COVID-19: چرا اکثر ویروس مدل ها اشتباه

کلرادو و دیگر مناطق دست و پنجه نرم کردن با COVID-19 با تکیه به شدت در مدل سازی سیستم های طراحی شده برای پروژه پیشرفت ویروس به منظور تعیین زمان و نحوه لغو محدودیت مانند استفاده از ماسک و اجتماعی فاصله.

اما بر اساس تحقیقات فقط منتشر شده در هرج و مرج: An Interdisciplinary Journal of Nonlinear Science, ربکا Morrison, استادیار علوم کامپیوتر در دانشگاه کلرادو بولدر فکر می کند که بسیاری از مدل ها در استفاده تقریبا به عنوان دقیق به عنوان آنها باید.

کار با Americo کونها, دستیار استاد در ریو دو ژانیرو دانشگاه دولتی در برزیل, موریسون یک ریاضی روش لقب یک "جاسازی شده-اختلاف اپراتور" که او معتقد است که قادر به بهبود نتایج. او و یک تیم بین المللی از همکاران در حال حاضر در حال تطبیق روش به این چالش از پیش بینی های مربوط به رمان coronavirus.

"این فوق العاده پیچیده و مشکل است و من فکر نمی کنم جاسازی شده-اختلاف رویکرد من کار بر روی یک درمان همه" موریسون اذعان دارد. "اما من امیدوارم که این می تواند یکی دیگر از ابزار است که افسران و تصمیم گیران را در حال حرکت رو به جلو است. و در حال حاضر ما می توانید استفاده از تمام کمک ما می توانید دریافت کنید."

اصلی تحقیقات انجام شده توسط موریسون و کونها متمرکز بر بیماری های مختلف: zika یک پشه-borne virus است که سهام مشترکات با تب دانگ و تب زرد.

با توجه به موریسون در حالی که تلاش برای کالیبره کردن برخی از مدل پارامترهای کونها و برخی از دانش آموزان خود را کشف کرد که "وجود دارد اختلاف بین این مدل و داده های واقعی از برزیل وزارت بهداشت در مورد چگونه بسیاری از مردم در واقع آلوده" حتی پس از تلاش برای مطابقت با چهره های همه فن حریف — یک فرایند دشوار ساخته و توسط آن تعبیه شده اختلاف است.

"اینجا جایی است که من در آمد" موریسون همچنان ادامه دارد. "کار من می گوید:" ما باید این نوع از قطعات است که ما مدل...اما ما باید برای رسیدن به جرات مدل و تغییر معادلات به سعی کنید به آمده تا با سازگاری بهتر بین این مدل و داده ها."

پس از اتمام آن تلاش موریسون و کونها مورد نیاز برای آزمون های جاسازی شده-اختلاف اپراتور و خوشبختانه آنها تا به حال اطلاعات به انجام این کار. "این بود که درست پیش بینی در مورد ما انجام شد آن را پس از این واقعیت است. پس از آن یک آزمون خوب مورد" او می گوید:, و اضافه کرد که به دلیل نتایج خود را بسیار دقیق تر هنگامی که با استفاده از ریاضی روش او اعتماد به نفس "آنها را قابل استفاده در پیش بینی مدل سازی سناریو. و این که امیدوارم چه ما به زودی به عنوان ما در حال کار بر روی COVID-19 مثال است."

البته موریسون نمی خواهد به سادگی قادر به وصل جاسازی شده-اختلاف اپراتور پس از COVID-19 بسیاری از متغیرهای. "آن را به خوبی درک در این نقطه است که بسیاری از مکان های تحت آزمایش" او اشاره می کند. "بنابراین ما لازم نیست که مقدار زیادی از اطلاعات قابل اعتماد نیاز داریم: ما چگونه باید تعداد افراد آنها را مستعد ابتلا اند که آنها در حال حاضر شده است در معرض آنها نشان دادن آنتی بادی و اگر چنین است می توانید آنها را به حساب ما به عنوان بهبود? بنابراین ما باید به فکر می کنم در مورد که از مدل سازی جانبی برای کشف کردن چگونه ما می تواند اعتماد ما داده که ما می دانیم آن را تحت نمونه."

با اینحال موریسون امیدوار است که او قادر خواهید بود به درخواست های جاسازی شده-اختلاف اپراتور به COVID-19 در چند هفته. هنگامی که این kinks شده است که ممکن است ما یک ایده بسیار بهتر در مورد اینکه آیا پیش بینی مدل در اشتباه هستند — و چقدر اشتباه هستند.