Иван Тронин: «Без шаманского бубна не обходится»

Математическое моделирование может многое, оно может дать понимание того, что происходит с веществом при экстремальных условиях, и все же теоретическое моделирование нуждается в проверке экспериментом, а гении прошлого умели создать сложнейшие промышленные установки, не пользуясь матмоделями. Обо всем этом мы беседуем с кандидатом физико-математических наук, и.о, заведующего кафедрой молекулярной физики НИЯУ МИФИ Иваном Трониным.

Этим интервью мы открываем новую рубрику «Голос науки», в которой ученые нашего университета будут рассказывать о своих научных исследованиях.

Иван Владимирович, какие сейчас главные направления ваших научных исследований?

Первое направление - численное моделирование гидродинамических процессов, происходящих при разных экстремальных условиях. В частности, я много лет уже занимаюсь процессами, происходящими в газовых центрифугах. Там оказалось довольно много непонятных вещей – несмотря на то, что история центрифуг насчитывает почти 70 лет. Тем не менее остается много вопросов, потому что условия внутри центрифуги необычные, там ускорение миллион g, там огромные силы, гигантские градиенты, все очень интересно.

Вторая история связана с процессом заполнения и вытекания, с физикой нанопористых сред. Я здесь помогаю коллегам, в основном в части численного моделирования. Вообще я вырос в теоретической парадигме. В аспирантуре занимался больше теоретической физикой, потом ушел в численное моделирование. Теперь мы с коллегами моделируем центрифуги, астрофизику, пористые среды, течение в масс-спектрометрах. В общем, моделируем все процессы, происходящие в экстремальных условиях, начиная со звезд и заканчивая пористыми телами.

Говоря о численном моделировании – можно ли сказать, что развитие компьютерной техники преобразовало эту отрасль науки и позволило добиться новых результатов?

Я понимаю, к чему вы клоните. Меня все время спрашивают: нейросети-то вы используете? Я отвечаю – нет, не используем, потому что нейросети – это по большому счету, достаточно тривиальная история. И те люди, которые погружены в проблему, прекрасно понимают, что вне рамок обучающей выборки нейросеть вам ничего не подскажет. Она никогда не сгенерит то, что называется дебютными прорывными идеями. Обработать большой массив данных и решить на нем задачи категоризации нейросеть может, но в науке таких задач не так много. Нейросети и машинное обучение коснулись науки опосредованно. Но развитие компьютерной техники, безусловно, играет роль. По сравнению с тем, что 10 лет назад стояло у меня на рабочем столе, сейчас компьютеры не в пример мощнее. Это делает жизнь удобнее, я могу решать некоторые задачи, не обращаясь к супероборудованию, а то и несколько задач сразу запускать. Так что – да, с точки зрения производительности рост есть, памяти больше. Но прорыва какого-то с точки зрения компьютерной техники я не вижу. По сравнению с тем, что было 10 лет назад, скорее можно сказать, что количество перешло в качество. Инженерные задачи компьютеры решают зачастую очень хорошо. Но для того, чтобы решать научно-исследовательские задачи, по-прежнему нужны идеи и разговоры. Как это было в 60-е годы, так и осталось.

В процессе этих исследований не пришлось ли вам осваивать новые разделы математики?

У нас, все-таки, не суровая теорфизика, не теория струн, которая превратилась, во многом, в раздел математики. У нас в этом смысле дело обстоит проще, хотя теория дискретных систем и алгоритмов – это такая достаточно специфическая история. Иногда даже мне кажется, что тут без шаманского бубна не обходится. Бывает, набредаешь на решение задачи, которое находится совершенно вне рамок науки, но при этом работает. Любой спец по численному моделированию скажет, что он с этим сталкивался.

Вы видите, как ваши сугубо теоретические и математические расчеты влияют на другие отрасли, на практику, на эксперименты?

Этого как раз полным-полно. 10 лет назад мы были одними из пионеров темы цифровых двойников, мы убеждали высокое руководство, что нужно развивать моделирование и пытаться делать математические модели, и нам, откровенно говоря, не доверяли. Сейчас это мейнстрим, благодаря, в том числе, тому же Алексею Ивановичу Боровкову из Петербургского политеха, который на поток поставил решение прикладных задач с помощью компьютерного моделирования.

Другое дело, что компьютерное моделирование никогда не заменит полностью эксперимент, потому что физика реальных процессов многограннее и сложнее, чем то, что заложил в машину программист. Конечно, моделирование позволяет сократить цикл разработки и тем самым сэкономить большие деньги. Люди стали доверять расчетам, стали понимать, что нужны специалисты, которые инженерно мыслят, но при этом умеют работать на компьютере. И сотрудники конструкторских отделов сейчас в основном сидят за компьютерами. Но важно, чтобы не было перегиба в другую сторону, а дело, идет, к сожалению, к тому, чтобы отказаться полностью от эксперимента. И парадигма эта ни к чему хорошему не приведет. Я напомню, лет 10 назад был в Формуле-1 случай, когда некая команда сказала: мы аэродинамические испытания болида проводить не будем, а все сделаем с помощью компьютерного моделирования. Естественно, она с треском проиграла, провалила сезон и рассыпалась в прах. Потому что практика - критерий истины, любую модель нужно проверять, валидировать, как мы говорим, и только тогда она становится моделью, которая имеет предсказательную силу.

Можно ли сказать о серьезном развитии той науки, которой вы занимаетесь, за последние годы? Продвинулось ли за последние 5-10 лет понимание газодинамических процессов в газовых центрифугах?

Безусловно. Прогресс невозможно куда-то в мешок засунуть. И мы первые в мире в этой отрасли безо всяких скидок. Говоря «мы», я имею в виду Россию, и прежде всего, безусловно, Госкорпорацию «Росатом», её топливную компанию ТВЭЛ, ну и ученые МИФИ и кафедры «Молекулярная физика» тоже здесь занимают лидирующие позиции на протяжении уже многих лет. Пришло понимание того, что происходит внутри центрифуги, потому что лет 15 назад вообще никто не представлял себе, что там внутри.

То есть центрифуги эксплуатировали без понимания?

Я просто молюсь на тех людей, которые сделали эти машины, причем машины чудовищно сложные. На одной инженерной интуиции, не понимая процессов внутри, люди сделали вот эти чудовищные по сложности машины, которые сейчас лучшие в мире с большим отрывом. Для меня это невероятные люди.

А служит ли понимание процессов, происходящих внутри центрифуги, пониманию природы – то есть того, как устроена природа?

Да, безусловно. Потому что специфические условия, которые есть в центрифуге, можно, в принципе, воссоздать. И в космосе есть такие условия. И понимание того, как устроено течение газа при сверхвысоких ускорениях свободного падения продвинуло понимание процессов в космосе. Модели и методики, которые мы создавали в расчете на экстремальные условия газовой центрифуги, потом нам помогли в конкретных астрофизических задачах и не только в них. Иногда у людей возникают специфические задачи, которые не могут быть решены обычными инженерами. Тогда они приходят к нам, поскольку мы хорошо понимаем, как устроено численное моделирование, и мы можем модифицировать методическую часть так, чтобы работать уже с другими задачами.