مدیریت داده های علمی در تاسیسات فیزیک آزمایشگاهی با استفاده از ابزار کلان داده

استفاده از ابزارهای دیجیتال با دقت بالا در سنکروترون که قادر به پایش و نمونه برداری با نرخ بالا می باشند، باعث شده است تا محققان داده های حجیمی را در فرآیند اجرای آزمایشات بدست آورند. در صورتی که امکانات ذخیره سازی و پردازشی مناسبی در اختیار پژوهشگران باشد قادر خواهند بود تا با افزایش دقت و نرخ نمونه برداری به نتایجی بهتر دست یابند. در پژوهش پیش رو سعی نموده‌ایم تا با ارزیابی فرایند حل یک مسئله استاندارد میکرومغناطیسی با عنوان پاشندگی امواج اسپین در یک موجبر مغناطیسی، امکانات ابزار کلان داده در چارچوب هدوپ برای مدیریت نیازمندی های چنین آزمایشاتی را ارزیابی نماییم. نتایج بدست آمده نشان می دهند که شبیه سازی در ابعاد کمتر از یک نانومترویژگی های مربوط به کلان داده را دارا می باشند.

Managing Scientific Data in Experimental Physics Facilities using Big Data Tools

Usage of high precision detectors in Synchrotron with high sample rates resulted in collection of large amounts of data during experiments. Researchers can obtain better results, given appropriate storage and processing infrastructure. In this paper we tried to assess storage and processing requirements of visualizing simulation data for Spin wave dispersion in a magnonic nanostructure as a standard micromagnetic problem. Results shows that if the simulation is run with mesh sizes of smaller than one nanometer the topic can be considered as big data problem and Hadoop framework can be used to manage storage and data processing.