- monte-carlo-sim-python - własna implementacja symulacji światła, moduł wizualizacji ścieżki przemieszczania się fotonów w 3D (za pomocą Vispy)
- monte-carlo-sim-benchmark - przykładowe symulacje z literatury (tiny, small, mc321) oraz ich porównanie z własną symulacją, zapis do jednolitego formatu
CUBES.json, przetwarzanie końcowe i normalizacja, generowanie tabel porównawczych, wykresy, mapy ciepła, wizualizacje 3D, mapy ciepła - monte-carlo-sim-tables - tabele ze statystykami rozkładów transportu fotonów dla przeprowadzonych eksperymentów
- CUBES - wyniki przebiegu symulacji światła metodą Monte Carlo w postaci trójwymiarowych tablic oddziaływania fotonów, dodatkowo w archiwum zamieszczono tekst pracy magisterskiej
Repozytorium służy do porównania wyników własnej implementacji symulacji światła monte-carlo-sim-python z przykładami z literatury. W folderach umieszczono kilka odmian symulacji. Najważniejszą stanowi mc456_mc.c. Jest to zmodyfikowana do własnych potrzeb wersja mc321.c. Modyfikacja zmienia parametry ośrodka symulacji i dodaje zapis wyników do identycznej struktury, jak w przypadku własnej implementacji - prostopadłościanu w pliku w formacie json.
Kolejnym ważnym folderem jest mati_sim_transform. W środku znajduje się krótki interaktywny notatnik przekształcający dane wyjściowe własnej symulacji do porządanego, ujednoliconego formatu.
Ostatecznie najważniejszy jest interaktywny notatnik compare_cubes/compare.ipynb służący do porównywania ze sobą wynikowych prostopadłościanów z różnych symulacji.
W drugiej wersji notatnika - compare_cubes/compare2.ipynb - umieszczono systematyczne porównywanie wielu eksperymentów. Tworzony jest obiekt wejściowy klasy eksperyment, w którym sprecyzowano ścieżki folederów z danymi oraz wzorce do porównywania.
Za pomocą compare_cubes/vispy_chart3d generuje się 3 ortogonalne mapy ciepła umieszczone w przestrzeni 3D przy użyciu biblioteki Vispy
Pliki wynikowe (tylko najważniejsze) z końcówką _cubes.json umieszczono w chmurze ze względu na duży rozmiar plików.
Link do plików json z wynikami symulacji
- oryginalne parametry - oryginalne paremetry środowiska symulacji z implementacji z literatury
- własne parametry - parametry wybrane na podstawie przeglądu literatury pod kątem optycznych parametrów skóry
- W folderze original_all umieszczono oryginalne kody źródłowe 3 symulacji światła w jednolitym ośrodku.
- W folderze original_params umieszczono kody źródłowe uruchomionych symulacji światła w jednolitym ośrodku z oryginalnymi paramerami ośrodoka symulacji.
- W folderze benchmark_sims umieszczono kody źródłowe uruchomionych symulacji światła w jednolitym ośrodku z własnymi paramerami ośrdoka symulacji.
- W folderze bibliography umieszczono kody ułatwiające porządkowanie bibliografii
- W folderze compare_cubes umieszczono skrypty do porównywania i wyświetlania wyników
- W folderze compare_cubes/preproc_tools umieszczono kody do wstępnego przetwarzania plików, zmiany nazwy oraz skrypty do porównania czasowego
- mc456_mc.c - dodaje zapis prostopadłościanu, zmienia źródło światła na takie samo jak we własnej implementacji [0,0,-1], nie ingeruje w algorytm (np. nie wymusza zakończenia symulowania fotonu po przekroczeniu umownej granicy).
- mc456_p.py - to samo co wyżej, tylko przetłumaczona na język python.
- time_wrapper.py - ułatwia zapis logów z symulacji (wersja dla programów kompilowanych c)
- time_wrapper_p.py - ułatwia zapis logów z symulacji (wersja dla programów python)
Przykładowo, przy użyciu Visual Studio 2022 wystarczy uruchomić konsolę deweloperską:
developer Command Prompt for VS 2022
Następnie po otworzeniu w konsoli folderu z kodem źródłowym należy wpisać:
cl mc456_mc.c
Powyższa komenda utworzy plik wykonywalny exe.
| folder | plik | opis | |
|---|---|---|---|
| 0 | .gitignore | ||
| 1 | benchmark_sims | folder, w którym znajdują się zmodyfikowane kody źródłowe porównywanych symulacji mc456 (czyli zmodyfikowane wersje mc321), symulacje przeprowadzono na parametrach I |
|
| 2 | bibliography | bibliografia | |
| 3 | compare_cubes | folder, w którym porównywano wyniki symulacji w postaci plików CUBE.json, aby móc wczytywać i porównywać wyniki symulacji w umieszczonych w tym folderze notatników .ipynb, w tym folderze należy umieścić folder CUBES zawierający tablice absorpcji, czyli nieznormalizowane oddziaływanie strumienia fotonów |
|
| 4 | experiment_sketch.png | ||
| 5 | list_all.ipynb | nieistotne, brudnopis do wypisania wszystkich plików | |
| 6 | loc.py | nieistotne, brudnopis do wypisania wszystkich plików | |
| 7 | mati_benchmark_methods.png | ||
| 8 | mati_benchmark_methods2.png | ||
| 9 | mati_sim | wybrane pliki wyjściowe z własnej symulacji, wszystkie pliki dotyczą tej samej symulacji | |
| 10 | mati_sim_transform | transformacja wybranych wyników do CUBE.json |
|
| 11 | original_all | oryginalne kody tiny.c, small.c, mc321.c |
|
| 12 | original_params | to samo, co w pkt 1, tylko na parametrach II | |
| 13 | readme.md | informacja | |
| 14 | readme_img | ilustracje do informacji readme.md | |
| 15 | test_wrapper.py | uruhamia całą serię testów na kodzie C | |
| 16 | test_wrapper_log.txt | przykładowy komunikat log po wykonaniu testu | |
| 17 | test_wrapper_p.py | uruchamia całą serię testó na kodzie python | |
| 18 | test_wrapper_p_log.txt | przykładowy komunikat log po wykonaniu testu | |
| 19 | time_wrapper.py | uruchamia pojedyncze testy na kodach c | |
| 20 | time_wrapper_p.py | uruchamia pojedyncze testy na kodach python | |
| 21 | benchmark_sims | mc321_mc.c | 3 pliki symulacji mc321 .c, .exe, .obj - bez zapisu do CUBE, parametry I |
| 22 | benchmark_sims | mc321_mc.exe | |
| 23 | benchmark_sims | mc321_mc.obj | |
| 24 | benchmark_sims | mc321_p.py | symulacja 321, ale przetłumaczona na język python, parametry I |
| 25 | benchmark_sims | mc456_mc.c | 3 pliki symulacji mc456 .c, .exe, .obj - zapis do CUBE, parametry I |
| 26 | benchmark_sims | mc456_mc.exe | |
| 27 | benchmark_sims | mc456_mc.obj | |
| 28 | benchmark_sims | mc456_p.py | symulacja 456, ale przetłumaczona na język python, parametry I |
| 29 | benchmark_sims | small_mc.c | 3 pliki symulacji small .c, .exe, .obj - bez zapisu do CUBE, parametry I |
| 30 | benchmark_sims | small_mc.exe | |
| 31 | benchmark_sims | small_mc.obj | |
| 32 | benchmark_sims | tiny_mc.c | 3 pliki symulacji tiny .c, .exe, .obj - bez zapisu do CUBE, parametry I |
| 33 | benchmark_sims | tiny_mc.exe | |
| 34 | benchmark_sims | tiny_mc.obj | |
| 35 | bibliography | bib.xlsx | bibliografia z tabelą przestawną w excelu |
| 36 | bibliography | bib_kolejnosc_z_worda.txt | |
| 37 | bibliography | bib_pogrupowana.txt | |
| 38 | bibliography | bib_stara_i_nowa_numeracja.txt | |
| 39 | bibliography | biblio.ipynb | do zarządzania bibliografią |
| 40 | compare_cubes | chart4_img | |
| 41 | compare_cubes | chart4_img / chart4.png | |
| 42 | compare_cubes | compare.ipynb | porównywanie małej próby - wybierz, jeśli interesuje cię porównanie tylko kilku najważniejszych przykładów |
| 43 | compare_cubes | compare2.ipynb | porównywanie dużej próby - wykonuje wszystkie testy i rysuje wykresy na wszystkich plikach z folderu CUBES |
| 44 | compare_cubes | func4chart3d.py | funkcje pomocnicze przeniesione z compare.inpynb, używane później do wizualizacji 3D |
| 45 | compare_cubes | models | wytrenowane modele do normalizacji transformatora kwantylowego |
| 46 | compare_cubes | old | |
| 47 | compare_cubes | old / compare_work_in_progress-ENG.ipynb | przestarzała wersja compare.ipynb w języku angielskim, nie została usunięta na wypadek przyszłego tłumaczenia na język angielski |
| 48 | compare_cubes | out_csv | pliki wyjściowe csv oraz obrazy utworzone podczas działania compare2.ipynb |
| 49 | compare_cubes | out_csv / all_compare2benchmark.csv | tabela - porównanie każdej tablicy CUBE do swojego benchamrku (najlepszej symulacji o takich samych nastawach) |
| 50 | compare_cubes | out_csv / all_print_stats.csv | tablica zawierające statystyki tablic CUBES |
| 51 | compare_cubes | out_csv / merge_csv.ipynb | compare2.ipynb tworzy wiele plików csv, w tym notatniku są one łączone w jedną tabelę |
| 52 | compare_cubes | preproc_tools | przygotowanie CUBES |
| 53 | compare_cubes | preproc_tools / correct_weights.ipynb | koryguje wagi niejednolitych ośrodków (tablic CUBES) tak, aby później mogły być normalizowane z użyciem tego samego współczynnika absorpcji mua_old = 0.37, dane = dane * (mua_old/mua_new), podczas normalizacji będzie: *1/mua_old |
| 54 | compare_cubes | preproc_tools / cp_jsons_as_cubes.py | kopiowanie wyników z innego formatu do CUBES |
| 55 | compare_cubes | preproc_tools / time_comparison.ipynb | porónanie czasowe (później nie ma tych danych w CUBES) |
| 56 | compare_cubes | preproc_tools / time_comparison_old.ipynb | |
| 57 | compare_cubes | preproc_tools / time_csv.csv | |
| 58 | compare_cubes | preproc_tools / trim_cube_names.ipynb | zmiana nazwy CUBES |
| 59 | compare_cubes | stat_table.xlsx | tabele all_print_stats.csv oraz all_compare2benchmark.csv filtrowane w programie Excel |
| 60 | compare_cubes | vispy_chart3d.py | wizualizacja 3D CUBES (uwaga, są to inne wizualizacje niż w projekcie monte-carlo-sim-python) |
| 61 | compare_cubes | x_high_slices.png | |
| 62 | compare_cubes | x_high_sum.png | |
| 63 | compare_cubes | z_high_slices.png | |
| 64 | compare_cubes | z_high_sum.png | |
| 65 | mati_sim | DefaultEnv.json | tablica zawierająca etykietki labels środowiska propagacji |
| 66 | mati_sim | DefaultLightSource.json | źródło światła użyte w symulacji |
| 67 | mati_sim | DefaultPropSetup.json | środowisko propagacji + źródło światła |
| 68 | mati_sim | mati_1_layer_config.json | plik konfiguracyjny config nastaw symulacji, któej wyniki są w folderze mati_sim |
| 69 | mati_sim | mati_1mln_log10_x_high.png | |
| 70 | mati_sim | mati_1mln_log10_z_high.png | |
| 71 | mati_sim | mati_propEnv.png | rysunek przedstawia punktowe źródło światła w środowisku symulacji |
| 72 | mati_sim | resultEnv.json | wyjściowa tablica absorpcji |
| 73 | mati_sim | sim_dump.json | metadane przebeigu symulacji, zawiera zapis zmiany lokalizacji fotonów - ścieżki ruchu |
| 74 | mati_sim_transform | DefaultLightSource.json | |
| 75 | mati_sim_transform | mati_cube.json | |
| 76 | mati_sim_transform | resultEnv.json | |
| 77 | mati_sim_transform | sim_dump.json | |
| 78 | mati_sim_transform | transform2template.ipynb | służy do zamiany wyników z symulacji monte-carlo-sim-python do postaci CUBE |
| 79 | original_all | mc321.c | oryginalny kod symulacji mc321 z literatury |
| 80 | original_all | small_mc.c | oryginalny kod symulacji small_mc z literatury |
| 81 | original_all | tiny_mc.c | oryginalny kod symulacji tiny_mc z literatury |
| 82 | original_params | mc321_mc.c | 3 pliki symulacji mc321 .c, .exe, .obj - bez zapisu do CUBE, parametry II |
| 83 | original_params | mc321_mc.exe | |
| 84 | original_params | mc321_mc.obj | |
| 85 | original_params | mc321_p.py | symulacja 321, ale przetłumaczona na język python, parametry II |
| 86 | original_params | mc456_mc.c | 3 pliki symulacji mc456_mc .c, .exe, .obj - bez zapisu do CUBE, parametry II |
| 87 | original_params | mc456_mc.exe | |
| 88 | original_params | mc456_mc.obj | |
| 89 | original_params | mc456_p.py | symulacja 321, ale przetłumaczona na język python, parametry II |
| 90 | original_params | small_mc.c | 3 pliki symulacji small_mc .c, .exe, .obj - bez zapisu do CUBE, parametry II |
| 91 | original_params | small_mc.exe | |
| 92 | original_params | small_mc.obj | |
| 93 | original_params | tiny_mc.c | 3 pliki symulacji tiny_mc .c, .exe, .obj - bez zapisu do CUBE, parametry II |
| 94 | original_params | tiny_mc.exe | |
| 95 | original_params | tiny_mc.obj | |
| 96 | readme_img | 100k-1mln my mati mid.png | |
| 97 | readme_img | 100k-1mln my mati średnie.png | |
| 98 | readme_img | g 0 05 09.png | |
| 99 | readme_img | hists_rozklady.png | |
| 100 | readme_img | l2 all avg.png | |
| 101 | readme_img | l3 all avg.png | |
| 102 | readme_img | my vs mc456 org my.png | |
| 103 | readme_img | ox rozne skory legend.png | |
| 104 | readme_img | oz rozne skory legend.png | |
| 105 | readme_img | vein all avg.png | |
| 106 | readme_img | zrodla swiatla.jpg |
monte-carlo-python
repozytorium github
język programowania: python
jednolita tkanka
Moja implementacja (monte-carlo-sim-python): 3895 sekund (1h 5 min) dla 1 mln fotonów
Po zoptymalizowaniu liczenia sinusów i cosinusów 1mln fotonów: 1784 sekund (30 min)
tiny_mc.c
[5]
język programowania: c
oryginalne parametry 10 000 fotonów: 3.44 sekundy
oryginalne parametry 100 000 fotonów: 22.96 sekund
oryginalne parametry 1 mln fotonów: 227.51 sekund (3 min 47s)
oryginalne parametry 10 mln fotonów: 2257.98 sekund (37 min 38s)
oryginalne parametry 100 mln fotonów: 23994.01 sekund (6h 40 min)
własne parametry 10 000 fotonów: 1.97 sekundy
własne parametry 100 000 fotonów: 9.06 sekund
własne parametry 1 mln fotonów: 78.93 sekund (1 min 19s)
własne parametry 10 mln fotonów: 787.23 sekund (13 min 7s)
własne parametry 100 mln fotonów: 7939.78 sekund (2h 12 min)
small_mc.c
[5]
język programowania: c
oryginalne parametry 10 000 fotonów: 2.66 sekundy
oryginalne parametry 100 000 fotonów: 22.96 sekund
oryginalne parametry 1 mln fotonów: 227.51 sekund (3 min 48 s)
oryginalne parametry 10 mln fotonów: 2257.98 sekund (37 min 38 s)
oryginalne parametry 100 mln fotonów: 23994.01 sekund (6h 40 min)
własne parametry on small 10 000 fotonów: 1.92 sekundy
własne parametry small 100 000 fotonów: 7.76 sekund
własne parametry small 1 mln fotonów: 65.39 sekund (1 min 5 s)
własne parametry small 10 mln fotonów: 649.34 sekund (10 min 49 s)
własne parametry small 100 mln fotonów: 7699.98 sekund (2h 8 min)
mc321_mc.c
[5]
język programowania: c
oryginalne parametry 10 000 fotonów: 0.6 sekund
oryginalne parametry 1 mln fotonów: 1.2 sekund
własne parametry 10 000 fotonów: 1.6 sekund
własne parametry 1 mln fotonów: 135 sekund
mc321_p.py
[5]
język programowania: python
oryginalne parametry 10 000 fotonów: 0.2 sekund
oryginalne parametry 1 mln fotonów: 9.8 sekund
własne parametry 10 000 fotonów: 35.8 sekund
własne parametry 1 mln fotonów: 3910 sekund (1h 5 min)
mc456_p.py
[5]
język programowania: python
oryginalne parametry 10 000 fotonów: 11 sekund
oryginalne parametry 1 mln fotonów: 19 sekund
własne parametry 10 000 fotonów: 55 sekund
własne parametry 1 mln fotonów: 4490 sekund (1h 15 min)
mc456_mc.c
[5]
język programowania: python
oryginalne parametry 10^4 = 10 000 fotonów: 11.14 sekund
oryginalne parametry 10^5 = 100 000 fotonów: 21.53 sekund
oryginalne parametry 10^6 = 1 mln fotonów: 117.16 sekund (1 min 57 s)
oryginalne parametry 10^7 = 10 mln fotonów: 1073.31 sekund (17 min 53 s)
oryginalne parametry 10^8 = 100 mln fotonów: 10559.07 sekund (2h 56 min)
własne parametry 10^4 = 10 000 fotonów: 10.66 sekund
własne parametry 10^5 = 100 000 fotonów: 16.05 sekund
własne parametry 10^6 = 1 mln fotonów: 53.89 sekund
własne parametry 10^7 = 10 mln fotonów: 410.25 sekund (6 min 50 s)
własne parametry 10^8 = 100 mln fotonów: 3864.15 sekund (1h 4 min)
Okres (lub długość cyklu) generatora bazowego jest definiowany jako maksymalna liczba wartości, które można wygenerować, zanim sekwencja zacznie się powtarzać. [1]
okres funkcji rand z biblioteki standardowej języka c
Z dokumentacji:
POSIX wymaga, aby okres generatora liczb pseudolosowych używanego przez rand wynosił co najmniej 2^32. [2]
2^32 = 4 294 967 296
Autorzy wykorzystali własny algorytm generatora liczb losowych oparty na dwóch książkach. Niestety, ani na stronie internetowej, ani w artykule, ani w kodzie nie podali informacji o jego okresie. Możemy jednak założyć, że był on znacznie większy niż okres generatora zaimplementowany w funkcji rand ze standardowej biblioteki C.
Z notatki dołączonej do kodu możemy wyczytać:
Generator liczb losowych, który generuje równomiernie rozłożone liczby losowe od 0 do 1 włącznie.
Algorytm opiera się na:
W.H. Press, S.A. Teukolsky, W.T. Vetterling, and B.P.
Flannery, "Numerical Recipes in C," Cambridge University
Press, 2nd edition, (1992). [3]
and
D.E. Knuth, "Seminumerical Algorithms," 2nd edition, vol. 2
of "The Art of Computer Programming", Addison-Wesley, (1981). [4]
domyślnie używa Permuted Congruential Generator (64-bit, PCG64)
okres generatora = 2^128 = 3,4E38
[1] https://support.nag.com/numeric/mb/nagdoc_mb/manual_25_1/html/g05/g05intro.html#:~:text=The%20period%20(or%20cycle%20length,the%20sequence%20starts%20to%20repeat.
[2] https://devdocs.io/c/numeric/random/rand
[3] W.H. Press, S.A. Teukolsky, W.T. Vetterling, and B.P. Flannery, "Numerical Recipes in C," Cambridge University Press, 2nd edition, (1992). https://www.fccdecastro.com.br/CursoC&C++/Numerical%20Recipes%20in%20C%202nd%20-%20%20Press.pdf
[4] D.E. Knuth, "Seminumerical Algorithms," 2nd edition, vol. 2 of "The Art of Computer Programming", Addison-Wesley, (1981). https://seriouscomputerist.atariverse.com/media/pdf/book/Art%20of%20Computer%20Programming%20-%20Volume%202%20(Seminumerical%20Algorithms).pdf
[5] https://omlc.org/software/mc/
Oddziaływanie strumienia fotonów w środkowym przekroju dla liczby fotonów od 100 tys. do 100 mln
The effect of the photon flow in the central cross-section for the number of photons from 100 thousand to 100 million
Średnia współczynnika oddziaływania strumienia fotonów w prostopadłościanie 1,5x1,5x2 cm dla liczby fotonów od 100 tys. do 100 mln
Average coefficient of interaction of the photon flux in a 1.5x1.5x2 cm cuboid for the number of photons from 100 thousand to 100 million
Oddziaływanie fotonów dla 2 różnych parametrów oraz dwóch różnych implementacji
Photon interaction for 2 different parameters and two different implementations
Rozkład oddziaływania fotonów
Distribution of photon interactions
Oddziaływanie strumienia fotonów dla współczynnika anizotropii g∈{0, 0,5, 0,9}
Photon flux interaction for anisotropy coefficient g∈{0, 0.5, 0.9}
Zmiana oddziaływania strumienia fotonów w głąb ośrodka
Change in the impact of the photon stream into the depth of the medium
Zmiana oddziaływania strumienia fotonów w poprzek ośrodka
Change in the interaction of a photon stream across the medium
Oddziaływanie strumienia fotonów 5 różnych źródeł
Interaction of the photon stream for 5 different sources
Oddziaływanie strumienia fotonów w ośrodku dwuwarstwowym
Interaction of a photon stream in a two-layer medium
Oddziaływanie strumienia fotonów w ośrodku trzywarstwowym
Interaction of a photon stream in a three-layer medium
Oddziaływanie strumienia fotonów w ośrodku z naczyniem krwionośnym
Interaction of a photon stream in a medium with a blood vessel