Diese Seite wurde automatisch übersetzt.

Cloudbasierte Docker-Container vermitteln berufsrelevante Ingenieurskompetenzen

Studenten konzentrieren sich auf mathematische Modellierung statt auf Software-Setup

Anthony Patera unterrichtet seit 1982 Maschinenbau am MIT, nachdem er dort seinen Bachelor-, Master- und Doktortitel erworben hatte. Obwohl Ingenieure schon immer wissenschaftliche Berechnungen eingesetzt haben, sind diese in vielen Kernkursen kaum zu finden. Die Gründe dafür reichen von Schwierigkeiten beim Ausführen der Software auf allen Computern bis hin zu einem Mangel an Maschinen mit ausreichender Rechenleistung. Er hat im Laufe seiner Karriere mehrmals versucht, mehr Software in seinem Unterricht einzusetzen. „Ich habe aufgegeben“, sagt er.

Vor Kurzem hat er in einem seiner Kurse eine elegante Lösung implementiert. Pateras Postdoktorand Kento Kaneko hat den Code, der eine wichtige Berechnung durchführt, in eine leicht zugängliche Komponente verpackt, auf die die Studenten über die Cloud zugreifen können. „Dadurch ändert sich die Tiefe der Problemstellungen“, sagt Patera, „und das Ausmaß, in dem wir die Dinge relevanter und interessanter gestalten können.“

Von der Forschung ins Klassenzimmer

Die Lösung begann mit einem Zuschuss des Office of Naval Research. Unter Verwendung partieller Differentialgleichungen (PDEs) entwickelte Pateras Labor eine Methode zur Bereitstellung von Fehlerschätzungen für eine weit verbreitete Wärmeübertragungsnäherung zur Lösung des zeitabhängigen Leitungsproblems. Der Schätzer erfordert jedoch die Lösung einer einzelnen elliptischen PDE. Es erwies sich als Herausforderung, ihre Arbeit mit Fachleuten auf der ganzen Welt zu teilen: Das Verteilen von Quellcodedateien erfordert, dass die Empfänger die Umgebung und Abhängigkeiten neu erstellen.

„Jahrelang habe ich versucht, Studierende auf das Berufsleben vorzubereiten. Der Arbeitsplatz ist simulationsdominiert. Der entscheidende Punkt bei der Simulation ist nicht, die Zahlen zu erhalten. Es ist das Wissen, dass sie Recht haben. Bisher fehlte mir die Möglichkeit, die Schüler dazu zu bringen, diese Fähigkeiten anzuwenden.“

Anthony Patera, Professor für Maschinenbau, MIT

Sie dachten über die Freigabe als ausführbare Datei nach, die Bereitstellung von Updates wäre jedoch eine Herausforderung. Darüber hinaus benötigt jeder Empfänger Administratorrechte zum Ausführen ausführbarer Dateien, die von der IT-Abteilung gelegentlich aus Sicherheitsgründen blockiert werden. Nach Gesprächen mit MathWorks fanden sie einen optimalen Ansatz zum Teilen ihrer Arbeit: einen Docker® Container-Mikroservice.

Ein Container ist eine in sich geschlossene Softwareeinheit, die Code und alle seine Abhängigkeiten bündelt, sodass die Anwendung in jeder Computerumgebung identisch ausgeführt wird. Docker ist eine beliebte Containerimplementierung und der De-facto-Standard für die Verteilung von Software. Der Docker-Container kapselt das Betriebssystem, unterstützende Bibliotheken, Ausführungslaufzeiten, das MATLAB® Code, der die PDE löst, und ein HTTP-API zum Aufrufen des MATLAB Codes – auch als Microservice bezeichnet. Vorhandener MATLAB Code kann mit dem MATLAB Compiler SDK™ einfach in einen Docker-Container-Microservice umgewandelt werden. Ein Client-Benutzer des Docker-Container-Microservice kann die Geometrie des Objekts als Eingaben bereitstellen und über einen Web-App-Vermittler oder direkt über die API des Microservice eine Lösung sowie Fehlerschätzungen erhalten.

Die MATLAB PDE-Software wurde von Patera und Kaneko in Zusammenarbeit mit Professor Masayuki Yano von der University of Toronto entwickelt. „Uns ist aufgefallen, dass das Verfahren auch für Studierende großartig ist“, sagt Patera. Er und Kaneko haben denselben Docker-Microservices-Ansatz in Pateras Kurs „Zwischenwärme- und Massenübertragung“ implementiert. Drei Problemstellungen verwenden den Heat Transfer Microservice (HTM).

Einer der Aufgabensätze befasst sich mit Wärmebrücken. Die Schüler erhalten eine schematische Darstellung eines Wandquerschnitts, bei der sich links die Innenseite des Gebäudes und rechts die Außenseite befindet. Die Wand ist, bis auf einige Bereiche mit Stahlstützen, größtenteils isoliert. Die Stützen leiten die Wärme effektiv vom Gebäudeinneren nach außen. Der HTM erstellt für die Schüler ein Temperaturdiagramm, das wie ein verzerrtes zweidimensionales Blatt aussieht. Die Schüler müssen Patera davon überzeugen, dass das Diagramm innerhalb der angegebenen Fehlergrenzen korrekt ist.

„Jahrelang habe ich versucht, Studierende auf das Berufsleben vorzubereiten“, sagt Patera. „Der Arbeitsplatz ist simulationsdominiert. Der entscheidende Punkt bei der Simulation ist nicht, die Zahlen zu erhalten. Es ist das Wissen, dass sie Recht haben. Bisher fehlte mir die Möglichkeit, die Schüler dazu zu bringen, diese Fähigkeiten anzuwenden.“ Mit dem HTM können die Studierenden mehr Zeit darauf verwenden, ihre Fähigkeiten zur kritischen Bewertung zu entwickeln, anstatt Berechnungen auswendig zu lernen oder IT-Softwarekonfigurationen durchzuführen.

Patera betont die Bedeutung der Simulation in der Grundausbildung. Die Schüler können an realistischen Problemen zu Themen arbeiten, die sie interessieren könnten, wie zum Beispiel der Energieeffizienz von Gebäuden. Darüber hinaus erweitern sie ihre Modellierungskompetenzen, die sie für die Lösung vieler komplexer Probleme benötigen. „Das hilft ihnen dabei, ihre Fähigkeiten zur Fehlererkennung zu entwickeln“, sagt Patera. „Sie müssen feststellen, ob die Simulation korrekt ist.“

„Microservices sind der Schlüssel zum Erfolg“, fügt Patera hinzu. „Die wesentlichen pädagogischen Elemente sind nicht durch praktische Barrieren im Zusammenhang mit Verwaltung, Umsetzung und Zugang belastet.“

Ein vom Heat Transfer Microservice erstelltes Diagramm, das die Temperaturverteilung eines Wärmebrückenproblems darstellt.

Der Heat Transfer Microservice generiert und überträgt die PDE-Lösung für ein Diagramm, das die Temperaturverteilung auf der Client-Software anzeigt. (Bildnachweis: Kento Kaneko)

In der Cloud

Screenshot, der eine Liste aktualisierter Bilddateinamen und Konfigurationen für den Container mit Feldern für die Bild-URL, den Container-Port, Argumente, Speicherzuweisung und Anzahl der jeder Instanz des Containers zugewiesenen CPUs zeigt.

Die Google Cloud Run-Konfiguration. (Bildquelle: Kento Kaneko)

„Ich denke, dies ist ein Paradebeispiel dafür, wie Microservices den Bildungsprozess demokratisieren.“

Anthony Patera, Professor für Maschinenbau, MIT

Der HTM Docker-Mikroservice läuft auf der Google Cloud Platform™, sodass Studierende von überall darauf zugreifen können. Laut Kaneko lässt sich das HTM leicht aktualisieren. Es ist effizient, zuverlässig und skalierbar. Der Google® Cloud Run-Dienst stellt sicher, dass die Ressourcen bei Bedarf skaliert werden, um die Last zu bewältigen, wenn mehrere Personen HTM gleichzeitig verwenden möchten. Dies geschieht automatisch und Kaneko muss sich nicht um die Bereitstellung der Hardware kümmern.

Selbst wenn die Schüler die Komponenten auf ihren PCs ausführen würden, würden sie nicht unbedingt die gleiche Leistung erhalten wie vom Cloud-Dienst. Patera möchte den HTM letztendlich mit Studierenden anderer Universitäten mit weniger Ressourcen teilen. „Ich denke, dies ist ein Paradebeispiel dafür, wie Microservices den Bildungsprozess demokratisieren“, sagt er.

Zugriff auf ChatGPT

Die Leistungen der Schüler waren sehr gut und es gab keine Beschwerden über die Software. Er merkt an, dass die Studenten im Allgemeinen höflich sind – außer, wenn die Software nicht funktioniert. „Aber im Laufe des Semesters gab es nicht eine einzige Beschwerde“, sagt er. „Das sagt mir nicht, dass ihnen die pädagogische Erfahrung Spaß macht. Aber es sagt mir, dass die Software funktioniert.“

Patera und Kaneko haben ihr System außerdem mit ChatGPT kompatibel gemacht, sodass Benutzer das Problem einfach in natürlicher Sprache beschreiben können, wodurch der HTM aufgerufen wird, um die Ergebnisse zu erhalten. Sie haben diese Option den Studierenden bisher nicht angeboten, da sie nicht für alle ChatGPT-Lizenzen haben.

MATLAB dient nicht nur zum Ausführen von Experimenten auf Desktops. Sowohl in professionellen als auch in Lernumgebungen können Teams ihren Code mit MATLAB Compiler SDK in einem Industriestandardformat verteilen, einschließlich aller zugehörigen Abhängigkeiten. Dadurch wird sichergestellt, dass MATLAB Anwendungen auf verschiedenen Betriebssystemen und Cloud-Plattformen konsistent ausgeführt werden.

Durch Ausführen von Docker-Microservices in der Cloud können Benutzer über eine Vielzahl von Schnittstellen mit MATLAB-Anwendungen interagieren – von einer einfachen Befehlszeile bis hin zu komplexen Chat-Schnittstellen in natürlicher Sprache. So können sie sich auf das Wesentliche ihrer Arbeit konzentrieren – kritisches Denken und Problemlösung – statt auf die Einrichtung der Software und die IT-Administration.

Patera und Kaneko blicken in eine Zukunft, in der ihre Studenten die Modellierungsprinzipien der Wärmeübertragung erlernen, ohne eine einzige Zeile zu programmieren. Irgendwann, so glauben sie, können sie ChatGPT ein Bild eines Apfels oder eines anderen Objekts zeigen und es wird alle Parameter in die HTM-Funktion eingeben. „Das bedeutet, dass Sie auf eine PDE zugreifen, ohne es zu wissen. Die endgültige Entscheidung – ob er das Ergebnis akzeptiert oder ablehnt – muss natürlich immer noch der Student treffen.“

Patera und Kaneko haben ihr System außerdem mit ChatGPT kompatibel gemacht, sodass Benutzer das Problem einfach in natürlicher Sprache beschreiben können, wodurch der HTM aufgerufen wird, um die Ergebnisse zu erhalten.

Screenshot der ChatGPT-Benutzeroberfläche, der die Problemstellung zur Berechnung der Wärmeübertragung eines aus dem Kühlschrank genommenen Apfels, JSON-formatierte Daten und den vorgeschlagenen Dateinamen „apple-dunking-room-environment.json“ zeigt.

Eine in ChatGPT eingegebene Problemstellung, aus der JSON-formatierte Daten generiert und ein Dateinamenvorschlag bereitgestellt wird. (Bildquelle: Kento Kaneko)

Ein Phi-Diagramm (eine geometriebasierte Größe zur Fehleranalyse), ein Screenshot der Wärmeübertragungskoeffizienten und ein Diagramm, das die Temperaturentwicklung eines Apfels im Laufe der Zeit zeigt.

Die von ChatGPT generierte JSON-Datei wird an eine GUI übergeben, die wiederum mit dem Heat Transfer Microservice interagiert. (Bildnachweis: Kento Kaneko)

Weitere Berichte lesen

KI / WISSENSCHAFT

Biokraftstoff brauen mit KI und IoT

Online-Schnittstelle bringt Studierende virtuell ins Labor

WISSENSCHAFT

Data-Science-Kenntnisse für angehende Ingenieure

WISSENSCHAFT

Modellierung von Kernreaktoren durch Fernunterricht

Alle anzeigen