На чем сейчас модно писать научные программы?

haskell, python etc

Common Lisp

Это не мне. А новичкам, которые почти не умеют ни один ЯП.

А задача в основном связана с работой матриц, с функциями и их обвязки сложной логикой.

в моё время (лет 5-10 назад) только си и плюсеги котировались

haskell, python etc

Есть ли какие-нибудь истории успеха?

Haskell же.

Он действительно простой, особенно для математиков.

Что ТС думает о «с++» + «Специфичные библиотеки»?

> Есть ли какие-нибудь истории успеха?
Только с bash.(хотел переписать dfm на perl, но профита не обнаружил)

> На чем сейчас модно писать научные программы?

Common Lisp до сих пор моден в научной среде

Конечно большинство сегодня по инерции еще пишут на Фортране или Си, но ведь задачи на сегодняшний день изменились, требования уже другие. Да и логика гораздо сложнее стала.

для сложной логики - однозначно Common Lisp

Расчеты требуют больше удобного написания программы, чем скорость счета (не продакшен же), но скорость тоже важна.

большинство современных реализаций Common Lisp генерируют скорострельный машинный код

Вот думаю, что бы можно было посоветовать молодому поколению (т.е. аспирантоте), если учить ЯП все равно какой-то придется.

Common Lisp же

Сейчас каждые девять из десяти бумаг по CS сопровождаются кодом на хачкеле.

matlab/octave?

matlab/octave?

Да можно посмотреть в эту сторону.

Связка С++ (вычислительное ядро) и питон (обвязка ядра и интерфейс пользователя). Мы и сами так пишем и студентов так учим;-)

Что ТС думает о «с++» + «Специфичные библиотеки»?

Я за, только он сложноват немного, ведь тот кто будет этим занимать только на бейсике работал.

Я за, только он сложноват немного, ведь тот кто будет этим занимать только на бейсике работал.

Тогда не стоит сильно заморачиваться со скоростью. Может действительно питон, как сказали выше?

Вообще трудно рассуждать обобщенно, без конкретики.

matlab, maple
правда, проприетарщина =)

В итоге есть три варианта:

c++
matlab и т.п.
python

Это уже придется решать после прощупывания аспиранта

Если не надо выжимать из процессора всё до последней микросекунды, то Python + NumPy. Если надо - прототип на NumPy, потом на Си/Си++ или чем-то модном вроде numexpr

Математику вольфрамову забыли! И этот... ексель, он тоже умеет формулки крутить и даже с размерностью;-)

На самом деле «научные программы» это очень размазано. В какой области программы то?

на python, но есть такие кто пишут на ruby.

зависит от того на сколько хочется заморачиваться. Если хочется, python + си. Питон в любом случае знать стоит, есть к нему много сопутствующих модулей на си.

Спасибо, посмотрю.

+100500

А задача в основном связана с работой матриц, с функциями и их обвязки сложной логикой.

python + numpy

в моё время (лет 5-10 назад) только си и плюсеги котировались

это из какой же ты параллельной вселенной, всегда фортран был

Математику вольфрамову забыли

Для численных расчетов нужно что-то типа matlab. Математика больше для аналитики заточена.

Механика твердых тел.

> На чем сейчас модно писать научные программы?

Common Lisp до сих пор моден в научной среде

4.2, или уточняй в какой среде

да, в экселе мы лабы по статистике делали, помнится. =) а математикой я так не пользовался, увы, ни разу, без нее всего хватало.

Лучше все же писать на C/C++, т.к. зачастую важна не только скорость разработки, но и скорость исполнения программ.

каждые девять из десяти бумаг по CS сопровождаются кодом на хачкеле.

O_O, гонишь. В бумагах вообще код редко попадается. Или псевдокод с описанием алгоритма или, максимум, в technical report загоняется. Да и кому нужны эти исходники в таком виде? Если очень нужно то создал аккаунт на github а в пейпре ссылку засунул и готово.

Деформируемых?

Тут есть много решений. Если речь идет об аналитике, то туча всяких CAS - maxima, матлаб, маткад и тд.

Если важна таки производительность и в перспективе хочется писать что то монструозное перелопачивающее большие объемы данных, то как я выше писал связка С++ и питон.

Если просто что то оценивать и производительность не очень важна, то как писал tailgunner питон + нампай и пр.

> 4.2, или уточняй в какой среде

че сразу 4.2 - то? если хорошенько поискать, то гугл тренд покажет.

Вот например, только малая часть того, что сразу находится:

http://www.lispworks.com/success-stories/

маткад это совсем не CAD, matlab вообще не ПО для людей

> Расчеты требуют больше удобного написания программы, чем скорость счета (не продакшен же), но скорость тоже важна.

Расчёты требуют в первую очередь эффективного алгоритма. При этом затрады времени на кодинг этого алгоритма, пусть даже на Си, ничтожны.

> 4.2, или уточняй в какой среде

че сразу 4.2 - то? если хорошенько поискать, то гугл тренд покажет.

ты сказал:

Common Lisp до сих пор моден в научной среде

это, в общем случае, неверно, ибо, я совершенно точно знаю, что, например, астрофизики в своей научной среде нифига не используют CL

Сидим мы как то у заказчика, ждем пока он освободится что бы поговорить о своем. А занят он с дядькой, который соловьем расхваливает последнюю математику - дескать ЯП нового поколения, и так он может и эдак и лучше его нету, а С++ полный ацтой, и все переходите значит на математику. Правда она у него (дядьки) ворованная, но если заказчик к его наработкам интерес проявит то дядька себе тут же купит лицензионную версию...

Нам так забавно было (с учетом того что мы со своим ацтойным С++ на персоналках считаем то за что мало кто на кластере берется).

> это, в общем случае, неверно, ибо, я совершенно точно знаю, что, например, астрофизики в своей научной среде нифига не используют CL

Если твои «астрофизики» из ПТУ используют что-то другое, это не значит, что в мире, остальные _астрофизики_ пользуются тем же.

>> Расчеты требуют больше удобного написания программы, чем скорость счета (не продакшен же), но скорость тоже важна.

Расчёты требуют в первую очередь эффективного алгоритма. При этом затрады времени на кодинг этого алгоритма, пусть даже на Си, ничтожны

4.2. Как правило чем алгоритм эффективней тем сложней его кодить. Напр наши алгоритмы самые эффективные и чудовищно сложно реализуются. Иначе все б ими уже давно пользовались...

Расчёты требуют в первую очередь эффективного алгоритма. При этом затрады времени на кодинг этого алгоритма, пусть даже на Си, ничтожны.

Вот только подбирать/разрабатывать этот эффектный алгоритм на Си будешь очень долго.

> Если твои «астрофизики» из ПТУ используют что-то другое, это не значит, что в мире, остальные _астрофизики_ пользуются тем же.

Не знаю какие там в Вашем ПТУ астрофизики, но мои знакомые астрофизик их ИПМ пишут на С/C++/фортране. Никого кто на CL у нас писал бы я не знаю.

Если твои «астрофизики» из ПТУ используют что-то другое, это не значит, что в мире, остальные _астрофизики_ пользуются тем же.

ну «моё» пту называется Max-Planck-Institut für Astrophysik, а твоё как?

Haskell же.

для математиков.

Как-то так исторически сложилось, что с программированием знакомят не со стороны математики, а откуда-то со стороны полубесконечных лент, написания МТ на МТ и ассемблера. Студент учится худо-бедно применять умную математику в сишечке, и много позже узнаёт про хаскель.

Поэтому хацкель в академической среде как-то не очень. Разве что буржуины во всяких МИТах более-менее отошли от «железного» подхода. Правда, со scheme они свалили не на хаскель, а на пейтон :D

> 4.2. Как правило чем алгоритм эффективней тем сложней его кодить. Напр наши алгоритмы самые эффективные и чудовищно сложно реализуются. Иначе все б ими уже давно пользовались...

Очевидный фикс. Чем алгоритм _сложнее_, тем сложней его кодить.

Кстати, «наши» это какие?

> Вот только подбирать/разрабатывать этот эффектный алгоритм на Си будешь очень долго.

На Си не подбирают алгоритмы, а пишут программы.

LRnLA

они не сложные, они именно что _эффективные_.

Си, Си++, Фортран

В итоге есть три варианта:

c++ matlab и т.п. python

Это уже придется решать после прощупывания аспиранта

Странные рассуждения. Уж где-где, а в науке нужно отталкиваться от конкретных задач. Очень нужна скорость - С/C++ или Фортран (исходить надо из наличия библиотек, т.к. сами языки относительно сложные), Matlab - лучший синтаксис для матриц, очень подходит, чтобы быстро склепать код и проверить идею; Maxima и подобные - для символьных вычислений. Питоном не пользовался, но не нравится по нескольким причинам:

• Там вечно что-то меняют и ломают. В результате, кто-то пишет на Python 3.0 или 2.7, но еще жив 2.4. В результате, где-то возможны грабли.
• Не самые лучшие пакеты для расчетов. SymPy явно уступает Maxima, для построения графиков полно куда лучших альтернатив.
• Как скриптовый язык - на любителя.

А что если алгоритм не совсем известен, а лишь приближенно знаешь что надо сделать. Поэтому приходится перебирать разные варианты, делать кучу расчетов, тестировать. Код сильно меняется, возникают потери времени на изменение кода в Си. Логика и четкость алгоритма становится трудно увидеть из-за большого кода и дополнительных действий (с выделением данных, организаций доп. циклов и т.д.)

Не вижу прямой связи между сложностью и эффективностью.