Tietokonemallinnuksen, simuloinnin, optimoinnin ja tiedonhallinnan avulla voidaan merkittävästi vähentää kalliiden kokeiden tarvetta. Tietotekniikan kehityksen ansiosta laskennallisen tieteen merkitys kasvaa jatkuvasti, ja se on tunnistettu kilpailutekijäksi Yhdysvalloissa, Euroopassa, Kiinassa ja Japanissa.
Laskennallisen tieteen avulla on saavutettu lukuisia tutkimuksellisia läpimurtoja, kuten esimerkiksi ihmisen perimän selvittäminen geeniperimän selvittäminen, globaalin ilmastonmuutoksen mallintaminen, epidemioiden mallintaminen ja toimenpidesuunnittelu sekä uusien nanoteknologisten rakenteiden suunnittelu. Soveltamiskohteita löytyy kosmologiasta lääketieteelliseen kuvantamiseen ja kielitieteestä matkapuhelinten suunnitteluun.
1. Ilmiön mallinnus
Aluksi tutkittavasta ilmiöstä muodostetaan malli. Useimmiten mallin määrittelyyn käytetään jonkin tyyppistä matemaattista esitystapaa. Malli sisältää kuvauksen esimerkiksi ilmiöön sisältyvien eri osasten vuorovaikutuksista sekä tutkimuskohteen rakenteesta.
Mallinnuksessa käytetyt menetelmät vaihtelevat suuresti eri sovelluksissa ja eri tiedealoilla. Mallinnustehtävä voi myös sisältää osatehtäviä, jotka täytyy ratkaista erillisinä.
Mallin pohjana käytetään useimmiten teoreettisesta tai kokeellisesta tutkimuksesta peräisin olevaa tietämystä ja dataa. Lähtötietoina voi olla esimerkiksi mitattua tietoa kemiallisten yhdisteiden ominaisuuksista. Tarvittavia tietoja löytyy esimerkiksi kemian tietokannoista. Tältä pohjalta voi luoda mallin, joka pyrkii kuvaamaan mitattua tietoa.
Mittauksiin palataan myös vaiheessa 6, jolloin on tarpeen varmistaa mallin antamat tulokset kokeiden avulla.
2. Ratkaisumenetelmän kehitys
Jos tehtävälle ei ole olemassa valmista ratkaisumenetelmää, joudutaan menetelmä suunnittelemaan. Apuna voi käyttää esimerkiksi numeerisen lineaarialgebran operaatioita tai tietojenkäsittelytieteen kehittämiä algoritmeja.
Ratkaistavana tehtävänä voi olla esimerkiksi verrata omaa tietoa eri tietokantojen sisältämiin tietoihin. Tämän tehtävän ratkaisemiseksi tarvitaan hakualgoritmeja, joilla eri lähteiden tietoja voidaan mielekkäästi verrata ja yhdistellä.
Toisen tyyppinen esimerkki on insinööritieteiden mallinnustehtävät, joissa esiintyy usein monifysikaalisia ilmiöitä. Malli voi sisältää esimerkiksi sähkömagnetiikkaa yhdistettynä virtausten ja rakenteiden välisiin vuorovaikutuksiin. Tällaisen tehtävän ratkaiseminen voi vaatia uusien menetelmien kehittelyä.
3. Ratkaisumenetelmän toteutus
Jos käytettävissä on luotettava ja tehokas ratkaisumenetelmä, joka on toteutettu joko ajettavana ohjelmana tai lähdekielisenä ohjelmakoodina, kannattaa sitä käyttää. Jos ratkaisumenetelmää ei ole valmiiksi ohjelmoitu tai valmista ohjelmakoodia ei ole mahdollista käyttää, täytyy menetelmä toteuttaa itse ohjelmoimalla.
4. Ilmiön tutkiminen tietokoneessa
Vaiheiden 1-3 jälkeen käytössä on ohjelma, jolla tutkittavaa ilmiötä voidaan tarkastella tietokoneessa. Tässä vaiheessa voi käydä ilmi, että malli on väärä, ratkaisumenetelmä on epäluotettava tai tehoton, tai ohjelma ei toimi oikein. Virhetilanteissa voi olla syytä kysyä neuvoa ohjelman kehittäjältä, numeeristen menetelmien asiantuntijoilta tai verrata tuloksia muualla julkaistuihin.
Jos tietokoneen teho ei riitä, voi olla syytä muuttaa mallia helpommin ratkaistavaksi tai ratkaisualgoritmia tehokkaammaksi. Myös rinnakkaislaskennasta voi olla apua hyvin suurten tehtävien ratkaisemisessa.
5. Tulosten esitys
Tietokoneella löydettyjen tulosten esittämiseen voidaan käyttää monenlaisia tekniikoita, jotka perustuvat usein tilastotieteen menetelmiin tai graafiseen esitystapaan.
Tietokonepohjaisen visualisoinnin avulla saatua mallia ja taustalla olevaa dataa voidaan verrata keskenään. Mahdollista on myös tehdä animaatio tietokonesimulaatiossa lasketuista arvoista. Tällöin ilmiön käyttäytymistä voi tarkastella ajan funktiona.
6. Tulosten tulkinta ja arviointi
Kun mallin antamat tulokset on saatu, on niitä verrattava mittaustuloksiin ja aiemmin julkaistuihin tuloksiin, jotta tulosten oikeellisuus saadaan varmistettua. Tässä vaiheessa saatetaan havaita, että mallia ja ratkaisumenetelmää on parannettava, jotta tulokset saadaan vastaamaan asetettuja vaatimuksia.
