Recent Advances in Algorithmic Differentiation

روندها نشان دهنده وضعیت دانش در زمینه تمایز الگوریتمی (AD) است. 31 مقاله ارائه شده در کنفرانس AD2012 کاربرد AD در بسیاری از زمینه ها در علم و مهندسی و همچنین جنبه های نظریه AD و اجرای آن در ابزارها را پوشش می دهد. برای همه مقالات، داوران منتخب از کمیته برنامه و جامعه بزرگتر و همچنین سردبیران بر دسترسی به ایده های ارائه شده برای کارشناسان غیر AD نیز تاکید کرده اند. در عرصه ابزارهای AD، پیاده‌سازی‌های جدیدی معرفی می‌شوند که به عنوان مثال، جاوا و محیط‌های مدل‌سازی گرافیکی را پوشش می‌دهند یا به مجموعه ابزارهای موجود برای Fortran ملحق می‌شوند. پیشرفت‌های جدید در الگوریتم‌های AD، کارایی مشتقات عملیات ماتریس، تشخیص و بهره‌برداری از پراکندگی، جداسازی جزئی، درمان توابع غیرهموار و دیگر جنبه‌های ریاضی سطح بالا از محاسبات عددی را هدف قرار می‌دهد. کاربردها از علوم زمین، مهندسی هسته‌ای، دینامیک سیالات و شیمی سرچشمه می‌گیرند. در بسیاری از موارد، برنامه‌های کاربردی در یک حوزه معین از علم یا مهندسی، ویژگی‌هایی را به اشتراک می‌گذارند که نیازمند رویکردهای خاص برای فعال کردن قابلیت‌های AD یا ایجاد فرصتی برای افزایش کارایی در محاسبات مشتق هستند. شرح این ویژگی‌ها و تکنیک‌های موفقیت آمیز استفاده از AD باید این روند را به منبع اطلاعاتی ارزشمندی برای کاربران ابزارهای AD تبدیل کند.

The proceedings represent the state of knowledge in the area of algorithmic differentiation (AD). The 31 contributed papers presented at the AD2012 conference cover the application of AD to many areas in science and engineering as well as aspects of AD theory and its implementation in tools. For all papers the referees, selected from the program committee and the greater community, as well as the editors have emphasized accessibility of the presented ideas also to non-AD experts. In the AD tools arena new implementations are introduced covering, for example, Java and graphical modeling environments or join the set of existing tools for Fortran. New developments in AD algorithms target the efficiency of matrix-operation derivatives, detection and exploitation of sparsity, partial separability, the treatment of nonsmooth functions, and other high-level mathematical aspects of the numerical computations to be differentiated. Applications stem from the Earth sciences, nuclear engineering, fluid dynamics, and chemistry, to name just a few. In many cases the applications in a given area of science or engineering share characteristics that require specific approaches to enable AD capabilities or provide an opportunity for efficiency gains in the derivative computation. The description of these characteristics and of the techniques for successfully using AD should make the proceedings a valuable source of information for users of AD tools.