---
title: "इंजीनियरी और प्रौद्योगिकी · सिमुलेशन · सिमुलेशन परिकल्पना"
url: https://simulation-hypothesis.com/hi/simulations/engineering
description: "पंखों पर हवा का प्रवाह, भार के तहत संरचनाएँ, निर्माण से पहले चिप, और बनने से पहले रोबोट। लोग सचमुच जो सिमुलेशन चलाते हैं, उनके वर्गीकरण का एक हिस्सा।"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, सिमुलेशन परिकल्पना (simulation-hypothesis.com)"
---

[सिमुलेशन](https://simulation-hypothesis.com/hi/simulations)18 में से क्षेत्र 9

# इंजीनियरी और प्रौद्योगिकी

पंखों पर बहती हवा, भार के तहत संरचनाएँ, बनने से पहले चिप, और बनाए जाने से पहले रोबोट।

आज बिना पहले सिमुलेट किए लगभग कुछ भी नहीं बनता। पिछले पचास सालों में सिमुलेशन ने ज़्यादातर भौतिक प्रोटोटाइपों की जगह ले ली है। सबसे पुराना रूप, भौतिक पैमाना-मॉडल, आज भी इस्तेमाल में है।

## प्रवाह

### वायुगतिकी

पंखों, कारों, इमारतों और पवन टर्बाइनों पर बहती हवा।

वह सवाल जिसका यह जवाब देता है: कितना ड्रैग, कितनी लिफ़्ट, और प्रवाह कहाँ अलग होता है?

छोड़ता है: टर्बुलेंस मॉडल किया गया है, हल नहीं किया गया, इसलिए बारीक पृथक्करण का ब्योरा अनुमानित है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय या कंपनी का HPC क्लस्टर, प्रति मामला कुछ दिन तब से: 1962 हेस और स्मिथ की विमान आकृतियों के लिए पैनल विधि

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### टर्बुलेंस

विक्षोभी प्रवाह का हर भँवर सीधे सुलझाया जाता है, सबसे बड़े घुमाव से सबसे छोटे तक।

वह सवाल जिसका यह जवाब देता है: टर्बुलेंस असल में क्या कर रहा है, ताकि सस्ते मॉडल उसका अनुमान लगा सकें?

छोड़ता है: मामूली रेनॉल्ड्स संख्याओं तक सीमित; असली प्रवाह सबसे बड़ी मशीनों से भी आगे निकल जाते हैं।

इस पर चलता है: लगभग 10^17 FLOPS मोटा अनुमान राष्ट्रीय सुपरकंप्यूटर, कुछ हफ़्तों के लिए बड़ा हिस्सा तब से: 1972 ऑरसैग और पैटरसन का पहला 3D प्रत्यक्ष संख्यात्मक सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### भौतिक पैमाने वाले मॉडल

विंड टनल, तरंग टैंक, नदी मॉडल और हिलाने वाली मेज़ें: सबसे पुराने सिमुलेशन, जो आज भी संख्यात्मक सिमुलेशनों को जाँचने के काम आते हैं।

वह सवाल जिसका यह जवाब देता है: क्या असली प्रवाह वही है जिसका कंप्यूटर ने अनुमान लगाया था?

छोड़ता है: पैमाने के प्रभावों का मतलब है कि छोटा मॉडल हमेशा पूरे आकार की चीज़ जैसा व्यवहार नहीं करता।

इस पर चलता है: कोई कंप्यूटर नहीं। कोई डिजिटल कंप्यूटिंग नहीं; इसकी जगह असली हवा, पानी या हिलने वाली मेज़ तब से: 1871 फ़्रैंक वेनहैम ने पहली पवन-सुरंगों में से एक बनाई

[भौतिक एनालॉग](https://simulation-hypothesis.com/hi/simulations/methods#m-analogue)न्यूनतम परत: क्षेत्र

### कैविटेशन सिमुलेशन

तेज़ बहते तरल में, जहाज़ के प्रोपेलरों, पंपों और वाल्वों के आसपास, हिंसक रूप से बनते और ढहते बुलबुले।

वह सवाल जिसका यह जवाब देता है: यह प्रोपेलर या पंप कहाँ गुहिकायन से घिसेगा, और हम उसके आसपास डिज़ाइन कैसे करें?

छोड़ता है: बुलबुले का ढहना उन पैमानों पर होता है जो ज़्यादातर सिमुलेशन हर जगह सुलझा नहीं सकते।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक विश्वविद्यालय या पोतगाह का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1988 1988 तक, प्रोपेलरों के आसपास कैविटेटिंग प्रवाह के शुरुआती संगणनात्मक मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### बहु-प्रावस्था और पाइपलाइन प्रवाह

तेल, गैस, पानी और घोल, जो पाइपलाइनों, कुओं और प्रक्रिया संयंत्र से साथ-साथ गुज़रते हैं।

वह सवाल जिसका यह जवाब देता है: क्या पाइपलाइन सहज चलेगी, या तरल और गैस के थक्के उसे जाम करेंगे?

छोड़ता है: अचानक स्लग बनना अब भी भरोसे से पूर्वानुमान लगाने की सबसे कठिन चीज़ों में से एक है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक ऊर्जा कंपनी का क्लस्टर, प्रति पाइपलाइन-मामला कुछ घंटे तब से: 1979 1979 तक, अपतटीय तेल और गैस पाइपलाइनों के लिए शुरुआती बहु-प्रावस्था प्रवाह मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### बर्फ़ जमने का सिमुलेशन

अति-शीतित पानी की बूँदें जो उड़ान में विमान के पंखों पर या हवा में पवन टर्बाइन के ब्लेडों पर जम जाती हैं।

वह सवाल जिसका यह जवाब देता है: कितनी बर्फ़ जमेगी, और क्या डी-आइसिंग उसके साथ चल पाएगी?

छोड़ता है: असली बादल-बूँदों का आकार और मिश्रित-प्रावस्था बर्फ़ मानक परीक्षण स्थितियों की मान्यता से ज़्यादा बदलते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक एयरोस्पेस प्रयोगशाला का क्लस्टर, प्रति बर्फ़ जमने वाला मामला कुछ घंटे तब से: 1988 1988 तक, शुरुआती संगणनात्मक बर्फ़-जमाव कोड विमान प्रमाणन में सहायक

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### भौतिकी-सूचित तंत्रिका नेटवर्क

एक तंत्रिका नेटवर्क को इस तरह प्रशिक्षित किया जाता है कि उसके आउटपुट एक साथ किसी नियामक अवकल समीकरण और प्रेक्षित डेटा, दोनों को संतुष्ट करें।

वह सवाल जिसका यह जवाब देता है: क्या कोई नेटवर्क बिना या बहुत कम जाल के PDE का हल सीख सकता है?

छोड़ता है: कठोर या टर्बुलेंट समस्याओं के लिए प्रशिक्षण धीमा और अविश्वसनीय है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान स्वचालित अवकलन के साथ ग्रेडिएंट-आधारित प्रशिक्षण तब से: 2017 Physics informed deep learning, part I (2017) [स्रोत](https://arxiv.org/abs/1711.10561)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### न्यूरल ऑपरेटर

एक नेटवर्क किसी फ़ंक्शन, जैसे सीमा-शर्त, से PDE के हल तक का नक्शा सीखता है, ताकि नए इनपुटों का जवाब एक ही बार में मिल जाए।

वह सवाल जिसका यह जवाब देता है: क्या प्रशिक्षित मॉडल PDE के पूरे परिवार को तुरंत हल कर सकता है?

छोड़ता है: प्रशिक्षण के लिए कई सॉल्वर रन चाहिए, और प्रशिक्षण के दायरे से बाहर वह ठीक से एक्सट्रापोलेट नहीं कर पाता।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान महँगा डेटा-निर्माण, फिर तेज़ अनुमान तब से: 2019 DeepONet: learning nonlinear operators (2019), followed by Fourier neural operators (2020) [स्रोत](https://arxiv.org/abs/1910.03193)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### ग्राफ़-नेटवर्क पर आधारित सीखे हुए सिमुलेटर

सिमुलेशन डेटा पर प्रशिक्षित एक ग्राफ़ न्यूरल नेटवर्क कणों या जाल के नोडों को आगे बढ़ाता है, ताकि तरल, कपड़े और ठोस की नकल हो सके।

वह सवाल जिसका यह जवाब देता है: क्या कोई तंत्रिका नेटवर्क तरलों और विकृत होने वाली वस्तुओं के लिए भौतिकी सॉल्वर की जगह ले सकता है?

छोड़ता है: त्रुटियाँ लंबे रोलआउट में जमा होती हैं और संरक्षण की गारंटी नहीं है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान सॉल्वर डेटा पर प्रशिक्षण, तेज़ रोलआउट तब से: 2020 Learning to simulate complex physics with graph networks (2020) [स्रोत](https://arxiv.org/abs/2002.09405)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)न्यूनतम परत: क्षेत्र

### सीखे हुए तरल सॉल्वर

एक कन्वोल्यूशनल नेटवर्क ग्रिड तरल-सॉल्वर के दाब-प्रक्षेपण चरण की जगह लेता है, ताकि धुएँ और तरल के सिमुलेशन तेज़ हों।

वह सवाल जिसका यह जवाब देता है: क्या प्रशिक्षित नेटवर्क असंपीड्य प्रवाह सॉल्वर को बहुत तेज़ बना सकता है?

छोड़ता है: स्थिरता और सटीकता केवल प्रशिक्षण जैसे प्रवाहों पर परखी जाती है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान सॉल्वर डेटा पर प्रशिक्षण, तेज़ अनुमान तब से: 2016 Accelerating Eulerian fluid simulation with convolutional networks (2016) [स्रोत](https://arxiv.org/abs/1607.03597)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### तरल प्रवाह के लिए लैटिस-गैस ऑटोमेटा

लैटिस पर सरल टक्कर-नियमों के साथ उछलते कण, जो बड़े पैमाने पर किसी द्रव या गैस के प्रवाह को दोहराते हैं, बिना तरल-यांत्रिकी के कोई समीकरण डाले।

वह सवाल जिसका यह जवाब देता है: क्या किसी तरल का प्रवाह जालक पर सरल कण-नियमों से उभर सकता है?

छोड़ता है: असतत कणों से शोर और गैलीलियन अपरिवर्तनीयता का अभाव सटीकता सीमित करते हैं, इसीलिए इसकी जगह दूसरा तरीक़ा आया।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान लाखों स्थलों वाले जालक पर बिट-स्तरीय नियम। तब से: 1986 फ़्रिश, हैसलाखर और पोमो के नेवियर-स्टोक्स समीकरण के लिए जालक-गैस ऑटोमेटा। [स्रोत](https://doi.org/10.1103/physrevlett.56.1505)

[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)न्यूनतम परत: नियम

### लैटिस बोल्ट्ज़मैन प्रवाह सिमुलेशन

तरल जालक पर कण-वेगों के वितरणों से दर्शाया जाता है, जो बहते और टकराते हैं, ताकि छिद्रयुक्त चट्टान या रक्त-वाहिकाओं जैसी जटिल ज्यामिति में प्रवाह मिले।

वह सवाल जिसका यह जवाब देता है: कोई तरल बहुत जटिल ज्यामिति से कैसे बहता है?

छोड़ता है: विधि कम मैक संख्याओं तक सीमित है, और सीमा के उपचार में सावधानी चाहिए।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान ग्राफ़िक्स या क्लस्टर हार्डवेयर पर अरबों जालक-कोष्ठ। तब से: 1988 मैकनामारा और ज़ानेटी का लैटिस-गैस ऑटोमेटा को सिमुलेट करने के लिए बोल्ट्ज़मैन समीकरण का उपयोग। [स्रोत](https://doi.org/10.1103/physrevlett.61.2332)

[जालक क्षेत्र सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-lattice)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### विरल-गैस प्रत्यक्ष सिमुलेशन

विरल गैस के अणु, जो यादृच्छिक रूप से चलते और टकराते हैं, जहाँ गैस इतनी विरल है कि सतत तरल नहीं मानी जा सकती, जैसे अंतरिक्ष के किनारे या सूक्ष्म नलिकाओं में।

वह सवाल जिसका यह जवाब देता है: वायुमंडल के किनारे पर कोई विरल गैस किसी यान के चारों ओर कैसे बहती है?

छोड़ता है: हर सिमुलेटेड कण ट्रिलियनों असली कणों का प्रतिनिधि है, इसलिए कम गति पर सांख्यिकीय शोर ज़्यादा है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान अरबों सिमुलेटेड कण। तब से: 1963 बर्ड का कठोर गोले वाली गैस में स्थानांतरीय संतुलन तक पहुँचने का प्रत्यक्ष सिमुलेशन। [स्रोत](https://doi.org/10.1063/1.1710976)

[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: अणु

### पवन फ़ार्म बड़े-भँवर सिमुलेशन

पवन फ़ार्म से गुज़रती टर्बुलेंट हवा, हर रोटर के बलों को जोड़कर, ताकि देखा जा सके कि पीछे की लहरें कैसे मिलती हैं और नीचे की ओर के टर्बाइनों की शक्ति घटाती हैं।

वह सवाल जिसका यह जवाब देता है: पवन फ़ार्म अपने ही पीछे बनी धीमी हवा की धाराओं (वेक) में कितनी ऊर्जा खो देता है?

छोड़ता है: टर्बाइन के ब्लेड बल-डिस्कों से बदले जाते हैं, और भूभाग व वायुमंडलीय स्थिरता नतीजे बदलते हैं।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान दर्जनों टर्बाइनों वाले कई किलोमीटर के क्षेत्र के लार्ज-एडी रन। तब से: 2010 कालाफ़, मेनवो और मेयर्स का पूर्ण-विकसित पवन-टर्बाइन ऐरे सीमा-परतों का लार्ज-एडी सिमुलेशन। [स्रोत](https://doi.org/10.1063/1.3291077)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### तरल-संरचना अंतःक्रिया

एक बहता तरल और एक विकृत होता पिंड साथ-साथ हल किए जाते हैं, ताकि पंखों, पुलों और वाल्वों के फड़फड़ाने, कंपन और फ़्लटर का पूर्वानुमान हो सके।

वह सवाल जिसका यह जवाब देता है: कोई लचीली संरचना अपने आसपास के प्रवाह में कैसे हिलती है?

छोड़ता है: जाल की गति और जुड़े हुए द्रव्यमान (एडेड-मास) के प्रबल प्रभाव युग्मन को महँगा और कभी-कभी अस्थिर बना देते हैं।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान हर चरण में पुनरावृत्त युग्मित तरल और ठोस सॉल्वर। तब से: 1974 हर्ट, एम्सडेन और कुक की सभी गतियों पर प्रवाह के लिए स्वेच्छ लाग्रांजी-ऑयलरी विधि। [स्रोत](https://doi.org/10.1016/0021-9991%2874%2990051-5)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### आग की गतिकी का लार्ज-एडी सिमुलेशन

कमरे, सुरंग या इमारत में आग से निकली गर्म गैस और धुआँ, जिसे सरल दहन के साथ उत्प्लावी टर्बुलेंट प्रवाह के रूप में हल किया जाता है, ताकि देखा जा सके कि ऊष्मा और धुआँ कैसे फैलते हैं।

वह सवाल जिसका यह जवाब देता है: यह गलियारा कितनी जल्दी धुएँ से भर जाएगा, और लोग बाहर का रास्ता कब देख नहीं पाएँगे?

छोड़ता है: दहन-रसायन और कालिख सरल की गई हैं, और असली ईंधन, खिड़कियाँ और फ़र्नीचर केवल लगभग वर्णित हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान किसी बड़ी इमारत की आग के लिए क्लस्टर पर कुछ दिन। तब से: 2000 मैकग्रैटन और सहयोगियों की, अमेरिका के नेशनल इंस्टीट्यूट ऑफ़ स्टैंडर्ड्स एंड टेक्नोलॉजी से Fire Dynamics Simulator की उपयोगकर्ता पुस्तिका। [स्रोत](https://doi.org/10.6028/nist.ir.6469)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

## संरचनाएँ और मशीनें

### संरचनात्मक विश्लेषण

पुल, इमारतें, विमान और पुर्ज़े भार, ऊष्मा और कंपन के तहत।

वह सवाल जिसका यह जवाब देता है: कमज़ोर बिंदु कहाँ है, और कितनी गुंजाइश बची है?

छोड़ता है: आदर्श पदार्थ और भार मानता है; असली दोष भौतिकी से नहीं, सुरक्षा-सीमाओं से सँभाले जाते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग वर्कस्टेशन या छोटा क्लस्टर, प्रति मामला कुछ घंटे तब से: 1956 Turner, Clough, Martin और Topp की विमान संरचना विधि

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### दुर्घटना सिमुलेशन

टक्कर में विकृत होते वाहन, भीतर आभासी सवारों के साथ।

वह सवाल जिसका यह जवाब देता है: भीतर के लोगों की रक्षा हम कैसे करें?

छोड़ता है: यात्री की चोट का अनुमान डमी मॉडलों से लगाया जाता है, असली मानव ऊतक की भिन्नता से नहीं।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान एक कार निर्माता का HPC क्लस्टर, प्रति दुर्घटना-मामला कुछ घंटे तब से: 1979 1979 तक, राष्ट्रीय-प्रयोगशाला के एक्सप्लिसिट परिमित-तत्व कोड वाहन टक्करों का मॉडल बनाते हैं

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### बहुपिंड गतिकी

मशीनें कब्ज़ों, स्प्रिंगों और गियरों से जुड़े कठोर पुर्ज़ों के रूप में: सस्पेंशन, इंजन, रोबोट भुजाएँ।

वह सवाल जिसका यह जवाब देता है: क्या यह यंत्र डिज़ाइन के अनुसार चलेगा, और भार कहाँ जाता है?

छोड़ता है: पुर्ज़ों को कठोर या हल्का-लचीला माना जाता है, इसलिए बारीक कंपन-विधाएँ छूट जाती हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक इंजीनियरिंग डेस्कटॉप, कुछ मिनटों से कुछ घंटे तब से: 1971 शेठ और यूकर की यंत्रावली विश्लेषण की कंप्यूटर विधि

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### ध्वनिकी और कंपन

कमरों, इंजनों और शहरों में ध्वनि तरंगें, और संरचनाओं में कंपन।

वह सवाल जिसका यह जवाब देता है: क्या इस हॉल की ध्वनि गुणवत्ता अच्छी होगी, और क्या यह पुल सुनाई देने लायक़ गूँजेगा?

छोड़ता है: कम आवृत्तियों पर संघर्ष करता है, जहाँ तरंग प्रभाव किरणों पर हावी हो जाते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक वर्कस्टेशन या छोटा क्लस्टर, प्रति मामला कुछ घंटे तब से: 1968 क्रोकस्टाड और सहयोगियों ने रे ट्रेसिंग से कमरे की ध्वनिकी मॉडल की

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### थकान और दरार की वृद्धि

किसी संरचना की धीमी क्षति, लाखों छोटे भार-चक्रों से, जिसे बढ़ती और अंततः टूटती दरारों के रूप में दर्ज किया जाता है।

वह सवाल जिसका यह जवाब देता है: इस पुर्ज़े को बदलने से पहले कितने साल या उड़ान-घंटे लगेंगे?

छोड़ता है: निर्माण की असली खामियाँ मान ली गई आदर्श शुरुआती दरारों से ज़्यादा विविध होती हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग वर्कस्टेशन या छोटा क्लस्टर, प्रति पुर्ज़ा कुछ घंटे तब से: 1968 1968 तक, शुरुआती भंजन-यांत्रिकी थकान-आयु कंप्यूटर कोड

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### घर्षण-विज्ञान और संपर्क यांत्रिकी

बियरिंगों, गियरों और जोड़ों में चलती सतहों के बीच घर्षण, घिसाव और स्नेहन।

वह सवाल जिसका यह जवाब देता है: यह बेयरिंग कितने समय चलेगा, और घर्षण कितनी ऊर्जा बर्बाद करता है?

छोड़ता है: सूक्ष्म पैमाने की सतही खुरदुरापन अनुमानित है, हर पुर्ज़े के लिए मापा नहीं गया।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक इंजीनियरिंग डेस्कटॉप, प्रति संपर्क-मामला कुछ घंटे तब से: 1970 1970 तक, शुरुआती प्रत्यास्थ-जलगतिकीय स्नेहन कंप्यूटर मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### टोपोलॉजी अनुकूलन

भार के तहत डिज़ाइन-क्षेत्र में पदार्थ जोड़ा और हटाया जाता है, जब तक सबसे हल्का कठोर आकार न उभर आए, उन छेदों और टेकों के साथ जो इंजीनियर ने कभी नहीं खींचे।

वह सवाल जिसका यह जवाब देता है: वह सबसे हल्का आकार कौन-सा है जो फिर भी यह भार उठाता है?

छोड़ता है: इष्टतम आकार अक्सर बनाना कठिन होते हैं और उन भारों के प्रति नाज़ुक हो सकते हैं जिन पर विचार नहीं किया गया।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान लाखों चरों वाले अनुकूलन-चक्र के भीतर परिमित-तत्व हल। तब से: 1988 बेंड्सो और किकुची द्वारा संरचनात्मक डिज़ाइन में समरूपीकरण विधि से इष्टतम संस्थिति (टोपोलॉजी) का सृजन। [स्रोत](https://doi.org/10.1016/0045-7825%2888%2990086-2)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### पेरिडायनामिक विभंजन मॉडलिंग

एक ठोस, जो दूर से आपस में असर डालते बिंदुओं के रूप में दर्शाया जाता है, ताकि दरारें बिना पहले से तय रास्ते के शुरू हों, शाखाएँ बनाएँ और मिलें।

वह सवाल जिसका यह जवाब देता है: कोई दरार भंगुर पदार्थ में अपना रास्ता कैसे चुनती है?

छोड़ता है: पारस्परिक क्रिया की दूरी और विफलता नियम को पदार्थ के अनुसार कैलिब्रेट करना होगा।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान लाखों नोड वाले जाल-रहित रन। तब से: 2000 सिलिंग का असंततताओं और दीर्घ-परास बलों के लिए प्रत्यास्थता सिद्धांत का पुनर्सूत्रीकरण। [स्रोत](https://doi.org/10.1016/s0022-5096%2899%2900029-0)

[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### कक्षीय मलबे और उपग्रह टक्कर का मॉडलिंग

उपग्रह, टुकड़े और रॉकेट के खोल दशकों की टक्करों और क्षय में ट्रैक किए जाते हैं, ताकि पता चले कि वे खुद को बढ़ाते हैं और उपयोगी कक्षाएँ बंद कर देते हैं या नहीं।

वह सवाल जिसका यह जवाब देता है: मलबे के कारण कोई कक्षा अनुपयोगी होने से पहले कितनी टक्करें हो सकती हैं?

छोड़ता है: छोटे अनट्रैक टुकड़े, भविष्य के प्रक्षेपण और शमन व्यवहार अनिश्चित हैं।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान कई कक्षा-आबादियों पर लंबे मॉन्टे कार्लो रन। तब से: 1978 केसलर और कूर-पालैस की कृत्रिम उपग्रहों की टक्कर-आवृत्ति और मलबे की पट्टी का निर्माण। [स्रोत](https://doi.org/10.1029/ja083ia06p02637)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: नियम

### जुड़े मॉडलों का सह-सिमुलेशन

मोटर, गियरबॉक्स, नियंत्रक और बैटरी के अलग-अलग सिमुलेशन, हर एक अपने औज़ार में बना, तय समय-चरणों पर डेटा का आदान-प्रदान करके साथ चलाए जाते हैं।

वह सवाल जिसका यह जवाब देता है: क्या पूरी मशीन काम करती है जब अलग-अलग दलों के बनाए हर उप-तंत्र के मॉडल साथ चलते हैं?

छोड़ता है: तय चरणों पर डेटा का आदान-प्रदान संख्यात्मक त्रुटि जोड़ता है, और कड़ा युग्मन अस्थिर हो सकता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक वाहन चक्र के लिए वर्कस्टेशन पर घंटे। तब से: 2011 ब्लोचविट्ज़ और सहकर्मियों का Functional Mock-up Interface, जिससे सिमुलेशन मॉडलों का उपकरण-निरपेक्ष आदान-प्रदान होता है। [स्रोत](https://doi.org/10.3384/ecp11063105)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)न्यूनतम परत: नियम

## इलेक्ट्रॉनिकी और कंप्यूटर

### सर्किट सिमुलेशन

इलेक्ट्रॉनिक सर्किट का हर वोल्टेज और धारा, ट्रांज़िस्टर-दर-ट्रांज़िस्टर।

वह सवाल जिसका यह जवाब देता है: क्या सर्किट काम करता है, और कितनी बिजली खींचता है?

छोड़ता है: घटक मॉडल बैठाए गए सन्निकटन हैं; असली सिलिकॉन चिप-दर-चिप बदलता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक इंजीनियरिंग डेस्कटॉप, प्रति चिप-खंड कुछ मिनट तब से: 1973 बर्कले में नागेल और पेडरसन का SPICE, एक सामान्य परिपथ सिमुलेशन प्रोग्राम

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### चिप लॉजिक का सिमुलेशन

डिजिटल चिप डिज़ाइन, जिसे निर्माण से पहले एक-एक क्लॉक चक्र करके चलाया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या चिप निर्माण की लागत लगने से पहले सही नतीजा निकालती है?

छोड़ता है: समय अनुमानित है; चलता हुआ सिमुलेशन भी बनने के बाद विफल हो सकता है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक डिज़ाइन वर्कस्टेशन या छोटा सर्वर क्लस्टर, प्रति रन कुछ घंटे तब से: 1965 1965 तक, शुरुआती गेट-स्तर के सिमुलेटर डिजिटल तर्क-डिज़ाइनों को जाँचते हैं

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)न्यूनतम परत: नियम

### विद्युत-चुंबकत्व

एंटीना, परिपथों और प्रकाशीय उपकरणों के आसपास रेडियो तरंगें, प्रकाश और क्षेत्र।

वह सवाल जिसका यह जवाब देता है: यह एंटीना कितना अच्छा विकिरण करता है, और क्या यह उपकरण इंटरफ़ेरेंस बाहर फैलाता है?

छोड़ता है: जाल की सीमा के पास का बारीक ज्यामितीय ब्योरा घिसकर मिट जाता है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक वर्कस्टेशन या क्लस्टर, प्रति डिज़ाइन कुछ घंटे तब से: 1966 केन यी की परिमित-अंतर समय-क्षेत्र विधि

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### कंप्यूटर नेटवर्क सिमुलेशन

राउटरों, कड़ियों और प्रोटोकॉल से बहते पैकेट।

वह सवाल जिसका यह जवाब देता है: क्या नेटवर्क दोगुना यातायात सह सकता है?

छोड़ता है: उत्पादन नेटवर्कों में दिखने वाली असली हार्डवेयर विचित्रताओं और यातायात पैटर्नों को सरल करता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक डेस्कटॉप या छोटा सर्वर, कुछ मिनटों से कुछ घंटे तब से: 1964 लियोनार्ड क्लाइनरॉक का पैकेट नेटवर्कों का क्यूइंग विश्लेषण

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)न्यूनतम परत: नियम

### इमुलेशन और वर्चुअल मशीनें

एक मशीन दूसरी की हू-ब-हू नकल करती है, निर्देश-दर-निर्देश, ताकि उसका सॉफ़्टवेयर बिना बदले चले।

वह सवाल जिसका यह जवाब देता है: क्या हम इस पुराने या भावी तंत्र को अपने पास के हार्डवेयर पर चला सकते हैं?

छोड़ता है: सावधानी से अनुकूलित न हो तो असली हार्डवेयर से धीमा चलता है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप कंप्यूटर, रियल टाइम या उससे तेज़ तब से: 1963 1963 तक, शुरुआती इंस्ट्रक्शन-सेट सिमुलेटर कंप्यूटर डिज़ाइनों को उनके बनने से पहले परखते हैं

[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)न्यूनतम परत: नियम

### अर्धचालक उपकरण सिमुलेशन

एक अकेले ट्रांज़िस्टर के भीतर इलेक्ट्रॉन और अपमिश्रक परमाणु, उसे सर्किट-स्तर के मॉडल में बदलने से पहले।

वह सवाल जिसका यह जवाब देता है: इस ट्रांज़िस्टर का आकार और डोपिंग उसके स्विच करने को कैसे बदलेंगे?

छोड़ता है: उन क्वांटम प्रभावों को सरल करता है जो सबसे छोटे ट्रांज़िस्टर आकारों पर सबसे ज़्यादा मायने रखते हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान अर्धचालक कंपनी का क्लस्टर, प्रति उपकरण कुछ घंटे तब से: 1964 गुमेल का द्विध्रुवी ट्रांज़िस्टर का संख्यात्मक मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[प्रथम सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-first-principles)न्यूनतम परत: परमाणु

### नेटवर्क डिजिटल ट्विन

संचार नेटवर्क की आभासी प्रतिलिपि, जो असली के साथ तालमेल में रखी जाती है और बदलाव लागू करने से पहले उन्हें परखने के काम आती है।

वह सवाल जिसका यह जवाब देता है: अगर यह बदलाव किया जाए तो नेटवर्क का क्या होगा?

छोड़ता है: निष्ठा टेलीमेट्री पर निर्भर करती है, और पैमाना सीमित है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान पैकेट-स्तर या सीखे हुए मॉडल तब से: 2021 Digital twin networks: a survey (2021) [स्रोत](https://doi.org/10.1109/JIOT.2021.3079510)

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### प्रकाशीय लिथोग्राफ़ी सिमुलेशन

फ़ोटोसंवेदी फ़िल्म पर मास्क से गुज़रता प्रकाश, ताकि चिप पर छपने वाले परिपथ-पैटर्न का अनुमान लगे, धुँधलेपन और रेज़िस्ट रसायन समेत।

वह सवाल जिसका यह जवाब देता है: क्या मास्क का पैटर्न चिप पर वैसा ही छपेगा जैसा सोचा गया?

छोड़ता है: सूक्ष्म आकारों पर रेज़िस्ट रसायन और प्रसंभाव्य फ़ोटॉन प्रभावों का सन्निकटन किया जाता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक परत के लिए पूरी चिप का सिमुलेशन। तब से: 1975 डिल का फ़ोटोरेज़िस्ट का प्रकाशीय लिथोग्राफ़ी एक्सपोज़र मॉडल। [स्रोत](https://doi.org/10.1109/t-ed.1975.18158)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### अर्धचालक प्रक्रिया सिमुलेशन

ट्रांज़िस्टर के निर्माण-चरण, यानी आयन-प्रत्यारोपण, विसरण और ऑक्सीकरण, ताकि डिवाइस मॉडल से पहले डोपिंग प्रोफ़ाइल और आकार का अनुमान लगे।

वह सवाल जिसका यह जवाब देता है: किसी निर्माण नुस्ख़े से कौन-सा डोपेंट प्रोफ़ाइल और आकार बनता है?

छोड़ता है: बिंदु-दोष और अंतरापृष्ठ मॉडलों को हर नई प्रक्रिया के विरुद्ध अंशांकन चाहिए।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान दो- या त्रि-आयामी विसरण और अभिक्रिया हल। तब से: 1979 एंटोनियाडिस और डटन के पूरी IC निर्माण प्रक्रियाओं के कंप्यूटर सिमुलेशन के मॉडल। [स्रोत](https://doi.org/10.1109/t-ed.1979.19452)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: परमाणु

### प्रोसेसर ऊष्मीय मॉडलिंग

चिप और उसके पैकेज की परतों से बहती ऊष्मा, जो कार्यात्मक ब्लॉकों की बदलती शक्ति से चलती है, ताकि हॉट स्पॉट मिलें और थ्रॉटलिंग तय हो सके।

वह सवाल जिसका यह जवाब देता है: काम का बोझ बदलने पर प्रोसेसर कहाँ ज़्यादा गर्म होता है?

छोड़ता है: मॉडल पावर के अनुमान इस्तेमाल करता है, और पैकेज और शीतलन के ब्योरे एक साथ समेटे गए हैं।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान एक सघन ऊष्मीय नेटवर्क, जो सेकंडों में चलता है। तब से: 2003 स्कैड्रन और सहयोगियों का कॉम्पैक्ट ऊष्मीय मॉडल के साथ तापमान-जागरूक सूक्ष्म-वास्तुकला। [स्रोत](https://doi.org/10.1145/859618.859620)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

### फ़ोटोनिक-क्रिस्टल बैंड-संरचना गणना

परावैद्युत की आवर्ती व्यवस्था में प्रकाश, जिसे उन आवृत्तियों के लिए हल किया जाता है जो फैल सकती हैं और जो नहीं, ताकि वेवगाइड और फ़िल्टर डिज़ाइन हो सकें।

वह सवाल जिसका यह जवाब देता है: कोई आवर्ती संरचना प्रकाश के कौन-से रंग रोक सकती है?

छोड़ता है: पूर्ण आवर्तता मानी गई है, इसलिए अव्यवस्था, क्षय और सीमित आकार अलग से जोड़े जाते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान हर तरंग सदिश के लिए समतल-तरंग आइगेनमान हल। तब से: 1990 हो, चैन और सौकौलिस का आवर्ती परावैद्युत संरचनाओं में फ़ोटोनिक गैप का प्रदर्शन। [स्रोत](https://doi.org/10.1103/physrevlett.65.3152)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### परतदार चिप का ऊष्मीय मॉडलिंग

ऊर्ध्वाधर रूप से रखी सिलिकॉन की परतों से गुज़रती ऊष्मा, जिन्हें उनके बीच बहता तरल ठंडा करता है, और इसे इतनी तेज़ी से हल किया जाता है कि स्टैक का डिज़ाइन तय हो सके।

वह सवाल जिसका यह जवाब देता है: क्या शीतलक की नलिकाओं वाली चिप-परतों का ढेर हर परत को उसकी सीमा से नीचे रख सकता है?

छोड़ता है: असली चिपों में मॉडल की कोशिकाओं से कहीं छोटे हॉट स्पॉट होते हैं, इसलिए चरम तापमान को कम आँका जा सकता है।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान वर्कस्टेशन पर कुछ मिनट। तब से: 2010 Sridhar और सहयोगियों का 3D-ICE, अंतर-स्तर द्रव शीतलन वाली 3D चिप के लिए संक्षिप्त क्षणिक ऊष्मीय मॉडल। [स्रोत](https://doi.org/10.1109/iccad.2010.5653749)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: क्षेत्र

## रोबोटिक्स और स्वायत्तता

### रोबोट सिमुलेशन

भौतिकी इंजन में सिमुलेटेड सेंसर और मोटरों वाले रोबोट, जिन्हें असली दुनिया को छूने से पहले प्रशिक्षित या परखा जाता है।

वह सवाल जिसका यह जवाब देता है: क्या सिमुलेशन में सीखा कंट्रोलर असली रोबोट पर काम करेगा?

छोड़ता है: असली दुनिया के संपर्क और घर्षण से ठीक-ठीक मेल बैठाना अब भी कठिन है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान GPU वाला डेस्कटॉप, रियल टाइम या उससे तेज़ तब से: 1983 1983 तक, शुरुआती ऑफ़लाइन-प्रोग्रामिंग सिमुलेटर औद्योगिक रोबोट भुजाओं की योजना बनाते हैं

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

### स्वायत्त वाहन परीक्षण

सेल्फ़-ड्राइविंग सॉफ़्टवेयर दुर्लभ और ख़तरनाक परिदृश्यों में लाखों आभासी किलोमीटर चलता है।

वह सवाल जिसका यह जवाब देता है: जो स्थिति दस लाख किलोमीटर में एक बार आती है, उसे यह प्रणाली कैसे संभालती है?

छोड़ता है: दुर्लभ असली परिदृश्य पकड़ना अब भी कठिन है, चाहे कितने भी आभासी किलोमीटर चलाए जाएँ।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान क्लाउड GPU सर्वरों का बेड़ा, समानांतर रूप से चलाया गया तब से: 2004 अमेरिका की शुरुआती स्व-चालित वाहन ग्रैंड चैलेंजों के लिए सिमुलेशन सहायता

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### झुंड रोबोटिकी

कई सरल रोबोट स्थानीय नियमों से तालमेल बिठाते हैं, जो अक्सर कीटों से उधार लिए जाते हैं।

वह सवाल जिसका यह जवाब देता है: क्या सौ सस्ते रोबोट वह कर सकते हैं जो एक महँगा नहीं कर सकता?

छोड़ता है: सरल सिमुलेटेड रोबोट असली सेंसर शोर और बैटरी सीमाओं को नहीं पकड़ते।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक लैपटॉप, जो दसियों से सैकड़ों रोबोट सिमुलेट करता है तब से: 1989 जेरार्डो बेनी का झुंड-बुद्धि और सेलुलर रोबोटिक्स पर शुरुआती काम

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### डिजिटल जुड़वाँ

एक सिमुलेशन, जो किसी असली मशीन, संयंत्र या इमारत के साथ उसके लाइव सेंसर डेटा से लगातार तालमेल में रखा जाता है।

वह सवाल जिसका यह जवाब देता है: क्या विफल होने वाला है, और यह सेटिंग बदलने पर क्या होता है?

छोड़ता है: सटीकता उसे दिए गए सेंसर डेटा से बँधी है; डेटा की कमियाँ और बहाव जमा होते जाते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक क्लाउड सर्वर, जो किसी संयंत्र मॉडल को लगातार अद्यतन करता है तब से: 2002 माइकल ग्रीव्स ने किसी उत्पाद को एक जीवंत आभासी मॉडल के साथ जोड़ने का प्रस्ताव दिया

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: शरीर

### ग्रहीय रोवर गतिशीलता

किसी दूसरी दुनिया में ढीली मिट्टी और चट्टान से जूझते रोवर के पहिए और भुजा, उसके वहाँ चलने से पहले।

वह सवाल जिसका यह जवाब देता है: क्या रोवर फँस जाएगा, और क्या उसकी भुजा नमूने तक पहुँचेगी?

छोड़ता है: पृथ्वी के बाहर की मिट्टी केवल मुट्ठी भर उतरने की जगहों से ज्ञात है, इसलिए उसके व्यवहार का अनुमान आगे बढ़ाया जाता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान किसी अंतरिक्ष एजेंसी का क्लस्टर, प्रति भू-भाग-मामला कुछ घंटे तब से: 1997 पहले सफल मंगल रोवर को सहारा देने वाले पहिया-मिट्टी सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)न्यूनतम परत: शरीर

### बाह्य-कंकाल और कृत्रिम अंग का नियंत्रण

एक पहनने योग्य मशीन और मानव शरीर साथ-साथ चलते हैं, और किसी व्यक्ति के उसे पहनने से पहले ही नियंत्रण-तंत्र साध लिया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या यह उपकरण पहनने वाले की गति में मदद करेगा, या उसके ख़िलाफ़ काम करेगा?

छोड़ता है: सिमुलेट किए गए शरीर शायद ही किसी एक व्यक्ति की ख़ास चोट या चाल को ठीक-ठीक पकड़ते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान शोध प्रयोगशाला का डेस्कटॉप, प्रति परीक्षण रियल टाइम तब से: 1990 1990 तक, शोध प्रयोगशालाओं में शुरुआती चालित बाह्य-कंकाल नियंत्रण सिमुलेशन

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)न्यूनतम परत: शरीर

### GPU-समानांतर रोबोट लर्निंग वातावरण

हज़ारों सिमुलेटेड रोबोट एक GPU पर एक साथ चलते हैं ताकि रीइनफ़ोर्समेंट-लर्निंग नीति कुछ ही मिनटों में सीख सके।

वह सवाल जिसका यह जवाब देता है: भारी समानांतर सिमुलेशन से रोबोट नीति कितनी जल्दी सीखी जा सकती है?

छोड़ता है: संपर्क-भौतिकी सरल की गई है, इसलिए हस्तांतरण में सावधानी चाहिए।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान GPU पर हज़ारों समानांतर भौतिक वातावरण तब से: 2021 Isaac Gym: high performance GPU-based physics simulation for robot learning (2021) [स्रोत](https://arxiv.org/abs/2108.10470)

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

### डोमेन-यादृच्छिकीकृत सिम-से-असली प्रशिक्षण

एक नीति ऐसे सिमुलेटर में प्रशिक्षित की जाती है जिसका रूप और भौतिकी बेतरतीब बदलते हैं, ताकि वह असली दुनिया में भी काम करे।

वह सवाल जिसका यह जवाब देता है: क्या केवल सिमुलेशन में प्रशिक्षित नीति असली रोबोट पर काम कर सकती है?

छोड़ता है: यादृच्छिकीकरण की सीमाएँ असली अंतर को समेटने लायक चौड़ी होनी चाहिए, जिसे जानना कठिन है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान बड़े यादृच्छिक प्रशिक्षण रन तब से: 2017 Domain randomization for transferring deep neural networks from simulation to the real world (2017) [स्रोत](https://arxiv.org/abs/1703.06907)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

### अवकलनीय भौतिकी सिमुलेशन

एक भौतिकी इंजन, जो इस तरह लिखा गया है कि ग्रेडिएंट संपर्कों और गति से होकर वापस बहते हैं, जिससे डिज़ाइन या नियंत्रक ग्रेडिएंट डिसेंट से साधे जा सकते हैं।

वह सवाल जिसका यह जवाब देता है: नतीजा बेहतर करने के लिए इस नियंत्रक या डिज़ाइन में क्या बदलाव होना चाहिए?

छोड़ता है: कठोर संपर्कों से गुज़रने वाले ग्रेडिएंट शोरभरे या भ्रामक होते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान कई सिमुलेशन-चरणों से होकर पीछे की ओर की गणना (बैकवर्ड पास) तब से: 2016 A differentiable physics engine for deep learning in robotics (2016) [स्रोत](https://arxiv.org/abs/1611.01652)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

### प्रतिकूल ड्राइविंग-परिदृश्य निर्माण

एक अनुकूलक रिकॉर्ड किए दृश्यों में दूसरे सड़क-उपयोगकर्ताओं के रास्ते बदलता है, ताकि ऐसी स्थितियाँ मिलें जिनमें स्वचालित ड्राइविंग तंत्र विफल हो।

वह सवाल जिसका यह जवाब देता है: कौन-सी यथार्थवादी स्थितियाँ किसी स्वायत्तता स्टैक को विफल करती हैं?

छोड़ता है: जो परिदृश्य तंत्र को विफल करे, वह असली सड़कों पर शायद ही कभी आए, इसलिए उससे यह कम पता चलता है कि विफलताएँ कितनी बार होती हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान कई बंद-लूप सिमुलेशन रन तब से: 2021 AdvSim: generating safety-critical scenarios for self-driving vehicles (2021) [स्रोत](https://arxiv.org/abs/2101.06549)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

### सेंसर मॉडलों वाले खुले ड्राइविंग सिमुलेटर

ट्रैफ़िक, मौसम और सिमुलेटेड कैमरों व लाइडार वाली गेम-इंजन की दुनिया, जो स्वचालित ड्राइविंग बनाने और परखने के काम आती है।

वह सवाल जिसका यह जवाब देता है: कोई ड्राइविंग प्रणाली अलग-अलग परिस्थितियों में कैसे देखेगी और कैसे कार्य करेगी?

छोड़ता है: सेंसर और यातायात की यथार्थता असली दुनिया से ठीक-ठीक मेल नहीं खाती।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान GPU पर रीयल-टाइम रेंडरिंग तब से: 2017 CARLA: an open urban driving simulator (2017) [स्रोत](https://arxiv.org/abs/1711.03938)

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)न्यूनतम परत: शरीर

### सीखी हुई टाँगों वाली गति

एक सुदृढ़ीकरण-अधिगम नीति को भौतिकी सिमुलेटर में पैरों वाले रोबोट के लिए चलना और दौड़ना सिखाया जाता है, फिर उसे असली मशीन पर ले जाया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या कोई रोबोट सिमुलेशन में चलना सीखकर असली ज़मीन पर संतुलन बनाए रख सकता है?

छोड़ता है: पैर का संपर्क, मोटर की देरी और ज़मीन की नरमी मॉडल से अलग होती है, इसलिए जो नीति सिमुलेशन में चले वह मशीन पर विफल हो सकती है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान हर चाल के लिए कई घंटे से कई दिन तक GPU का समय। तब से: 2018 Tan और सहयोगियों का चौपाया रोबोटों की फुर्तीली चाल का सिम-से-असली सीखना। [स्रोत](https://arxiv.org/abs/1804.10332)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### सीखी हुई मानवाकार चाल

दो पैरों वाले मानव-आकार के रोबोट के लिए एक तंत्रिका नियंत्रक सिमुलेशन में प्रशिक्षित किया जाता है कि वह कई तरह की ज़मीन पर चले, और अनुकूल होने के लिए अपनी ही संवेदनाओं के इतिहास का उपयोग करे।

वह सवाल जिसका यह जवाब देता है: क्या कोई मानवाकार रोबोट बिना किसी असली परीक्षण के सीखी नीति से सीढ़ियों, घास और ढलानों पर बाहर चल सकता है?

छोड़ता है: पूरे आकार के मानवाकार रोबोट का गिरना ख़तरनाक और महँगा है, इसलिए परीक्षण सावधान रहते हैं और नीति की सीमाएँ नक्शे पर नहीं आतीं।

इस पर चलता है: लगभग 10^17 FLOPS मोटा अनुमान GPU क्लस्टर पर कुछ दिन। तब से: 2023 रादोसावोविच और सहयोगियों की सुदृढ़ीकरण अधिगम से असली दुनिया में मानवाकार चाल। [स्रोत](https://arxiv.org/abs/2303.03381)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### ड्रोन उड़ान सिमुलेशन

रोटर, सेंसर और कैमरों वाले छोटे विमान, जो सिमुलेटेड हवा और भौतिकी में रेंडर किए गए दृश्यों के बीच उड़ते हैं, ताकि स्वायत्तता विकसित हो और उसे सुरक्षित रूप से परखा जा सके।

वह सवाल जिसका यह जवाब देता है: क्या यह उड़ान सॉफ़्टवेयर ड्रोन को ज़मीन छोड़ने से पहले ही स्थिर रखेगा और बाधाओं से बचाएगा?

छोड़ता है: ज़मीन के क़रीब, झोंकों में और बाधाओं के बीच की वायुगतिकी को सरल किया गया है, इसलिए अपवाद-स्थितियाँ केवल असली ड्रोन पर ही दिखती हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान गेमिंग-श्रेणी के GPU पर रीयल-टाइम, या समानांतर में हज़ारों रन। तब से: 2017 शाह और सहयोगियों का AirSim, हवाई और ज़मीनी वाहनों के लिए दृश्य और भौतिक सिमुलेशन। [स्रोत](https://arxiv.org/abs/1705.05065)

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### सीखी हुई ड्रोन रेसिंग

एक नियंत्रण नीति को सिमुलेशन में प्रशिक्षित किया जाता है कि वह क्वाडरोटर को रेसिंग कोर्स में उसकी गति की सीमा पर उड़ाए। फिर उसे असली विमान पर उड़ाया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या सीखा हुआ नियंत्रक किसी मानव चैंपियन पायलट से तेज़ उड़ सकता है?

छोड़ता है: रास्ता जाना-पहचाना और अच्छी रोशनी वाला है, इसलिए यह नहीं दिखता कि नीति अनजान जगहों या ख़राब हालात में काम करेगी।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान सिमुलेशन में GPU प्रशिक्षण के कुछ दिन। तब से: 2023 काउफ़मैन और सहयोगियों की गहन सुदृढ़ीकरण अधिगम से चैंपियन-स्तर की ड्रोन रेसिंग। [स्रोत](https://doi.org/10.1038/s41586-023-06419-4)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### मुलायम रोबोट सिमुलेशन

रबड़ जैसे पदार्थ का बना रोबोट परिमित तत्वों से विकृत होने वाले ठोस के रूप में इतनी तेज़ी से मॉडल किया जाता है कि उसे रियल टाइम में नियंत्रित किया जा सके।

वह सवाल जिसका यह जवाब देता है: कक्षों में हवा का दबाव कैसे बदला जाए कि मुलायम भुजा किसी दिए बिंदु तक पहुँचे?

छोड़ता है: रबर के गुण तापमान और उम्र के साथ बदलते हैं, और मॉडल की गति के लिए मोटा जाल चाहिए।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर रीयल-टाइम। तब से: 2013 ड्यूरिए का रियल-टाइम परिमित-तत्व विधि पर आधारित लचीले मुलायम रोबोटों का नियंत्रण। [स्रोत](https://doi.org/10.1109/icra.2013.6631138)

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### स्पर्श सेंसर सिमुलेशन

कैमरा-आधारित त्वचा सेंसर के वस्तुओं पर दबाने पर जो स्पर्श-चित्र पकड़ता, वे सिमुलेशन में रेंडर किए जाते हैं, ताकि रोबोट के हाथ महसूस करना सीख सकें।

वह सवाल जिसका यह जवाब देता है: क्या कोई रोबोट असली सेंसर घिसे बिना स्पर्श से वस्तुओं को संभालना सीख सकता है?

छोड़ता है: जेल का मुलायम विरूपण अनुमान से रेंडर होता है, इसलिए बारीक बनावट के लिए सिम-से-असली का अंतर बड़ा होता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान गेमिंग-श्रेणी के GPU पर रीयल-टाइम। तब से: 2020 Wang और सहयोगियों का TACTO, दृष्टि-आधारित स्पर्श सेंसरों के लिए एक तेज़ ओपन-सोर्स सिमुलेटर। [स्रोत](https://arxiv.org/abs/2012.08456)

[रियल टाइम](https://simulation-hypothesis.com/hi/simulations/methods#m-real-time)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: शरीर

## अंतरिक्ष उड़ान और ऊर्जा

### अंतरिक्ष यान के प्रक्षेप-पथ

सूर्य, ग्रहों और चंद्रमाओं के गुरुत्व से गुज़रते रास्ते, गुरुत्व-सहायता समेत।

वह सवाल जिसका यह जवाब देता है: इस चंद्रमा तक का सबसे सस्ता रास्ता कौन-सा है, और हम कब प्रक्षेपित करें?

छोड़ता है: ज्ञात गुरुत्व और बिना गड़बड़ी मानता है; असली नौवहन में फिर भी दिशा-सुधार चाहिए।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक लैपटॉप, प्रति उम्मीदवार प्रक्षेप-पथ कुछ सेकंड तब से: 1959 पहले चंद्र अभियानों के लिए शुरुआती प्रक्षेप-पथ गणनाएँ

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### वायुमंडल में प्रवेश

एक अंतरिक्ष यान, जो कई किलोमीटर प्रति सेकंड की गति से वायुमंडल से टकराता है, उसके चारों ओर की आघात-तरंग और ऊष्मा के साथ।

वह सवाल जिसका यह जवाब देता है: क्या हीट शील्ड बचेगी?

छोड़ता है: अत्यधिक गति पर होने वाला दुर्लभ प्रवाह-रसायन अब भी अनिश्चितता का सक्रिय स्रोत है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान राष्ट्रीय या विश्वविद्यालय का HPC क्लस्टर, प्रति मामला कुछ घंटे तब से: 1958 1958 तक, बैलिस्टिक मिसाइल के पुनःप्रवेश-तापन की शुरुआती गणनाएँ

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### बैटरियाँ और ईंधन-सेल

सेल के चार्ज होने और पुराने होने के दौरान इलेक्ट्रोडों और इलेक्ट्रोलाइट में चलते आयन और इलेक्ट्रॉन।

वह सवाल जिसका यह जवाब देता है: बैटरी के क्षरण को तेज़ किए बिना चार्जिंग को तेज़ कैसे किया जा सकता है?

छोड़ता है: हज़ारों चक्रों पर उम्र बढ़ना अब भी अनुमान से आगे बढ़ाया जाता है, पूरी तरह सिमुलेट नहीं होता।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, प्रति कोशिका डिज़ाइन कुछ घंटे तब से: 1993 डॉयल, फ़ुलर और न्यूमैन का छिद्रयुक्त-इलेक्ट्रोड बैटरी मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[प्रथम सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-first-principles)न्यूनतम परत: क्षेत्र

### रॉकेट इंजन सिमुलेशन

रॉकेट इंजन की नोज़ल से फैलती गर्म दहन गैस, और वह ऊष्मा जो वह दीवारों में छोड़ती है, जिन्हें उसे झेलना होता है।

वह सवाल जिसका यह जवाब देता है: यह इंजन कितना प्रणोद पैदा करता है, और क्या नोज़ल और दीवारें ऊष्मा झेल पाएँगी?

छोड़ता है: दहन की अस्थिरता, जहाँ लौ खुद दोलन करने लगती है, का पूर्वानुमान अब भी कठिन है।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान किसी अंतरिक्ष एजेंसी या कंपनी के सुपरकंप्यूटर का हिस्सा, प्रति मामला कुछ घंटे तब से: 1968 1968 तक, रॉकेट दहन-कक्षों के शुरुआती संगणनात्मक मॉडल

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### अंतरिक्ष यान का ऊष्मीय और ऊर्जा सिमुलेशन

उपग्रह से गुज़रती ऊष्मा और विद्युत शक्ति, जैसे-जैसे धूप, छाया और उपकरण बदलते हैं।

वह सवाल जिसका यह जवाब देता है: क्या अंतरिक्ष यान का हर हिस्सा अपने सुरक्षित तापमान और ऊर्जा बजट में रहेगा?

छोड़ता है: मानता है कि सतहें उम्मीद के मुताबिक़ पुरानी और ख़राब होती हैं, जिसकी कक्षा में बरसों बाद हमेशा पुष्टि नहीं होती।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान उपग्रह इंजीनियर का डेस्कटॉप, प्रति कक्षा-मामला कुछ मिनट तब से: 1965 1965 तक, कक्षा में घूमते उपग्रहों के शुरुआती ऊष्मा-संतुलन मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: शरीर

### सौर और पवन फ़ार्म की उपज का सिमुलेशन

साल भर की धूप या हवा को किसी फ़ार्म के पैनलों या टर्बाइनों से मिलाया जाता है, ताकि अनुमान लगे कि वह कितनी ऊर्जा बनाएगा।

वह सवाल जिसका यह जवाब देता है: यह फ़ार्म असल में कितनी बिजली बनाएगा, और क्या उसे बनाना सार्थक है?

छोड़ता है: कोई एक असामान्य मौसम का साल फिर भी दीर्घकालिक औसत से तेज़ी से हट सकता है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान किसी डेवलपर का डेस्कटॉप, प्रति साइट कुछ मिनट तब से: 1981 1981 तक, पवन-फ़ार्म की जगह चुनने के लिए पवन-संसाधन का शुरुआती कंप्यूटर आकलन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: क्षेत्र

### उपग्रहों के विशाल समूह (मेगा-कॉन्स्टेलेशन) की टक्कर का जोखिम

साझा निचली कक्षाओं में दसियों हज़ार उपग्रहों को मौजूदा मलबे के साथ ट्रैक किया जाता है, ताकि पास से गुज़रने, बचाव के पैंतरों और विफलताओं के असर का अनुमान लगे।

वह सवाल जिसका यह जवाब देता है: उपग्रहों का कोई विशाल समूह (मेगा-कॉन्स्टेलेशन) कितनी टक्करें जोड़ेगा, और विफल उपग्रहों को कितनी तेज़ी से हटाना होगा?

छोड़ता है: भावी प्रक्षेपण दरें, विफलता दरें और संचालकों का व्यवहार मान्यताएँ हैं, और बिना ट्रैक हुए छोटे टुकड़े ठीक से ज्ञात नहीं हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान दशकों के कक्षीय विकास के लिए क्लस्टर पर कुछ दिन। तब से: 2017 रैडटके और सहयोगियों का अध्ययन कि उपग्रहों के विशाल समूह (मेगा-कॉन्स्टेलेशन) अंतरिक्ष मलबे के परिवेश से कैसे अंतःक्रिया करते हैं। [स्रोत](https://doi.org/10.1016/j.actaastro.2016.11.021)

[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### कंजंक्शन टक्कर-संभावना

दो पिंडों की अनुमानित कक्षाएँ, उनकी अनिश्चितताओं के साथ, इस संभावना की गणना में काम आती हैं कि पास से गुज़रते हुए वे टकराएँगे।

वह सवाल जिसका यह जवाब देता है: क्या इस नज़दीकी गुज़र से बचने के लिए थ्रस्टर चलाना सार्थक है?

छोड़ता है: कक्षा की अनिश्चितताओं को अक्सर कम आँका जाता है, और एक अकेली संभावना त्रुटि के मान लिए गए आकार पर बहुत निर्भर करती है।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान हर निकट-मुठभेड़ (कन्जंक्शन) के लिए कुछ सेकंड, हज़ारों वस्तुओं पर चलाए गए। तब से: 1999 आल्फ़्रेंड और सहकर्मियों का टक्कर की संभावना में त्रुटियों का विश्लेषण। [स्रोत](https://doi.org/10.1023/a:1010056509803)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: नियम

## विनिर्माण और सामग्री प्रसंस्करण

### धातु ढलाई और जमाव

पिघली धातु साँचे को भरती और जमती है, और ट्रैक किया जाता है कि वह कहाँ ठीक से नहीं भरती या सिकुड़कर दोष बन जाती है।

वह सवाल जिसका यह जवाब देता है: क्या यह ढलाई ठीक से भरेगी, और ख़ामियाँ कहाँ बनेंगी?

छोड़ता है: असली भट्ठी और साँचे की स्थितियाँ किसी एक सिमुलेटेड ढलाई से ज़्यादा बदलती हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1985 1985 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### वेल्डिंग सिमुलेशन

वेल्ड के आसपास संकरे क्षेत्र में धातु का पिघलना, मिलना और ठंडा होना, उन तनावों के साथ जो तैयार पुर्ज़े को टेढ़ा कर देते हैं।

वह सवाल जिसका यह जवाब देता है: क्या वेल्ड टिकेगा, और बाद में पुर्ज़ा कितना विकृत होगा?

छोड़ता है: साफ़, स्थिर वेल्डिंग हालात मानता है, जो हाथ की वेल्डिंग हमेशा नहीं देती।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1975 1975 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### एडिटिव विनिर्माण सिमुलेशन

एक पुर्ज़ा, जो चलते ऊष्मा-स्रोत से परत-दर-परत बनता है, और जिसमें तापन, पिघलना और उससे बचा अवशिष्ट प्रतिबल दर्ज होता है।

वह सवाल जिसका यह जवाब देता है: क्या तैयार पुर्ज़ा मुड़ेगा या चटकेगा, और उसे बिल्ड प्लेट पर किस दिशा में रखा जाए?

छोड़ता है: वास्तविक विभेदन पर पूरे पुर्ज़े के सिमुलेशन अब भी ज़्यादातर उत्पादन-समय-सारणियों के लिए बहुत धीमे हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1995 1995 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### धातु को आकार देना और स्टैम्पिंग

चादर धातु या गर्म बिलेट को दबाकर, स्टैम्प करके या ढालकर अंतिम आकार दिया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या धातु अंतिम आकार तक पहुँचने से पहले चटकेगी या सिकुड़ेगी?

छोड़ता है: एक समान शुरुआती चादर मानता है; असली पदार्थ की खेपें इससे ज़्यादा बदलती हैं।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1980 1980 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### मशीनिंग सिमुलेशन

एक काटने वाला औज़ार, जो धातु को छिलकों के रूप में हटाता है, साथ में इससे पैदा होने वाले बल, ऊष्मा और घिसाव।

वह सवाल जिसका यह जवाब देता है: औज़ार को तोड़े या सतह की फ़िनिश बिगाड़े बिना हम कितनी तेज़ी से काट सकते हैं?

छोड़ता है: कई पुर्ज़ों पर औज़ार की घिसावट अब भी ज़्यादातर पिछले अनुभव से आँकी जाती है, पहले सिद्धांतों से नहीं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1982 1982 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

### इंजेक्शन मोल्डिंग सिमुलेशन

पिघला प्लास्टिक साँचे की गुहाओं को भरता और ठंडा होकर अपना अंतिम आकार लेता है।

वह सवाल जिसका यह जवाब देता है: क्या साँचा एकसमान भरेगा, और कहाँ मुड़ेगा या ख़ामियाँ दिखाएगा?

छोड़ता है: प्लास्टिक के असली बैच ठीक किस तरह बहते हैं, इसमें मानक सामग्री डेटा की मान्यता से ज़्यादा भिन्न होते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक इंजीनियरिंग फ़र्म का क्लस्टर, प्रति मामला कुछ घंटे तब से: 1976 1976 तक, इस निर्माण-प्रक्रिया के शुरुआती कंप्यूटर सिमुलेशन

[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: क्षेत्र

[◂ मानव व्यवहार और समाज](https://simulation-hypothesis.com/hi/simulations/human-society)[शहर, बुनियादी ढाँचा और संचालन ▸](https://simulation-hypothesis.com/hi/simulations/cities-operations)