http://cm.baylor.edu/welcome.icpc. Het was erg koud in Harbin.
beweging gezet.
De volgende opgave behoort tot de minder moeilijke opgaven van
de wedstrijd. Maar dat betekent niet dat hij gemakkelijk is.
Je hebt een groot stuk chocolade, en je wilt dat delen met je vrienden. Helaas zijn je vrienden nogal kieskeurig, ze weten precies
hoeveel chocolade ze willen hebben. Het wordt steeds moeilijker
om na te gaan of je wel aan alle wensen kunt tegemoetkomen. Het
wordt tijd om een programma te schrijven om dit probleem eens en
voor al op te lossen.
Je hebt een rechthoekig stuk chocolade, verdeeld in rechthoekige
blokken die allemaal even groot zijn. Om de chocolade te verdelen
breek je het stuk in twee delen, tussen twee rijen of tussen twee
kolommen. Vervolgens kun je de twee overgebleven stukken op
dezelfde wijze verdelen. Elk van je vrienden heeft aangegeven
hoeveel blokjes hij wil hebben, en ze willen dat ook allemaal in
een stuk hebben. Je wilt het stuk eigenlijk alleen verdelen als het
geheel onder je vrienden verdeeld kan worden, zonder dat er iets
over blijft.
Hieronder zie je hoe je een stuk chocolade van 3 x 4 blokken kunt
verdelen in 4 stukken, die respectievelijk 6, 3, 2 en 1 blok bevatten. Je moet hiervoor drie maal breken.
Informatica
Invoer
De invoer bevat verscheidene testgevallen.
Elk testgeval bestaat uit 3 regels. De eerste regel bevat het getal
n (1 ≤ n ≤ 15), het aantal stukken waarin de reep moet worden
verdeeld. De tweede regel bevat twee gehele getallen x en y, (1 ≤
x, y ≤ 100), de afmetingen van de reep. De laatste regel bevat n
positieve gehele getallen, de grootte (het aantal blokken) van elk
van de n delen waarin de reep moet worden verdeeld. De laatste
regel van de invoer bevat het getal 0.
Uitvoer
Geef voor elk testgeval aan (door het afdrukken van “Ja” of
“Neen”), of de gevraagde verdeling mogelijk is.
Inzendingen kunnen verstuurd worden naar [email protected].
nl tot en met 16 april.
16
We ontvingen oplossingen van Jeroen
Wille, Thijmen Krebs, Misha Stassen,
Robert Stuursma (allen in Java), van
Charlotte Ipema (Haskell) en van Maurice
Bos (C++). En dan was er ook nog een
oplossing (buiten mededinging) van de
hand van Cees Pronk, die de ‘statistical
model-checker’ Prism gebruikt, en daarmee redelijke resultaten bereikt, voor 80
of minder kinderen.
Thijmen Krebs komt met de volgende
formule, die de meeste andere oplossers
expliciet of impliciet ook gebruiken (2n is
het aantal kinderen):
p = P(laatste twee gelijk) = 1 - P(laatste
twee ongelijk) = 1 - C(2n-2,n-1) / 2^(2n-2).
Hier staat C(n, m) voor het aantal mogelijke combinaties om m elementen uit n te
pakken (de binomiaalcoefficient). De kans
dat de laatste twee ongelijk zijn is gelijk
aan de kans dat je bij 2n-2 maal werpen
met een zuivere munt precies even vaak
kruis als munt krijgt.
Blijft de vraag hoe we nauwkeurig en efficient de expressie C(2m, m) / 2(2m) kunnen
berekenen (met m = n – 1). Als je eerst
alles vermenigvuldigt, of eerst alles deelt
wordt de berekening al snel onnauwkeurig,
of loopt stuk op factoren die 0 of oneindig
worden.
Op het punt van nauwkeurigheid springt
de oplossing van Thijmen Krebs er uit. Hij
gebruikt zijn eigen klasse BigInt, met een
vermenigvuldiging gebaseerd op de Fast
Fourier Transform. Rond n = 106 wordt het
programma traag, maar geeft wel antwoorden in ruim een miljoen cijfers achter de
komma. Omdat mijn eigen oplossing met
doubles werkt, kan ik de laatste 106 – 15
cijfers niet controleren.
Minder nauwkeurig, maar wel efficient is
de oplossing van Micha Stassen. Hij weet
over- dan wel under-flow te voorkomen
door in elke stap ongeveer evenveel te
vermenigvuldigen als te delen. Ook rond
n = 109 levert het programma van Micha
binnen enkele seconden antwoorden die
tot op de laatste decimaal nauwkeurig zijn
(althans volgens mijn antwoorden).
Dit is zijn code:
double calcCompact(int n){
double q = 1;
for (int i = 2; i <= n; i++){
double mul = 2*i - 2;
double deel = i - 1;
q *= mul*(mul - 1.0)/
deel/deel/4.0;
}
return 1 - q;
}
Het kan zelfs nog iets compacter; de
volgende code doet hetzelfde:
double calcCompacter(int n){
double q = 1;
for (int i = 1; i < n; i++)
q *= (2.0*i - 1)/i/2;
return 1 - q;
}
Overigens kun je door de formule van Stirling voor n! te gebruiken een benadering
voor C(2m, m) afleiden. De volgende code
levert voor grote n heel snel goede benaderingen.
double burger1(int n){
return 1 - (1.0/Math.sqrt(Math.
PI * (n-2)/2));
}
Rest ons een winnaar aan te wijzen. Dat
betekent de snelheid en compactheid
van Micha Stassen af te wegen tegen de
doorwrochtheid en nauwkeurigheid van
Thijmen Krebs.
Laten we niet kiezen, en een gedeelde
eerste plaats toewijzen.
Artificiële intelligentie
Computers en emoties
Joost Broekens, MMI, Informatica
Computers en emoties hebben zo op het eerste gezicht weinig met elkaar
te maken. Toch wordt er de laatste tijd veel onderzoek gedaan op het
gebied affective computing, in Delft, in Nederland en internationaal. Dit
onderzoek spitst zich toe op het gebruik van emoties in computersystemen om deze systemen beter te laten samenwerken met mensen en om
deze systemen slimmer te maken. Wij mensen communiceren namelijk
graag door middel van emoties, en we gebruiken emoties om ons gedrag
en dat van anderen te beïnvloeden.
Kunstmatige Intelligentie en affective computing
Het vakgebied kunstmatige intelligentie houdt zich bezig met hoe computers
geprogrammeerd kunnen worden zodat ze zelfstanding problemen kunnen
oplossen, of, zelf kunnen leren hoe ze problemen moeten oplossen. Denk bijvoorbeeld aan een stofzuigrobot die leert hoe je huiskamer er uit ziet, zonder
dat je dat hoeft te vertellen. In dit geval is de robot niet geprogrammeerd op
de vorm en inhoud van jouw huiskamer, de robot leert die huiskamer als een
soort stofzuigplattegrond. Een ander, klassieker voorbeeld, is het medische
expertsysteem. Een dergelijk systeem heeft kennis over bepaalde ziektes
(symptomen, reacties op medicijnen, e.d.) in de vorm van een grote verzameling regels. De arts kan informatie over een patiënt invoeren in dit systeem en
vervolgens kan het systeem de arts helpen bij het analyseren van patiënten.
Vanuit een heel andere discipline, de mens machine interactie, is het besef
ontstaan dat onze technologie goed met ons moet kunnen communiceren.
Het is al heel lang bekend dat emoties een belangrijke rol spelen bij sociale
interactie en communicatie tussen mensen. Verbale communicatie wordt
meestal aangevuld met belangrijke niet verbale cues. Aan het einde vorige
eeuw werd ook steeds duidelijker dat emoties een belangrijke rol spelen bij
het kunnen maken van rationele beslissingen. Daarvoor werd vaak aangenomen
dat emotie en ratio twee gescheiden werelden waren en dat emotie de ratio
voornamelijk in de weg zat. Maar neurologisch onderzoek, bijvoorbeeld door
Antonio Damasio, toonde steeds vaker aan dat de capaciteit voor het hebben,
tonen en herkennen van emoties sterk gekoppeld was aan het kunnen maken
van rationele beslissingen. Het is alsof het vermogen tot normaal emotioneel
functioneren een basisfunctie is waarop rationeel denken gebouwd is. De ratio
gebruikt als het ware de processen in onze hersenen die verantwoordelijk zijn
voor de verschillende emoties.
Het besef dat computers en andere apparaten beter met mensen zouden moeten
communiceren en de resultaten van onderzoek naar emoties en denken waren
de doorslaggevende factoren in het ontstaan van het vakgebied affective
computing. Dit gebied houdt zich bezig met hoe computers gebruik kunnen
maken van emoties ter verbetering van de mens-machine interactie en ter
ondersteuning van de kunstmatige intelligentie.
Informatica
Onderzoek naar emotionele computersystemen neemt steeds grotere vormen
aan, en er zijn tal van mogelijkheden om dit onderzoek in concrete producten
te gebruiken. Mogelijke producten zijn bijvoorbeeld adaptieve games die
proberen om de spelervaring leuker te maken, webwinkels die emotionele feedback gebruiken om producten beter te kunnen matchen met potentiële klanten,
en “emotionele” robots zoals de iCat (Philips) die op een meer natuurlijke
manier met mensen communiceren. Deze producten zijn zeer de moeite waard,
en het onderzoek is uitdagend. Emotie is iets menselijks, soms nuttig, soms
niet, en onze apparaten zullen dat uiteindelijk gaan begrijpen. In dit stuk
vertel ik eerst over het vakgebied affective computing, en geef ik daarna twee
voorbeelden van mogelijke producten.
De “heilige graal” van kunstmatige intelligentie is tweeledig. Door computersystemen intelligent te maken kunnen zij bepaalde taken, zoals stofzuigen,
van ons overnemen: een vorm van geavanceerde automatisering. Ten tweede
is de basisaanname in de kunstmatige intelligentie dat het mogelijk is om
menselijke en dierlijke intelligentie te simuleren met computers. Door dit te
proberen kunnen we dus veel leren over hoe mensen en dieren denken en leren
te handelen.
De eerste serieuze pogingen om na te denken over hoe computers emoties
kunnen simuleren, en waarom dit nuttig zou kunnen zijn, komen uit de ’80
jaren van de vorige eeuw. Wetenschappers zoals Aaron Sloman begonnen na te
denken over hoe emotie gekoppeld kan worden aan kunstmatige intelligentie.
Ook werd het vanuit de psychologie steeds duidelijker hoe emoties konden
ontstaan uit denkprocessen. Een zeer invloedrijk boek geschreven door Andrew
Ortony, Gerald Clore, en Allen Collins beschreef in detail de logische structuur van emoties en hoe verschillende emoties ontstaan uit de evaluatie van
gebeurtenissen in relatie tot persoonlijke motieven en doelen. Een voorbeeld:
17
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
als ik wil eten en ik sta in de file omdat iemand voor mij op domme wijze een
aanrijding heeft veroorzaakt dan evalueer ik dit als volgt: “doel: eten, gebeurtenis: aanrijding, gevolg: niet eten, oorzaak: persoon voor mij, emotie: boos”.
Er werd op dat moment in de KI wereld ook veel onderzoek gedaan naar agents;
autonoom beslissende programma’s die een eigen set van motieven en doelen
hebben en zelf deze doelen moeten proberen waar te maken. Het “brein” van
deze agents bestond uit doelen, feiten en intenties. Hieruit beslist de agent
wat de volgende actie wordt. De structuur die voor emotie nodig is leek sterk
op die van een agent: doelen, kennis over de wereld en intenties tot handelen.
Het waren dan ook dit soort agents waarin als eerste op succesvolle wijze een
grote diversiteit aan emoties werd gesimuleerd. In het begin waren deze emoties voornamelijk een bijverschijnsel: ze deden niets maar ontstonden gewoon
uit het denkproces van de agents. Ontstaan betekent in dit geval dat uit een
grote set regels, en op basis van een psychologische theorie een bepaalde
emotie resulteert..
Informatica
Latere aanpakken verschilden van de agent-georiënteerde aanpak. Men ging
bijvoorbeeld kijken naar hoe een computer getraind kan worden op herkenning
van menselijke emoties uit gelaatsuitdrukkingen en stem. Ook deden onderzoekers, zoals Cynthia Breazeal van het MIT in Boston, pogingen om een robot
te bouwen die dit soort modellen hadden, waardoor deze robots op natuurlijker
wijze met mensen om konden gaan. Deze robot, Kismet, herkent emotie aan
de hand van stemgeluid en heeft een uitgebreid model van wat prettig en niet
prettig is (Kismet schrikt bijvoorbeeld van je als je snel je hoofd voor Kismet’s
gezicht houdt). Kismet heeft ook een eigen emotie, die ontstaat uit alles wat
er met Kismet gebeurt, en Kismet uit deze emotie via het gezicht. Doordat
Kismet zo geloofwaardig met het herkennen en uiten van emoties omging kon
er onderzoek gedaan worden naar de rol van emoties in de relatie tussen robot
en mens. Vragen zoals “hoe leren we robots gedrag aan?” en “hoe reageren
mensen op een angstreactie van een robot” konden nu gesteld worden.
Samengevat zijn er een aantal trends ontstaan uit emotionele agentgebaseerde
modellen en interactieve emotionele robots en andere systemen. Ten eerste is
het nu mogelijk om onderzoek te doen naar de rol van emotie in mens-machine
interactie. Ten tweede is het mogelijk om onderzoek te doen naar de relatie
tussen gesimuleerde emotie en kunstmatige intelligentie. Ten derde, omdat
het “brein” en de “emoties” van deze agents ontworpen worden op basis van
Aibo (Sony), Paro
(ISRI-AIST) en
iCat (Philips),
entertainment en
companion robots.
18
Emotieherkenning voor voedselevaluatie
(Gevers & Sebe, UvA, Unilever)
psychologische theorieën kunnen de resultaten van de simulaties gebruikt
worden om de voorspellingen van de theorieën te testen. De agent is in dit
geval een soort simulatie van de onderliggende theorie.
Systemen met emoties in de praktijk
Afgezien van interessant onderzoek, is affective computing ook een bron van
inspiratie voor de ontwikkeling van innovatieve producten, zoals de recente
“Smile shutter” technologie voor het automatisch maken van een foto als
iedereen op de foto lacht. Dit stuk eindigt met twee andere voorbeelden. De
rol van affective computing in deze producten is voornamelijk het verbeteren
van de interactie tussen mens en machine.
Het emotionele robot huisdier is een product dat bestaat, bijvoorbeeld in de
vorm van de robot hond Aibo of zeehond Paro. Deze “diertjes” zijn ingezet in
verplegingstehuizen voor de verbetering van de kwaliteit van leven. Het blijkt
dat bejaarden het inderdaad een leuk ding vinden, en graag met het “diertje” in
contact zijn. Natuurlijk zitten er allerlei haken en ogen aan het op grote schaal
inzetten van dit soort robotjes ter ondersteuning van de sfeer in verpleeg- en
bejaardentehuizen. Het toont echter wel aan dat er een mogelijkheid is voor
dit soort producten, en, niet onbelangrijk, dat leeftijd niet noodzakelijkerwijs
een probleem is. Een eenvoudige toevoeging zou kunnen zijn dat het robotdiertje niet alleen emotioneel gedrag vertoont, maar ook emoties kan meten
van de gebruiker. Dit vergt nog onderzoek, maar is zeker niet onhaalbaar. Het
robot huisdier kan nu gebruikt worden als observatie-instrument, en kan dan
gebruikt worden als interface tussen cliënt en zorgverlener.
De emotionele webwinkel is een concept waarbij niet alleen op basis van eerder
gekochte artikelen een suggestie voor een nieuw te kopen artikel gedaan
wordt, maar ook op basis van de stemming van de persoon of het emotionele
profiel. Stel, de gebruiker geeft aan hoe hij/zij zich voelt op het moment van
het kopen van een artikel, en wat hij/zij vindt van het product. Met deze
informatie kan de webwinkel een model opbouwen van de koppelingen tussen
producten en emoties. Een simpele extra service kan nu zijn dat de webwinkel
een suggestie doet voor een product bij het inloggen. De gebruiker klikt
aan hoe deze zich voelt, en de webwinkel koppelt dit aan een verzameling
producten. De onderliggende technologie voor het meten en interpreteren van
emoties en het opbouwen en matchen van emotionele profielen is aanwezig.
Er zijn vele mogelijkheden voor het verbeteren van de interactie tussen mens
en techniek. De technieken die door affective computing worden aangeleverd
zijn daar voorbeelden van. Het is mogelijk en nuttig om deze technieken
toe te passen. Natuurlijk zijn er ook risico’s en problemen. Wat te doen
met, bijvoorbeeld, privacy? Wie krijgt mijn emotionele profiel allemaal te
zien? Ook bestaat het gevaar dat de software verkeerde conclusies trekt uit
de emotionele informatie van de gebruiker. Hierdoor kan de service of het
product niet goed meer functioneren. Als systemen goed beveiligd zijn en
er geen automatische, onomkeerbare beslissingen door worden genomen zijn
de problemen veelal overzichtelijk. Affective computing maakt technologie
menselijk, robots sociaal en games extra spannend.
Meer info: http://mmi.tudelft.nl/~joostb en het boek Affective Computing
(Picard)
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
As an officious closing of the second season, Formula Zero organized a GP in
Turin on the 10 th and 11th of October 2009. Even after crashing into the barriers
during the second qualifying round, Greenchoice Forze, the Formula Zero team
from Delft, managed to win the GP!
This year, Greenchoice Forze will organize the Dutch race in cooperation with
Formula Zero. It will be a race in the centre of The Hague, at the Spuiplein.
The race will take place on July 8th and be part of a big sustainability event!
Zero
emission
De
titel
van dit in
racing!
dit
vlak
Naam van de auteur
Koen Lubbers, Teammanager Greenchoice Forze
tradictory, but it is possible by using hydrogen fuel cell technology.
Greenchoice Forze participates in the Formula Zero Championship, the
racing class of the future. This racing class is all about high speed racing
while producing no other emissions than pure water!
The greenhouse effect is one of the biggest problems of the 21st century. A big
contributor to the greenhouse effect is the automotive industry. Though, millions of people enjoy motorsport and mobility in general every day. Wouldn’t it
be great if motorsport and sustainability would go hand in hand?
Formula Zero
In 2003, a couple of engineers from Delft founded Formula Zero BV. The philosophy of Formula Zero is ‘fun + eco = future’. Motorsport has always played a
pioneering role in developing new technology, so it is a great way to give the
development of hydrogen technology a boost.
Greenchoice Forze wrote history by winning the first hydrogen race ever! On
the 23rd of August 2008, the team defeated five teams from international top
universities. The Formula Zero team from Delft is also the first world champion
ever.
Greenchoice Forze was founded in 2007, to show the world that sustainability
and motorsport do not have to be contradictory. The team wants to showcase
this to a broad audience by racing on hydrogen! Except for racing, Greenchoice
Forze also visits a lot of fairs and events to showcase the potential of the
sustainable technology already available.
Informatica
Burning rubber and still being sustainable? This seems to be con-
Greenchoice Forze
The team consists of about 50 highly motivated students from every faculty of
the TU Delft. Besides designing and engineering the kart, the team members
also take care of management and marketing of the team.
The current kart
Normally a kart has a gasoline tank, a small combustion engine and an exhaust.
The Forze II, however, is far more complicated. Instead of using a simple
combustion engine that runs on gasoline, the Forze II has two DC electro
motors which are powered by a proton exchange membrane (PEM) fuel cell.
The gasoline tank is replaced by a 5L tank in which hydrogen is stored at a
pressure of 200 bars.
Basically the Forze II works as follows: Hydrogen is fed to the fuel cell. In
the fuel cell the hydrogen and oxygen, taken from the ambient air, react and
produce electricity. The voltage produced by the fuel cell is then brought to a
higher level by using a DC/DC boostconverter. Afterwards the electric energy is
stored in boostcaps. When the driver kicks down the pedal, the electric motors
subtract their energy from these boostcaps.
Award ceremony Formula Zero GP Torino
Copyright: Giorgio Girotto
Formula Zero is the driving force behind the 2010 Formula Zero Cup, a championship for hydrogen fuel cell powered karts. This is a zero emission racing
class, where the only exhaust is pure water. The 2010 Formula Zero Cup will be
the third season of hydrogen races.
The championship consists of four race events. Each race event consists of a
sprint race and a main race. For each race, there is qualifying round, a semifinal and a final. Last year, the races were organized all over Europe. The start
of the season was in England. After England, the Netherlands, Belgium and
Spain were also visited. This year, most likely, there will be races in the USA
too.
The Formula Zero Championship started as a racing class for hydrogen karts.
Formula Zero’s vision on the future is to scale up the competition. The first step
is to grow into a hydrogen Formula 3 racing class. Later on, the objective is to
become a hydrogen Formula 1 racing class!
19
Jaargang 14 • Nummer 3 • Maart 2010
combination with a bio-based resin. This bio-based resin is developed by DSM.
The whole bodywork is 70% renewable. The Forze II is the first application of
this composite and in that way, it served as a testing platform for DSM.
The next kart
The Forze III, the hydrogen kart which is currently being developed, will be
totally different than the Forze II. Since the new regulations permit the teams
to buy or develop a fuel cell system and hydrogen storage system of their own,
Greenchoice Forze can finally start innovating the hydrogen technology itself!
Because of the new fuel cell system that is being developed, the current DC/
DC converter no longer suffices. Since there is no market for DC/DC converters
in the power range of 7 – 15 kW, this component has to be developed in-house
by Greenchoice Forze.
Testing in the wind tunnel
In more detail: Oxygen is subtracted from the air and the hydrogen is fed from
the high pressure tank to the fuel cell. Therefore, the hydrogen pressure is
reduced in 2 steps. The first step is from 200 bars to 30 bars and the second
step is from 30 bars to 5.5 bars.
The fuel cell consists of several devices, of which the most important one
is the stack. In the stack, the hydrogen (H2) and oxygen (O2) are separated
by a membrane. At the anode side, a catalyst splits the hydrogen molecules
into protons and electrons (2H2  4H+ + 4e -). The protons can go through the
membrane to the oxygen at the cathode side, but the electrons cannot and
have to go through an external circuit, resulting in an electrical potential
difference. The reaction on the cathode side is then as follows: 4H+ + 4e - +
O2  2H2O. Because the potential difference is low, multiple cells have to
be connected in series to get some decent voltages. All those cells stacked
together form the stack.
Informatica
The voltage coming from the fuel cell is not high enough to charge the boostcaps, so a DC/DC converter is implemented in the kart. It converts the voltage
coming from the fuel cell to the desired voltage for the ultra capacitors. This
device is rather complex, because the potential over the boostcaps depends
on the amount of energy stored. Another important property of the DC/DC
converter is that it works as a diode. The DC/DC converter makes it impossible
to have a current flowing back into the fuel cell.
For the energy storage system, 32 Maxwell Boostcaps are used. A boostcap
is an ultra capacitor, a device which can store and release a lot of energy
really fast. The capacity of one boostcap is 3000 Farad, which is incredibly
high compared to capacitors used in electronics (in the order of micro or even
picoFarads).
The two motors used are Perm 132 DC electro motors. These motors are not
connected directly to the boostcaps, because a throttle is needed. They are
controlled by a separate motor controller for each motor. This way an electronic differential is possible. We are currently developing a motor controller
which can control both motors, but is half the weight and just a third of the
size of the two off-the-shelf controllers. This controller will also have a lot
more features, like a reverse mode.
All this technology has to be protected by bodywork. This is made of a special
composite, which is far more environmentally friendly than conventional
composites. A natural fiber, fl ax, is used for the bodywork of the Forze II in
20
These developments make it more necessary than ever to program our microcontrollers ourselves. Segger Microcontrollers GmbH agreed to supply us with
embedded software to make our software far more reliable and to make it
possible to realize these developments in the short timeframe available.
Next to these developments, we are also busy developing our own motor
controller. The current motor controllers are too heavy, too big and have too
little features. The motor controller we are developing is just half the size of
the current one and just a third of the size of the two controllers combined.
For the bodywork we thought of a new production method, which is far less
time consuming. We use a wireframe as a mould. The frame will be covered with
a stretch fabric, over which fl ax fibers en bio-resin can be applied. This state of
the art material is the same composite as used on the Forze II.
ICT systems in the Forze III
An important part of the technology in the hydrogen racekarts consists of ICT
systems. In figure 1 you can find an overview of these systems in the Forze III.
Our electronics system is a modular system consisting several printed circuit
boards (PCB’s) manufactured by Cyner. This is done to enhance reliability and
to make it possible to improve subsystems without adapting the whole system.
On the PCB’s, microcontrollers are implemented equipped with ARM7 processors from NXP. These microcontrollers are programmed in C-code in such a way
that together they fulfill all the necessary tasks for the kart to be working.
The different PCB’s communicate via a CAN-bus network, the standard in the
automotive industry.
Racing without harmful
emission; A Utopia?
Greenchoice Forze is already doing it!
By participating in the first hydrogen racing class ever, called the
Formula Zero Championship, they are promoting this clean technology.
Greenchoice Forze is building their third kart, with which they plan to win
the 2010 Formula Zero Cup!
Jaargang 14 • Nummer 3 • Maart 2010
Copyright: Richard van ‘t Hof
Forze I in the first hydrogen race ever, Rotterdam August 23rd
The main board is the nerve system of the kart, equipped with a LPC2388
microcontroller on which a real time operating (RTOS) runs. The main board
handles the communication with the fuel cell and logs all data acquired on a
SD-card. It also controls the telemetrics system. The software used is SEGGER
embOS, emFile and embOS/IP.
The main function of the power board is supplying all electrical components
with energy. Furthermore, all emergency protocols are implemented on this
PCB.
The balance board controls the charging of the LiFePo4 battery package. The
code for this PCB was already on the microcontroller implemented.
As stated earlier, the motor controller controls the power supply of the motors.
It has to be swift and reliable. On the motor controller there is no RTOS running, but a superloop. The code is executed line after line.
The future
Greenchoice Forze is promoting sustainable technology by racing. Formula Zero
is the first hydrogen racing class ever, but will definitely not be the last. There
have been a lot of developments over the last years in hydrogen technology,
but it is important to realize that this technology, in comparison to the combustion engine, is still in its infancy. By racing on hydrogen, the development
of this new technology will gain a huge boost.
Informatica
The sensor nodes take care of the A/D conversion of the different sensors
in the kart and sends this information via the CAN-Bus network to the main
board.
Figure 1: Overview of the systems in the Forze III
The dashboard is the hardware interface between the driver and the kart. It
consists of the start and stop buttons and the display for all critical data. At
the moment we are investigating what kind of display is best for the Forze III.
There are still some big logistical problems to be solved for the application of
hydrogen cars, but there are no real technical barriers left to implement fuel
cell technology in the automotive industry on a large scale.
Being part of the future
If you would like to have some more information or if you are interested in
being part of this project, please go to our website www.greenchoice-forze.nl or
send an e-mail to [email protected].
21
Jaargang 14 • Nummer 3 • Maart 2010
Graphical Processing Unit
Brute kracht inzetbaar voor meer dan alleen beelden?
Technolution
De GPU (Graphics Processing Unit) in een moderne pc is een waar
Maar in de praktijk blijkt het niet eenvoudig GPU’s in te zetten voor
Relatief recent is er als onderdeel van de DirectX-standaard een Unified Shader
Model gespecificeerd. Het betreft een processormodel dat uitgerust is met
eenRekenkracht
instructieset
die geschikt
is voor de functionaliteit van alle verschillende
moeilijk
te temmen
typen shaders. Het voordeel van dit concept is dat per stap van de rendering
De hedendaagse GPU beschikt over een enorme rekenkracht. Hij kan tot wel 30 keer meer
pipeline de volledige rekenkracht aangewend kan worden en programmeerbaar
pointberekeningen
danprocessor
een reguliere
Datpraktische
klinkt geweldig:
is. floating
Met dit
nieuwe typeverwerken
grafische
isCPU
ook(zie
defiguur).
eerste
mogelijkheid ontstaan om de GPU voor ander rekenwerk in te zetten.
andere toepassingen.
Maar als iets te mooimoeilijk
klinkt om waar tete
zijn,temmen
dan is het dat vaak ook. Aan een ‘alternatief’ gebruik
Rekenkracht
Gedreven door ontwikkelingen in de 3D-gamingmarkt zijn zeer snelle grafische
processors ontwikkeld. Bij de eerste grafische toepassingen rekende de CPU van
de pc pixel voor pixel het weer te geven beeld uit. Daarna werd pixel voor pixel
het beeld naar de videokaart gestuurd. Vervolgens gaf de videokaart slechts
de pixels weer. Dit is een zeer rekenintensieve klus, zeker als dit bijvoorbeeld
in een 3D-game bij 30 frames per seconde moet gebeuren met een resolutie
van 1920 x 1200.
De van
hedendaagse
GPU beschikt over een enorme rekenkracht. Hij kan tot wel
een GPU, anders dan als grafische kaart in een pc, kleven de nodige mitsen en maren.
30 keer meer floating pointberekeningen verwerken dan een reguliere CPU (zie
Het rekenkundige
probleem
moet goed
passen
op de rekenkracht
architectuur van in
eeneen
GPU,processor
evenals de voor
figuur).
Dat klinkt
geweldig:
zoveel
meer
globaal
Dat
wil iedereen
iets te mooi
floatingdezelfde
pointprecisieprijs.
en het is
praktisch
niet mogelijkwel.Maar
om een GPUals
te combineren
met eenklinkt
andere om
waar te zijn, dan is het dat vaak ook. Aan een ‘alternatief’ gebruik van een GPU,
hardwarearchitectuur dan die van een pc.
anders
dan als grafische kaart in een pc, kleven de nodige mitsen en maren.
Het rekenkundige probleem moet goed passen op de architectuur van een GPU,
evenals de floating pointprecisie en het is praktisch niet mogelijk om een GPU
te combineren met een andere hardwarearchitectuur dan die van een pc.
rekenmonster. Bij het produceren van een vloeiende stroom beelden
voert de GPU meer berekeningen per seconde uit dan de processor (CPU).
In de jaren negentig kwamen steeds krachtigere videokaarten voor de consument op de markt en kreeg de videokaart zijn eigen processor, de GPU. In
plaats van pixel voor pixel de videokaart aan te sturen, worden objecten en
instellingen aangeleverd, zodat deze aparte processor zelfstandig werk kan
verrichten naast de CPU.
Standaardisatie
In de 3D-gaming, een consumentenmarkt, worden zeer grote volumes van
deze processors verkocht. Omdat de producenten van de GPU’s en de games
verschillende bedrijven zijn, ontstond de noodzaak tot standaardisatie van
de interfaces (API’s). De belangrijkste 3D-interfacestandaarden zijn DirectX/
Direct3D en OpenGL. In de praktijk komt het erop neer dat de GPU-producenten
strikt de gespecificeerde functionaliteit van deze 3D-interfaces (API’s) volgen.
ATI (nu AMD) en NVIDIA zijn bekende producenten van GPU’s.
zoveel meer rekenkracht in een processor voor globaal dezelfde prijs. Dat wil iedereen wel.
GPU
1000
750
500
250
0
2002
Advertorial
De kern van 3D-spellen is dat een virtuele 3D-wereld op het scherm wordt
afgebeeld vanuit het perspectief van een (virtuele) speler, met een snelheid
van bijvoorbeeld 30 frames per seconde. Dit wordt gerealiseerd door een hele
reeks bewerkingen in een vaste volgorde uit te voeren. Dit proces heet een
rendering pipeline.
Geschiedenis
In de jaren negentig kwamen steeds krachtigere videokaarten voor de consument op de markt. En een steeds groter deel van de rendering pipeline werd in
hardware uitgevoerd. De bewerkingsstappen in de rendering pipeline zijn de
zogenaamde shaders. Bijvoorbeeld een vertex shader voegt bepaalde 3D-effecten toe aan objecten, een geometrieshader genereert nieuwe objecten vanuit
al gedefinieerde objecten en een pixelshader berekent de kleur van een pixel.
Een belangrijk nadeel was dat met het vastleggen van de specifieke shaders
in hardware ook de rekenkracht per shader vast lag. Dit terwijl verschillende
spellen verschillende eisen stelden aan de verdeling van de rekenkracht tussen
de verschillende shaders.
22
CPU
Peak GFLOP/s
2003
2004
2005
2006
2007
2008
2009
Droomscenario: GPU versus CPU
Optimale inzet van een GPU voor beeldbewerking kan bovenstaande curve opleveren (met fors
meer MIPS voor de GPU dan bij de CPU). Buiten die specifieke grafische toepassing is een
GPU beperkt. Het draaien van niet-grafische toepassingen op een GPU zou een ander plaatje
laten zien:inzet
de performance
in totvoor
onder beeldbewerking
de CPU-curve.
Optimale
van eenstortGPU
kan bovenstaande curve
Droomscenario: GPU versus CPU
opleveren (met fors meer MIPS voor de GPU dan bij de CPU). Buiten die specifieke grafische toepassing is een GPU beperkt. Het draaien van niet-grafische
toepassingen op een GPU zou een ander plaatje laten zien: de performance
stort in tot onder de CPU-curve.
Dieper in de techniek van de GPU
Is het verhaal dan klaar met de conclusie dat de GPU elk jaar betere beelden
maakt, maar een plaatjesmachine is en blijft? Zo zwart/wit liggen de zaken
niet. In bepaalde gevallen en onder strikte voorwaarden zou een GPU als alternatief kunnen dienen voor ander zwaar rekenwerk dan alleen grafisch werk.
Daarvoor moeten we iets dieper in de techniek duiken.
Een GPU is een parallelle processor: hij voert zeer veel parallelle bewerkingen
uit. Dat is bijvoorbeeld te zien aan de brede geheugenbussen, tot wel 256 bits.
Ter vergelijking: de CPU is nog niet zo lang geleden van 32 naar 64 bits gegaan.
Jaargang 14 • Nummer 3 • Maart 2010
Een GPU werkt dus met veel meer data tegelijk. Maar het ontwerp is bedoeld
voor eenrichtingsverkeer: er komt een brok data binnen met elementaire beeldinformatie, voor elke pixel berekent hij het een en ander, vervolgens stuurt hij
dat er aan de andere kant uit richting het beeldscherm.
Een GPU is slecht in keuzes maken, zoals in het doorlopen van typische “if
..., then ..., else ...”-softwareconstructies. Daar wordt hij traag van. Een GPU
is juist gebouwd om voor alle parallelle paden hetzelfde te doen. Dat heet
single instruction, multiple data (SIMD). Er zijn een instructiedecoder en een
hele groep executie-units. Zodra er een keuze komt, kan die maar voor een
executie-unit gelden en kunnen de anderen niets effectiefs doen. Een gewone
processor is veel beter in het oplossen van if-then-else-problemen. Die kan
slim door een reeks van voorwaarden en afhankelijkheden heen slalommen en
zich veel rekenwerk besparen, als een skiër die in de afdaling continu kiest en
stuurt om de snelste weg te vinden. Een GPU is als een roeiboot met bijvoorbeeld acht roeiers die tegelijkertijd samen een doel proberen te bereiken. Als
elke roeier een ander parcours zou moeten varen, dan kan dat alleen maar door
acht parcoursen achter elkaar te varen met telkens één roeier aan het werk.
Een GPU is dus goed in het parallel verwerken van rekenkundige bewerkingen
volgens vaste formules.
aan o.a. matrixberekeningen en Fouriertransformaties, zoals die bijvoorbeeld
voorkomen in ruimtelijke problemen als 3D-simulaties van stromingen of elektromagnetische velden. Dit zijn verschijnselen die zich laten analyseren door de
wereld in kleine vakjes of kubusjes te verdelen om per vakje een natuurkundige
vergelijking op te lossen (ook wel de eindige elementenmethode genoemd).
Het oplossen van deze vergelijkingen vergt heel veel ‘simpele’ rekenstappen
op een grote dataset, maar ook andere grootschalige berekeningen (vooral
floating point) en beeldgeneratie voor de professionele en wetenschappelijke
gebieden.
Voor dit soort toepassingen heeft NVIDIA een professionele GPU ontwikkeld
onder de naam Tesla. Een onderzoeker heeft zo voor een relatief bescheiden
bedrag een desktop die qua rekenkracht kan wedijveren met een supercomputer.
GPU in embedded systemen?
Voor professionele technische toepassingen is een GPU alleen maar bruikbaar
in zijn natuurlijke habitat: op een grafische kaart, ingebouwd in een pc, met
standaard software. Mochten GPU-chips al los verkrijgbaar zijn, dan nog zijn
ze moeilijk in embedded systemen in te passen. Het probleem moet passen
bij de architectuur van de chip, de chip moet passen in het systeem en het
businessmodel moet kloppen. Zo heeft de GPU voor zijn inzetbaarheid bij
grafische toepassingen een korte levensloop en is daardoor slecht verkrijgbaar
op de lange termijn. De professionele embedded wereld is vrijwel altijd beter
uit met een FPGA. Die zijn wel lang genoeg leverbaar. De keus in FPGA’s is
enorm: voor elk denkbaar probleem is wel een specifieke FPGA te vinden. Deze
zijn ook nog eens uiterst flexibel. De ontwikkelaar kan namelijk zelf de balans
kiezen tussen parallel en serieel, tussen data load en rekenkracht. Soms zijn
er niet zoveel afzonderlijke berekeningen nodig, maar moet het wel op 10Gb
datastromen gebeuren, zoals in een hoge resolutiecamera. Die genereert een
bulk data die eerst wordt bewerkt voordat een pc er iets mee kan. Misschien
zou dat met een GPU kunnen, maar voor bewerkingen in het embedded domein
kiest Technolution er altijd voor om de datastroom met een FPGA te bewerken.
Juist vanwege voorgenoemde zaken.
Toekomst GPU
Berekeningen aansturen met API
Rekenkracht GPU anders aanwenden
Door de genoemde API’s is het, zoals eerder aangegeven, mogelijk om goed
passende rekenkundige problemen, zonder uitvoer naar een beeldscherm, met
succes sneller op een GPU uit te voeren dan op een CPU. Gedacht moet worden
Advertorial
Als een GPU gebruikt gaat worden, moet dat gebeuren met speciale instructies,
die bij elk merk GPU kunnen verschillen. Hierbij zijn de standaard API’s niet
bruikbaar. Het is dus hard nodig om toegang tot de GPU’s te standaardiseren,
zodat de functies die moeten worden uitgevoerd op een redelijk abstract
niveau kunnen worden aangeboden. Op dit moment zijn de belangrijkste twee:
CUDA van NVIDIA en de merkonafhankelijke variant OpenCL (Open Computing
Language). OpenCL is initieel gedefinieerd door Apple Inc., maar is door hen via
de Kronos Groep tot een open standaard gemaakt. Door deze API’s te gebruiken kunnen de ingewikkelde details van een GPU worden beheerst en kan de
programmeur zich richten op het onderhavige probleem. Ook zullen er door
standaardisatieprogramma’s (bv. Matlab) bibliotheken ter beschikking komen
met GPU-ondersteuning voor veel voorkomende problemen, zodat niet iedereen
opnieuw het wiel hoeft uit te vinden.
Een van de grootste beperkingen van vandaag in het parallel rekenen is de
doorvoersnelheid van het geheugen. Larrabee is de codenaam van een ontwikkeling bij Intel, die een hybride van een X86 CPU en een GPU ineen smeedt tot
een GPGPU (General Purpose GPU). In dit geval wordt gebruik gemaakt van vele
volwaardige CPU-kernen met SIMD-support en een conventionele cache. Door
in de toekomst een CPU- en een Larabeechip te integreren komen beide typen
processors op een plak silicium te zitten en kunnen de verbindingen erg kort
en dus snel zijn. Dit geeft veel flexibiliteit en performanceverbetering voor een
breder scala rekenintensieve toepassingen. De performanceclaims van Intel
worden door de bestaande GPU-specialisten met de nodige scepsis benaderd.
Als deze combinatiechip slaagt, zou hij het einde van de losse grafische kaart
kunnen inluiden en dus geheel nieuwe toepassingen voor de GPU in beeld
brengen.
Dit artikel is overgenomen uit Objective 12 - november 2009, het relatiemagazine van Technolution over innovatie en technologie.
23
Jaargang 14 • Nummer 3 • Maart 2010
Java puzzlers
Traps, pitfalls and corner cases
Joey van den Heuvel
Puzzle: No Pain, No Gain
This program prints a word, using a random number generator to select the
first character. Describe the behavior of the program:
import java.util.random;
public class Rhymes {
private static Random rnd = new Random();
In this book review I would like to give you an insight in the wonderful
public static void main(String[] args){
stringbuffer word = null;
switch(rnd.nextInt(2)) {
case 1: word = new StringBuffer(‘P’);
case 2: word = new StringBuffer(‘G’);
default: word = new StringBuffer(‘M’);
}
word.append(“ain”);
system.out.println(word);
}
world of Java Puzzlers. The book Java Puzzlers is written by Joshua Bloch
and Neal Gafter which both have worked on the java core and thus know a
lot about the traps, pitfalls and corner cases of java.
They have created a book full of java puzzles. Short programs that appear to
do one thing but actually they are doing something else. And I thought that
the best way to get you interested in reading this book is to just show you two
brain teasing puzzles. So here are two examples out of the book and remember:
“First try to solve the puzzle before skipping to the solution!”
Puzzle: Long Division
This puzzle is called Long Division because it concerns a program that divides
two long values. The dividend represents the number microseconds in a day;
the divisor, the number of milliseconds in a day. What does the program print?
public class LongDivision {
public static void main(String[] args) {
final long MICROS_PER_DAY = 24 * 60 * 60 * 1000 * 1000;
final long MILLIS_PER_DAY = 24 * 60* 60 * 1000;
system.out.println(MICROS_PER_DAY / MILLES_PER_DAY);
}
}
Solution: Long Division
Informatica
This puzzle seems reasonably straightforward. The number of milliseconds per
day and the number of microseconds per day are constants. The number of
milliseconds per day differs only in that it is missing the final factor of 1000.
When you divide the number of microseconds per day by the number of milliseconds per day, all the factors in the divisor cancel out, and you are left with
1000, which is the number of microseconds per millisecond. Both the divisor
and the dividend are of type long, which is easily large enough to hold either
product without overflow. It seems, then, that the program must print 1000.
Unfortunately, it prints 5. What exactly is going on here?
The problem is that the computation of the constant MICROS_PER_DAY does
overflow. Although the result of the computation fits in a long with room to
spare, it doesn’t fit in an int. The computation is performed entirely in int
arithmetic, and only after the computation completes is the result promoted
to a long. By then, it’s too late: The computation has already overflowed,
returning a value that is too low by a factor of 200. The promotion from int
to long is a widening primitive conversion, which preserves the (incorrect)
numerical value. This value is the divided by MILLIS_PER_DAY, which was
computed correctly because it does fit in an int. The result of this division is 5.
So why is the computation performed in int arithmetic? Because all the factors
that are multiplied together are int values. When you multiply two int values,
you get another int value. Java does not have target typing; a language feature
wherein the type of the variable in which a result is to be stored influences the
type of computation.
24
}
Solution: No Pain, No Gain
At the first glance, this program might appear to print out the word Pain, Gain,
and Main with equal likelihood varying from run to run. It appears to choose
the first letter of the word, depending on the value chosen by the random
number generator: M for 0, P for 1, and G for 2. The puzzle’s title might have
provided you with a clue that it doesn’t actually print Pain or Gain. Perhaps
more surprisingly, it doesn’t print Main either, and its behavior doesn’t vary
from run to run. It always print ain.
Three bugs conspire to cause this behavior. Did you spot them all? The first bug
is that the random number is chosen so the switch statement can reach only
two of its three cases. The specification for Random.nextInt(int) says: “Returns
a pseudorandom, uniformly distributed int value between 0 (inclusive) and
the specified value (exclusive)” [Java-API]. This means that the only possible
values of the expression rnd.nextInt(2) are 0 and 1. The switch statement will
never branch to case 2, which suggests that the program will never print Gain.
The parameter to nextInt should have been 3 rather than 2.
The Second bug is that there are no break statements between the cases.
Whatever the value of the switch expression, the program will execute that
case and all subsequent cases caused by the fall-through principle. Each case
assigns a value to the variable word, and the last assignment wins. The last
assignment will always be the one in the final case (default), which is new
Stringbuffer(‘M’). This suggests that the program will never print Pain or Main
but always Main.
The last and most subtle bug is that the expression new StringBuffer(‘M’)
probably does not do what you think it does. You may not be familiar with
the StringBuffer(char) constructor, and with a good reason: It does not exist.
There is a parameterless constructor, one that takes a String indicating the
initial contents of the string buffer and one that takes an int indicating its
initial capacity. In this case, the compiler selects the int constructor, applying
a widening primitive conversion to convert the char value ‘M’ into the int value
77. In other words, new StringBuffer(‘M’) return an empty string buffer with
an initial capacity of 77. The remainder of the program appends the characters
a, i, and n to the empty string buffer and prints out its contents, which are
always ain.
Jaargang 14 • Nummer 3 • Maart 2010
Clustering algorithm for highly mobile
wireless sensor networks
Figure 1
A.S. Pruteanu
The increasing complexity and dynamicity of distributed information
systems present new challenges for designers requiring new engineering
paradigms. Self-Adaptation and Self-Organization are emerging as highly
promising approaches.
Biological systems, from embryos to social insects, get tremendous mileage
using large decentralized systems of comparatively simple and unreliable components to achieve complex goals. Recent technological advances have made
possible man-made systems composed of vast numbers of components, ranging
from sensor networks to self-assembling modular robots. A key challenge is
controlling such systems: how does one harness the power of self-organization
to achieve user-specified global goals from the local interactions of identically
programmed, simple agents? Domain-specific “compilers” systematically
solve complex global tasks by composing a remarkable small set of robust,
analyzable, bio-inspired local behaviors. Furthermore, several languages can
encode complex notions of self-repair, thus relieving the user from explicitly
managing fault-tolerance. The system is able to disseminate the local interaction of the agents with respect to the predefined behavior of the ensemble. A
wireless sensor network is a highly distributed system where the transmission
of information in a reliable and energy efficient way is its most important
requirement. We propose a new technique for solving the problem of routing
efficiency in case of increased mobility of the nodes. Our approach is inspired
by cellular automata algorithms and uses simple, local rules to construct and
maintain stable clusters (global behavior). We evaluated the idea through
simulations and showed its validity.
The algorithm
Informatica
Mobility has become one of the most important requirements for wireless sensor networks applications. Due to its negative effects (frequent and random
topology changes leading to breaks in the communication links) we end up
with higher power consumption and lower quality of service. To solve these
drawbacks an overlay network can be used to reduce the effects of mobility.
As a consequence, a highly dynamic topology appears as almost static to the
upper layers. It has been proven that the packet delivery delays are reduced in
a hierarchical structure compared to a fl at one, thus resulting in better routing
efficiency. In large mobile scenarios, the fl at hierarchical structure produces
excessive route-maintenance traffic that can saturate the network. Clustering
in mobile networks can be seen as a virtual partitioning of the moving nodes
into various groups with respect to the distance to others or their motion
correlations. The highly dynamic nature of mobile ad-hoc networks results in
frequent and unpredictable changes of the topology. Additionally, the classic routing techniques (either proactive or reactive) in large-scale, dynamic
MANETs do not perform well and are inefficient in maintaining accurate paths.
Introducing hierarchy is a technique to increase the network performance by
delegating to a subset of nodes the task of performing long distance communications. The basic idea behind clustering is to form groups (clusters) of
neighboring nodes from the fl at structure of the network. Within each cluster,
a node (leader) is selected to communicate with other clusters on behalf of
its neighbors. In addition to packet routing and forwarding, cluster heads can
also control the channel scheduling and aggregate the data within its domain.
The concept of clustering has had a lot of attention from two research
communities: MANETs and Wireless Sensor Networks. The former relied on
more capable devices in terms of available energy, transmission range and
propagation properties. The later had to deal with a lot more restrictions:
the nodes are asleep most the time to save energy; they communicate on
much shorter ranges with a lot less throughput. Information loss due to radio
interference and battery depletion is a common characteristic of the network.
A short enumeration of well-known algorithms is presented. Weight-based
clustering algorithms assign to each node in the network an application
specific measure, which usually includes a number of parameters related to
how suitable the node is for the cluster head role. Examples of such algorithms
are: LCA [5], DCA [17], DMAC [2], G-DMAC [1], K-CONID [9], WCA [4], C4SD [13].
Time-based algorithms enable the election of cluster head nodes based on the
order in time when the potential nodes announce their candidacy. Examples of
algorithms are: Passive clustering algorithm [6] and ACE clustering algorithm
[3]. Probabilistic protocols are designed mainly for static networks (e.g. static
Wireless Sensor Networks), as they run in synchronized rounds for balancing
the energy consumption. Representative algorithms are: LEACH [7], HEED [11],
MOCA [12], EEMC [8]. Protocols with decisions based on semantic information:
Smart Clustering algorithm [10], Tandem [13]. One of the newest algorithms
are: GBL [14], DDVC and DDLC [15]. They are using either Doppler shift of GPS to
measure the relative motion. The first approach is using a new technique but
is not accurate enough for low-speed estimates. The second one uses a strong
assumption: GPS.
Our technique is inspired by cellular automata algorithms where simple, local
only interactions lead to complex global behavior of the system. In our case,
d-hop neighborhood is defining the local interaction. Since the topology of
the network is dynamic (mobile nodes), the overlaying layer has to hide to the
upper ones the increased mobility. The authors of related papers presume the
existence of additional information like GPS coordinates, Doppler shift of GPS,
RSSI readings, mobility estimations, speed values of the nodes etc as helping
points. Although for some application scenarios (outdoor deployments) this
is a feasible approach, in most of the cases, the lack of a connection to the
satellites or the unreliable radio measurements caused by interferences or
propagation problems, prove that such strong assumptions are impractical.
25
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Mobility estimation can be obtained when there is a degree of correlation
within the trajectories of the nodes. Due to all these reasons, our main contribution is to create an algorithm that relies only on the information provided
by the distributed local interactions between the nodes. In this way we are
not limited to outdoor deployments with nonrandom trajectories and we do
not need expensive equipments in terms of energy consumption (GPS). We now
can extend the applicability of our approach to any scenario: indoors, outdoors
or mixed.
Cluster formation and maintenance
The cluster formation technique is inspired by the physical laws (the principle
of equilibrium of gasses inside a container [16]). They balance each other
so that in time they stabilize while their molecules move randomly. We use
the concept of pressure (shared variable between the nodes of a cluster) to
describe the probability of a node to impose its cluster ID assignment to its
neighbors. Local rules that maintain the equilibrium are: 1. pressure diffusion
inside the clusters, 2. pressure exchange between the clusters and 3. Cluster
election rule. The later one is based on either majority voting (counting the
number of neighbors belonging to different clusters) or pressure imposing.
These simple interactions are able to maintain almost fixed network domains
(clusters) while the actual nodes are moving.
Cluster head election
Informatica
The decision of which node to use as a cluster head is taken based on domain
change frequency of the nodes and their d-hop neighbors: the higher the value,
the less the probability of becoming a cluster head and the vice versa. In this
way, nodes that change less times their domain(cluster assignment), meaning
they are either less mobile or are located further away from the cluster border,
have a higher chance of becoming cluster heads. Their stability is crucial for
the packet loss metrics.
Simulation results
To validate our technique we simulate the mobility scenario using a RandomWaypoint model with Matlab and MIXIM (Omnet based network simulator).
As shown in the Figure 1, the clusters are stable even after 200 points in
time and move slowly. A node can cover the space from a minimum of 0.01
[unit]/time to a maximum of 0.1 [unit]/time. The sum of all pressures inside
a domain is constant through simulation time. The average number of nodes
per cluster is 125 out of a total of 500 (Figure 2). Compared to GBL[14] and
DDVC[15] where nearby nodes with similar mobility patterns (detected through
GPS or Doppler shift), are clustered, we do not use any information about the
motion of individual nodes. In this way, our technique can be used for random
motion patterns. In DDVC[15] a cluster head is in charge of its corresponding
cluster formation (acceptance of nodes as members) and has knowledge of all
its members, acting as a central authority.
Figure 2
26
Figure 3
Such an approach is not fully de-centralized and although it does not need
coordination from the gateway still involves a lot of micro-management by
the cluster-head. This approach is feasible when groups of nodes are easy to
track. When randomness occurs in the motion such an approach is not feasible.
As a consequence, a fully distributed approach is needed, where gradients
established in the network are able to direct packets toward the cluster-heads.
Additional knowledge about all the cluster members is not needed. The cluster
change frequency graph shows which nodes are potentially good candidates
as cluster heads (Figure 2). The nodes in the corners did not change often
their cluster assignment so they have a high election probability. Nodes in the
center have less probability due to their increased changing frequency.
Conclusion
Our new technique constructs a static overlay network on top of the mobile
infrastructure. We hide to the upper layers (routing) the increased dynamic
topology. Our preliminary simulation results validate our starting approach
as highly promising. Our solution has three major improvements compared to
other algorithms: 1. it is a fully de-centralized (distributed) approach (it uses
only the local interaction between the nodes); 2. It uses no hard-assumptions
like GPS coordinates or correlated movement of the nodes; 3. It uses no motion
prediction (we can apply our methodology to totally random motion scenarios). The obtained freedom allows us to create application scenarios like:
indoor spaces, mixed indoor-outdoor spaces, random motion of the nodes, high
node density.
References
[1] S. Basagni. Distributed and mobility-adaptive clustering for multimedia support in multi-hop wireless networks. In Proceedings of Vehicular Technology Conference (VTC), pages 889893. IEEE Computer
Society, 1999.
[2] S. Basagni. Distributed clustering for ad hoc networks. In Proceedings of the International Symposium on Parallel Architectures, Algorithms and Networks (ISPAN), pages 310313, Washington, DC, USA,
1999. IEEE Computer Society.
[3] H. Chan and A. Perrig. Ace: An emergent algorithm for highly uniform cluster formation. In Proceedings of the First European Workshop on Sensor Networks (EWSN), pages 134171. Springer, January
2004.
[4] M. Chatterjee, S. K. Das, and D. Turgut. Wca: A weighted clustering algorithm for mobile ad hoc
networks. Cluster Computing, 5(2):193204, 2002.
[5] A. Ephremides, J. Wieselthier, and D. Baker. A design concept for reliable mobile radio networks with
frequency hopping signaling. Proceedings of the IEEE, 75(1):373, 1987.
[6] M. Gerla, T. J.Kwon, and G. Pei. On-demand routing in large ad hoc wireless networks with passive clustering. In Wireless Communications and Networking Conference (WCNC), pages 100105. IEEE
Computer Society, 2000.
[7] W. B. Heinzelman, A. P. Chandrakasan, and H. Balakrishnan. An applicationspecific protocol
architecture for wireless microsensor networks. Wireless Communications, IEEE Transactions on,
1(4):660670, 2002.
[8] Y. J., L. W., Y. Kim, and X. Yang. Eemc: An energy-efficient multi-level clustering algorithm for
large-scale wireless sensor networks. Computer Networks, 52(3):5132, 2008.
[9] F. G. Nocetti, J. S. Gonzalez, and I. Stojmenovic. Connectivity based k-hop clustering in wireless
networks. Telecommunication Systems, 22(14):205220, 2003.
[10] M. Strohbach and H. Gellersen. Smart clustering - networking smart objects based on their physical
relationships. In proceedings of the 5th IEEE International Workshop on Networked Appliances, pages
131 135. IEEE Computer Society, 2002.
[11] O. Younis and S. Fahmy. Heed: A hybrid, energy-efficient, distributed clustering approach for ad
hoc sensor networks. IEEE Transactions on Mobile Computing, 3(4):366379, 2004.
[12] A. M. Youssef, M. F. Younis, M. Youssef, and A. K. Agrawala. Distributed formation of overlapping
multi-hop clusters in wireless sensor networks. In Proceedings of the Global Telecommunications
Conference (GLOBECOM), pages 16, 2006.
[13] Marin-Perianu, R.S. (2008) Wireless Sensor Networks in Motion -Clustering Algorithms for Service
Discovery and Provisioning. PhD thesis, University of Twente. CTIT Ph.D.-thesis series No. 08-130 ISBN
978-90-365-2745-3
[14] G. H. K. Lam, H. V. Leong, and S. C. Chan. Gbl: Group-based location updating in mobile environment. In 9th International Conference on Database Systems for Advanced Applications (DASFAA),
pages 762774, 2004.
[15] E. Sakhaee and A. Jamalipour, ”Stable clustering and communications in pseudolinear highly mobile
ad hoc networks,” Vehicular Technology, IEEE Transactions on, vol. 57, no. 6, pp. 3769-3777, Nov. 2008.
[16] Cellular Automata Modeling of Physical Systems by Bastien Chopard (Author), Michel Droz (Author)
[17] C. R. Lin and M. Gerla. Adaptive clustering for mobile wireless networks. Selected Areas in Communications, IEEE Journal on, 15(7):1265–1275, 1997.
Jaargang 14 • Nummer 3 • Maart 2010
Mathematical modeling of particle
nucleation and growth in metallic
alloys
Dennis den Ouden
As a student of Applied Mathematics I wanted to specialize in the
field of Numerical Analysis, with a particular focus on the application
of mathematics to real life phenomena. As such I choose a subject of
metallurgy for my Master thesis project. In this article I will elaborate
on the problems I will model, the model itself and of course the results I
obtained.
Metallurgical phenomenon
In the field of metallurgy two phenomena are considered of great importance
in the manufacturing of alloys. First there is the behavior of the alloy on
an molecular level and the influence of this behavior on the strength of the
material. Second there is the deformation of the material during hot processing and the effect on the molecular dynamics.
Hot processing of alloys happens at very large scales in the industry. An
example is the rolling of alloys after they have been cast, see figure \ref{hot}.
During this process a certain amount of pressure is exerted on a exterior
pint of the material causing two types of deformations. First there are the
deformations that disappear after the force is released, the so called elastic
deformations. Second there are the deformations that are permanent and stay
after the force has been released, the so called plastic deformations. Although
plastic deformations are those wanted during hot processing of alloys, I
focused on elastic deformations as this behavior is more easily modeled and
still can give significance information on the influence of hot processing on
the molecular behavior of the alloy.
a) The undeformed cylinder
b) The deformed cylinder
Figure 2
Wiskunde
The behavior of alloys on a molecular level can best be described by considering a quasi-binary alloy, e.g. an alloy consisting of two or more elementary
elements, such as Cu-Co (copper-cobalt) or Al-Mg-Si (aluminum-magnesiumsilicon). This alloy can be seen as a solidified solution of the solute element,
e.g. Co or Mg+Si, in the solvent element, e.g. Cu or Al. In a certain temperature
range, which can vary from alloy to alloy, it is possible that some Co atoms
or Mg2Si molecules form large groups, either due to defects in the material or
spontaneously. These groups are called particles or precipitates and deform
the alloy structure locally. In theory these particles can have any size, but are
in most cases in the order of nanometers (10 -9 meters). The local deformation of
the material due to particles can severely change, both positive and negative,
the overall behavior of the material under hot processing. Therefore I focused
on a model that predicts the particles present in an alloy. The alloy under I
took under investigation in this project was a simplified version of the alloy AA
6082, an aluminum alloy. This alloy consist of the solvent element aluminum
and the two solute atoms Magnesium (Mg) and Silicon (Si). For this alloy it
is assumed that only particles consisting of Mg2Si are formed. The overall
concentrations of the elements are 0.63wt% Mg, 0.9wt% Si with the remainder
Al. Here wt% stands for weight percent.
Figure1: Flat rolling. Image from Wikipedia.
27
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Modelling particle nucleation
Modelling elastic deformation
In the field of metallurgy several approaches are possible to obtain information
about the theoretical amount of particles in an alloy. A well-known approach is
the KWN-model [1]. I compared to specific variants of this model, one by Myhr
and Grong [2], and another by Robson et al. [3]. I will not state the comparison
itself, but I will state the resulting model.
As mentioned my Master thesis project focused solely on elastic deformations.
For simplicity we assume a cylindrical region which is deformed such that
rotation symmetry is maintained. This means that no forces or deformations in
tangential direction are considered. Using a simple force balance, two partial
differential equations are derived:
The KWN-model is based on the evolution of the particle number density for
spherical particles. This density is expressed as
where is the amount
of particles with radius per cubic meter at time . The behavior of this
quantity is best described using the continuity equation
,
where
is the rate at which a particles with radius grows or shrinks
(if negative) at time and
a source function predicting the number
of newly formed particles with radius at time . Both and depend explicitly on the value of .
.
In these equations stands for the independent radial variable, for the
independent axial variable and
for the stress acting on region with
constant and in the direction of . These stresses are related with the strain
in the system by the cylindrical Hook’s Law:
,
which are in turn related to the deformations present in the system:
From a known value of the value of several variables can be obtained, such
as concentrations. The value of the growth rate can be expressed as
,
,
where is the mean concentration in the matrix (i.e. outside the particles) of
the solute,
the concentration of solute inside the particle and
an equilibrium concentration at the edge between the matrix and the particle. This
last concentration depends explicitly on the radius of each particle. Finally
is the diffusion constant of the solute in the solvent. The mean concentration
can be derived from the value of .
The source term can be seen as a point function [4] depending on the critical
radius
for which
and the nucleation rate
:
If the deformations are known using the above equations and some set of prescribed boundary conditions, the strain energy of the system can be calculated
at each point in the system, by using the formula
,
where is the Frobenius inner product. This value can then be used to calculate
the nucleation rate as described above.
energydis
0.03
.
x 10
14
12
0.025
10
0.02
8
zaxis
The largest difference between the two models compared was in the formula of
. Using a combination of both models I assumed that the following formula
holds:
4
0.015
6
0.01
4
0.005
0
0
0.5
1
1.5
etaaxis
2
2.5
3
x 10
−3
Figure 3
pnd
.
The energy
is related to the value of the concentrations and reflect the
need of the system to reach a certain stable state. In this project I focused on
the other energy
, the strain energy. This term is the sum of energies due
to all possible strains, but we will restrict our selfs to a binary case, in which
only strain energy due to misfit between the matrix and a particle with radius
,
and strain energy resulting from elastic deformations,
. This
latter term will be defined below.
28
2
0.035
0.03
time
Wiskunde
with a empirical constant, the gas constant, the absolute temperature,
a constant related to diffusion and
an energy barrier that should be
overcome before nucleation happens. This energy barrier is a function of other
energies:
10
3
10
2
10
1
0.025
0.02
0.015
0
0.01
10
0.03
3
0.02
2
0.01
zaxis
x 10
1
0
0
Figure 4
etaaxis
0.005
−3
percent
,
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Used numerical methods
Conclusions
To simulate the behavior of the combined model, two systems need to be discretized. For the model predicting the number of particles I used a combination
of the familiar upwind method and an IMEX- method. These methods give an
order 1 accurate approximation in both place and time. For the discretization
of the elastic equations I applied a basic finite element method using linear
triangles in the
domain.
From the various results obtained with the combined models, the conclusion
can be drawn that the influence of elastic deformations on the nucleation and
growth of particles can be modeled in a straightforward manner, resulting in
predictable difference with the results from nucleation and growth of particles
in absence of elastic deformations.
Results from simulation
To illustrate the effect of incorporating I simulate a so called tension test on a
solid cylinder with a radius of 3
and a height of 30
. This test consists
of fixing the bottom of the cylinder in both the radial and axial direction,
fixing the top of the cylinder in the radial direction and applying a force of
If you are interested in knowing more about the nucleation and growth of
particles in alloys, elastic deformations and the application of numerical
methods, this Master Thesis can be found at repository.tudelft.nl.
References
[1] Kampmann, R. , Eckerlebe, H. , and Wagner, R., in: Materials Research Society Symposium
Proceedings, volume 57, page 525. MRS, 1987.
[2] Myhr, O. R. and Grong, O., Modelling of non-isothermal transformations in alloys containing a
particle distribution, Acta Materialia, 48(7):1605-1615, 2000.
,
in the axial direction. This specific force should physically cause plastic deformations, but for the moment we assumed only elastic deformations occur. A
picture of the undeformed and deformed cylinder can be seen in Figure 2.
[3] Robson, J.D. , Jones, M.J. , and Prangnell, P.B., Extension of the N-model to predict competing
homogeneous and heterogeneous precipitation in Al-Sc alloys , Acta Materialia, 51(5):1453-1468,
2003.
The resulting deformations caused a strain energy with the typical form as can
be seen in Figure 3. The effect of these energy levels can be seen back in all
variables that we can calculate from the results. A good influence can be seen
from the total particle present in the system, as depicted in Figure 4.
Oliebollen eten
Puzzel LI
Prof.dr J.M. Aarts
Beschouw de open bol met straal 1, maar zonder rand. Precies gezegd: de open
bol met straal 1 en middelpunt O is de verzameling van alle punten X uit de
ruimte met de eigenschap dat de afstand van O tot X kleiner is dan 1: OX < 1.
Daarin (in die open bol met straal 1) leg ik een configuratie van n punten met
onderlinge afstand ≥ 1. Dan is n ≤ 19.
Ook nu is een goede (of nog betere) oplossing weer 10 punten waard. De
inzendingen kunnen tot en met 16 april naar [email protected] gestuurd
worden.
Oplossing puzzel L
Prof.dr J.M. Aarts
Er waren twee inzendingen die veel op elkaar leken, namelijk van Thijmen Krebs
en van Misha Stassen. Zij ontvangen beide 10 punten voor de ladder. Hier is de
oplossing. Kijk eens naar een die (open) cirkelschijf D met straal 1. Verdeel D
als een taart in zes gelijke punten. Voor iedere taartpunt geldt: twee punten op
die taartpunt hebben afstand kleiner dan 1. Ik beschouw nu een verzameling
van n punten in D met onderlinge afstanden groter dan of gelijk aan 1. Ik zal
laten zien dat n ≤ 6; dat betekent dat bij een configuratie van 7 punten er
altijd 2 van die 7 punten zijn met onderlinge afstand < 1, hetgeen te bewijzen
was. Welnu, als n ≥ 7 en ik dus 7 punten op 6 taartpunten moet leggen, dan
zegt het pigeon hole principle (das Schubladeprinzip) me dat er twee punten
op eenzelfde taartpunt terecht komen en dus onderlinge afstand kleiner dan 1
krijgen, hetgeen verboden is.
Wiskunde
Wie helpt me om dit te bewijzen of te weerleggen. Ik heb een tijd geprobeerd
dit probleem (vind een bovengrens voor n) aan te pakken door te kijken naar
ingeschreven veelvlakken en ook de truc van Van Kan te gebruiken. Ik kwam
niet verder dan ik op Oudjaar al was. Als ik zo’n configuratie van n punten heb
dan kan ik iedere punt van de configuratie een bolletje met straal ½ weg laten
eten zonder dat die punten van elkaars oliebollendeel snoepen. Zo kwam ik
op die 19. Wie kan dit bewijzen (ik had op oudejaarsavond al aardig wat op,
oliebollen bedoel ik) en/of wie kan de bovengrens naar beneden bijstellen?
Van Kan verslaat alles en
iedereen
Jos van Kan, een uiterst slimme collega, kwam met een heel knappe verbetering
van de uitspraak van de puzzel. Gelukkig voor de puzzelaars doet hij buiten
mededinging mee, anders maakten zij geen kans meer op een prijs. Jos van Kan
bewijst dat bij een configuratie van 6 punten er altijd 2 van die 6 punten zijn
met onderlinge afstand < 1. Het bovenstaand bewijs volgend moet bewezen
worden dat n ≤ 5 is. Om dat te bewijzen deel je de taart niet zo maar in 6
punten, maar zorg je er ook voor dat één van de sneden door één van de punten
gaat; dan blokkeert dat ene punt 2 taartpunten, en moeten de overige 5 over
4 taartpunten verdeeld worden en dat kan niet. De goede oplossers van deze
week scoren geweldig op de ladder en stijgen met stip. Thijmen Krebs staat
meteen weer bovenaan en ook Misha Stassen (een oude bekende) zit weer hoog
in de ladder, welke door ruimtegebrek op te vragen is bij de MaCHazine.
29
Photo courtesy of Brian Hoskins. Retrieved from sxc.hu.
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Wiskunde en de paradox van
rationele vaccinatiebeslissingen
Radboud Duintjer Tebbens (Risico-en beslissingsanalyse)
Vaccinaties redden wereldwijd ieder jaar ongeveer 3 miljoen levens.1 Niet
alleen zijn ze duidelijk één van de meest succesvolle tools om ziektes te
voorkomen, vaccinaties zijn doorgaans ook relatief goedkoop.
Wiskunde
Een groot aantal studies heeft aangetoond dat verschillende vaccinatieprogramma’s enorm kosteneffectief zijn, wat ruwweg wil zeggen dat de kosten
per gewonnen levensjaar in goede gezondheid heel laag zijn. Sommige vaccins
blijken zelfs kostenbesparend als je de besparingen van medische kosten
meeneemt. Zo hebben wij laten zien dat het vaccinatiebeleid voor polio in de
V.S. sinds 1955 $180 miljard (!) meer aan medische besparing dan aan vaccinatiekosten heeft opgeleverd.2 Op grond van deze argumenten lijkt het een nobrainer om te vaccineren. Toch is er groeiende beweging die zich verzet tegen
vaccinaties. Het is interessant dat deze beweging zich deels manifesteert in
de beter opgeleide groepen van rijkere landen, bijvoorbeeld in progressieve
gemeenschappen in de V.S. en Duitsland. Ook in Nederland heeft alle ophef
rond de Mexicaanse griep hevige gevoelens over vaccinaties losgemaakt en
komen er zo nu en dan weer onnodige epidemieën (bijv. kinkhoest, mazelen,
polio) voor in bevolkingsgroepen die zich tegen vaccinatie verzetten. Gezien
de sterke argumenten vóór vaccinatie klinkt de beweging tegen vaccinaties
irrationeel. Wiskundige modellen kunnen ons echter helpen om te begrijpen
wat precies ten grondslag ligt aan de antivaccinatie gevoelens. Hierbij moet
ik wel zeggen dat ook irrationele argumenten en foutieve informatie een rol
spelen,3 en dat ik in dit stukje slechts de top van de fascinerende ijsberg van
de vaccinatiepolitiek zal beschouwen.
Een belangrijk aspect is hoe we omgaan met onzekerheid. Het is niet alleen
onmogelijk aan te tonen dat een vaccin absoluut 100% veilig is, maar ook heel
moeilijk om a priori statistisch aan te tonen dat een vaccin bijvoorbeeld 99.9%
veilig is omdat dat een studie van praktisch onmogelijke (of te dure) omvang
vereist.4 Hierdoor kunnen integere voorstanders vaak niets beter zeggen dan
dat er geen gegevens bestaan die aantonen dat een (nieuw) vaccin niet veilig
is. De juiste interpretatie van een dergelijke uitspraak is dat we op grond
van resultaten in laboratoria weten dat het vaccin hoogstwaarschijnlijk heel
veilig is, maar dat we geen harde gegevens hebben om de exacte veiligheid
te bepalen. Het gebrek aan goede gegevens geeft echter ruimte aan allerlei
30
speculaties en angsten. Wat doorgaans beter bekend is, zijn de risico’s van
niet vaccineren. Vaccinatiebeslissingen komen dus in praktijk vaak neer op een
afweging tussen onzekere risico’s. In de formele beslissingstheorie is bewezen
dat iemand die volledig rationeel handelt altijd zal kiezen voor die optie die
het hoogste verwachte nut oplevert, waarbij het verwachte nut gebaseerd is
op subjectieve kansen op verschillende uitkomsten. Dat geeft weer aan dat het
effectief communiceren van de onzekerheid een belangrijke public relations
kwestie is voor een overheid die vaccinaties wil doorvoeren. Wiskundige technieken zoals structured expert judgment kunnen tot de communicatie bijdragen
door op wiskundig verantwoorde wijze de meningen van verschillende experts
te combineren in een “consensus” verdeling, die de gezamenlijke onzekerheid
van de experts weergeeft.5 Ook het doorrekenen van onzekerheid in een wiskundig model via een probabilistische gevoeligheidsanalyse of onzekerheidsanalyse, is een belangrijke manier om de uiteindelijke onzekerheid waarop we
beslissingen kunnen baseren te bepalen.
Maar zelfs als we volledig rationeel handelen en alle onzekerheid over kosten,
baten en risico’s van vaccins in acht nemen, kan op het eerste oog irrationeel
anti-vaccinatie gedrag ontstaan. Beschouw een vaccin waarmee we de kans
om een ziekte te krijgen kunnen reduceren tot . Voor het gemak nemen we
even aan de we het nutsverlies bij het krijgen van de ziekte in een geldbedrag
van
euro kunnen uitdrukken. Het vaccin kost
euro en er bestaat een
kans op een ernstige bijwerking waarvan het nutsverlies
euro is. Volgens
beslissingstheorie zouden we dus rationeel kiezen voor vaccinatie zolang het
verwachte nutsverlies bij vaccinatie kleiner is dan het verwachte nutsverlies
zonder vaccinatie, oftewel:
We kunnen deze beslissingsregel meenemen in een zogenaamd ziekteverspreidingsmodel. Een dergelijk model verdeelt de bevolking in susceptibles (mensen
die nog ontvankelijk zijn voor een ziekte), infecteds (mensen die de besmetting
dragen), en removeds (mensen die niet deelnemen aan de verspreiding omdat
Figuur 1: Stock-and-flow diagram van het beslissingsmodel voor vaccinaties en
grafiek van de vaccinatie-belissing en jaarlijks aantal nieuwe gevallen als functie
van de tijd.
Het SIR-model en de waarden van variabelen zijn gebaseerd op Edmunds WJ,
Medley GF, Nokes DJ. Evaluating the cost-effectiveness of vaccination programmes: a dynamic perspective. Statistics in Medicine 1999;18(23):3263-82, m.u.v. de
recovery rate (y) van 12 i.p.v. 50 per jaar en het weglaten van de vaccine efficacy.
Verder nemen we aan de Cv=100, Cb=Cz=20 000, en pb=0.005
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
ze al besmet zijn geweest of een vaccin hebben genomen).6 De verandering
in omvang van deze groepen beschrijven we met een eenvoudig stelsel differentiaalvergelijkingen:
(*)
Hierbij is (in goed Nederlands)
susceptibles, infecteds,
removeds,
total population, birth rate, mortality rate (we nemen voor het gemak aan
dat de bevolking constant is door te stellen dat
levensverwachting
), recovery rate (gelijk aan infectietijd) en transmission coefficient (geeft
aan hoe snel de ziekte zich kan verspreiden). De variabele is gelijk aan als
we rationeel gezien beslissen ons kind bij geboorte te vaccineren en als we
beslissen dat niet te doen, en hangt volgens de ongelijkheid hierboven dus af
van de subjectieve kans om ziek te worden. Die kans kunnen we uitrekenen
door de jaarlijkse kans op ziek worden enigszins naïef te benaderen door het
jaarlijks aantal nieuwe ziektegevallen per hoofd van de bevolking (de incidence,
deze is gelijk aan
als de eenheid van het model jaren is). Als we dan
voor het gemak nog aannemen dat de kansen om in verschillende jaren ziek te
worden onderling onafhankelijk zijn (gegeven dat je nog niet besmet was), dan
is op ieder tijdstip de kans dat het kind gedurende zijn leven niet ziek wordt
gelijk aan
. In werkelijkheid zal men het exacte aantal
nieuwe ziektegevallen per jaar op het tijdstip niet meteen kennen, maar
zal men beslissingen nemen op grond van de geobserveerde ziektegevallen in
het verleden, waarbij we kunnen verwachten dat observaties uit het recente
verleden zwaarder meetellen dan die uit het verdere verleden. Dit kunnen we
modelleren door de exponential smooth Inc* van de functie
te
gebruiken.7 Dit alles leidt tot de volgende vergelijking voor de perceptie van
het risico :
We krijgen dus
als
, en anders
. Het stelsel vergelijkingen kan vanwege de niet-lineaire termen niet analytisch opgelost worden,
maar is wel eenvoudig numeriek op te lossen door bijvoorbeeld gebruik te
maken van Euler integratie. Figuur 1 geeft het model schematisch weer in
een stock-and-flow diagram, met daaronder een grafiek van het aantal nieuwe
ziektegevallen per jaar en de waarde van (
op de grijze gebieden en
elders). Het model begint in evenwichtstoestand.8 De perceptie van het risico
is in die toestand hoog, zodat men besluit kinderen te vaccineren. Door het
succes van de vaccinatie wordt het risico echter spoedig kleiner, waardoor
het rationeel gezien beter wordt om niet te vaccineren. Dat gaat een tijd
lang goed, tot zo veel ontvankelijke kinderen geboren zijn dat er een nieuwe
epidemie ontstaat. Hierdoor gaat de perceptie van het risico weer omhoog
tot vaccineren opnieuw de rationele keus wordt. Zo schommelen we door naar
een oscillerende evenwichtstoestand. Deze toestand komt voort uit rationele
vaccinatiebeslissingen en leidt, in verwachting, tot een economisch optimale
graad van vaccinatie.
Maar vanuit het perspectief van de volksgezondheid is het natuurlijk zeker
niet wenselijk om regelmatig wederkerende epidemieën te moeten bestrijden.
In het bijzonder is deze uitkomst niet optimaal als het mogelijk is een ziekte
volledig uit te roeien. Als uitroeiing voltooid is worden immers zowel de
toekomstige kosten als de toekomstige ziektegevallen (bijna) gelijk aan ,
terwijl het resultaat uit de figuur tot in het oneindige tot ziektegevallen en
kosten leidt. We zien dus dat rationeel gedrag, weliswaar gebruikmakend van
een eenvoudig mentaal model voor de risico’s9 tot antivaccinatie gevoelens
kan leiden en dat deze gevoelens paradoxaal genoeg een direct gevolg zijn
van het succes van vaccinaties zelf. Als gevolg hiervan kunnen ziektes die
we door vaccinaties onder controle hadden gekregen terugkeren en kunnen
uitroei-initiatieven falen. Tot nog toe is uitroeiing van 5 menselijke ziektes
ondernomen. Slechts bij één is het gelukt (pokken). Twee initiatieven zijn
afgeblazen (malaria en framboesia), deels doordat de prioriteit van de initiatieven afnam na aanvankelijk succes. Twee initiatieven zijn al jarenlang dicht
bij hun doel (polio en dracunculiasis) maar onder voortdurende financiële druk,
onder meer vanwege de perceptie dat de kosten per vermeden ziektegeval te
hoog worden.10 Wiskundige modellen kunnen een positieve bijdragen leveren
op dit gebied door op het eerste gezicht onintuïtief gedrag te verklaren en
beleid te identificeren dat, met inachtneming van alle onzekerheid, op de
lange termijn het meest wenselijk is.
Voetnoten
1
http://www.euro.who.int/features/2007/featureiw07/20070410_12
2
Het bedrag is in Amerikaanse dollars van het jaar 2002 en afkomstig uit Thompson KM,
Duintjer Tebbens RJ. Retrospective cost-effectiveness analyses for polio vaccination in the
United States. Risk Analysis 2006 December;26(6):1423-40
3
Als je bijvoorbeeld onder “vaccination” zoekt via google, kom je na Wikipedia op http://
www.whale.to/vaccines.html en daarna op de Vaccine Liberation Homepage (http://www.vaclib.
org/). Beide barsten van de misleidende informatie, uit het verband gehaalde opmerkingen en
suggestief materiaal tegen vaccinaties.
4
Om bijvoorbeeld met 80% zekerheid te kunnen vaststellen of een vaccin minder dan 0.1%
Wiskunde
kans heeft op ernstige bijwerkingen bij vrouwen in het eerste trimester van hun zwangerschap
(met een 5% significantie niveau), moet je meer dan 12 000 bereidwillige proefpersonen uit die
demografische groep in je studie zien te vinden.
5
Cooke RM. Experts in uncertainty: opinion and subjective probability in science. New York:
Oxford University Press, 1991
6
Dit eenvoudige model heet het SIR model. Er bestaat een groot aantal variaties op dit model
om de verspreiding van specifieke ziektes in meer detail of realistischer te simuleren.
7
De smooth volgt uit
, waarbij
de gemiddelde
tijd is waarover we ons beeld van het aantal nieuwe gevallen vormen (de perception time, deze
kiezen we voor het gemak gelijk aan 1 maand).
8
Deze is gemakkelijk uit te rekenen door de drie afgeleiden in het stelsel (*) gelijk aan
stellen en
9
,
en
uit het verkregen stelsel op te lossen.
Zo is de jaarlijkse kans om ziek te worden voor susceptibles hoger dan het jaarlijks aantal
nieuwe gevallen per hoofd van de bevolking die immers ook removeds bevat.
10
te
Duintjer Tebbens RJ, Thompson KM. Priority shifting and the dynamics of managing eradica-
ble infectious disease. Management Science 2009 April 4;55(4):650-63
31
titel kader
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
EFFICIENT
PRECONDITIONING
ON
and highly
expensive
operate,
maintain,
and
expand.
bining
thethe
power
of
multiple
computers
with
sophistica
turbine
blad
putational
bottleneck
in
parallel
With
the to
advent
of
Internet,
it
viable
to became
connect
geographically
sep
parallel computing. purpose–built
With
thecomputing.
advent
of the
Internet,
it became
the inver
candesktop
be
performed
that
perfectly
engines.
Ai
viableman’s
to connect
geographically
separate
—exploit
such
as
in- Computing
A poor
alternative
to massive
supercomputing
isdividual
to
exapplications.
Examples
machines,
local
clu
viable to connect geographically
separate
resources
— algorithms,
such as resources
in-simulations
fective,
which
is to
refle
Finding
anprecond
efficien
ical
reality.
Finding
an
efficient
effective
dividual
desktop
machines,
local
clusters,
space
—
toand
tinues
turbine
blades,
weather
prgp
isting
non–dedicated
hardware
for performing
parallel
computations.
dividual desktop machines,
local
clusters,
and storage
space
— and
to storage
solve
very
large–scale
computational
be
tope
c
vergence
iterat
of freely
iterative
methods.
Generall
on of
sequent
engines.
Although
the
co
solvethe
very
computational
problems.
Invergence
the
mid–1990s
the option
uselarge–scale
ofproblems.
cost–effective
components
and
Traditional
processing
was
and
is would
currently
SETI@home
project
was
conceived,
w
solve very large–scaleWith
computational
In thecommodity
mid–1990s
theparallel
classical
Richard
isMaart
the
most
diffic
ing
deman
is the
most
difficult
part
to 2010
parallelise,
SETI@home
project
wasestablished
conceived,
which
itself
as
the
software,
cheap
and powerful
parallel
computers
can
be
Jaargang
14
• Nummer
•ato
tinues
grow,
fundame
sophisticated
supercomputers,
which
typically
consist
of
prime
example
of3the
so–called
Grid
c
SETI@home project available
was
conceived,
which
has
itself
ashas
theestablished
cobi
which
environments
asin
f
environments
as
found
initeration,
Grid
computin
prime
example
of cluster
a so–called
Grididentical
project.
currently
research
on
sequential
processing.
The
Beowulf
technology
iscurrently
a good
example
ofItthis
approcessors
linked
by
a computational
high–speed
network.
T
prime example of a built.
so–called
Grid
computing
project.
Itcomputing
combines
the
power
of
having
entries
from
bining
the
ing
for
more
rea
combines
the
power
of
millions
ofand
personal
computers
proach
[10].
A major
advantage
of such
technology
is from
that
resources
purpose–built
highly
expensive
to
operate,
maintain
Classical
iteration
around
thedemand
world
search
for
combines the computational
power
ofcomputational
millions
of personal
computers
Classical
iterations
such
as to
(1)
can
be
g
that
some
algorithms,
around
theextraterrestrial
world
to search
extraterrestrial
intelligence
by Choices
canfrom
easily
be replaced
and added.
However,
this
thetoprobresearch
in the
field
of pa
called
a–synchron
analysing
massive
quantities
ofinradio
from around the world
to search
for
intelligence
byintroduces
called
a–synchronous
iterative
algorithm
Aforpoor
man’s
alternative
massive
supercomputing
is
naturally
result
in
massive
quantities
radio
telescope
data
[1].hardware
ical
bining
the
power
ofreality.
multi
lemanalysing
of dealing
with
heterogeneity,
both
in non–dedicated
machine
architecture
and
nisation
points
anc
analysing massive quantities
of radio
telescope
dataof[1].
nisation
points
and
therefore
perfect
isting
for
performing
parallel
The
fact
that
in are
Grid
computing
res
iterations.
However,
algorithms,
simulations
in The
network
The
problem
of efficiently
the
However,
similarca
Traditional
fact capabilities.
that
in Grid are
computing
resources
geographically
However,
similar
to
classical
iterative
m
With
the are
use often
ofpartitioning
cost–effective
commodity
componen
separated
implies
that
communicatio
The fact that in Grid
computing
resources
often
geographically
in
most
cases
and
it
computational
work isbecame
an intense
topic
of
research.
ical
slow
to
converge
separated
implies
that
expensive.
As
a powerful
resophisticate
slow
to
converge
toreality.
the
solution.
available
software,
cheap
and
parallel
comp
separated implies that
communication
verycommunication
expensive.
Asisa very
result,
global
synchronisation
is the
crit
identical
pro
Traditional
proce
sult,
global
synchronisation
is the
critical
bottleneck
operation,
since
The
nineties
the previous
century
ushered
in the
next
stage
ofcommunication
built.
The
Beowulf
cluster
technology
is parallel
a are
good
examp
this
requires
sult, global synchronisation
is the of
critical
bottleneck
operation,
since
Iterative
subspace
Iterative
subspace
methods
abetween
class
EFFICIENT
PREC
purpose–bu
this requires
communication
all [10].
the Internet,
processes.
particusophisticated
supercompu
parallel
computing.
the between
advent
the
it In
became
proach
A hibit
major
advantage
of
such
is t
lar,significantly
Grid
computing
is technology
naturally
suite
this requires communication
between
all With
the processes.
In of
particuhibit
significantly
improved
convergence
Tijmen
Collignon
Grid
computing
naturally
suited
for
so–called
embarrassingly
identical
processors
linked
to connect
separate
resources
—
such
as
incanP.easily
be replaced
andapplications
added.
this
introdu
lar, Grid computingviable
islar,
naturally
suitedgeographically
for isso–called
embarrassingly
methods
ar
parallel
where
the
proble
A
poor
man
space
methods
are: However,
thespace
Conjugate
Grad
Finding
an
efficient
purpose–built
and
highly
parallel
applications
the problem
be
broken
uprequire
easily
and
desktop
machines,
local
clusters,
and
storage
space
—and
to
lem
of can
dealing
with
heterogeneity,
both
in interprocesso
machine
arcae
tasks
little
or
no
parallel applicationsdividual
where
the
problem
canwhere
be broken
up
easily
and
Bi–CGSTAB,
and
isting
non–
Bi–CGSTAB,
the
recently
proposed
Tijmen P. Collignon
vergence
of aforeme
iterative
tasks
require
littlecommunication.
or
no interprocessor
communication.
AnThe
example
very
large–scale
computational
problems.
In
the
mid–1990s
the
in
network
capabilities.
ofisAnalysis
efficiently
pa
of such
an
application
the
tasks require little orsolve
no
interprocessor
An
example
developed
in the
Nu
With
Aproblem
poor
man’s
alternative
developed
in
the
Numerical
grou
thetopic
most
difficult
of
anproject
application
is the aforementioned
SETI@home
project.
SETI@home
was conceived,
which
has
established
itself
as
the
computational
work
became
an
intense
ofhighly
researc
of such an application
is such
the aforementioned
SETI@home
project.
nology.
IDR(
s
isting
non–dedicated
hard
nology.
The
IDR(s)
method
isavailable
aThe
effi
For
the
numerical
solution
linear
INTRODUCTION
vector,
and
x is
the
vector
ofis
unknowns.
environments
as
fou
prime
a so–called
Grid
computing
project.
It
currently
forushered
solving
n
For example
the
solution
of
linear
ofof
equations,
matters
built.
With
the
use
oflinear
cost–eff
Thesystems
nineties
the
previous
century
inlarge
the
for
solving
large
nonsymmetric
sys
For the numerical solution
of numerical
linearof systems
of equations,
matters
are
far
more
complicated.
One
ofThe
the
As the
demand
for
more
realistic
simulations
con
combines
the
computational
power
of
millions
of
personal
computers
Classical
iterations
proach
[10]
available
software,
cheap
are
far
more
complicated.
One
of
the
main
reasons
is
that
inter–task
parallel
computing.
With
the
advent
of
the
Interne
communication
is
both
unavoidable
are
far
more
complicated.
One
of
the
main
reasons
is
that
inter–task
An
inherent
chara
An
inherent
characteristic
of
all
subspac
Solving extremely large sparse Solving
linear systems
of
equations
is
the
For
the
numerical
solution
of
linear
systems
of
equations,
matters
are
far
extremely large sparse linear systems of equations is the com- use of so–called direct methods for the solutiosa
from
aroundof the
world
tounavoidable
search
extraterrestrial
intelligence
by
called
a–synchronou
can
easily
b
communication
is complicated.
both
and
abundant.
For
this
applicabuilt.
The
Beowulf
cluste
viable
to
connect
geographically
separate
resources
—
tion,
developing
efficient
parallel
num
communication
unavoidable
and
abundant.
Forfor
this
applicaa This
large
number
of
aincreasingly
large
number
of global
synchronisatio
more
One
of
the
main
reasons
is
that
inter-task
communication
putational
bottleneck inisa both
wide
range
scientific
and
engineering
becomes
infeasible.
leaves
itera
analysing
massive
quantities
of radio
telescope
data
[1].
nisation
and
tion,
developing
efficient
parallel
numerical
algorithms
for dedicated
lem
ofto
deal
proach
[10].
A
major
adv
dividual
desktop
machines,
clusters,
and
storage
tion,
developing
efficient
parallel
numerical
algorithms
for
dedicated
homogeneous
systems
issuitable
apoints
difficult
pr
lesseffi
Gr
less
suitable
tolocal
Grid
computing.
We
pro
computational bottleneck in a wide
range
of scientifi
c andinclude
engineering
isofboth
unavoidable
and
abundant.
For
this
application,
developing
cient
applications.
Examples
simulation
air
flow
around
wind
only
practical
alternative.
However,
similar
toth
in
network
can
easily
replaced
and
homogeneous
systems
is
a becomes
difficult
problem,
but
becomes
even systems
more
The
thatpricing,
in
Gridand
computing
resources
arelarge–scale
often
geographically
solve
very
computational
problems.
In
the
m
challenging
when
to
heterog
homogeneous
is fact
aoption
difficult
problem,
but
even
more
iterative
method
iterative
method
aapplied
preconditioner
in
parallel
numerical
algorithms
for
dedicated
homogeneous
is
abe
diffi
cult
turbine blades,
weathersystems
prediction,
Internet
search
The
main
characteristic
ofasiterative
methods
is
slow
to
converge
to
computatio
challenging
when
applied
to
heterogeneous
systems.
In
particular,
separated
implies
that
communication
is
very
expensive.
As
a
relem
of
dealing
with
heter
SETI@home
project
was
conceived,
which
has
establishe
the
heterogeneity
of
the
computation
challenging
when
applied
to
heterogeneous
systems.
In
particular,
where
the
precond
where
the
preconditioner
is
allowed
to
c
applications. Examples includeengines.
simulation
of
air
fl
ow
around
wind
turbine
problem,
but
becomes
even
more
challenging
when
applied
to
heterogeneous
Although the computing power of a single processor con- step, information from one or more previous ite
theglobal
heterogeneity
ofsevere
the
computational
resources
and
the
in
network
capabilities.
synchronisation
is limitations
the
bottleneck
operation,
since
prime
example
of
a network
so–called
computing
heterogeneity
ofsult,
the
computational
and critical
the
variability
inof
performance
present
nume
The project
ninetie
By
combining
ato
Iterative
subspace
msT
By
combining
aGrid
slowly
converging
asyn
systems.
In particular,
the
heterogeneity
the variability
computational
resources
tinues tothe
grow,
fundamental
physical
laws
placeresources
to
find an
increasingly
accurate
approximation
computational
work
beca
in
network
performance
numerous
algorithmic
challenges.
this
requires
communication
between
all the
processes.
In
particucombines
the
computational
power
of
of
person
in network
performance
present
numerous
amillions
fast
converging
hibit
significantly
im
com
a fastpresent
converging
synchronous
outer
m
blades, weather prediction, option
pricing,
and
Internet
search
engines.
and thebyalgorithmic
variability
inchallenges.
network
performance
algorithmic
on sequential
processing.
This
fact
accompanied
anpresent
ever
increasmore
precise,
given
annumerous
initial
guess
toparallel
the
solutio
lar, simulations
Grid computing
is naturally
suited
so–called
fromforaround
the
world
to the
search
for
extraterrestrial
space
methods
are:
viable
to ci
and
The
nineties
the
prev
CLASSICAL
ITERATIVE
benefits
and
awards
ofbenefits
both
techniques
challenges.
ing demand for more realistic
has intensely
stimulated
iteration
forembarrassingly
solving
system
Ax
=of
bMETHOD
is awar
parallel
applications
where
the
problem
can
be
broken
up
easily
and
analysing
massive
quantities
of
radio
telescope
data
[1]
dividual
de
Bi–CGSTAB,
and
th
CLASSICAL
ITERATIVE
METHODS
parallel
computing.
Wit
CLASSICAL
ITERATIVE
METHODS
De–synchronising
De–synchronising
the
preconditioning
p
Although the computing power research
of a single
processor
continues
to
grow,
in the field of parallel and distributed computing. By com(t) viable
(t)
requirewith
little
or no interprocessor
communication.
example
developed
in ),
the
Num
very
to
connect
geogra
The
fact that advantage
in
Grid
computing
resources
are
often
advantage
that:
OurAn
main
goal
is−1
to
efficiently
solve
(i)
the
preconditioner
Classical
Iterative
Methods
←
xthat:
+M
(b
−
Axsolve
tlg
x(t+1)
bining the power of multiple tasks
computers
sophisticated
numerical
Tijmen
P.
Collignon
ofefficiently
suchmain
an application
isefficiently
the
aforementioned
SETI@home
project.
nology.
The
IDR(s)
SETI@hom
dividual
desktop
machine
separated
implies
that
communication
is
very
expens
Our
goal
is
to
solve
in
parallel
large
algebraic
linear
parallelised
on
G
systems
of
equations
Ax
=
b
on
larg
main goal
is tobe
solve
in
parallel
large
algebraic
linear
parallelised
on
Grid
computers,
(ii)
fundamental physical laws place
severe Our
limitations
on sequential
Our
main
goal
is
to
effi
ciently
solve
in
parallel
large
algebraic
linear
systems
of
algorithms,
simulations
can
performed
that
perfectly
imitate
physTijmen
P.
Collignon
Tijmen
P. Collignon
−1
Tijmen
P.
Collignon
P.solution
Collignon
Tijmen
P.Collignon
Collignon
Tijmen
P.
prime
exam
for
solving
large
non
For
the
systems
ofsynchronisation
equations,
very
com
sult,
global
issolve
the
critical
bottleneck
op
systems
of
equations
Ax of
= blinear
on large
large
and
geographically
separated
tion
points
are
where
M
can
bematters
chosen
freely
and
serves
as
a
systems of equations
Ax
=Tijmen
bnumerical
on
large
and
geographically
separated
networks
of
computers.
That
is,(iii)
we
w
tion
points
are
introduced,
and
bin
equations
on
and
geographically
separated
networks
oflarge–scale
compuical reality.
−1
−1
−1
combines
tc
SETI@home
project
wasbeff
arenetworks
far
more
complicated.
One
of
the
main
is that
inter–task
this
communication
between
all
the
processe
An
charact
The
M
is
called
thematrix,
precondition
Areasons
ofwe
computers.
That
we
want
to
obtain
xAmatrix
=denotes
A
b,the
where
computational
denotes
the
coefficient
matrix,
networks
computers.
That
want
to performed
obtain
xis,=
A
b,requires
where
computational
effort
toinherent
the
precondit
processing.
ters.
That
is,
we
want
tousing
obtain
,. where
coeffi
cient
Traditional
parallelofprocessing
was
andis,is
currently
−1
−1
from
prime
example
of a aroun
so–c
communication
both unavoidable
and
abundant.
For
this
applicalar,
Grid
computing
suited
for
so–called
=
A
would
give
process
(1).
Setting
A denotes
the
coefficient
matrix,
bofrepresents
the
side
communication
aofof
large
number
of ra
ge
bisconsist
represents
the
right–hand
side
A denotes
the coefficient
matrix,
communication
ratio
can
be
improved
represents
the
right-hand
side
vector,
andright–hand
isnaturally
vector
unknowns.
INTRODUCTION
vector,
and
xis is
the M
vector
unknowns.
sophisticated
supercomputers,
which
typically
of thousands
INTRODUCTION
vector,
and
x
is
the
vector
of
unknowns.
analysing
developing
efficient
parallel
numerical
algorithms
forwhere
dedicated
combines
the
computatio
applications
the
problem
can
be to
broken
less
suitable
Gridm
single
iteration
step,
thisrealistic
would
require
comp
TION INTRODUCTION
vector,
and
x
is the vector,
vector
of
unknowns.
This
factINTRODUCTION
accompanied by an everidentical
increasingprocessors
demand forlinked
more
realistic
simulaAs
the
demand
for but
more
simulations
c
INTRODUCTION
vector,
and
xxisis
the
vector
of
unknowns.
bytion,
a high–speed
network.
They
are
often
vector,
and
xvector
isparallel
theofvector
of
unknowns.
INTRODUCTION
vector,
and
isthe
the
vector
of
unknowns.
and
x
unknowns.
As
the
demand
for
more
realistic
simulations
continues
to
grow,
the
around
the
world
t
homogeneous
systems
is athe
difficult
problem,
but
becomes
even
more
tasks
require
little
or
no
interprocessor
communication
The
fact
iterative
method
as
the
matrix
A,
which
is
exactly
what
we
toth
As expensive
the
demand
for
more
realistic
simulations
continues
to
grow,
the
tions has intensely stimulated research
in the
fiand
eld ofhighly
parallel
and
distributed
As
the
demand
for
more
realistic
simulations
continues
to from
grow,
the
use
of
so-want
Solving
extremely
large
sparse
linear
systems
of
equations
is
the
comuse
of
so–called
direct
methods
for
the
solu
purpose–built
to operate,
maintain,
and
expand.
As
the
demand
for
more
realistic
simulations
continues
to
grow,
the
As
demand
for
more
realistic
simulations
continues
to
grow,
the
Asthe
the
demand
for
more
realistic
simulations
continues
to
grow,
the
As
demand
for
more
realistic
simulations
continues
to
grow,
the
Tijmen
P.
Collignon
Solving
extremely
large
sparse
linear
systems
of
equations
the
comuse
of
so–called
direct
methods
for
the
solution
of
linear
systems
analysing
massive
quantit
challenging
when
applied
to
heterogeneous
systems.
In
particular,
ofexsuch
an
application
isthe
thesolution
aforementioned
SETI@hom
separated
where
the
precondit
mely large
sparse
linear
systems
of
equations
issystems
thebottleneck
comComputing
the
inverse
of
the
matrix
M
should
bi
use
of
so–called
direct
methods
for
the
solution
of
linear
systems
computing.
By combining
the
power
of multiple
computers
with
called
direct
methods
for
the
solution
of
linear
systems
becomes
increasingly
putational
asophisticated
wide
range
of
scientific
and
engineering
becomes
increasingly
infeasible.
This
leaves
ite
Solving
extremely
large
sparse
linear
of
equations
is
the
comuse
of
so–called
direct
methods
for
the
solution
of
linear
systems
Alinear
poor
man’s
alternative
to
massive
supercomputing
isof
to
exploit
Solving
extremely
large
sparse
linear
systems
ofin
equations
is
the
comuse
so–called
direct
methods
for
of
linear
systems
Solving
extremely
large
sparse
linear
systems
ofequations
equations
isthe
thecomcomuse
ofso–called
so–called
direct
methods
forthe
the
solution
oflinear
linear
systems
Solving
extremely
large
sparse
systems
of
isis
use
of
direct
methods
for
solution
of
systems
Tijmen
P.
Collignon
putational
bottleneck
in
a
wide
range
of
scientific
and
engineering
becomes
increasingly
infeasible.
This
leaves
iterative
methods
as
the
the
heterogeneity
the
computational
resources
and
the
variability
sult,
global
By
combining
a
slow
The
fact
that
in
Grid
com
For
the
numerical
solution
of
linear
systems
of
equat
ottleneck
in
a
wide
range
of
scientific
and
engineering
fective,
which
is
reflected
in
the
different
choices
becomes
increasingly
infeasible.
This
leaves
iterative
methods
as
the
numerical
algorithms,
simulations
can
be
performed
that
perfectly
imitate
infeasible.
This
leaves
iterative
methods
as
the
only
practical
alternative.
applications.
Examples
include
simulation
of
air
flow
around
wind
only
practical
alternative.
putational
bottleneck
in
a
wide
range
of
scientific
and
engineering
becomes
increasingly
infeasible.
This
leaves
iterative
methods
as
the
putational
bottleneck
in range
a range
wideofrange
of hardware
scientific
andperforming
engineering
isting
non–dedicated
for
parallel
computations.
becomes
increasingly
infeasible.
Thisiterative
leaves
iterative
methods
putational
bottleneck
wide
ofscientific
scientific
andengineering
engineering
becomes
increasingly
infeasible.
Thisleaves
leaves
iterative
methods
the as the
putational
bottleneck
inina awide
and
becomes
increasingly
infeasible.
This
methods
asasthe
Tijmen
P.
Collignon
applications.
Examples
include
simulation
air
flow
around
wind
only
practical
alternative.
in
network
performance
present
numerous
this
require
aiterative
fast
converging
st
implies
that
co
are faralgorithmic
more
Oneseparated
ofof
the
main
reasons
isfor
option
wouldchallenges.
be to choose
the
identity
matrix
Examples
include
simulation
ofinclude
airWith
flow
around
wind
only
practical
alternative.
physical
reality.
turbine
blades,
weather
prediction,
option
pricing,
and
Internet
search
applications.
Examples
include
simulation
of
air
flow
around
wind
only
practical
alternative.
The complicated.
main
characteristic
methods
is
the
use
ofof
cost–effective
commodity
components
and
freely
applications.
Examples
include
simulation
of
air
flow
around
wind
only
practical
alternative.
applications.
Examples
include
simulation
of
airflow
flow
around
wind
only
practical
alternative.
applications.
Examples
simulation
air
around
wind
only
practical
alternative.
turbine
blades,
weather
prediction,
option
pricing,
and
Internet
search
The
main
characteristic
of
iterative
methods
isis
that
at
each
iteration
lar,
Grid
co
benefits
and
awards
sult,
global
synchronisatio
communication
isiteration
both
unavoidable
and
abundant.
Fo
s, weather
prediction,
option
pricing,
and
Internet
search
the
classical
Richardson
iteration.
Another
varian
The
main
characteristic
of
iterative
methods
ismethods
that
at
each
iteration
step,
The
main
characteristic
iterative
methods
is
that
at
each
engines.
Although
the
computing
power
ofof
amain
single
processor
conturbine
blades,
weather
prediction,
option
pricing,
and
Internet
search
information
from
one
or
more
previous
available
software,
cheap
and
parallel
computers
canand
be
turbine
blades,
weather
prediction,
option
pricing,
andpowerful
Internet
search
turbine
blades,
weather
prediction,
option
pricing,
andInternet
Internet
search
The
characteristic
of
iterative
methods
that
at
each
iteration
INTRODUCTION
vector,
x
is step,
the
vector
of
unknowns.
The
main
characteristic
of
iterative
is
that
at
each
iteration
turbine
blades,
weather
prediction,
option
pricing,
and
search
The
main
characteristic
of
iterative
methods
isthat
that
ateach
each
iteration
The
main
characteristic
of
iterative
methods
is
at
iteration
Tijmen
P.
Collignon
engines.
Although
the
computing
power
of
single
processor
constep,
information
from
one
or
more
previous
iteration
steps
isis
used
parallel
app
this
requires
communicat
CLASSICAL
ITERATIVE
METHODS
tion,
developing
efficient
parallel
numerical
algorithms
hough the
computing
power
ofcomputing
acomputing
single
processor
conDe–synchronising
th
cobi
which
isunknowns.
obtained
by
taking
for
M
Traditional
parallel
processing
was
and
ispower
currently
using
sophisinformation
from
one
or
more
previous
iteration
steps
isaccurate
used
to
fisteps
nd
anisto
step,
information
one
or more
previous
iteration
steps
isincreasingly
used
tinues
to
grow,
fundamental
physical
place
severe
limitations
engines.
Although
the
of
single
processor
conto
find
an
approximation
engines.
Although
the
computing
power
of
aprocessor
single
processor
conbuilt.
The
Beowulf
cluster
technology
isfrom
alaws
good
example
of
this
apengines.
Although
the
computing
power
ofaaaaperformed
single
processor
constep,
information
from
one
or
more
previous
iteration
steps
used
INTRODUCTION
vector,
and
xiteration,
isor
the
vector
of
step,
information
from
one
more
previous
iteration
used
engines.
Although
the
power
of
single
constep,
information
from
one
or
more
previous
iteration
steps
is
used
As
the
demand
for
more
realistic
simulations
continues
grow
step,
information
from
one
or
more
previous
iteration
steps
is
used
tinues
to
grow,
fundamental
physical
laws
place
severe
limitations
to
find
an
increasingly
accurate
approximation
to
the
solution.
To
be
tasks
requi
lar,
Grid
computing
is
na
homogeneous
systems
is
a
difficult
problem,
but
becom
having
entries
from
the
diagonal
of
A.
w, fundamental
physical
laws
place
severe
limitations
advantage
that:
(i)
ticated
supercomputers,
which
typically
consist
of
thousands
of
identical
increasingly
accurate
approximation
to
the
solution.
To
be
more
precise,
given
to
find
an
increasingly
accurate
approximation
to
the
solution.
To
be
on
sequential
processing.
This
fact
accompanied
by
an
ever
increastinues
to
grow,
fundamental
physical
laws
place
severe
limitations
more
precise,
given
an
initial
guess
to
the
solu
proach
[10].
A
major
advantage
of
such
technology
is
that
resources
tinues
to
grow,
fundamental
physical
laws
place
severe
limitations
tinuestotogrow,
grow,
fundamental
physical
lawsplace
placesevere
severelimitations
limitations
find
an
increasingly
approximation
to
the
solution.
To
be
INTRODUCTION
vector,
and
xaccurate
is the
vector
of
unknowns.
to
find
an increasingly
accurate
approximation
to
the solution.
To besy
tinues
fundamental
physical
laws
Solving
extremely
large sparse
linear
systems
of
equationstoto
is
the
comtofind
findan
anincreasingly
increasingly
accurate
approximation
to
the
solution.
Tobe
belinear
the
demand
for
more
realistic
simulations
use
of As
so–called
direct
methods
for
the
solution
ofcontinues
accurate
approximation
to
the
solution.
To
(0)
(0) when
on
sequential
processing.
This
fact
accompanied
by
an
ever
increas(0)
,approximate
classical
more
precise,
given
an
initial
guess
to
the
solution
xparallel
(0)
(0)
of
such
an
applications
wher
challenging
applied
to
heterogeneous
systems.
processing.
This
fact
accompanied
byfact
an
ever
Our
main
goal
is
to
efficiently
solve
in
parallel
large
algebraic
linear
parallelised
Grid
processors
by a high-speed
network.
They
are
often
purpose-built
and
an
initial
guess
tothe
the
solution
,, to
the
classical
iteration
for
solving
the
Choices
that
in
some
sense
the
the
classical
more
precise,
given
an
initial
guess
to
the
solution
xguess
ing
demand
for
more
realistic
simulations
has
intensely
stimulated
on
sequential
processing.
This
fact
accompanied
by
an
ever
increasiteration
for
solving
system
=
bon
ismatr
can
easily
replaced
and
However,
this
introduces
probonlinked
sequential
processing.
This
fact
accompanied
by
an
ever
increasonsequential
sequential
processing.
This
fact
accompanied
by
an
ever
increas,the
the
classical
more
precise,
given
an
initial
guess
to
the
solution
x
,Ax
the
classical
more
precise,
given
an
initial
guess
to
the
solution
x
on
processing.
This
accompanied
by
an
ever
increasputational
bottleneck
inbe
aincreaswide
range
ofadded.
scientific
engineering
,the
the
classical
more
precise,
given
an
initial
to
the
solution
x(0)
Solving
extremely
large
sparse
linear
systems
ofand
equations
is
the
becomes
increasingly
infeasible.
This
leaves
iterative
methods
Ascomthe
demand
for
more
realistic
simulations
continues
to
grow,
t
use
of
so–called
direct
methods
the
solution
of
lin
,for
classical
more
precise,
given
an
initial
guess
the
solution
xthe
ing
demand
for
more
realistic
simulations
has
intensely
stimulated
iteration
for
solving
the
system
Ax
=
require
little
orsystem
no
the
heterogeneity
of
the
resources
and
For are
the
nui
for
more
realistic
has
intensely
stimulated
systems
of
equations
Ax
=
bonly
on
large
and
geographically
separated
tion
points
intr
highly
expensive
tomore
operate,
maintain,
expand.
system
naturally
in
that
converge
to
iteration
for
solving
the
system
Ax
=
bso–called
is
research
inlinear
the
of range
parallel
and
distributed
computing.
By
coming
demand
for
more
realistic
simulations
has
intensely
stimulated
ing simulations
demand
for
more
realistic
simulations
has
intensely
stimulated
lem
ofand
dealing
with
heterogeneity,
both
machine
architecture
and
ing
demand
for
more
realistic
simulations
has
intensely
stimulated
iteration
for
solving
the
system
Ax
=
bbAx
isisinfeasible.
iteration
for
solving
the
system
=
b computational
ismethods
ing
demand
for
realistic
simulations
has
intensely
stimulated
INTRODUCTION
vector,
and
x engineering
is
the
vector
of
unknowns.
iteration
for
solving
the
system
Ax=
=bbresult
putational
bottleneck
in
afield
wide
ofair
scientific
and
applications.
Examples
include
simulation
of
flow
wind
practical
alternative.
Solving
extremely
large
sparse
systems
of
equations
isinaround
the
combecomes
increasingly
This
leaves
iterative
me
use
ofis
direct
methods
for
thetasks
solution
of
linear
iteration
for
solving
the
system
Ax
isis
−1
(t+1)
(t)
−1
(t)
Tijmen
P.
Collignon
research
the
field
of
parallel
and
distributed
computing.
By
comofgrow,
an(b
application
is
inthe
network
performance
present
numerous
algorithmic
are
far
mor
he field research
of
parallel
and
distributed
computing.
By
comnetworks
computers.
That
is, we
want
to
obtain
x(t)
=
AThis
b,
where
computational
iterations.
inverting
the
matrix
M
wil
←
xto
+such
M
−
Ax
),effor
xHowever,
bining
the
power
of
multiple
computers
with
sophisticated
numerical
research
in
the
field
of
parallel
and
computing.
By
cominweather
network
capabilities.
The
problem
of
efficiently
partitioning
research
in
the
field
of
parallel
and
distributed
computing.
comresearch
in
the
field
of
parallel
and
distributed
computing.
Bycomcominin
the
field
of
parallel
and
distributed
computing.
By
turbine
blades,
prediction,
option
pricing,
and
Internet
search
putational
bottleneck
inExamples
adistributed
wide
range
of
scientific
and
engineering
applications.
include
simulation
ofofBy
air
flow
around
wind
only
practical
alternative.
becomes
increasingly
leaves
iterative
methods
as
As
the
demand
for
more
realistic
simulations
continues
the
The
main
characteristic
of
iterative
methods
is
that
at each
itet
(t+1)
(t)
−1 infeasible.
(t+1)
(t)
−1x(t+1)
(t)
(t+1)
(t)
−1
(t)
(t+1)
(t)
−1
(t)
(t+1)
(t)
−1
(t)
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
(t)
−1
(t)
bining
the
power
of
multiple
computers
with
sophisticated
numerical
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
x
communica
For
the
numerical
solutio
wer
of
multiple
computers
with
sophisticated
numerical
A
denotes
the
coefficient
matrix,
b
represents
the
right–hand
side
communication
ratio
A
poor
man’s
alternative
to
massive
supercomputing
is
to
exploit
existing
(1)
in
most
cases
and
it
is
clear
that
some
form
of
tr
algorithms,
simulations
can
be
performed
that
perfectly
imitate
phys←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
x
bining
the
power
of
multiple
computers
with
sophisticated
numerical
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
x
computational
work
became
an
intense
topic
of
research.
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
bining
the
power
of
multiple
computers
with
sophisticated
numerical
x
bining
the
power
of
multiple
computers
with
sophisticated
numerical
←
x information
+M
−
Ax
), orof
titerative
= 0,
1,systems
. .methods
. , iteration
(1)
x only
bining
the power
of
multiple
computers
with
sophisticated
numerical
engines.
Although
the
computing
power
of
a flow
single
processor
turbine
blades,
weather
prediction,
option
pricing,
Internet
search
applications.
Examples
include
simulation
air
windconpractical
alternative.
Solving
extremely
large
sparse
linear
systems
of
equations
is theof
comusearound
ofand
so–called
direct
methods
for(bcharacteristic
the
solution
linear
step,
from
one
more
previous
steps
The
main
of
is
that
at
eis
−1
algorithms,
simulations
can
be
performed
that
perfectly
imitate
physwhere
M
can
be
chosen
freely
and
serves
as
tion,
develo
mulations
can
be
performed
that
perfectly
imitate
physare
far
more
complicated.
CLASSICAL
ITERATIVE
METHODS
non-dedicated
hardware
for
performing
parallel
computations.
With
the
use
ical
reality.
algorithms,
simulations
can
be
performed
that
perfectly
imitate
physalgorithms,
can
be
performed
that
perfectly
imitate
physalgorithms,
simulations
can
beperformed
performed
that
perfectly
imitate
physThe
nineties
of
the
previous
century
ushered
in
the
next
stage
of
algorithms,
simulations
can
be
that
perfectly
imitate
physengines.
Although
the
computing
power
of
a
single
processor
continues
to
grow,
fundamental
physical
laws
place
severe
limitations
turbine
weather
prediction,
option
pricing,
and
Internet
search
putational
bottleneck
in blades,
asimulations
wide
range
of
scientific
and
engineering
becomes
increasingly
infeasible.
This
leaves
iterative
methods
as
the
step,
information
from
one
or
more
previous
iteration
to
find
an
increasingly
accurate
approximation
to
the
solution.
The
main
characteristic
of
iterative
is
that
at
each
iterati
−1
−1
−1
−1
−1
where
M
be
chosen
freely
and
serves
as
an
approximation
for
−1can
−1
ical
reality.
where
M
can
be
chosen
freely
and
serves
as
an
approximation
for
(0)
.and
The
matrix
M
isancalled
the
preconditi
A
communication
is ,both
un
where
M
can
be
freely
and
serves
as
an
approximation
for
where
M
can
be
chosen
freely
and
serves
as
approximation
of
cost-effective
commodity
components
and
freely
available
cheap
where
can
chosen
serves
as
an
approximation
for
where
M
can
be
chosen
freely
and
serves
as
an
approximation
for
EFFICIENT
PRECONDITIONING
ON
GRID
where
M
can
be
chosen
freely
and
as
an
approximation
for
Traditional
processing
was
and
issevere
currently
performed
ical
reality.
ical
reality.
ical
reality.
parallel
computing.
With
advent
the
Internet,
itand
became
ical
reality.
INTRODUCTION
vector,
xchosen
isusing
the
vector
ofserves
unknowns.
on
sequential
processing.
This
fact
accompanied
by
anof
ever
increasengines.
Although
the
computing
power
ofsoftware,
athe
single
processor
continues
to
grow,
fundamental
physical
laws
place
limitations
applications.
Examples
include
simulation
of
airparallel
flow
around
wind
only
practical
alternative.
the
cla
more
precise,
given
an
initial
guess
to
the
solution
xhomogeneo
step,
information
from
one
or
more
previous
iteration
steps
isfor
us
to
find
an
increasingly
accurate
approximation
to
the
sol
−1
−1
−1
−1
−1
−1the
.
The
matrix
M
is
called
the
preconditioner
for
the
iteration
A
−1
−1
Traditional
parallel
processing
was
and
is
currently
performed
using
.
The
matrix
M
is
called
preconditioner
for
the
iteration
A
(0)
=
A
would
giv
process
(1).
Setting
M
challenging
tion,
developing
efficient
.
The
matrix
M
is
called
the
preconditioner
for
the
iteration
A
arallel
processing
was
and
is
currently
performed
using
.
The
matrix
M
is
called
the
preconditioner
for
the
iteration
A
Our
main
goal
is
to
efficiently
solve
in
parallel
large
a,
A
.
The
matrix
M
is
called
the
preconditioner
for
the
iteration
and
powerful
parallel
computers
can
be
built.
The
Beowulf
cluster
technology
The
matrix
is
called
the
\emph{preconditioner}
for
the
iteThe
matrix
Mas
isincalled
the
preconditioner
for
the
iteration
A
sophisticated
supercomputers,
which
consist
offind
thousands
of
Traditional
parallel
processing
was
currently
performed
using
parallel
processing
was
is currently
performed
using
viable
toand
connect
geographically
separate
resources
—
such
Traditional
parallel
processing
wasprocessing.
and
currently
performed
using
ingprediction,
demand
for
more
realistic
simulations
has
intensely
stimulated
on
sequential
This
fact
accompanied
by
an.characteristic
ever
increastinues
to
grow,
fundamental
physical
laws
place
severe
limitations
parallel
processing
was
and
isisis
currently
performed
using
turbineTraditional
blades,Traditional
weather
option
pricing,
and
Internet
search
As
the
demand
for
more
realistic
simulations
continues
to
grow,
the
iteration
for
solving
the
system
Ax
=
b
is
more
precise,
given
an
initial
guess
to
the
solution
x
to
an
increasingly
accurate
approximation
to
the
solution.
To
Thetypically
main
of
iterative
methods
is
that
at
each
iteration
−1
−1
−1 (1). −1Setting M−1
−1
−1
=
A
give
the
solution
after
aaaafter
process
−1
−1
−1the
−1 would
−1
sophisticated
supercomputers,
which
typically
consist
of
thousands
of
=
A
would
give
solution
after
a
process
(1).
Setting
M
(0)
single
iteration
step,
but
this
would
require
co
the
heterog
homogeneous
systems
is
=
A
would
give
the
solution
after
process
(1).
Setting
M
M
=
A
would
give
the
solution
a
process
(1).
Setting
supercomputers,
which
typically
consist
of
thousands
of
systems
of
equations
Ax
=
b
on
large
and
geographic
=
A
would
give
the
solution
after
process
(1).
Setting
M
is
a
good
example
of
this
approach
[1].
A
major
advantage
of
such
technology
ration
process
(1).
Setting
would
give
the
solution
=
A
would
give
the
solution
after
a
process
(1).
Setting
M
identical
processors
linked
by
a
high–speed
network.
They
are
often
Finding
an
efficient
and
effective
preconditioner
isa
sophisticated
supercomputers,
which
typically
consist
of
thousands
of
dividual
desktop
machines,
local
clusters,
and
storage
space
—
to
sophisticated
supercomputers,
which
typically
consist
ofcomputing.
thousands
of
sophisticated
supercomputers,
which
typically
consist
ofthousands
thousands
of
ing
for
more
realistic
simulations
has
intensely
stimulated
research
indemand
the
field
of
parallel
and
distributed
By comonsupercomputers,
sequential
processing.
This
fact
accompanied
by
an
increasengines.
Although
the
computing
power
of
alinear
single
processor
consophisticated
which
typically
consist
of
of
Solving
extremely
large
sparse
systems
of
equations
isever
the
comusemore
of so–called
direct
forsystem
the
solution
systems
for
solving
the
Ax
=used
bofisxlinear
,ofthe
classic
precise,
given
anmethods
initial
guess
to steps
the
solution
step,
information
from
oneiteration
or more
previous
iteration
is
single
iteration
step,
but
this
would
require
computing
the
inverse
(t+1)
(t)
−1
(t)
identical
linked
by
aapurpose–built
high–speed
network.
They
are
often
single
iteration
step,
but
this
would
require
computing
the
inverse
of
the
matrix
A,
which
is
exactly
what
we
want
t
in
network
challenging
when
applied
single
iteration
step,
but
this
would
require
computing
the
inverse
of
cessors
linked
by
aprocessors
high–speed
network.
They
are
often
single
iteration
step,
but
this
would
require
computing
the
inverse
of
networks
of
computers.
That
is,
we
want
to
obtain
x
=
single
iteration
step,
but
this
would
require
computing
the
inverse
of
is
that
resources
can
easily
be
replaced
and
added.
However,
this
introduces
after
a
single
iteration
step,
but
this
would
require
computing
the
single
iteration
step,
but
this
would
require
computing
the
inverse
of
and
expensive
to
operate,
maintain,
and
expand.
vergence
of
iterative
methods.
Generally
speaki
identical
processors
linked
by
high–speed
network.
They
are
often
identical
processors
linked
by
aplace
high–speed
network.
They
are
often
solve
large–scale
computational
problems.
In
the
mid–1990s
the
identical
processors
linked
by
ain
high–speed
network.
They
are
often
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
x
bining
the
power
of
multiple
computers
with
sophisticated
numerical
ing
demand
for
more
realistic
simulations
has
intensely
stimulated
research
the
field
of
parallel
and
distributed
computing.
By
comprocessors
linked
by
ain
high–speed
network.
They
are
often
tinuesidentical
to
grow,
fundamental
physical
laws
severe
limitations
putational
bottleneck
avery
wide
range
ofhighly
scientific
and
engineering
becomes
increasingly
infeasible.
This
leaves
iterative
methods
as
the
iteration
for
solving
the system
Axto
=
b is
to find the
an increasingly
accurate
approximation
to
the
solution.
To be
matrix
A,
which
exactly
what
we
want
accomplish!
(t+1)
(t)
−1
(t)
purpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
the
matrix
A,
which
isthe
exactly
what
we
want
to
accomplish!
(0)
the
heterogeneity
of
the
matrix
A,
which
exactly
what
want
to
accomplish!
Computing
the
inverse
of
the
matrix
M
should
and
highly
expensive
to
operate,
maintain,
and
expand.
the
matrix
A,
which
exactly
what
want
to
accomplish!
A
denotes
the
coefficient
bparallelise,
represents
the
rig
the
matrix
A,
which
isalternative.
what
we
want
to
accomplish!
the
problem
of dealing
with
heterogeneity,
both
in
machine
architecture
and
insupercomputing
inverse
of
the
matrix
,exactly
which
is
exactly
what
we
want
to
accomplish!
the
matrix
A,
which
isisis
exactly
we
accomplish!
isto
the
most
difficult
part
to
Apower
poor
man’s
alternative
to
massive
isan
to
exploit
expurpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
purpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
SETI@home
project
was
conceived,
which
has
established
itself
as
the
purpose–built
and
highly
expensive
tooperate,
operate,
maintain,
and
expand.
←we
xwant
+we
M
(b
−
Ax
),
t especial
=
0,
1,
xwhat
algorithms,
simulations
can
be
performed
that
perfectly
imitate
physbining
the
of
multiple
computers
with
sophisticated
numerical
research
in
the
field
of
parallel
and
distributed
computing.
By
compurpose–built
and
highly
expensive
to
maintain,
and
expand.
on sequential
processing.
This
fact
accompanied
by
an
ever
increasapplications.
Examples
include
simulation
of
air
flow
around
wind
only
practical
, matrix,
the
classical
more
precise,
given
initial
guess
the
solution
xto
Computing
the
inverse
of
matrix
M
should
be
both
cheap
and
ef−1the
(t)the
−1
(t)
AA
poor
man’s
alternative
to
massive
supercomputing
to
exploit
exComputing
inverse
of
matrix
M
should
be
both
cheap
and
efin
performance
fective,
which
is
reflected
in
different
CLASSICA
Computing
the
inverse
of
the
M
should
be
both
cheap
and
efs alternative
tofor
massive
supercomputing
is
exploit
ex-a be
capabilities.
The
problem
of
effi
ciently
partitioning
the
computational
Computing
the
inverse
of
matrix
M
should
be
both
cheap
and
ef-p(
Computing
the
inverse
ofthe
the
matrix
M
should
be
both
cheap
and
efwhere
Mof
can
be
chosen
freely
and
serves
as
an
approximati
environments
as−
found
in
Grid
computing.
Computing
the
inverse
matrix
M
should
be
both
cheap
and
efisting
non–dedicated
hardware
for
performing
parallel
computations.
prime
example
of
so–called
Grid
computing
project.
It
currently
poor
man’s
alternative
to
massive
supercomputing
to
exploit
ex←
xmatrix
+
(b
Ax
),
tthe
=
0,
1,
. .iteration
. , choice
x(t+1)
A
poor
man’s
alternative
toto
massive
supercomputing
isthe
toiteration
exploit
exalgorithms,
simulations
can
performed
that
perfectly
imitate
physical
reality.
bining
the
power
of
multiple
computers
with
sophisticated
numerical
ing demand
more
realistic
simulations
has
intensely
stimulated
Apoor
poor
man’s
alternative
tomassive
massive
supercomputing
toexploit
exploit
exturbine
blades,
weather
prediction,
option
pricing,
and
Internet
search
Anetwork
man’s
alternative
to
supercomputing
isisisisto
exforthe
solving
the
system
Ax
=
bofis
The
main
characteristic
iterative
methods
isnetwork
that
at
each
fective,
which
is
reflected
in
the
different
choices
for
M
.and
The
simplest
−1
−1
isting
non–dedicated
hardware
for
performing
parallel
computations.
fective,
which
is
reflected
in
the
different
choices
for
M
.
The
simplest
option
would
be
to
choose
the
identity
matrix
fective,
which
is
reflected
in
the
different
choices
for
M
.
The
simplest
dicated
hardware
for
performing
parallel
computations.
work
became
an
intense
topic
of
research.
Computing
the
inverse
of
the
matrix
should
be
both
cheap
and
effective,
fective,
which
is
reflected
in
the
different
choices
for
M
.
The
simplest
fective,
which
is
reflected
in
the
different
choices
for
M
.
The
simplest
.
The
matrix
M
is
called
the
preconditioner
for
the
itef
A
where
M
can
be
chosen
freely
serves
as
an
appro
fective,
which
is
reflected
in
the
different
choices
for
M
.
The
simplest
With
the
use
of
cost–effective
commodity
components
and
freely
combines
the
computational
power
of
millions
of
personal
computers
Classical
iterations
such
as
(1)
can
be
generalise
isting
non–dedicated
hardware
for
performing
parallel
isting
non–dedicated
hardware
forcomputing.
performing
parallel
computations.
algorithms,
simulations
can
be
performed
perfectly
imitate
physical
reality.
research
in the
field
of
parallel
and
distributed
By
comisting
non–dedicated
hardware
for
performing
parallel
computations.
engines.
Although
the
computing
power
ofthat
acomputations.
single
processor
conTraditional
parallel
processing
was
and
iscomputations.
currently
performed
using
isting
non–dedicated
hardware
for
performing
parallel
step, information from one or more previous iteration steps is used
option
be
to
choose
the
identity
matrix
for
,,which
which
results
in
−1for
−1 Richardson
−1MCLASSICAL
−1
(t+1)
(t)
−1
(t)
With
the
use
of
cost–effective
commodity
components
and
freely
option
would
be
to
the
identity
matrix
M
,
which
results
in
the
classical
iteration.
Another
var
ITERATIV
option
would
be
to
choose
the
identity
matrix
for
M
which
results
in
Our
main
e bining
of cost–effective
commodity
and
freely
option
would
be
to
choose
the
identity
matrix
for
M
,
which
results
in
which
iswould
refl
ected
in
the
different
choices
for
.
The
simplest
option
would
be
option
would
be
to
choose
the
identity
matrix
for
M
which
results
in
A
would
give
the
solution
process
(1).
Setting
M
.
The
matrix
M
is
called
the
preconditioner
for
A
where
M
can
be
chosen
freely
and
serves
as
an
approximation
option
would
be
to
choose
the
identity
matrix
for
M
,
results
in
available
software,
cheap
powerful
parallel
computers
can
be
from
around
the
world
to
search
for
extraterrestrial
intelligence
by
called
a–synchronous
iterative
algorithms,
which
With
the
use
of
cost–effective
commodity
components
and
freely
←
x
+
M
(b
−
Ax
),
t
=
0,
1,
.
.
.
,
(1)
x
With
the
use
ofcomponents
cost–effective
commodity
components
and
freely
ical
reality.
the
power
of
multiple
computers
with
sophisticated
numerical
With
the
use
ofcost–effective
cost–effective
commodity
components
and
freely
tinues
to
grow,
fundamental
physical
laws
place
severe
limitations
Traditional
parallel
processing
was
and
isfreely
currently
performed
using
sophisticated
supercomputers,
which
typically
consist
ofchoose
thousands
of
With
the
use
of
commodity
components
and
to find an increasingly accurate approximation to the solution. To beag
the
classical
Richardson
iteration.
Another
variant
isisis
the
classical
Ja−1
−1
−1
available
software,
cheap
and
powerful
parallel
computers
can
be
the
classical
Richardson
iteration.
Another
variant
is
the
classical
Ja(0)
cobi
iteration,
which
is
obtained
by
taking
for
systems
of
the
classical
Richardson
iteration.
Another
variant
the
classical
Jatware,
cheap
and
powerful
parallel
computers
can
be
The
nineties
of identical
thecan
previous
century
ushered
in
next
stage
ofradio
parallel
to
choose
the
identity
matrix
for
,Another
results
in
the
classical
the
classical
Richardson
iteration.
Another
variant
is
the
Jathe
classical
Richardson
iteration.
Another
variant
the
classical
Ja=isrequire
A
would
give
the
solu
process
(1).
Setting
M
single
iteration
step,
but
this
would
computing
inve
. ofof
The
matrix
M
iswhich
called
the
preconditioner
for
theclassical
iterati
A
classical
Richardson
iteration.
variant
the
classical
Jabuilt.
The
Beowulf
cluster
technology
isthe
a be
good
example
this
apanalysing
massive
quantities
of
telescope
data
[1].
nisation
points
and
are
therefore
perfectly
suited
available
software,
cheap
and
powerful
parallel
computers
can
be
available
software,
cheap
and
powerful
parallel
computers
can
algorithms,
simulations
beprocessing.
performed
that
perfectly
imitate
physavailable
software,
cheap
and
powerful
parallel
computers
can
be
on
sequential
This
fact
accompanied
by
an
ever
increasprocessors
linked
by
athe
high–speed
network.
They
are
often
Traditional
parallel
processing
was
and
is
currently
performed
using
sophisticated
supercomputers,
which
typically
consist
of
thousands
available
software,
cheap
and
powerful
parallel
computers
can
be
, classical
the
more
precise,
given
an
initial
guess
to
the
solution
xRichardson
cobi
which
is
obtained
by
taking
for
M
the
diagonal
matrix
−1
−1
−1iteration,
built.
The
Beowulf
cluster
technology
is
a
good
example
of
this
apcobi
iteration,
which
is
obtained
by
taking
for
M
the
diagonal
matrix
having
entries
from
the
diagonal
of
A.
cobi
iteration,
which
is
obtained
by
taking
for
M
the
diagonal
matrix
networks
of
Our
main
goal
is
to
effici
eowulf
cluster
technology
is
a
good
example
of
this
apcobi
iteration,
which
is
obtained
by
taking
for
M
the
diagonal
matrix
computing.
With
the
advent
of
the
Internet,
it
became
viable
to
connect
iteration.
Another
variant
is
the
classical
Jacobi
iteration,
which
is
obtained
cobi
iteration,
which
is
obtained
by
taking
for
M
the
diagonal
matrix
the
matrix
A,
which
is
exactly
what
we
want
to
accomplish!
=Ax
A=
give
the
solution
after
process
(1).
Setting
Mtaking
single
iteration
step,
but
this
would
require
computing
t
where
M
can
be
chosen
freely
and
as
an
approximation
for
cobi
iteration,
which
is
obtained
by
for
M
the
diagonal
matrix
proach
[10].
Agood
major
advantage
ofof
such
technology
isoften
thatfor
resources
However,
similar
to
classical
iterative
methods,
built.
The
Beowulf
cluster
technology
is
aagood
example
this
apThe
fact
that
in
Grid
computing
resources
are
often
geographically
built.
The
Beowulf
cluster
technology
isby
ato
example
of
this
apical reality.
built.The
The
Beowulf
cluster
technology
isalinked
good
example
ofthis
this
apingBeowulf
demand
for supercomputers,
more
realistic
simulations
has
intensely
stimulated
purpose–built
and
highly
operate,
maintain,
and
expand.
identical
processors
agood
high–speed
network.
They
are
sophisticated
which
typically
consist
thousands
ofiteration
built.
cluster
technology
isexpensive
example
ofof
apsolving
theserves
system
bwould
is
having
entries
from
the
diagonal
of
A.
−1 the
proach
[10].
A
major
advantage
of
such
technology
is
that
resources
having
entries
from
diagonal
of
A.
having
entries
from
diagonal
of
A.
Choices
that
in
some
sense
approximate
the
ma
A
denotes
systems
of
equations
Ax
ATraditional
majorproach
advantage
of
such
technology
is
that
resources
having
entries
from
the
diagonal
of
A.
geographically
separate
resources
-such
as
individual
desktop
machines,
by
taking
for
the
diagonal
matrix
having
entries
from
the
diagonal
of
.
having
entries
from
the
diagonal
of
A.
the
matrix
A,
which
is
exactly
what
we
want
to
accomp
single
iteration
step,
but
this
would
require
computing
the
inverse
.
The
matrix
M
is
called
the
preconditioner
for
the
iteration
A
having
entries
from
the
diagonal
of
A.
can
easily
be
replaced
and
added.
However,
this
introduces
the
probComputing
inverse
of
the
matrix
M
should
be
both
cheap
a
slow
to
converge
to
the
solution.
proach
[10].
A
major
advantage
of
such
technology
is
that
resources
that
isto
very
expensive.
proach
[10].
A
major
advantage
of
such
technology
isresources
that
resources
proach
[10].
A
major
advantage
ofsuch
such
isthat
that
research
in the
field
of
parallel
and
distributed
computing.
compurpose–built
and
highly
expensive
to
operate,
maintain,
andexexpand.As a reidentical
processors
linked
byimplies
atechnology
high–speed
network.
They
are
often
parallel
was separated
and
currently
performed
using
[10].
Aprocessing
major
advantage
ofis
technology
iscommunication
resources
A
poor
man’s
alternative
to
massive
supercomputing
isBy
exploit
Choices
that
some
sense
approximate
the
matrix
A
more
accurately
−1
−1
(t)
−1
(t)
can
easily
be
replaced
and
added.
However,
this
introduces
the
probChoices
that
in
some
sense
the
matrix
more
accurately
naturally
result
in
methods
that
tc
replaced
and
added.
However,
this
introduces
the
probnetworks
of1,
computers.
T
local
clusters,
and
space
-to
solve
very
large-scale
computational
Choices
that
in
some
sense
the
matrix
A
more
accurately
the
matrix
A,
exactly
what
we
want
to
accomplish!
=
Awhich
would
give
solution
after
process
(1).
Setting
M
Choices
that
in
some
sense
approximate
the
matrix
A
more
accurately
Choices
that
in
some
sense
approximate
the
matrix
Amore
more
accurately
lem
of
dealing
with
heterogeneity,
both
in
machine
architecture
and
fective,
which
isA
reflected
in
the
different
choices
for
M
. The
sim
Computing
the
inverse
of
the
matrix
M
both
can
easily
be
replaced
and
added.
However,
this
introduces
the
probChoices
that
inin
some
sense
approximate
the
matrix
accurately
can
easily
bepower
replaced
and
added.
However,
this
introduces
the
probsult,
global
synchronisation
issupercomputing
the
critical
bottleneck
operation,
since
←
xapproximate
+is
M
(b
−the
Ax
),A
tare
=
0,
. .converge
. be
,of
(1)
x(t+1)
can
easily
be
replaced
and
added.
However,
this
introduces
the
probIterative
subspace
methods
ashould
class
iterati
bining
thestorage
of
multiple
computers
with
sophisticated
numerical
purpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
can
easily
be
replaced
and
added.
However,
this
probsophisticated
supercomputers,
which
typically
consist
ofintroduces
thousands
of
A
poor
man’s
alternative
massive
is toapproximate
exploit
existing
non–dedicated
hardware
for
performing
parallel
computations.
naturally
result
in
methods
that
converge
to
the
solution
in
less
lem
of
dealing
with
heterogeneity,
both
machine
architecture
and
naturally
result
in
methods
that
converge
to
the
in
less
iterations.
However,
inverting
the
matrix
M
A
denotes
the
gidentical
with lem
heterogeneity,
both
in
machine
and
problems.
InAthe
mid-1990s
SETI@home
project
was
which
has
Choices
that
in
some
sense
approximate
the
matrix
more
accurately
naturally
result
in
methods
that
converge
to
the
solution
in
less
naturally
result
inthe
methods
that
converge
to
the
solution
in
less
single
iteration
step,
but
this
would
require
computing
the
inverse
naturally
result
in
methods
that
converge
to
the
solution
in
less
network
capabilities.
The
problem
of
efficiently
partitioning
option
would
be
tosolution
choose
the
identity
matrix
for
M
, coefficient
which
res
fective,
which
is
reflected
in
different
choices
for
M
.w
Computing
the
inverse
of
the
matrix
M
should
beof
both
cheap
and
naturally
result
methods
that
converge
to
the
solution
in
less
lem
of
dealing
with
heterogeneity,
both
in
machine
architecture
and
this
requires
communication
between
all
the
processes.
Inin
particulem
ofpoor
dealing
with
heterogeneity,
both
inconceived,
machine
architecture
and
hibit
significantly
improved
convergence
speeds.
lem
ofdealing
dealing
with
heterogeneity,
both
in
machine
architecture
and
algorithms,
simulations
can
be
performed
that
perfectly
imitate
physprocessors
linked
by
athe
high–speed
They
are
often
of
with
heterogeneity,
both
inin
machine
architecture
and
With
the
use
ofinarchitecture
cost–effective
commodity
components
and
freely
man’s
alternative
tonetwork.
massive
supercomputing
is
to
exploit
existing
non–dedicated
hardware
for
performing
parallel
computations.
iterations.
However,
the
matrix
M
will
be
more
expensive
−1 inverting
in
network
capabilities.
The
problem
of
efficiently
partitioning
the
iterations.
However,
inverting
the
matrix
M
will
be
more
expensive
in
most
cases
and
it
is
clear
that
some
of
apabilities.
The
problem
of
efficiently
partitioning
the
established
itself
as
the
prime
example
of
a
so-called
Grid
computing
project.
It
naturally
result
in
methods
that
converge
to
the
solution
in
less
iterations.
iterations.
However,
inverting
the
matrix
M
will
be
more
expensive
the
matrix
A,
which
is
exactly
what
we
want
to
accomplish!
However,
inverting
matrix
Mbe
will
more
where
M classical
can
beRichardson
chosen
freely
and
serves
asmore
anbe
approximation
for
computational
work
became
an
intense
topic
of iterations.
research.
iterations.
However,
inverting
thebe
matrix
M
will
expensive
option
would
choose
the
identity
matrix
for
M
,met
wh
the
iteration.
Another
variant
is
theform
classic
fective,
which
is
reflected
intothe
the
different
choices
for
M
. expensive
The
simple
network
capabilities.
The
problem
of
efficiently
partitioning
the
inverting
the
matrix
M
will
be
more
expensive
lar,
Grid
computing
naturally
suited
so–called
embarrassingly
in
network
capabilities.
The
of is
efficiently
partitioning
thecan
space
methods
are:
the
Conjugate
Gradient
innetwork
network
capabilities.
The
problem
ofefficiently
efficiently
partitioning
theforiterations.
ical
reality.
purpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
inin
capabilities.
The
problem
of
partitioning
available
software,
cheap
and
powerful
parallel
computers
beHowever,
With
the
use
ofproblem
cost–effective
commodity
components
and
freely
isting
non–dedicated
hardware
for
performing
parallel
computations.
most
cases
and
itthe
is
clear
that
some
form
of
trade–off
necessary.
−1some
computational
work
became
an
intense
topic
of
research.
incurrently
most
cases
and
it
isin
clear
that
form
of
trade–off
is more
necessary.
alAwork
became
an
intense
topic
of
in
most
cases
and
ititeration,
is
clear
that
some
form
of
trade–off
isisnecessary.
necessary.
currently
combines
the
computational
power
of
millions
of
personal
computers
However,
inverting
the
matrix
will
be
expensive
in most
cases
and
ititeration
in
most
cases
and
it
is
clear
that
some
form
of
trade–off
is
necessary.
.and
The
M
issome
called
the
preconditioner
for, the
the
A
in
most
cases
and
itstage
isclear
clear
that
some
form
oftrade–off
trade–off
necessary.
cobi
which
is
obtained
by
taking
diagonal
option
would
be
to
choose
the
identity
matrix
for
M
which
results
the
classical
Richardson
iteration.
Another
variant
is them
Computing
the
inverse
ofit
matrix
M
should
be
both
cheap
and
efThe
nineties
of
the
previous
century
ushered
in
the
next
ofthat
computational
work
became
an
intense
topic
of
research.
in
most
cases
ismatrix
form
of
isis
computational
work
became
an
intense
topic
of
parallel
applications
where
the
problem
can
be
broken
up
easily
and
computational
work
became
an
intense
topic
of
research.
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
work
became
an
intense
topic
of
research.
Traditional
parallel
processing
was
and
is
performed
using
available
software,
cheap
and
powerful
parallel
computers
can
be
built.
The
Beowulf
cluster
technology
is aresearch.
good
example
of
this
apWith
the
use
ofresearch.
cost–effective
commodity
components
and
freely
poorcomputational
man’s
alternative
to
massive
supercomputing
is
to
exploit
ex−1
−1
The
nineties
of
the
previous
century
ushered
in
the
next
stage
of
of
the The
previous
century
ushered
the
next
stage
of
from
around
the
world
to
search
for
extraterrestrial
intelligence
by
analysing
is
clear
that
some
form
of
trade-off
ischoices
necessary.
EFFICIENT
PRECONDITIONING
ON
=diagonal
would
the solution
after
process
(1).
Setting
M
having
entries
from
the
A.give
cobi
iteration,
which
is obtained
by
taking
M
the
diaaJ
the
classical
Richardson
iteration.
Another
variant
is for
the
classical
fective,
which
reflected
the
different
for
M
.ofThe
simplest
parallel
computing.
With
the
advent
of
the
Internet,
itinbecame
tasks
require
little
or
no
interprocessor
communication.
An
example
The
nineties
of
the
previous
century
ushered
in
the
next
stage
developed
inAthe
Numerical
Analysis
group
at GRI
Delf
The
nineties
of
the
previous
century
ushered
in
the
stage
of
Thenineties
nineties
of
the
previous
century
ushered
insuch
the
next
stage
of
sophisticated
supercomputers,
which
typically
consist
of
thousands
of beis
[10].
Aperforming
major
advantage
of
technology
isof
that
resources
available
software,
cheap
and
powerful
parallel
computers
can
built.
The
Beowulf
cluster
technology
is
anext
good
example
of
this
apofproach
the
previous
century
ushered
in
the
next
stage
of
isting
non–dedicated
hardware
forin
parallel
computations.
EFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
parallel
computing.
With
the
advent
of
the
Internet,
it
became
EFFICIENT
PRECONDITIONING
ONthe
GRID
COMPUTERS
massive
of
radio
telescope
data
[2].
puting.
With
the
advent
ofproach
the
Internet,
it
became
single
iteration
step,
but
would
require
computing
the
inverse
of
EFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
having
from
diagonal
of
A.
iteration,
which
isthis
obtained
by
taking
for
M
the
diagonal
mat
option
would
be
tocobi
choose
identity
matrix
forthe
M
, which
results
EFFICIENT
PRECONDITIONING
ON
GRID
viable
to
connect
geographically
separate
resources
—
such
as
inEFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
Choices
that
inentries
some
sense
approximate
theCOMPUTERS
matrix
A efficient
more
accu
of
such
an
application
isand
the
aforementioned
project.
nology.
The
IDR(s)
method
is
a in
highly
n
parallel
computing.
With
the
advent
of
the
Internet,
ititexample
became
PRECONDITIONING
ON
GRID
COMPUTERS
parallel
computing.
With
the
advent
of
the
Internet,
it are
became
parallel
computing.
With
the
advent
ofadvantage
theInternet,
Internet,
became
identical
processors
linked
by
acomponents
high–speed
network.
They
often
can
easily
becommodity
replaced
and
added.
However,
this
introduces
the
prob[10].
A
major
such
technology
isSETI@home
that
resources
built.
The
Beowulf
cluster
technology
is
aof
good
ofEFFICIENT
this
apWith parallel
the
use quantities
of
cost–effective
freely
computing.
With
the
advent
of
the
it
became
viable
to
connect
geographically
separate
resources
—
such
as
innnect
geographically
separate
resources
—
such
as
inEffi
preconditioning
on
grid
computers
the
matrix
A,
which
isFinding
exactly
what
we
want
accomplish!
an
efficient
and to
effective
preconditione
having
entries
from
the
diagonal
ofnonsymmetric
A.
the
classical
Richardson
iteration.
variant
is
the
classical
Jadividual
desktop
machines,
local
clusters,
and
storage
space
—
toAnother
naturally
result
in
methods
that
converge
to
solution
Choices
that
in
some
sense
approximate
thethe
matrix
A mo
viable
to
connect
geographically
separate
resources
—
such
as
infor
solving
large
linear
systems
[9]i
For
the
numerical
solution
of
linear
systems
ofcient
equations,
matters
viable
to
geographically
separate
resources
—
such
as
inviable
to
connect
geographically
separate
resources
—
such
as
inpurpose–built
and
highly
expensive
to
operate,
maintain,
and
expand.
can
beadvantage
replaced
and
added.
However,
this
introduces
the
problemconnect
of
dealing
with
heterogeneity,
both
in
machine
architecture
and
proach
[10].
Aeasily
major
of
such
technology
is
that
resources
available
software,
cheap
and
powerful
parallel
computers
can
be
viable
to
connect
geographically
separate
resources
—
such
as
inFinding
an
efficient
and
effective
preconditioner
crucial
for
fast
condividual
desktop
machines,
local
clusters,
and
storage
space
—
to
Finding
an
efficient
and
effective
preconditioner
isand
crucial
forin
fast
contop
machines,
local
and
storage
space
—
to
The
fact
that
inclusters,
Grid
computing
resources
areThe
often
geographically
separated
Finding
an
effi
cient
and
effective
preconditioner
is
crucial
for
fast
conververgence
of
iterative
methods.
spea
cobi
iteration,
which
isan
obtained
by
taking
M
the
diagonal
matrix
Computing
the
inverse
of
the
matrix
M
should
be
both
cheap
and
efsolve
very
large–scale
problems.
In
the
mid–1990s
the
Finding
an
efficient
and
effective
preconditioner
crucial
for
fast
connaturally
result
methods
that
converge
tofast
the
solu
iterations.
However,
inverting
the
matrix
M
will
be
more
exp
Choices
that
in
some
sense
approximate
the
matrix
AGenerally
more
accurat
Finding
efficient
effective
preconditioner
is
crucial
for
condividual
machines,
local
and
storage
space
—
to
Finding
an
efficient
and
effective
preconditioner
is
crucial
for
fast
condividual
desktop
machines,
local
clusters,
and
storage
space
—
to
are
far
more
complicated.
One
of
the
main
reasons
is
that
inter–task
dividual
desktop
machines,
local
and
storage
space
—
to
An
inherent
characteristic
of
all
subspace
metho
Finding
an
efficient
and
effective
preconditioner
isisis
crucial
for
fast
conin
network
problem
ofthis
efficiently
partitioning
the
can
easily
bealternative
replaced
added.
However,
this
introduces
the
problem
ofcapabilities.
dealing
with
heterogeneity,
both
in
machine
architecture
and
dividual
desktop
machines,
local
clusters,
and
storage
space
to
built.
The
Beowulf
cluster
technology
isand
aclusters,
good
example
ofcomputational
apAdesktop
poor
man’s
toclusters,
massive
supercomputing
is—
to
exploit
exvergence
of
iterative
methods.
speaking,
aaform
preconditioner
solve
very
large–scale
computational
problems.
In
the
mid–1990s
the
vergence
of
iterative
methods.
Generally
speaking,
aGenerally
preconditioner
ge–scale
computational
problems.
In
the
mid–1990s
the
implies
that
communication
iswith
very
expensive.
aproblems.
result,
synchronisagence
ofvergence
iterative
methods.
Generally
speaking,
aofpreconditioner
the
most
is
the
most
difficult
part
toofis
parallelise,
having
entries
from
the
diagonal
ofinand
A.
fective,
which
is reflected
inis
the
different
choices
for
.M
The
SETI@home
project
was
conceived,
which
has
established
itself
as
the
vergence
of
iterative
methods.
Generally
speaking,
preconditioner
inthe
most
cases
it
clear
that
some
trade–off
isespec
nece
naturally
result
methods
that
converge
to
the
solution
in
iterations.
However,
inverting
matrix
willsimplest
be
mole
of
iterative
Generally
speaking,
aM
preconditioner
solve
very
large–scale
computational
problems.
In
the
mid–1990s
the
vergence
of
iterative
methods.
Generally
speaking,
apreconditioner
preconditioner
communication
isis
both
unavoidable
and
For
this
applicasolve
very
large–scale
computational
In
the
the
vergence
of
iterative
methods.
Generally
speaking,
athe
solvevery
very
large–scale
computational
problems.
Inthe
the
mid–1990s
theabundant.
amethods.
large
number
global
synchronisation
points,
computational
work
became
an
intense
topic
research.
in
network
capabilities.
The
problem
ofmid–1990s
efficiently
partitioning
lem
of
dealing
heterogeneity,
both
inglobal
machine
architecture
and
proachsolve
[10].
A
major
advantage
of
such
technology
that
resources
large–scale
computational
problems.
In
mid–1990s
the
isting
non–dedicated
hardware
forAsperforming
parallel
computations.
the
most
difficult
to
parallelise,
especially
heterogeneous
SETI@home
project
was
conceived,
which
has
established
itself
as
the
isso–called
the
most
difficult
part
to
parallelise,
especially
in
heterogeneous
project
was
conceived,
which
has
established
itself
as
the
tion
is the
critical
bottleneck
operation,
since
this
requires
communication
diffi
cult
part
to
parallelise,
especially
inand
heterogeneous
environments
as more
found
environments
asmatrix
found
in
Grid
computing.
option
would
be
to
choose
the
identity
matrix
for
Minform
, be
which
results
in
prime
example
of
aan
Grid
computing
project.
It currently
is
the
most
difficult
part
to
parallelise,
especially
in
heterogeneous
inpart
most
cases
itespecially
is
clear
that
some
ofpropose
trade–off
iterations.
However,
inverting
the
will
expens
Choices
that
in
some
sense
approximate
the
matrix
A
more
accurately
is
the
most
difficult
part
to
parallelise,
especially
heterogeneous
SETI@home
project
was
conceived,
which
has
established
itself
as
the
tion,
developing
efficient
parallel
numerical
for
dedicated
isalgorithms
the
most
difficult
part
to
parallelise,
especially
inM
heterogeneous
SETI@home
project
was
conceived,
which
has
established
itself
as
the
SETI@home
project
was
conceived,
which
has
established
itself
as
the
less
suitable
to
Grid
computing.
We
usi
isisfreely
most
difficult
part
to
parallelise,
inin
heterogeneous
computational
work
became
intense
topic
of
research.
inproject
network
capabilities.
The
problem
of
efficiently
partitioning
the
can easily
be
replaced
and
added.
However,
this
introduces
the
probSETI@home
was
conceived,
which
has
established
itself
as
the
With
the
use
of
cost–effective
commodity
components
and
The
nineties
of
the
previous
century
ushered
in
next
stage
of
environments
as
found
in
Grid
computing.
prime
example
of
a
so–called
Grid
computing
project.
It
currently
environments
as
found
in
Grid
computing.
lelem
of of
a prime
so–called
Grid
computing
project.
It
currently
between
all
the
processes.
In
particular,
Grid
computing
is
naturally
suited
in
Grid
computing.
the
Richardson
iteration.
Another
variant
is the
classical
Jacombines
the
computational
power
millions
of
personal
computers
environments
as
found
in
Grid
computing.
Classical
iterations
such
as
(1)
can
be
most
cases
and
itcomputing.
clearmethod
that
some
trade–off
necessa
naturally
result
ininclassical
methods
that
converge
to
the
solution
inGRID
less
environments
asin
found
inis
Grid
computing.
prime
example
aaso–called
so–called
Grid
computing
project.
currently
environments
as
found
in
Grid
computing.
prime
example
of nineties
a so–called
Grid
computing
project.
It ofcurrently
homogeneous
systems
is a of
difficult
problem,
becomes
even
more
EFFICIENT
PRECONDITIONING
ONof
COMPUTER
primeexample
example
ofasoftware,
so–called
Grid
computing
project.
currently
iterative
as
aform
preconditioner
inisagenerali
flexibl
environments
as
found
Grid
computational
work
became
an
intense
topic
ofItIt
research.
ofof
Grid
computing
project.
It
currently
dealing
with
heterogeneity,
both
in
machine
architecture
and
available
cheap
powerful
parallel
computers
can
be
The
ofand
the
previous
century
ushered
in
the
next
stage
of
parallel
computing.
With
the
advent
the
Internet,
itbut
became
combines
the
computational
power
of
millions
of
personal
computers
Classical
iterations
such
as
(1)
can
be
generalised
quite
easily
to
so–
computational
power
of
millions
personal
Classical
iterations
such
asHowever,
(1)
can
be
generalised
quite
easily
tobe
so–
for
so-called
embarrassingly
parallel
applications
where
the
problem
caniterations.
be
iteration,
which
iscan
obtained
by
taking
for
Measily
the
diagonal
matrix
from
around
world
topersonal
search
for
extraterrestrial
intelligence
by
called
a–synchronous
iterative
whic
inverting
the
matrix
M
will
be
more
expensive
combines
the
computational
power
of
millions
of
personal
computers
Classical
iterations
such
as
(1)
can
be
generalised
quite
easily
to
so–
challenging
when
applied
heterogeneous
systems.
In
particular,
EFFICIENT
PRECONDITIONING
ONalgorithms,
GRID
COMP
combines
the
computational
power
ofthe
millions
of
computers
Classical
iterations
such
as
(1)
can
generalised
quite
easily
to
so–
combines
the
computational
power
ofcomputers
millions
of
computers
where
the
preconditioner
is
allowed
to
change
in
Classical
iterations
such
as
(1)
can
be
generalised
quite
easily
to
so–
in network
capabilities.
The
problem
of
efficiently
partitioning
the
combines
the
computational
power
of
millions
of
personal
computers
built.
The
Beowulf
cluster
technology
isseparate
apersonal
good
example
of—
this
apClassical
iterations
such
as
(1)
be
generalised
quite
to
so–
viable
to
connect
geographically
resources
such
as
inThe
nineties
ofof
the
previous
century
ushered
in
the
next
stage
of
parallel
computing.
With
the
advent
of
the
Internet,
itcobi
became
from
around
the
world
to
search
for
extraterrestrial
intelligence
by
called
a–synchronous
iterative
algorithms,
which
lack
global
synchrothe
world
toaround
search
for
extraterrestrial
intelligence
by
called
a–synchronous
iterative
algorithms,
which
lack
global
synchrobroken
up
easily
and
tasks
require
little
or
no
interprocessor
communication.
having
entries
from
the
diagonal
of
A.
analysing
massive
quantities
of
radio
telescope
data
[1].
nisation
points
and
are
therefore
perfectly
suit
in
most
cases
and
it
is
clear
that
some
form
of
trade–off
is
necessary.
from
around
the
world
to
search
for
extraterrestrial
intelligence
by
called
a–synchronous
iterative
algorithms,
which
lack
global
synchrothe
heterogeneity
of
the
computational
resources
and
the
variability
from
around
the
world
to
search
for
extraterrestrial
intelligence
by
EFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
called
a–synchronous
iterative
algorithms,
which
lack
global
synchrofrom
around
the
world
to
search
for
extraterrestrial
intelligence
by
By
combining
a
slowly
converging
asynchronou
called
a–synchronous
iterative
algorithms,
which
lack
global
synchroFinding
an
efficient
and
effective
preconditioner
is
crucial
for
fas
computational
work
became
an
intense
topic
of
research.
from
the
world
to
search
for
extraterrestrial
intelligence
by
proach
[10].
A
major
advantage
of
such
technology
is
that
resources
called
a–synchronous
iterative
algorithms,
which
lack
global
synchrodividual
desktop
machines,
local
clusters,
and
storage
space
—
to
viable
to
connect
geographically
separate
resources
—
such
as
inparallel computing. With the advent of the Internet, it became
analysing
massive
quantities
of
radio
telescope
data
[1].
nisation
points
and
are
therefore
perfectly
suited
Grid
computing.
ssive
of
radio
telescope
data
[1].
nisation
points
and
are
therefore
perfectly
suited
Grid
computing.
An
example
of
such
an
application
is
the
aforementioned
SETI@home
project.
However,
similar
toto
classical
iterative
method
The
fact
that
indata
Grid
computing
resources
areinoften
analysing
massive
quantities
of
radio
telescope
data
[1].
Choices
that
in
some
sense
approximate
the
matrix
AGrid
more
nisation
points
and
are
therefore
perfectly
suited
to
Grid
computing.
analysing
massive
quantities
of
radio
telescope
data
[1].
in
network
performance
present
numerous
algorithmic
challenges.
nisation
points
and
are
therefore
perfectly
suited
to
computing.
analysing
massive
quantities
of
radio
telescope
data
[1].
ato
fast
converging
synchronous
outer
method,
nisation
points
and
are
therefore
perfectly
suited
toGrid
Grid
computing.
vergence
of
iterative
methods.
Generally
speaking,
aaccurately
Finding
an
efficient
and
effective
preconditioner
isprecondi
crucialw
analysing
massive
quantities
of
radio
telescope
[1].
can
easily
be
replaced
and
added.
this
introduces
the
probnisation
points
and
are
therefore
perfectly
suited
computing.
dividual
desktop
machines,
local
clusters,
storage
space
—geographically
to
solve
very
large–scale
computational
problems.
In and
the
mid–1990s
the
viable
to
connect
geographically
separate
resources
—
such
as
The quantities
nineties
of
the
previous
century
ushered
inHowever,
the
next
stage
of
However,
similar
to
classical
iterative
methods,
they
are
The
fact
that
in
Grid
computing
resources
are
often
geographically
However,
similar
to
classical
iterative
methods,
they
are
extremely
t parallel
in Grid
computing
resources
are
often
geographically
slow
toand
converge
to
the
solution.
separated
implies
that
communication
is
very
expensive.
As
a in
re-difficult
naturally
result
methods
that
converge
to
the
solution
in
However,
similar
to
classical
iterative
methods,
are
extremely
The
fact
that
in
Grid
resources
are
often
geographically
EFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
However,
similar
to
classical
iterative
methods,
they
are
extremely
benefits
awards
ofthey
both
techniques
[4,
5,aless
6].
The
fact
that
incomputing
Grid
computing
resources
aregeographically
often
geographically
However,
similar
to
classical
iterative
methods,
they
are
extremely
vergence
of
iterative
methods.
Generally
speaking,
pr
isthe
the
most
part
to
parallelise,
especially
in
heteroge
Finding
an
efficient
and
effective
preconditioner
isextremely
crucial
for
fast
co
The
fact
that
inGrid
Grid
computing
resources
areoften
often
geographically
lem
ofin
dealing
with
heterogeneity,
both
in
machine
architecture
and
similar
to
classical
iterative
methods,
they
are
extremely
SETI@home
project
was
conceived,
which
has
established
itself
as
the
dividual
desktop
machines,
local
clusters,
and
storage
space
—
to
solve
very
large–scale
computational
problems.
In However,
the
mid–1990s
The
fact
that
computing
resources
are
computing.
With
the
advent
of
the
Internet,
it
became
to
converge
to
the
solution.
separated
implies
that
communication
expensive.
As
reslow
converge
to slow
the
solution.
plies
that
communication
is
very
expensive.
As
avery
result,
global
synchronisation
isAs
the
bottleneck
operation,
since
iterations.
inverting
matrix
M
will be
expensive
slow
to
converge
to
solution.
Iterative
subspace
aremore
aa class
ofinitera
separated
implies
that
communication
very
expensive.
As
reslow
toenvironments
converge
to
the
solution.
separated
implies
that
communication
is
very
expensive.
As
aslow
reCLASSICAL
ITERATIVE
METHODS
slow
to
converge
toHowever,
the
solution.
as
found
inthe
Grid
computing.
vergence
of
iterative
methods.
Generally
speaking,
precondition
isthe
the
most
difficult
part
to methods
parallelise,
especially
separated
implies
that
communication
isvery
very
expensive.
As
reinimplies
network
capabilities.
problem
of
efficiently
partitioning
the
De–synchronising
the
preconditioning
phase
inhet
to
converge
to
the
solution.
prime
example
of
aThe
so–called
Grid
computing
project.
It
currently
SETI@home
project
was
conceived,
which
has
established
itself
as
the
solve
very
large–scale
computational
problems.
In
mid–1990s
the
separated
that
communication
isisis
expensive.
aaaacritical
reviable
to
connect
geographically
separate
resources
—
such to
as
insult,
global
synchronisation
is
the
critical
bottleneck
operation,
since
Iterative
methods
are
class
iterative
methods
that
exynchronisation
issult,
the
critical
bottleneck
operation,
since
Iterative
subspace
methods
a and
class
of
iterative
methods
that
exthis
requires
communication
between
all
the
processes.
In
particuinsubspace
most
cases
and
itare
isare
clear
that
form
of
trade–off
isheterogeneo
necessary.
hibit
significantly
improved
convergence
speed
sult,
global
synchronisation
isis
the
critical
bottleneck
operation,
since
Iterative
subspace
methods
are
aaclass
class
of
iterative
methods
that
exglobal
synchronisation
is
the
critical
bottleneck
operation,
since
environments
as
found
in
Grid
computing.
is
the
most
difficult
to
parallelise,
especially
in quite
Finding
an
effective
preconditioner
issome
crucial
for
fast
consult,
global
synchronisation
the
critical
bottleneck
operation,
since
Iterative
subspace
methods
are
aof
class
of
iterative
methods
that
excomputational
work
became
an
topic
of —
research.
advantage
that:
(i)
the
preconditioner
can
be e
prime
example
of
aintense
so–called
Grid
computing
project.
Itare
currently
combines
theis
computational
power
of
millions
of since
personal
computers
Iterative
subspace
methods
class
of
iterative
methods
that
exSETI@home
project
was
conceived,
which
has
established
itself
asefficient
the
dividual
desktop
machines,
local
clusters,
and
storage
space
to
Classical
iterations
such
as
(1)
can
be
generalised
easily
sult,
global
synchronisation
the
critical
bottleneck
operation,
Iterative
subspace
methods
aapart
of
iterative
methods
that
exthis
requires
communication
between
all
the
processes.
In
particuhibit
significantly
improved
convergence
speeds.
Some
popular
subcommunication
between
allaround
the
processes.
Inall
particuhibit
significantly
improved
convergence
speeds.
Some
sublar,
Grid
computing
isextraterrestrial
naturally
suited
for
so–called
embarrassingly
space
methods
the
Gradient
m
this
requires
communication
all
the
processes.
particuhibit
significantly
improved
convergence
speeds.
Some
popular
subthis
requires
communication
between
all
the
processes.
In
particuenvironments
as
found
inpopular
Grid
computing.
vergence
of
iterative
methods.
Generally
speaking,
aare:
preconditioner
thislarge–scale
requires
communication
between
all
the
processes.
In
particuhibit
significantly
improved
convergence
speeds.
Some
popular
subOur
main
goal
is processes.
to
efficiently
solve
inofIt
parallel
large
linear
parallelised
on
Grid
computers,
(ii)
noquite
add
from
world
to
search
for
intelligence
byalgebraic
hibit
significantly
improved
convergence
speeds.
Some
popular
subprime
example
ofthe
abetween
so–called
Grid
computing
project.
currently
combines
the
computational
power
ofInIn
millions
personal
computers
called
a–synchronous
iterative
algorithms,
which
lack
global
syn
this
requires
communication
between
the
particusolve very
computational
problems.
In
mid–1990s
the
Classical
iterations
such
as
(1)
canConjugate
be
generalised
The
nineties
of the
previous
century
ushered
in
next
stage
ofsignificantly
hibit
improved
convergence
speeds.
Some
popular
sublar,
Grid
computing
isisisnaturally
naturally
suited
for
so–called
embarrassingly
space
methods
are:
the
Conjugate
Gradient
method,
GCR,
GMRES,
mputing
islar,
naturally
suited
for
so–called
embarrassingly
space
methods
the
Conjugate
Gradient
method,
GCR,
GMRES,
parallel
applications
where
problem
can
bemethods
broken
up
easily
and
Bi–CGSTAB,
and
the
recently
proposed
IDR(
Grid
computing
naturally
suited
for
so–called
embarrassingly
EFFICIENT
PRECONDITIONING
ON
GRID
COMPUTERS
space
methods
are:
the
Conjugate
Gradient
method,
GCR,
GMRES,
lar,
Grid
computing
is
naturally
suited
so–called
embarrassingly
lar,
Grid
computing
naturally
suited
forso–called
so–called
embarrassingly
space
methods
are:
the
Conjugate
Gradient
method,
GCR,
GMRES,
isare:
the
most
difficult
part
to
parallelise,
especially
in
heterogeneous
systems
ofworld
equations
Ax
=
bofthe
on
large
and
geographically
separated
tion
points
are
introduced,
and
(iii)
bylack
devoti
analysing
massive
quantities
of
telescope
data
space
methods
are:
the
Conjugate
Gradient
method,
GCR,
GMRES,
around
the
toradio
search
for
extraterrestrial
intelligence
by
nisation
points
and
are
therefore
perfectly
suited
to Grid
comp
combines
the
computational
power
offor
millions
personal
computers
lar,
Grid
computing
isfrom
suited
for
embarrassingly
SETI@home
project
was
conceived,
which
has
established
itself
as
the
called
a–synchronous
iterative
algorithms,
which
Classical
iterations
such
as
(1)
can
be
generalised
quite
easily
toglos
parallel
computing.
With
the
advent
of
the
Internet,
it[1].
became
space
are:
the
Conjugate
Gradient
method,
GCR,
GMRES,
parallel
applications
where
the
problem
can
be
broken
up
easily
and
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
method,
which
was
−1
cations
where
the
problem
can
be
broken
up
easily
and
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
which
was
tasks
little
or
no
interprocessor
communication.
An
example
developed
in
the
Numerical
Analysis
group
at
Dt
parallel
applications
where
the
problem
can
be
broken
up
easily
and
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
method,
which
was
parallel
applications
where
the
problem
can
be
broken
upand
easily
and
environments
in
Grid
computing.
parallel
applications
where
the
problem
can
bebroken
broken
upeasily
easily
and
Bi–CGSTAB,
and
themethod,
recently
proposed
IDR(s)
method,
which
was
networks
of
computers.
That
is,
we
want
to
obtain
x found
=
A
b,
where
computational
effort
towhich
the
preconditioner,
analysing
massive
quantities
of
radio
telescope
data
[1].
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
method,
which
was
from
around
thethe
world
torequire
search
for
extraterrestrial
intelligence
prime parallel
example
of
a so–called
Grid
computing
project.
Itresources
currently
nisation
points
and
are
therefore
perfectly
to
Grid
However,
similar
to
classical
iterative
methods,
they
are
extr
called
a–synchronous
iterative
algorithms,
lacksuited
global
synchr
applications
where
problem
can
be
up
viable
to
connect
geographically
separate
—
such
as
in- byas
The
fact
that
in
Grid
computing
resources
are
often
geographically
Bi–CGSTAB,
and
the
recently
proposed
IDR(s)
method,
which
was
tasks
require
little
or
no
interprocessor
communication.
An
example
developed
in
the
Numerical
Analysis
group
at
Delft
University
of
Techlittle
ortasks
no
interprocessor
communication.
An
example
developed
in
the
Numerical
Analysis
group
at
Delft
University
of
Techof
such
an
application
is
the
aforementioned
SETI@home
project.
nology.
The
IDR(s)
method
is
a
highly
efficient
tasks
require
little
or
no
interprocessor
communication.
An
example
developed
in
the
Numerical
Analysis
group
at
Delft
University
of
Techtasks
require
little
or
no
interprocessor
communication.
An
example
tasks
require
little
orThe
nointerprocessor
interprocessor
communication.
An
example
developed
in
the
Numerical
Analysis
group
at
Delft
University
of
TechA
denotes
the
coefficient
matrix,
b
represents
the
right–hand
side
communication
ratio
can
be
improved
significa
Finding
an
efficient
and
effective
preconditioner
is
crucial
for
fast
condeveloped
in
the
Numerical
Analysis
group
at
Delft
University
of
Techanalysing
massive
quantities
radio
telescope
data
[1].
slow
to
converge
to
the
solution.
nisation
points
and
are
therefore
perfectly
suited
to
Grid
computin
require
little
or
no
communication.
An
example
combines
the
computational
power
of
millions
of
personal
computers
However,
similar
to
classical
iterative
methods,
they
a
dividual
desktop
machines,
local
clusters,
and
storage
space
—
to
Classical
iterations
such
as
(1)
can
be
generalised
quite
easily
to
so–
separated
implies
that
communication
is
very
expensive.
As
a
refact that in Grid computing resources are often
geographically
developed
in the Numerical Analysis group at Delft University of Tech-
Fast Iterative Solution of Large
Fast Iterative Solution of Large Linear Systems on Grid Comp
Linear Systems on Grid Computers
Fast Iterative
Solution
of LargeonLinear
Systems on Grid Com
Fast
Iterative
Solution
of
Large
Linear
Systems
Grid
Computers
Fast Iterative
Solution
of Solution
Large
Linear
Systems
on
Grid
Computers
Fast
Iterative
Solution
ofLarge
Large
Linear
Systems
onGrid
Grid
Computers
Fast
Iterative
Solution
of Large
Linear
Systems
on Grid
Computers
Fast
Iterative
of
Linear
Systems
on
Computers
Fast Iterative Solution of Large Linear Systems on Grid Computers
Fast Iterative Solution of Large Linear Systems on Grid Computers
Fast Iterative Solution of Large Linear Systems on Grid Computers
Fast Iterative Solution of Large Linear Systems on Grid Computers
Fast Iterative Solution of Large Linear Systems on Grid Computers
Wiskunde
33
x = b is
2200
2200
synchronous
Tmax = 5
Tmax 2000
= 10
Tmax = 15
Tmax 1800
= 20
2000
1800
1600
1200
1000
800
600
1400
1200
1000
800
400
600
200
400
0
synchronous
Tmax = 5
Tmax = 10
Tmax = 15
Tmax = 20
1600
1400
total time (in seconds)
total time (in seconds)
−1
M
serves as an approximation for
Ax(t)can
), be tchosen
= 0, 1,freely
. . . , and (1)
The matrix M is called the preconditioner for the iteration
−1
= A−1 would
s (1).
Setting
and
serves
as anM
approximation
for give the solution after a
step, butfor
thisthe
would
require computing the inverse of
eteration
preconditioner
iteration
1
atrix
A, which
is exactly
what
we awant to accomplish!
would
give the
solution
after
d require
computing
thematrix
inverse
uting
the inverse
of the
Mofshould be both cheap and efat
we want
to accomplish!
, which
is reflected
in the different choices for M . The simplest
be to be
choose
identity
matrix for M , which results in
ixwould
M should
boththe
cheap
and efssical Richardson
iteration.
Another variant is the classical Jafferent
choices for M
. The simplest
eration,
which
by taking
ntity
matrix
for is
Mobtained
, which results
in for M the diagonal matrix
entries from
theisdiagonal
of A.JaAnother
variant
the classical
ys taking
M sense
the diagonal
matrixthe matrix A more accurately
that infor
some
approximate
f A.result in methods that converge to the solution in less
lly
ons.
the matrix M will be more expensive
mateHowever,
the matrixinverting
A more accurately
tconverge
cases andtoit is
that some
form of trade–off is necessary.
theclear
solution
in less
matrix M will be more expensive
ome
form
of trade–off is necessary.
IENT
PRECONDITIONING
ON GRID COMPUTERS
0
20
200
0
40
0
60
number of nodes
20
80
40
100
60
120
80
100
120
Figure 2: The red line is (standard) synchronous
preconditioning,
number
of nodes
while blue lines are the (new) a–synchronous preconditioning. The
2:
Thered
red line
line
is asynchronous
(standard)
different valuesFigure
for Figure
T max2:indicate
how
much
precondi- preconditioning,
The
is
(standard) synchronous
synchronous
preconditioning,
while
bluelines
linesare
arethe
the(new)
(new)a–synchronous
a–synchronous preconditioning.
tioning is performed.
while
blue
preconditioning. The
The
NG
GRIDand
COMPUTERS
Figure
1: DAS–3:
five clusters, one
system. for
Thefast
physical
g anON
efficient
effective
preconditioner
is crucial
con-locations
the clusters
is indicated
by the
stars.
different
much
asynchronous
preconditioning
Figure
1: DAS–3:
five clusters,
one
system.
The physical locations
ce of iterative of
methods.
Generally
speaking,
a preconditioner
differentvalues
valuesforforTmax
T maxindicate
indicatehow
how
much
asynchronous
precondiis performed.
of
the
clusters
is
indicated
byone
the system.
stars. The physical locations tioning is performed.
1: conDAS–3:
five
clusters,
most
difficultis part
toFigure
parallelise,
especially
in heterogeneous
econditioner
crucial
for
fast
References
of the
clusters is indicated by the stars.
nments
found ina Grid
computing.
nerally as
speaking,
preconditioner
the number of expensive (outer) synchronisations considerably.
[1] David Concluding
P. Anderson, Jeff Cobb,
Eric Korpela,
Lebofskyreading
, and
lelise,
especially
in
heterogeneous
al iterations
suchiterations
as (1) can
quite easilyquite
to so–
Classical
suchbeasgeneralised
(1) can be generalised
easily to so-called
remarks
andMatt
further
References
Dan Werthimer.
SETI@home: an experiment in public–resourc e
mputing.
a–synchronous
iterative
algorithms,
which
lack
global
synchroa-synchronous
iterative
which lack global synchronisation pointscomputing.
Designing
efficient
algorithms
for Grid computing is a complex
EXPERIMENTS
ON algorithms,
THE DAS–3 MULTI–CLUSTER
Commun.
ACM , numerical
45(11):56–61,
2002.
the number
of expensive
(outer)
synchronisations considerably.
points
andareare
therefore
perfectly
Grid computing.
nnbe
generalised
quite
easily
to so–
[1] that
David brings
P. Anderson,
Jeff Cobb,
Korpela, Matt
Lebofsky
, and
and
therefore
perfectly
suitedsuited
to Gridtocomputing.
However, similar to clasprocess
together
manyEric
different
scientifi
c disciplines.
By
[2] Dimitri P. Bertsekas and John N. Tsitsiklis.
Parallel and DisOur target
hardware
is methods,
the
ASCI
Supercomputer
(DAS–
er,
similar
toiterative
classical
iterative
they
are
rithms,
which
lack
global
synchroDan
Werthimer.
SETI@home:
an
experiment
in
public–resourc
e
sical
methods,
they
aredistributed
extremely
slow
to extremely
converge to3the
solution. tributed
using
an
asynchronous
iterative
method
as
a
preconditioner
in
a
fl
exiComputation: Numerical Methods. Prentice–Hall, EnONgeographically
THE DAS–3 MULTI–CLUSTER
3),
iscomputing.
a cluster of five
separated clusters, located
computing.
Commun.
ACM
, 45(11):56–61,
oerfectly
converge
to the
solution.
suited
towhich
GridEXPERIMENTS
N.J., 1989.
republished
by Athena
glewood
ble Cliffs,
iterative
method,
an algorithm
is Scientific
obtained,2002.
that has the potential
at four academic institutions in the Netherlands [8]. The DA S–3 is
1997.
tive
methods,
they
are
extremely
ve
subspace
methods
are
a
class
of
iterative
methods
that
ex[2]
Dimitri
P.
Bertsekas
and
John
N.
Tsitsiklis.
Parallel
andcomputing.
DisIterativedesigned
subspace
methods
are
a
class
of
iterative
methods
that
exhito
reap
the
benefi
ts
and
awards
of
both
cluster
and Grid
for
dedicated
parallel
computing
and
although
eac
h
sepaOur target hardware is the distributed ASCI Supercomputer 3 (DAS–
Numerical
Methods. Prentice–Hall, En[3] Rob H. Bisseling.tributed
Parallel Computation:
Scientific Computation:
A Structured
gnificantly
convergence
speeds.
Some
popular
subhomogeneous,
the
system
as
a
whol
e
can
ratecantly
cluster
is
relatively
bit improved
signifi
improved
convergence
speeds.
Some
popular
subspace
3), which is a cluster of five geographically separated clusters, located
Approach Usingglewood
BSP and MPI
. Oxford
University
Press, 2004.by Athena Scientific ,
Cliffs,
N.J., 1989.
republished
beare:
considered
heterogeneous.
Figure
1GCR,
showsGMRES,
the locations
fo Bi-CGSTAB,
the
methods
are: the
Conjugate
Gradient
method,
class of methods
iterative
methods
that
ex- Gradient
the
Conjugate
method,
GMRES,[8].
For the interested reader, the book by Dimitri Bertsekas and John Tsitsiklis conat four
academic
institutions
in
the GCR,
Netherlands
The DA S–3 is
1997.and Martin B. van Gijzen. Solving lar ge
clusters in the Netherlands, as well as the number of nodes ineach
[4]
Tijmen
P.
Collignon
method,
which
STAB,
and
recently
proposed
IDR(s)
gence speeds.
Some
popular
subdesigned
for dedicated
parallel
and developed
although eac
h sepaand the
thecluster.
recently
proposed
IDR
tains a wealth of information on parallel asynchronous iterative algorithms for
method,computing
which was
was
in
Since the five clusters are geographically separated, global
sparse
linear[3]systems
onParallel
Grid computers
using an
Rob H. efficiently
Bisseling.
Scientific
A Structured
homogeneous,
the
system as a whol
e can
rate
cluster
isexpensive.
relatively
ped
in the
Analysis
at at
Delft
University
of TechGradient
method,
GCR,
GMRES,
various
applications
[8].asFurthermore,
moreComputation:
extensive
on various
theNumerical
Numerical
Analysis
group
Delft
University
of Technology.
Theasynchronous
synchronisation
is group
very
iterative
method
a preconditioner.
Techni
cal discussions
Approach
Using
BSP
and
MPI
.
Oxford
University
Press, 2004.
be
considered
heterogeneous.
Figure
1
shows
the
locations
f
o
the
.posed
The IDR(s)
is
a
highly
efficient
new
subspace
method
method,
which
was
IDR(s)
aspects
of
parallel
scientifi
c
computing
may
be
found
in
the
excellent
book by Rob
IDR method
method
is
a
highly
effi
cient
new
subspace
method
for
solving
large
Figure 2 shows total computing times on the DAS–3 for a realistic
report, Delft University of Technology, Delft, the Netherl ands,
clusters
in
the the
Netherlands,
well as the number of nodes 2008.
ineach
[4] Tijmen
Collignon and Martin
B. van
Gijzen. Solving
testlinear
problem.
Here,
equations per node isfixed
ving
large
nonsymmetric
linear
systems
[9]. of as
DUT report
08–08.
s group
at
Delft3D
University
of
TechBisseling
[9].
ForP.a comprehensive
discussion
on iterative
methodslarforge
solving
nonsymmetric
systems
[3]. number
cluster.
Since
thesize
fivegrows
clusters
arethegeographically
separated, global
sparse
linear
systems
efficiently
on
Grid
computers
using an
so
that
the
total
problem
with
number
of
nodes.
ghly
new subspace
method methods
erentefficient
characteristic
ofsynchronisation
all subspace
is
that
they
have
[5]
Tijmen
P.
Collignon
and
Martin
B.
van
Gijzen.
Fast
iterat
ive
solinear
systems,
the
classic
book
by
Gene
Golub
and
Charles
van
Loan
is
greatly
is verybetween
expensive.
asynchronous
iterative
method as sep
a apreconditioner.
cal
The nodes are divided equally
the five clusters. In this
systems
onthe
geographically
ratedby Henk vanTechni
lutionrecommended
ofl arge sparse
linear as
ear
systems
[9].
number
global
synchronisation
which
makes
them
[10],
well
as
more
recent
book
der
Vorst
Anofinherent
characteristic
ofasynchronous
allpoints,
subspace
methods
is that
they
have for
a large
experiment,
our 2new
preconditioning
h (blue
Figure
shows
total
computing
times
onapproac
the
DAS–3
a realistic
report,
ofTechnolog
Technology,
Delft, the Netherl ands, [11].
clusters. Technical
report,Delft
DelftUniversity
University of
y, Delft,
itable
Grid computing.
Weproblem.
propose
using
asynchronous
bspacetonumber
methods
that
have
of isglobal
synchronisation
points,
makes
them less
lines)
is compared
to
(standard)
synchronous
preconditioning
(red
3D they
test
Here,
theanwhich
number
of equations
persuitable
node the
isfixed
08–08.
Netherlands,2008.
2009. DUT
DUT report
report 09–12.
Theso
results
clearly
thatan
for
largergrows
number
of nodes
(or
ve
method
as aline).
preconditioner
in total
ashow
flexible
subspace
method,
isation
points,
which
makes
The work
presented
here hasand
been
performed
under
supervision
to Grid
computing.
We them
propose
using
asynchronous
iterative
method
as nodes.
that
the
problem
size
with
the number
of
[5] Tijmen
Collignon
Martin
B. van
Gijzen.the
Fast
iterat ive of
so-Martin
[6] Tijmen P. Collignon
and P.
Martin
B. van Gijzen.
Parallel
sc ientific
equivalently,
for a to
larger
problem
synchronous
preconditioning
is vanonGijzen.
The
aresubspace
divided
equally
between
the
five clusters. iscomputing
In thB.
thepropose
preconditioner
allowed
in size),
each
iteration
step.
We
using
anis asynchronous
a preconditioner
in anodes
flexiblechange
method,
where the
preconditioner
loosely
coupled
networks
of
computers.
In
B.
Kosystems
on
geographically
sep
a
rated
lution
ofl
arge
sparse
linear
is outperformed considerably by asynchronous preconditioning.
experiment,
our newstep.
asynchronous
preconditioning
approac
hren(blue
mbining
a slowly
converging
asynchronous
inner
method
and
ner
in a allowed
flexible
and C. Vuik,clusters.
editors, Technical
Advanced report,
Computational
Methods of
in Technolog y, Delft,
tosubspace
change
inmethod,
each
iteration
By combining
a slowly converging
Delft University
lines)outer
is step.
compared
to we
(standard)
synchronous
preconditioning
(red and Engineering,
Science
volume 2009.
71, pages
Springer
synchronous
method,
aim
to
reap
the
dconverging
to change
in
each
iteration
the Netherlands,
DUT79–106.
report 09–12.
asynchronous
inner
method
and
a
fast
converging
synchronous
outer
method,
References
CONCLUDING REMARKS AND FURTHER READING
line). The results clearly show that for larger number of nodes
Berlin(or
Heidelberg,
2010.
[1] Thomas
Sterling, Ewing Lusk, and William Gropp, editors. Beowulf Cluster Computing with
and awards
both
techniques
[4, 5, 6]. of both techniques [4, 5, 6].
gs asynchronous
method
and
we aim of
toinner
reap the
benefits
and
[6] Tijmen
Collignon
Linux.
MIT Press,P.Cambridge,
MA,and
USA,Martin
2003. B. van Gijzen. Parallel sc ientific
equivalently,
for awards
a larger problem size), synchronous preconditioning
[7]
Gene
H.
Golub
and
Charles
Loan. Matrix Computations
Designing
efficient
algorithms
for Grid computingis
a comuter
method,thewe
aim isto
reap numerical
the
nchronising
preconditioning
phase
in this manner
has the preconditioning.
computingF.onVan
loosely
coupled networks of computers. In B. Kooutperformed
considerably
by asynchronous
Johns and Dan Werthimer. SETI@home:
(Johns Hopkins
Studies
in Mathematical
Sciences)
. TheLebofsky,
plex preconditioner
process that bringscan
together
many different
scientific disciplines.
[2] David
Anderson,
Jeff Cobb,
Eric
Korpela,
Matt
renP. and
C. Vuik,
editors,
Advanced
Computational
Methods in
iques
[4,De-synchronising
5,(i)
6].the
age that:
be phase
easily
the preconditioning
inand
thisefficiently
manner
has the advantageHopkins University
Press,
October 1996.
anexperiment
in public–resource
computing. Commun. ACM, 45(11):56–61, 2002.
By using an asynchronous iterative method as a preconditioner in
Science and Engineering, volume 71, pages 79–106. Springer
lised
onthat:
Grid
computers,
(ii)
no
additional
synchronisaing phase
in(i)
this
manner
has
the
the
preconditioner
can
be
easily
and
effi
ciently
parallelised
on
Grid
REMARKS
AND FURTHER
READING
a flexibleCONCLUDING
iterative method,
an algorithm
is obtained
that has the
[8] Frank J. SeinstraBerlin
and Kees
Verstoep.2010.
DAS–3: The distribu ted
Heidelberg,
[3] Peter Sonneveld
and Martin B. van Gijzen. IDR(s): a family of simple and fast algorithms for
oints
arecomputers,
introduced,
and
devoting
thepoints
bulk
ofcluster
the and Gridand (iii)ASCI supercomputer
ioner can
be easily
efficiently
(ii)and
no
additional
synchronisation
are
introduced,
potential
to
reap(iii)
the by
benefits
and awards
of
both
3, 2007. http://www.cs.vu.nl/das3/
.
solving large nonsymmetric linear systems. SIAM J. Sci. Comput., 31(2):1035–1062, 2008.
[7] Gene H. Golub and Charles F. Van Loan. Matrix Computations
computing.
tational
to the
theDesigning
preconditioner,
the computation
to
(ii) nobyeffort
additional
synchronisaefficient
numerical
algorithms
forpreconditioner,
Grid computingis
a comdevoting
bulk
of the
computational
effort
to the
[9]thePeter
Sonneveld and Martin B. van Gijzen. IDR ( s) : a family of
Johns
(Johns
Hopkins
Studies
Mathematical
Sciences)
. The
theto
interested
the
book
by be
Dimitri
Bertsekas
and cantly,
John while
Tijmen
P. Collignon
Martin
B. in
van
Gijzen. Solvingilnear
large
sparse linear
systems
efficiently
plex
process
brings
together
many
different
scientific
disciplines.
unication
ratio For
canthe
be
improved
significantly,
while
reducing
(iii) by computation
devoting
bulk
of reader,
thethat
simple and[4]fast
algorithms
for and
solving
large
nonsymmetric
communication
ratio
can
improved
signifi
on GridHopkins
computersUniversity
using an asynchronous
iterative method
Press, October
1996. as a preconditioner. Technical report,
Tsitsiklis contains
a an
wealth
ofi nformation
on parallel
asy nchronous
By using
iterative
method
as a precondition
er in SIAM
systems.
J.
Sci.
Comput.
,
31(2):1035–1062,
2008.
conditioner,
the
computation
toasynchronous
reducing
the
number
of
expensive
(outer)
synchronisations
considerably.
University of Technology, Delft, the Netherlands, 2008. DUT report 08–08.
iterative algorithms
for
variousmethod,
applications
[2]. Furthe rmore,
more that has the Delft
a flexible
iterative
an algorithm
is obtained
[8] Frank J. Seinstra and Kees Verstoep. DAS–3: The distribu ted
oved significantly,
while
reducing
extensive
discussions
on various aspects of parallel scientific comput- [10] Thomas Sterling, Ewing Lusk, and William Gropp, editor s. Bepotential to reap the benefits and awards of both cluster and
GridCluster
[5] Tijmen
Collignon
Martin3,
B.2007.
van
Gijzen.
Fast iterative solution of large
ASCIP. supercomputer
http://www.cs.vu.nl/das3/
owulf
Computing
withand
Linux.
MIT
Press,
Cambridge,
For a
excellent
book by Rob Bisseling [3].
ing may be on
found
in the
Experiments
the
DAS-3
multi-cluster
computing.
sparse
. linear
systems on geographically separated clusters. Technical report, Delft University of Technology,
MA, USA, 2003.
[9] Peter Sonneveld and Martin B. van Gijzen. IDR ( s) : a family of
Wiskunde
comprehensive
discussion
on iterative methods
for solvinglinear sys-(DAS-3),
Delft, the Netherlands, 2009. DUT report 09–12.
Our target
hardware
isinterested
the distributed
ASCI
Supercomputer~3
thebook
the
book
by
andHenk
John
A. van der simple
Vorst. Iterative
Methods
Large Linear
tems, theFor
classic
by Genereader,
Golub and
Charles
vanDimitri
Loan is Bertsekas
greatly [11]
and fastKrylov
algorithms
forforsolving
large nonsymmetric ilnear
which isrecommended
a cluster
of
fi
ve
geographically
separated
clusters,
located
at
[6] Tijmen
P.University
Collignon
and
B. van Gijzen.
scientific computing
Tsitsiklis
wealth
nformation
on parallel
Press,
2003.
systems. Cambridge
[7], contains
as well asathe
more ofi
recent
book by Henk
van de
r asy nchronous
systems.
SIAM
J.Martin
Sci.Cambridge,
Comput.
, Parallel
31(2):1035–1062,
2008.on loosely coupled
four academic
institutions
in the for
Netherlands
[7]. The DAS-3
is designed
iterative algorithms
various applications
[2]. Furthe
rmore, more networks of computers. In B. Koren and C. Vuik, editors, Advanced Computational Methods in
Vorst [11].
Science
and
Engineering,
volume
71,
pages
79–106.
Springer
Berlin
Heidelberg,
[10] Thomas Sterling, Ewing Lusk, and William Gropp, editor 2010.
s. Beextensive
discussions
on various
aspects
parallel
scien
tific computfor dedicated
computing
and
although
each ofthe
separate
cluster
is
The workparallel
presented
here has been
performed
under
supervi
sion
owulf Cluster Computing with Linux. MIT Press, Cambridge,
excellent
book
by
Rob
Bisseling
[3].
Fo
r
a
ing
may
be
found
in
the
of
Martin
B.
van
Gijzen.
[7]
Frank
J.
Seinstra
and
Kees
Verstoep.
DAS–3:
The
distributed
ASCI
supercomputer
3, 2007.
relatively homogeneous, the system as a whole can be considered heteroMA, USA, 2003.
discussion on iterative methods for solvinglinear sys- http://www.cs.vu.nl/das3/.
geneous. Figurecomprehensive
1 shows the locations
of the clusters in the Netherlands,
tems, the classic book by Gene Golub and Charles van Loan is greatly [11] Henk A. van der Vorst. Iterative Krylov Methods for Large Linear
[8] Dimitri P. Bertsekas and John N. Tsitsiklis. Parallel and Distributed Computation: Numerical
as well as the number of nodes in each cluster. Since the five clusters
University
Cambridge,
2003.Scientific, 1997.
systems.
Cambridge
recommended [7], as well as the more recent book by Henk van de
r Methods.
Prentice–Hall,
Englewood
Cliffs, N.J., Press,
1989. republished
by Athena
are geographically
separated,
global
synchronisation
is
very
expensive.
Vorst [11].
The work presented here has been performed under the supervi
sion
Figure 2 shows total
computing
of Martin
B. van times
Gijzen.on the DAS-3 for a realistic 3D test problem. Here, the number of equations per node is fixed so that the total problem
size grows with the number of nodes. The nodes are divided equally between
the five clusters. In this experiment, our new asynchronous preconditioning
approach (blue lines) is compared to (standard) synchronous preconditioning
(red line). The results clearly show that for larger number of nodes (or equivalently, for a larger problem size), synchronous preconditioning is outperformed
considerably by asynchronous preconditioning.
34
[9] Rob H. Bisseling. Parallel Scientific Computation: A Structured Approach Using BSP and MPI.
Oxford University Press, 2004.
[10] Gene H. Golub and Charles F. Van Loan. Matrix Computations (Johns Hopkins Studies in
Mathematical Sciences). The Johns Hopkins University Press, October 1996.
[11] Henk A. van der Vorst. Iterative Krylov Methods for Large Linear systems. Cambridge University Press, Cambridge, 2003.
Jaargang 14 • Nummer 3 • Maart 2010
Vehicle Routing Problems with
time-dependent travel times
Ester Stegers
Congestion creates a substantial variation in travel speeds during
morning and evening rush hours. This is problematic for all vehicle
routing models that rely on a constant value to represent vehicle speeds.
Darwin’s principle of natural selection. From a population of solutions, a new
generation will be created. Like in the evolution theory, the idea is that the
better solutions will survive. However, there are a lot of other techniques to
handle the VRP.
Problem investigation
Urban route designs that ignore these significant speed variations result in
inefficient, unrealistic and suboptimal solutions. These poorly designed routes
that lead freight vehicles into congested urban traffic, result in some cases in a
waste of valuable time, and customers have to wait unreasonably long without
having any reliable information about the actual arrival times of the vehicles.
In these circumstances, it becomes difficult to satisfy the time windows during
which the customers must be visited. This increases supply chain and logistics
cost.
In order to obtain a more realistic solution for the VRP, a method should
be created that deals with time-dependent travel times. Van Rijswijck [2]
reported on the need for complex optimisation algorithms and the need for
time dependent measurement data. This research focuses on the first. Not
only does the optimisation algorithm need to calculate a low cost feasible
solution, it also has to do this efficiently. Efficiency becomes critical for the
large problems often occurring in a logistics company.
The Vehicle Routing Problem
From a literature review, interesting algorithms are explored to handle the VRP
with time-dependent travel times. It turns out that the evolution strategy is
not so efficient any more. The most promising solution method, a Construction
and Route Improvement Algorithm (CRIA), based on the work of Figliozzi [3] is
chosen for further investigation. The advantage of this method is that improvements are done on route level. In the evolution strategy, local improvement
heuristics are used, where orders will be interchanged. Without timedependencies this is no problem, since interchanging two orders has no effect on the
rest of the route. However, with time-dependencies, the whole route after the
changed order may have been affected and has to be recalculated.
TNO Business Unit Mobility and Logistics has designed a logistics optimisation
model to handle VRPs, called RESPONSE TM. The objective of this model is
first to minimise the number of vehicles and secondly to minimise the total
route durations. The model is based on an evolution strategy proposed by
Homberger and Gehring [1]. The evolution strategy is a technique inspired by
Wiskunde
The Vehicle Routing Problem (VRP) is one of the most challenging combinatorial optimisation problems. It consists of designing the optimal set of routes
for a fleet of vehicles parked at a central depot in order to service a given
set of customers with a fixed demand within given time windows. The VRP
belongs to the category of NP-hard problems, meaning that the computational
effort required to solve this problem increases exponentially with the problem
size in the worst case. A small VRP (up to 100 customers) is solvable with
exact algorithms, but for a large VRP (more than 100 customers) it is desirable
to obtain approximate solutions using heuristics. These methods often give
routes of sufficient quality within reasonable computation time when exact
algorithms are not fast enough.
Solution method
To handle time-dependent travel times, time-zones are introduced, periods
that classify the day (morning rush hours, off-peak hours, evening rush hours).
Every time-zone has its own speeds over the network. Note that the use of 1
time-zone equals using no timedependent travel times. The more time-zones
used, the better the model reflects reality.
35
Jaargang 14 • Nummer 3 • Maart 2010
(a)
(a)
(b)
(b)
(c)
(d)
Figure 1: Solution of a VRP created by the CRIA. a: first solution created by the
Construction Algorithm; b: improvement on the first solution; c: improvement
on the second solution; d: final solution.
The CRIA is integrated with a self developed time-dependent shortest path
algorithm that will be executed during the VRP calculation. Due to varying
travel times, paths (with different distances) may result in a shorter path
(in time) between customers at different times of the day. Using the timedependent shortest path algorithm, these shorter paths may be found. In
practise, this approach allows for the creation of routes that avoid congested
areas during rush hours. No other published work using a similar algorithm is
known to exist. Most researchers execute Dijkstra’s shortest path algorithm
before the start of the VRP calculation using average speeds. The computational complexity of the CRIA is analysed and experimental results indicate that
the computation time increases proportionally to the number of time-zones,
as well as to the square of the number of customers. The use of the timedependent shortest path algorithm gives more realistic solutions, but for large
problems (more than 100 customers and 5 time-zones) the computation time
becomes a critical factor.
Wiskunde
The CRIA integrated with the time-dependent shortest path algorithm is
implemented and tested on one of the Solomon’s benchmark problems (R103)
proposed by Solomon [4]. Figure 1 gives an example of how CRIA finds a solution. A first solution, created by the construction algorithm can be like Figure
1(a), where each coloured line indicates a route. The next step is to take orders
of several routes together and optimise only these orders. As can be seen in
Figure 1(b), the two routes at the bottom remain the same, but the three other
routes are reordered, such that all orders can now be served in merely two
routes. Next, all orders of the two most right routes can be reordered leading
to the more efficient solution shown in Figure 1(c). Finally, improvement of
each individual route is tried, and this gives the final solution as represented
in Figure 1(d).
Results real-life problem urban agglomeration The developed solution method
is also tested on a real-life problem. This problem contains a part of The
Netherlands, i.e., the urban agglomeration that stretches from Rotterdam
to Amsterdam with a surface of about 60 km2. The network contains 1,000
links and the problem contains 1 depot and 35 customers. Because there is no
dynamic traffic data available (yet) that can be read by the model, the travel
36
Figure 2: Results real-life problem urban agglomeration. a: calculated using 1
time-zone; b: calculated using 5 time-zones.
speed variations are simulated. As can be seen in Table 1, the solution method
gives a quite good solution. When the average speed of the single time-zone is
split into five time-zones with peak and off-peak speeds, the solution becomes
better, i.e. less vehicles and less travel time.
Figure 3 gives a visualisation of the solution, by drawing the travelled links.
The preference for highways is clear for the solution created with one timezone as well as for the solution created with five timezones, but for the five
time-zones solution also the avoidance of congested areas can be seen. A part
of the Dutch highways A1 and A4 are avoided and secondary roads, which are
less congested are use.
Conclusions and recommendations
This research shows that when dealing with time dependent scenarios, the
solutions generated by a non time-dependent algorithm may become infeasible. Moreover there is a possibility to find solutions that are better than the
single time-zone solutions. The advantages of the developed solution method
is clear: the possibility to generate good quality solutions of the VRP that
better reflect reality. With the development of the CRIA, it will be easier to
extend the VRP model in other related areas, like optimising for minimal cost
by taking kilometre-pricing into account. When time-dependent measurement
data connected to the developed model becomes available, the model can
be used in practise. Then, by taking into account varying traffic situations,
companies can reduce their logistics cost.
References
[1] J. Homberger and H. Gehring, Two evolutionary metaheuristics for the vehicle routing problem
with time windows, INFOR, 1999.
[2] H. van Rijswijck, Dynamisch netwerk RESPONSETM, TNOReport, TNO Built Environment and
Geosciences, Business Unit Mobility and Logistics, the Netherlands, 2008.
[3] M.A. Figliozzi, A route improvement algorithm for the vehicle routing problem with time dependent travel times, Paper under review for journal publication and also available in the proceedings
of the 88th Transportation Research Board annual meeting, Washington DC, USA, 2009.
[4] M. Solomon, Solomon’s benchmark, http://web.cba.neu.edu/~msolomon/problems.htm, 1983.
Jaargang 14 • Nummer 3 • Maart 2010
Historisch Persoon
Figuur 1: Kurt Gödel, 1962
Supplementair
Kurt Gödel
Michiel van Dam
Kurt Gödel was een Oostenrijks-Amerikaanse logicus, wiskundige en
filosoof, die in de twintigste eeuw een enorme invloed heeft gehad in
de wetenschap en het filosofisch denken. In de tijd dat hij leefde waren
andere wiskundigen het gebruik van logica en verzamelingenleer aan het
verkennen, om daarmee de basis van de wiskunde te kunnen begrijpen.
Ein Österreicher im Exil in der Tschechoslowakei
Kurt Friedrich Gödel werd op 28 april 1906 geboren in Brno, een stad in het
zuiden van Tsjechië, destijds Oostenrijk-Hongarije. Hij was de zoon van Rudolf
en Marianne Gödel en zijn vader was bedrijfsleider bij een textielfabriek. Hij
groeide op met de Duitse taal omdat zijn stad een kleine meerderheid Duitstalige inwoners had. Volgens zijn broer leed Kurt op jonge leeftijd aan reuma,
wat later volledig is genezen. Toch heeft hij altijd gedacht dat er daardoor
blijvende hartschade is ontstaan.
Op het moment dat Oostenrijk-Hongarije ophield te bestaan, aan het einde van
de Eerste Wereldoorlog, werd hij automatisch Tsjecho-Slowaaks staatsburger,
waar hij niet blij mee was. Hij voelde zich als een “verbannen Oostenrijker in
Tsjecho-Slowakije.” (“ein Österreicher im Exil in der Tschechoslowakei”) Toen
hij 23 was koos hij er daarom voor om Oostenrijks staatsburger te worden.
Toen aan het begin van de Tweede Wereldoorlog Oostenrijk geannexeerd werd
door Duitsland, werd hij daarmee automatisch Duits staatsburger, toen hij 32
was. 10 jaar later, na de Tweede Wereldoorlog, werd hij ook nog Amerikaans
staatsburger. Hij trouwde in 1938 met Adele Nimbursky, waar hij geen kinderen
mee gekregen heeft.
theorie, maar nadat hij een cursus van Moritz Schlick gevolgd had, die het boek
‘Introduction to Mathematical Philosophy’ van Betrand Russell behandelde,
raakte hij geïnteresseerd in wiskundige logica.
In 1928 publiceerde Hilbert en Wilhelm Ackermann ‘Grundzüge der theoretischen Logik’, een inleiding tot de logica van de eerste orde, waarin het volledigheidsprobleem aan de orde werd gesteld: Zijn de axioma’s van een formeel
systeem voldoende om daar elke bewering uit af te leiden, die waar is in alle
modellen van het systeem? Dit was het onderwerp dat Gödel koos voor zijn
In zijn jonge jaren stond Kurt bekend in zijn gezin als Herr Warum, vanwege
zijn onverzadigbare nieuwsgierigheid. Van 1912 tot 1916 ging Gödel naar de
Evangelische Volksschule in Brno, een Lutherse school, en van 1916 tot 1924
ging hij naar het Deutsche Staats-Realgymnasium waar hij over de hele linie
uitblonk, in het begin vooral in talen en godsdienst, maar later kreeg hij
meer belangstelling voor geschiedenis en wiskunde. Zijn belangstelling voor
wiskunde nam nog meer toe toen zijn oudere broer Rudolph in 1920 naar Wenen
vertrok om medicijnen te gaan studeren aan de Universiteit van Wenen. Tijdens
zijn tienerjaren bestudeerde Gödel al de Gabelsberger stenografie, Goethe’s
kleurenleer, de kritieken van Isaac Newton en de geschriften van Immanuel
Kant.
Wiener Kreis
Studie
Eenheid
Toen Kurt 18 geworden was, ging hij net zoals zijn broer naar de universiteit
van Wenen, hoewel hij het universitaire wiskundeniveau op dat moment al
meester was. Hij was aanvankelijk van plan om theoretische natuurkunde te
gaan studeren, maar ging ook naar wiskunde- en filosofiecolleges. In de tijd
dat hij daar studeerde verdiepte hij zich in wiskundig realisme, hij las Kants
‘Metaphysische Anfangsgründe der Naturwissenschaft’ en deed mee met de
‘Wiener Kreis’ met Schlick, Hahn en Carnap. Gödel bestudeerde toen ook getal-
De Wiener Kreis was een groep filosofen en wetenschappers die logisch
positivisme of logisch empirisme propageerde. Deze groep hanteerde
hierdoor een tweetal regels:
1.Ervaring is de bron van alle kennis.
2.Logische analyse door middel van symbolische logica is de beste manier
om filosofische problemen op te lossen.
Het belangrijkste en laatste doel van de Wiener Kreis was om de wetenschap te unificeren, een basaal systeem op te zetten waarbinnen elke
geldige uitspraak teruggebracht wordt naar een lager niveau, waarbinnen
die uitspraak direct op ervaring terug te voeren valt. Onderdeel hiervan
was een zoektocht naar verduidelijking en een symbolische taal die niet
onderhevig was aan alle onduidelijkheden van natuurlijke taal.
37
Jaargang 14 • Nummer 3 • Maart 2010
Onvolledigheid
Gödels onvolledigheidsstellingen bouwen op een vrij eenvoudig idee. In
de stelling wordt een formule geconstrueerd die van zichzelf zegt dat
hij onbewijsbaar is. Op het moment dat die stelling bewijsbaar zou zijn,
zou hij zichzelf tegenspreken en een paradox opleveren. Hierdoor weet je
zeker dat de stelling waar is, maar desondanks nooit bewezen kan worden.
Dat vertaalde zich in een meer algemene stelling: voor elke berekenbare
optelbare groep axioma’s voor de rekenkunde, bestaat er een formule die
geldig is in die rekenkunde, maar niet bewijsbaar is.
Principia Mathematica
De Principia Mathematica is een boekwerk over de absolute basis van wiskunde, gepubliceerd door Whitehead en Russel in 1910, 1912 en 1913. Het
probeert alle wiskundige waarheden af te leiden van een gedefinieerde en
beperkte set axioma’s, door middel van inferentie en symbolische logica.
Het bleek echter, dankzij Gödels werk, dat de Principia Mathematica
onmogelijk consistent en compleet tegelijk kon zijn. Er zal altijd een uitspraak zijn die waar is binnen het systeem, maar niet binnen het systeem
bewezen kan worden.
Volledigheid
Supplementair
Desondanks heeft Gödel in zijn ‘volledigheidsstelling’ aangetoond dat
semantische waarheid en syntactische bewijsbaarheid samengaan in
predikaatanalyse van de eerste orde. Dit houdt in dat het mogelijk is om
alle logisch geldige consequenties van een predikaatstelling te vinden,
simpelweg door alle mogelijke afleidingen af te gaan, gebruikmakend
van axioma’s in de theorie. Deze volledigheidsstelling kan bestaan naast
de onvolledigheidsstelling, doordat de onvolledigheidsstelling over de
predikaatstelling zelf gaat en de volledigheidsstelling slechts over alle
logische gevolgen van deze stelling. Alle logische gevolgen zijn dus in dit
geval bewijsbaar, de stelling zelf hoeft dit niet te zijn.
38
promotie in 1929. Hij voltooide zijn dissertatie onder begeleiding van Hans
Hahn. Hierin bepaalde Gödel zijn volledigheidsstelling en hij behaalde hierna
zijn doctorstitel in 1930.
Gödel bleef werken in Wenen, en in 1931 publiceerde Gödel zijn beroemde
onvolledigheidsstellingen in ‘Über formal unentscheidbare Sätze der Principia
Mathematica und verwandter Systeme’. In dat artikel bewees hij voor elk
berekenbaar axiomatisch systeem, dat krachtig genoeg is, dat het systeem
niet tegelijkertijd consistent en volledig kan zijn, maar ook dat de consistentie
van axioma’s niet bewezen kan worden binnen het systeem. Deze stellingen
zorgden ervoor dat een halve eeuw aan inspanningen vergeefs bleken te zijn,
waaronder het werk van Gottlob Frege, de Principia Mathematica van Whitehead en Russel en Hilberts formalisme. Deze stellingen houden ook in dat niet
alle wiskundige vraagstukken berekenbaar zijn.
Gödel behaalde in 1932 zijn habilitatie aan de Universiteit van Wenen, waardoor hij zich vanaf dat moment privaatdocent mocht noemen. In 1933 kwam
Adolf Hitler aan de macht en kregen de Nazi’s steeds meer invloed in Oostenrijk
en bij de Weense wiskundigen. Toen in juni 1936 Moritz Schlick vermoord werd
door een pro-Nazi student, kreeg Gödel een ernstige zenuwcrisis en werd hij
paranoïde. Vanaf dat moment was hij altijd bang om vergiftigd te worden en
verbleef hij een aantal maanden in een sanatorium voor zenuwziekten.
Internationale carriere
In 1933 ging Gödel voor het eerst naar de VS en hield daar een toespraak op de
jaarlijkse bijeenkomst van de American Mathematical Society. Tijdens dat jaar
kreeg hij ook zijn ideeën over de berekenbaarheid en recursieve functies, en
het idee waarheid. Dit werk werd daarna in de getaltheorie verder ontwikkeld,
gebruikmakend van Gödelnummering.
In 1934 gaf Gödel een serie lezingen in Princeton, New Jersey, Over onbeslisbare stellingen van formele wiskundige systemen. Het verslag van die lezingen
bij het Institute for Advanced Study (IAS) is later gepubliceerd. In 1935 wilde
hij nog een keer naar het IAS, maar het reizen en harde werken putte hem
dusdanig uit, dat hij daarna een jaar niet heeft gewerkt, maar uitrustte. In
1937 ging hij verder met zijn college en werkte hij ook aan het bewijs van de
consistentie van het keuzeaxioma en van de continuümhypothese (CH), hij
ging aantonen dat deze hypothesen niet weerlegd kunnen worden binnen het
gebruikelijke systeem van axioma’s van verzamelingenleer.
Gödelnummering
Gödelnummering is een manier om een uniek getal aan ieder symbool of
iedere formule toe te kennen, binnen een formele taal. Aan ieder symbool
wordt een getal toegekend, waardoor elke serie uitspraken gerepresenteerd kan worden als een reeks natuurlijke getallen.
Gödel zelf gebruikte een systeem van Gödelnummering met ontbinding in
priemfactoren. Hij kende aan elk symbool een opeenvolgend getal toe. In
de wiskundige uitspraak nummerde hij de opeenvolgende symbolen met
de priemgetallen, en verhefte die priemgetallen tot de macht van het
getal dat dat type symbool eerder gekregen. Bij a als 1, b als 2 en = als
3, wordt de uitspraak a = b dus 2^1 3^3 5^2, dus 1350. Door ontbinding in
priemfactoren kan de oorspronkelijke berekening teruggekregen worden.
Jaargang 14 • Nummer 3 • Maart 2010
econoom Morgenstern dat ‘zijn eigen werk niet veel meer betekende, maar
dat hij nog alleen maar naar het instituut ging... om het voorrecht te hebben
samen met Gödel naar huis te kunnen lopen.’
Gödel werd in 1947, bij zijn Amerikaans burgerschapsexamen, vergezeld door
Einsten en Morgenstern als getuigen. Gödel had aan hen meegedeeld dat hij
een tegenstrijdigheid in de grondwet had gevonden die ervoor kon zorgen
dat de VS een dictatuur werd. Toen Gödel gevraagd werd of hij dacht dat een
dictatuur zoals het Nazi regime mogelijk zou zijn in Amerika, begon hij zijn
ontdekking uit te leggen, waarmee Einsteins en Morgensterns zorgen over het
onvoorspelbare gedrag van Gödel uit bleken te komen. Gelukkig kende de rechter Einstein, en dus werd Gödel snel de mond gesnoerd en werd er overgegaan
naar andere vragen.
Gödel heeft in 1951 Einstein voor zijn 70e verjaardag de uitwerking gegeven
van het bestaan van paradoxale oplossingen van diens veldvergelijkingen in de
algemene relativiteitstheorie. Dit zou tijdreizen mogelijk maken en hierdoor
ging Einstein twijfelen aan zijn eigen theorie.
Overlijden
Figuur 2: Kurt Gödel en Albert Einstein bij
Princeton
De zomer van 1942 bracht hij door in Blue Hill, in Maine, toen hij bij het IAS
vakantie had opgenomen. Hij had echter een zeer productieve zomer, want uit
zijn werkschriften blijkt dat tijdens het verblijf in Blue Hill Gödel een bewijs
ontdekte voor de onafhankelijkheid van het keuze-axioma vanuit de eindigetype-leer. Het bewijs wordt in zijn werkschriften niet gegeven, maar alleen een
uitgebreide behandeling van het probleem.
In 1946 werd Gödel een vast lid van de IAS en in 1953 kreeg hij een volledig
hoogleraarschap aan het instituut. Tenslotte werd hij in 1976 emeritushoogleraar.
Door zijn werk heeft hij in 1951 de eerste Albert Einstein Prijs gekregen, en in
1974 kreeg hij tevens de National Medal of Science.
Einstein
Bij zijn eerste reis naar de VS leerde Gödel Einstein kennen, en ze ontwikkelden een legendarische vriendschap. Wat er besproken werd tijdens de vele
gezamenlijke wandelingen van en naar het IAS was voor andere leden van het
instituut een geheim. Einstein vertelde aan het eind van zijn leven tegen de
Gödel was zijn hele leven christen. Hij verwierp het idee van een onpersoonlijke God, waar Einstein in geloofde. Hij geloofde in een leven na de dood en
stelde:
“Ik ben overtuigd van een hiernamaals, onafhankelijk van de theologie.
Als de wereld rationeel in elkaar zit, moet er een leven na de dood zijn.”
Supplementair
In 1938 bracht hij opnieuw een bezoek aan het IAS, en het voorjaar van 1939
bracht hij door aan de Universiteit van Notre Dame. Doordat Nazi Duitsland de
titel privaatdocent afschafte, moest Gödel solliciteren naar een andere baan
in de nieuwe orde. Hierbij vermoeilijkte zijn vroegere omgang met Joodse
leden van de Wiener Kreis de procedure, waardoor de universiteit van Wenen
zijn sollicitatie afwees. Het werd nog erger toen het Duitse leger hem opriep
voor militaire dienst. Daarom vertrok Gödel in 1939, kort na het begin van
de Tweede Wereldoorlog, met als bestemming Princeton. Om de blokkades te
omzeilen reisde Gödel via de trans-Siberische spoorweg en Japan naar San
Francisco, en reisde binnen de VS vervolgens per trein door naar Princeton,
waar hij een baan kreeg bij het IAS.
Aan het eind van zijn leven was Gödel geestelijk instabiel en ziek. Zijn paranoïa
had zich ontwikkeld tot een obsessieve angst om vergiftigd te worden en hierdoor at hij niks meer, tenzij zijn vrouw het voorgeproefd had. In 1977 werd zijn
vrouw Adele zes maanden in het ziekenhuis opgenomen, en in die tijd hongerde
Gödel zichzelf dood. Hij overleed op 14 januari 1978 aan ‘ondervoeding en
uitputting’.
39
Arjan Kooistra.
Software engineer Java/J2EE.
Kan niet koken.
Ook zin in een succesweekend
met een privé-kok?
Als je bij Quinity komt werken, werk je mee aan het
ontwikkelen van eBusiness-applicaties. Dat doen
we voor grote, financiële organisaties en met
goede resultaten. En boeken wij succes, dan boek
jij ook succes. Sterker nog: we garanderen je een
carrière waarin je veel successen op je naam kunt
zetten. Ook als je nog maar net bent afgestudeerd.
En om je daarvan alvast te laten proeven, krijg je
van ons een geweldig succesweekend naar keuze
aangeboden als we het met elkaar eens worden.
Kijk meteen op www.werkenbijquinity.nl voor alle
details en mogelijkheden. En ontdek dat je bij Quinity
net zo succesvol kunt worden als je ambities reiken.
Upload meteen je cv.
Quinity zoekt software engineers Java/J2EE, projectleiders, functioneel
ontwerpers en consultants/informatie-analisten. Als je zo’n baan én een
succesweekend wilt, upload dan snel je cv. Ook al heb je nog geen ervaring.
Op www.werkenbijquinity.nl vind je uiteraard ook alle andere informatie en
wetenswaardigheden over een baan bij ons bedrijf.
Quinity B.V. – Maliebaan 50 – Postbus 13097 – 3507 LB Utrecht
Telefoon +31(0)30 2335999
Werken bij Quinity.
Succes gegarandeerd.
Jaargang 14 • Nummer 3 • Maart 2010
CTO TomTom
Rijn Buve
In 1985 was het zover. Er moest een belangrijke keuze worden gemaakt.
Wat zou ik na mijn Gymnasium doen? Afgezien van een grote persoonlijke
interesse in muziek, was ik ook altijd al door techniek gefascineerd en ik
zag hoe computers de wereld zouden veranderen en zelfs nieuwe werelden
zouden kunnen creëren. Mijn keuzepalet van studiekeuzes had ik daarmee
gereduceerd tot Conservatorium of Informatica. Het werd Informatica
Supplementair
Alumnus
Na mijn studie kwam de volgende grote beslissing: wat nu? Zoals ik al eerder
zei, zag ik al vroeg hoe computers niet alleen de wereld zouden veranderen,
maar ook hoe ze eigen werelden zouden kunnen creëren. Tegenwoordig worden
miljoenen mensen meegesleurd door de virtuele 3D wereld van Avatar en
worden miljarden verdiend in de vele werelden die in platforms als de Xbox en
PlayStation huizen, maar 20 jaar geleden kreeg een aantal mensen, waaronder
ikzelf, al kippenvel als ze ”You are in a narrow damp tunnel whose walls are
fungi encrusted. Enter command?” lazen bij het starten van de text adventure Dungeons. Toch kon dat beter. Visueler. Ik ging daarom werken bij een
klein bedrijf in Amsterdam dat destijds zeer geavanceerde 3D programmatuur
ontwikkelde. Drie jaar lang ben ik toen met niets anders bezig geweest dan
“rendering” en tools maken om virtuele werelden te creëren. Totdat onverwacht iets totaal anders op mijn pad kwam.
In 1995 had het bedrijf CMG (later Logica) de opdracht van Rijkswaterstaat
gekregen om de besturingssoftware voor de in aanbouw zijnde stormvloedkering in de Nieuwe Waterweg bij Hoek van Holland te ontwikkelen. Die
stormvloedkering was het sluitstuk van het Deltaplan na de watersnoodramp
in 1953 en was één van de meest prestigieuze softwareprojecten van die tijd,
vooral door de enorm hoge faalkanseisen die eraan werden gesteld. De naam
van het project was: “BOS”: Beslis- en Ondersteunend Systeem van de Stormvloedkeringen in de Nieuwe Waterweg en het Hartelkanaal.
met de stille belofte aan mezelf om toch vooral de creatieve kant daarvan
te bedrijven.
De realiteit van de studie Informatica aan de TU Delft bleek wat anders dan ik
me aanvankelijk had voorgesteld. In plaats van het bezig zijn met computertechniek en programmeren, bestond een groot deel van de studie uit wiskunde
en theoretische informatica: twee vakken die op het eerste gezicht zeer ver
van het destijds zo lonkende toetsenbord afstonden. “Op het eerste gezicht”
zeg ik, want ik weet nog goed hoe docenten als Ruud Sommerhalder en Cees
Witteveen keer op keer hun uiterste best deden deze vakken tot leven te laten
komen bij de daarvoor ontvankelijke student. Probleem-complexiteitsklassen P
en NP, symboolmanipulatie en het ruimte-tijd spanningsveld werden gekoppeld
aan alledaagse situaties en actuele politieke problemen om de stof te kunnen
relateren aan wat minder abstracte zaken dan de doorgaans Griekse symbolen
waarin deze gespecificeerd worden.
Helaas waren de examenresultaten stille getuigen van het feit dat niet alle
studenten hiervoor ook inderdaad even ontvankelijk waren. Vele studenten,
waaronder ik, konden zich verheugen op een zware onvoldoende voor het eerste tentamen, als bleek dat de stof niet alleen gehoord, maar ook nog begrepen
diende te worden. Was dat even pech. Het deed me denken aan de eerste week
van het Gymnasium, waarin ik nog naïef hoopte dat als ik het Griekse alfabet
eenmaal kende, ik ook daadwerkelijk Grieks kon lezen. Toch ging dat werkelijk
begrijpen van de stof me hoe langer hoe meer boeien. Deze docenten waren
buitengewoon intelligent. Er moest toch een reden zijn dat ze erin volhardden studenten dermate abstracte stof bij te willen brengen? En langzaam
aan werd me duidelijk dat echte revolutionaire technische doorbraken vrijwel
altijd gebaseerd zijn op het begrip en de toepassing van deze, soms uiterst
abstracte, basiskennis. Je kunt bestaande oplossingen van problemen vaak
lange tijd incrementeel verbeteren, maar wil je echt een grote stap maken,
dan zul je de basis volledig moeten beheersen om tot nieuwe oplossingen te
komen. Met die mooie gedachte heb ik me de theorie eigen gemaakt en daarna
besloten dat ik me toch vooral wilde toeleggen op de concrete toepassing
ervan. Ik nam compilerbouw in mijn vakkenpakket. Dat bleek later een zeer
gelukkige keuze te zijn.
De projectleider van het BOS-project kende ik goed en ik vond het intrigerend
te horen hoe ze dachten deze klus te gaan klaren. Er was een high-level design
gemaakt en het echte werk, het volledig op detailniveau ontwerpen en bouwen
van alle subsystemen kon bijna beginnen. In het hart van het systeem was een
interpreter bedacht, voor een taal die nog ontworpen moest worden. En hoewel
dit nog van voor de tijd van Java en virtual machines was, leek het concept
er achteraf gezien wel een beetje op. Deze nieuwe taal voor de besturing van
de kering, de “Procedure scripttaal” genaamd, diende twee doelen. Ten eerste
was het op dat moment nog niet bekend hoe de exacte procedures en draaiboeken voor het sluiten en openen van de keringen eruit zouden zien. Daar zou
Rijkswaterstaat nog zeker anderhalf jaar voor nodig hebben. En ten tweede
waren de faalkanseisen aan de besturingssoftware zo hoog, dat gemeend werd
dat men deze procedurescripts in een taal zou moeten kunnen specificeren
die inherent veiliger is dan talen als C of C++. Er was alleen één probleem. Ze
hadden nog niemand voor het projectteam kunnen vinden, die een dergelijk
taal kon ontwerpen en bouwen. De eerdere keuze voor het vak compilerbouw
kwam me nu goed van pas en ik besloot de uitdaging aan te gaan. Zowel het
ontwerp van de nieuwe taal als het ontwerp en de bouw van de compiler, de
Figuur 1: 3D Rendering
41
Jaargang 14 • Nummer 3 • Maart 2010
Tijdens dit project, en later tijdens een vergelijkbaar project voor de vernieuwing van de besturing van de stormvloedkering Oosterschelde in Zeeland, werd
voortdurend duidelijk hoe belangrijk het is om bij kritieke software ontwikkeling niet alleen te letten op de functionaliteit van het systeem (“wat moet
het doen?”), maar ook vooral op de niet-functionele aspecten van het systeem
(“hoe goed moet hij het doen?”). En dat geldt ook bij minder kritieke software.
Immers, tijdens de life cycle van een systeem wijzigen de functionaliteiten
die het systeem moet bieden doorgaans veel vaker dan de eisen die aan de
kwaliteit van het systeem worden gesteld.
Figuur 2: Stormvloedkering Oosterschelde
interpreter (die feitelijk de taak van virtual machine op zich nam) en later een
debugger werden mijn deel in dit mission critical systeem. En dat werd een
zeer leerzaam traject.
Supplementair
Bij de ontwikkeling van het BOS-systeem draaide alles om faalkansen. Een
belangrijke politieke afweging voor wel of geen kering, was destijds ofwel te
kiezen voor het verzwaren van de dijken over vele tientallen kilometers lengte,
met alle kosten en landschapsvervuiling die daarmee gepaard zouden gaan,
ofwel het bouwen van een stormvloedkering met gelijkwaardige beschermingseigenschappen voor het achterland. In Nederland bouwen we al eeuwen dijken
en alle veiligheidsaspecten van dijken zijn tot in de puntjes gespecificeerd.
Een dijk in Nederland heeft een faalkans van 1 op 1.000. Dat wil zeggen dat op
elke 1.000 stormen (van een welgedefinieerde sterkte), een dijk maximaal eenmaal kan bezwijken. Bij een geschatte frequentie van optreden van dergelijke
stormen van eens in de 10 jaar, komt dat neer op maximaal één dijkbreuk in
10.000 jaar. Dat was dus ook het uitgangspunt voor de veiligheid en de faalkans
van de stormvloedkering.
De stormvloedkering bestaat uit veel, en vooral grote en imposante hardware,
zoals de enorme kerende wand, de armconstructies en het kogelgewricht waar
de arm om scharniert. Maar daarnaast bestaat hij dus ook uit software. De
faalkans van de kering moest derhalve verdeeld worden over deze twee aspecten van het systeem, hardware en software, die beide de betrouwbaarheid
beïnvloeden. Faalkanstechnisch geldt dat twee seriegeschakelde componenten
gezamenlijk een faalkans hebben die een orde slechter is dan de faalkans elk
component afzonderlijk. Hierdoor werd gesteld dat zowel de hardware als de
software aan een faalkans moest voldoen die nog een orde hoger was: 1 op
10.000 dus, wat neerkomt op een betrouwbaarheid van 99,99%. Maar daarmee
was men er nog niet voor de software. Want deze bevat zowel een component
die de kering sluit in geval van storm, als een component die hem weer opent,
als de storm voorbij is. En falen de kering te openen na een storm is nog erger
dan deze niet te kunnen sluiten. Door de kering niet tijdig weer te openen zou
het achterland namelijk alsnog vollopen, maar dan met zoetwater, waarna de
kering het uiteindelijk zou begeven en het achterland onbeschermd zou laten
liggen voor een volgende storm. De faalkans voor dit scenario werd daarom
aangescherpt en gesteld op 1 op 100.000, oftewel een betrouwbaarheid van
99,999%, vergelijkbaar met eisen aan software voor kerncentrales en de Space
Shuttle.
42
Een andere belangrijke les was hoe je software betrouwbaar en voorspelbaar
binnen budget kunt ontwikkelen. Hoe weet je of een systeem inderdaad zo
betrouwbaar is als geëist werd? En hoe voorkom je dat je eindeloos blijft testen
bent om dat te halen of aan te tonen? Bij “normale” faalkansen kom je een
aardig eind met uitgebreid testen, maar bij een systeem met een betrouwbaarheid van 99,999% is dat per definitie onmogelijk. Dat zou veel te veel testtijd
vergen. De crux ligt dan in het voorkomen van het injecteren van problemen in
het systeem door het toepassen van zeer strikte ontwikkelprocessen. Verificatie en formele validatie van het ontwerp spelen daarin onder meer een belangrijke rol. Zo is het ontwerp van het BOS systeem gespecificeerd in ongeveer
2.000 regels Promela en 20.000 regels Z, zeer compacte valideerbare formele
talen. Deze specificatie werd uiteindelijk handmatig, aan de hand van strikte
vertaalregels, omgezet in ongeveer 600.000 regels C++ code, met vrijwel 100%
testcoverage van alle code. Zo konden we uiteindelijk de zo belangrijke basiskennis van herschrijfsystemen en verzamelingenleer toepassen in het behalen
van de betrouwbaarheid van de software voor de stormvloedkering.
Tegenwoordig ben ik nog steeds met software architectuur en ontwikkelprocessen bezig, maar nu op een totaal ander vlak. Bij TomTom maken dagelijkse
miljoenen mensen gebruik van onze navigatiesystemen, navigatie gerelateerde
diensten en location based services. En die diensten moeten niet alleen zeer
betrouwbaar zijn, voortdurende innovatie is ook ongelofelijk belangrijk. Als
een van de grootste en meest vernieuwende navigatiebedrijven ter wereld,
moeten we niet alleen inspelen op wensen uit de markt, we moeten op de markt
vooruitlopen. Ook hier wordt weer teruggegrepen op die abstract basiskennis,
in dit geval om methoden te ontwikkelen om aan de hand van de enorme hoeveelheid informatie, zoals anonieme GPS posities, die we ontvangen van miljoenen gebruikers, nieuwe nuttige en aantrekkelijke diensten te ontwikkelen.
Een mooi voorbeeld daarvan is HD Traffic: de beste verkeersdienst ter wereld.
Onze systemen genereren op basis van bewegingen van TomToms en miljoenen
mobiele telefoons real-time verkeersinformatie. Een ander voorbeeld is IQ
Routes: een zeer complex systeem dat de triljarden snelheidsmetingen, die
we in de loop der tijden verzameld hebben, gebruikt om voor iedere steegje,
straat of weg ter wereld te bepalen hoe snel daar op ieder tijdstip van elke
weekdag gereden wordt, of zal worden; statistisch bepaald en door het enorme
aantal datapunten zeer betrouwbaar. Met die informatie kunnen we zelfs daar
waar geen real-time verkeersinformatie voorhanden is, toch zeer betrouwbaar
de beste routes bepalen en het verkeersbeeld voorspellen, niet alleen nu, maar
ook over een paar uur of een aantal dagen.
Het kunnen beschikken over dergelijke informatie en het bij TomTom mogen
bouwen aan systemen die daar gebruik van maken, heeft voor mij weer een
hele nieuwe wereld van mogelijkheden geopend. Al met al is mijn keuze voor
Informatica een mooie geweest. Muziek blijft mijn dierbare hobby.
Achtergrond: GPS posities (1 pixel = 1 datapunt), TomTom
Jaargang 14 • Nummer 3 • Maart 2010
Jaargang 14 • Nummer 3 • Maart 2010
Stage bij de Schotten
Supplementair
Reizen tijdens je studie
Marjon Ruijter
Vorig jaar heb ik van eind juli tot begin november stage gelopen in Glasgow,
Schotland. Dat was een hele leuk tijd en het was een bijzondere ervaring om
zomaar een aantal maanden ergens anders te wonen en te leven. Ik zal jullie
vertellen over mijn belevenissen en hoop jullie daarmee aan te moedigen om
ook een deel van je studietijd in het buitenland door te brengen. En dat hoeft
niet per se Glasgow te zijn hoor, er zijn genoeg stagemogelijkheden over de
hele wereld!
Dat ik stage wilde lopen in het buitenland stond voor mij al langere tijd vast.
Ruim een half jaar voordat het zover was ben ik begonnen met me te oriënteren.
Stagecoördinator Jan de Vries wist precies te vertellen wat de mogelijkheden
waren en wie waar contacten heeft. Hij vertelde me dat Hans van der Weide
contact heeft met Tim Bedford van de University of Strathclyde in Glasgow. Dat
sprak me aan en een stageplek was via Hans met één mailtje geregeld.
Begin augustus zou mijn stage beginnen. Daarvoor ben ik met mijn vriend twee
weken op vakantie geweest in Schotland om het land beter te leren kennen.
Nadat we waren aangekomen in Glasgow kon ik wat spullen droppen bij m’n
stageafdeling. Zo had ik alvast kennis gemaakt met de universiteit en stad waar
ik 3,5 maanden zou blijven.
en Mull zijn geweest, waar we hebben gewandeld en gefietst. In het pittoreske
vissersstadje Tobermory staat een van de vele whiskydistilleerderijen van
Schotland, waar we een korte rondleiding en kleine proeverij (om 12 uur ‘s
middags) hebben gehad.
Gedurende de zomer worden er, verspreid over Schotland, vele Highland games
georganiseerd. Dit is een echte aanrader om heen te gaan. Wij zijn naar de
Highland Games in het dorpje Taynuilt geweest. Hier waren onder andere
Highland dansen, hamerwerpen, steenstoten en boomstam gooien te zien.
Alle mannen natuurlijk in geruite kilt en met op de achtergrond de hele dag
doedelzakmuziek!
Na twee weken zijn we terug gegaan naar Glasgow. Deze grote stad vormt
een groot contrast met het dunbevolkte noordelijke Schotland dat we hebben
gezien.
Boomstammen gooien
Glasgow is de grootste stad van Schotland. Het is een oude industrie- en handelsstad, maar de laatste jaren is er veel gerenoveerd en is het meer toeristisch
geworden. Heel veel musea en kerken in Glasgow zijn gratis te bezichtigen en
verder kun je heel vaak studentenkorting krijgen. Een greep van wat er aan
toeristische dingen te zien is: de Barony Hall, het oudste huis van Glasgow
Provand’s Lordship, St Mungo’s Museum of Religious Life&Art, een horrorfilmachtige Necropolis (begraafplaats), de Glasgow Cathedral, het veel te grote
Kelvingrove Art Gallery & Museum en de stiekem veel mooiere gebouwen van de
University of Glasgow (de andere grote universiteit van Glasgow).
Maar als je naar Schotland gaat, kom je niet echt voor de steden, maar meer
voor het landschap van de Highlands. We zijn met de trein naar het kleine
stadje Oban gegaan, aan de westkust van Schotland. Het openbaar vervoer is
buiten de steden een stuk beperkter dan in Nederland, maar je kunt een heel
eind komen. Vlakbij Oban zijn verschillende eilanden, waarvan wij op Kerrera
43
Jaargang 14 • Nummer 3 • Maart 2010
En toen begon mijn stage aan de University of Strathclyde, aan het Management
Science department. Ik heb hier gewerkt aan twee verschillende opdrachten.
De eerste maand was ik bezig met een opdracht over de onderhoudskosten
van vliegtuigen en helikopters, dit was vooral statistiek. Ik heb regressiemodellen voor de onderhoudskosten onderzocht en gekeken wat de invloed is
van variabelen zoals gewicht, complexiteit en bouwjaar. De tweede opdracht
ging over stoombuizen die gebruikt worden bij de stroomopwekking van een
energiebedrijf. Ze willen beter inzicht krijgen in hoe vaak en wanneer bepaalde
buizen kapot gaan en hier betere voorspellingen over doen, reliability and
maintenance dus. Ik heb een soort vooronderzoek gedaan en heb informatie
verzameld over modellen en processen om de toestand van de buizen te
beschrijven. Er kwam hier wel minder wiskunde bij kijken dan bij m’n eerste
opdracht. Het was erg toegepast, ik moest rekening houden met wat het bedrijf
zou willen en het wiskundig niet te moeilijk voor ze maken. Wel wat anders
dus dan wat ik meestal bij de studievakken te zien krijgen en daarom ook wel
interessant.
De kamer op mijn afdeling deelde ik met twee promovendi. De promovendi en
afstudeerders daar doen regelmatig dingen samen. Zo gaan ze bijna iedere week
een keer naar de bioscoop en we zijn een aantal keer uit eten geweest of naar
een pub. Het was een echte “vrouwenafdeling”, wel iets anders dan ik in Delft
gewend ben, maar erg leuk. Zo gingen we met de meiden tijdens de National
Chocolat Week lekker chocoladetaart eten en een romantische komedie kijken.
Meestal lunchten we ook samen. Het was erg leuk om te zien hoe verschillend
iedereen luncht. Een Hollandse lunch met brood is wel erg simpel eigenlijk en
het kruidige warme eten van de Thaise Noh rook veel lekkerder.
Voor internationale studenten werden er regelmatig activiteiten in het
weekend georganiseerd. Daarnaast wordt er iedere woensdagavond een pub
uitgekozen om elkaar te ontmoeten. De eerste weken dat ik er was, was het
collegejaar nog niet begonnen en waren we met ongeveer 30 studenten. Maar
toen het collegejaar begon waren er maar liefst 500 studenten. Dat maakte het
erg makkelijk om veel mensen te leren kennen.
Supplementair
Eén van de trips die ik met de internationale studenten heb gemaakt was naar
de opening van het Edinburgh Fringe Festival. Edinburgh is dus hoofdstad van
Schotland en er zijn gedurende de zomer veel grote festivals, de Fringe is de
grootste daarvan. Tijdens dit bijna vier weken durende festival zijn overal op
straat artiesten te vinden, goochelaars, dansers, acrobaten, karikaturisten,
muzikanten, … Dat was heel speciaal en de stad was daardoor ook erg gezellig.
De week daarna was er in Glasgow een groot festival: de hele week was er
het International Piping Festival, inclusief de World Pipe Band Championships
2009, oftewel een heel groot Doedelzak-festival! Nu denk je misschien “International? Ik dacht dat de doedelzak alleen in Schotland voorkomt.” Maar dat
blijkt niet zo te zijn, daar kwam ik ook achter toen ik naar het Nationale
Doedelzak Museum ging. In de stad, met name op het plein George Square,
waren de hele week optredens te zien en ook op de campus van de universiteit
werd overal muziek gemaakt!
Accommodatie in Glasgow moest ik zelf regelen, maar dat is gemakkelijk
gegaan. De eerste vier weken kon ik terecht op de studentencampus. Dat was
ongeveer 5 minuten lopen naar m’n stageplaats, maar het waren wel ongeveer
100 traptreden op en af. De universiteit ligt op een heuvel en daar moest ik
overheen. Op een aantal steile heuvels na is de stad verder redelijk vlak. Na die
vier weken kon ik voor de rest van mijn verblijf terecht bij een andere studentenaccommodatie. Deze lag niet in het centrum van de stad, maar er reden veel
bussen naar toe. En met mijn mountainbike, die ik op een beetje rare bazaar
had gekocht voor 20 pond, was het ook goed te doen. Eerst woonden we er met
z’n drieën, later met 6 internationale studenten. Naast mij twee studenten uit
Litouwen, twee Duitse wiskundestudenten en een meisje uit Slowakije. Vanuit
44
Huisgenoten
mijn kamer kon ik het rugbystadion van de Glasgow Warriors zien. Met twee
rugbyfanaten van m’n afdeling ben ik naar een wedstrijd geweest. Als er een
wedstrijd was kon ik de supporters altijd goed horen, het was leuk om het ook
een keer gezien te hebben.
In Delft ben ik lid bij een hardloopvereniging en ik had snel uitgezocht dat er
ook een leuke studenten-hardloopvereniging in Glasgow is. In de stad kwamen
we altijd veel stoplichten tegen, maar eenmaal bij de rivier of het Glasgow
Green Parc aangekomen viel het verkeer mee. Iedere zaterdag werd er in een
ander park een hardloopwedstrijd georganiseerd. Daar heb ik een paar keer aan
gedaan. De eerste keer werd ik als Nederlander gewaarschuwd dat het parcours
wel erg heuvelachtig zou zijn, het is daar nou eenmaal niet zo vlak als bij ons.
Glasgow ligt op ongeveer een uur vliegen van Nederland. Zo konden mijn ouders,
Jeroen en drie vriendinnen uit Delft makkelijk een weekend langs komen. Zij
hadden lekker stroopwafels en drop meegenomen, die ik ook had uitgedeeld op
mijn afdeling. De stroopwafels vielen in de smaak, maar drop vonden enkelen
vies en medicijnachtig smaken. Met Lieke, Annegreet en Dorien hebben we een
bustour naar de Highlands gemaakt. Via Loch Lomond en Fort William reden we
naar het beruchte Loch Ness. Tijdens een boottocht hebben we Nessie helaas
niet gezien, wel apart om te zien hoe dat monster het toerisme daar zo heeft
doen opbloeien.
De Schotten hebben een mooi accent, wat het wel eens lastig maakte om te
communiceren. Vooral buschauffeurs en mijn hardlooptrainster daar kon ik
moeilijk verstaan. Op de universiteit en met studenten gaf dit gelukkig geen
problemen.
Het laatste wat ik kwijt wil over Schotland is dat de mensen er bijzonder
vriendelijk en behulpzaam zijn. Als je met een kaart op straat staat om de
weg te vinden, word je spontaan geholpen. En bij een Ceidlidh-avond (Schotse
volksdans) wordt je gewoon de dansvloer op meegenomen en worden de pasjes
geleerd. Mijn tijd in Glasgow is snel voorbijgegaan en ik zal er nog vaak aan
terug denken.
Symposium
Tuesday 27 April 2010
MustSee - Delft
10:00 - 18:00
Distributed systems
P2P
Cryptology
Law and Privacy
Lunch & Drinks included
More information & Registration at
symposium2010.nl
Cloud your Identity,
Distribute your Life
Quantum Cryptography &
Identity Access Management
Siemens
OV-chipkaart Beveiliging & Privacy
Brenno de Winter
Secure Multi-party Computations
Prof. dr. R. Cramer
Angle: 4th generation P2P
Dr. Ir. J.A. Pouwelse
Pseudonimisering van Persoonsgegevens
Prof. dr. E.R. Verheul
RFID Guardian
Dr. M. Rieback
Computations on Graphics, Game &
Intel multi-core processors
Prof. dr. W.P. Petersen
Policy Laundering
Jérémie Zimmermann
And more...
Become part of a
learning adventure
SHAPING
leading-edge technology
THALES NEDERLAND
Toonaangevend in de sectoren Defence en Security. Met
circa 2.000 gedreven medewerkers de topaanbieder van
hightechbanen. Onze primaire focus is het innoveren van
onze producten en het ontwikkelen van de nieuwste
technologieën. Spraakmakende voorbeelden van onze cutting
edge technologieën zijn radar-, communicatie- en command &
controlsystemen voor marineschepen en communicatie-,
beveiligings- en betaalsystemen voor het bedrijfsleven.
Thales Nederland (hoofdkantoor in Hengelo) is onderdeel
van de internationale Thales Group.
OuR cAREER fEATuRES
EATuRES
HiGHTEcH
Je werkt aan unieke en zeer complexe producten.
By courtesy of Royal Schelde Group
MuLTiDiScipLiNAiR
Je werkt als specialist in gevarieerde, multidisciplinaire teams.
iNTERNATiONAAL
Je werkt voor opdrachtgevers over de hele wereld door
systemen te ontwikkelen, te verkopen, te installeren, te testen
en te onderhouden.
DyNAMiScH
Je werkt in de dynamiek van de multinational Thales.
Onze vestigingen vind je overal ter wereld. Je internationale
doorgroeikansen dus ook.
uiTDAGEND
Je werkt aan je persoonlijke ontwikkeling in een omgeving
die je constant uitdaagt.
EMbARk
ON A Engineer
THALES ADvENTuRE
iN
“Als Software
bij Thales in binnenen buitenland
THE
NETHERLANDS
werken aan uiteenlopende projecten op software- en hardHeb
je een
afgeronde
opleiding in Informatica,
Elektrotechniek,
ware
gebied.
In multidisciplinaire
teams ontwikkel
je
Technische
Natuurkunde,
of
vergelijkbaar
dan
kan jouw &
applicaties voor radar-, communicatie- en command
loopbaan
zich in verschillende
richtingen ontwikkelen.
controlsystemen
voor marineschepen.
Uiterst geavanceerde
Bijvoorbeeld
een bij
specialistische
functie als
Software toepast.”
Engineer,
producteninwaar
je de allernieuwste
technieken
Radar
Engineer, System
Engineer
of Software Architect.
Erik Schepers,
Software
Engineer.
Ambieer je een Managementfunctie dan is je volgende
carrièrestap
Projectover
Manager,
Manager
of
Meer weten
een Commercial
functie binnen
Software
Program
Manager bij
metThales?
mogelijk een doorgroei naar
Engineering
Executive Management.
Mail dan naar [email protected] of kijk
op www.thalesgroup.com/netherlands. Daar tref je
tevens meer dan 100 stage- en afstudeeropdrachten.
Direct solliciteren kan ook door je brief en cv te zenden
Apply
away
naarstraight
Thales Nederland
t.a.v. Recruitment, Postbus 42,
Thales
komt
in contact
met
jou@om
samen jouw mogelijk7550
GD graag
Hengelo
of e-mail:
jobs
nl.thalesgroup.com
heden te bekijken en je carrièrepad uit te stippelen. Ook bieden
wij studenten met een technische achtergrond meer dan 100
uitdagende stage- en afstudeeropdrachten. Vraag onze gids aan
of bezoek onze website. Je kunt daar ook solliciteren.
www.thalesgroup.com/netherlands
Tactical Display Area
(TDA)
Onderdeel van de user interface.
Geeft een grafische weergave
Worldwide:
with 68.000
(in 2D of 3D) van de omgeving.
Toont
met
iconen
schepen,
employees, a waar
presence
in
vliegtuigen, onderzeeërs et
50
countries,
Thales is a
cetera
zich bevinden.
global leader in aerospace,
defence and security.