ලෝක පළමු Asymmetric Flow & Geometric Absorption Algorithm ක්රමය අඩංගු නව ගවේශන රිපොසිටරිය "La Pekillada" නවතම ප්රවේශයක් ලෙස GitHub හි නිකුත් කර ඇත. ජේ පී සමාල් (@Jaypsmall) විසින් සකස් කරන ලද මේ ව්යාපෘතිය, බහු-චරිත පද්ධතිවල පළාත් අනුපාතය (exposure) ගණිතමය ආකාරයෙන් පරීක්ෂා කරමින්, සංකීර්ණ අංකගණිත ආකෘති හා Monte Carlo අනුකරණයන් සමඟ පරීක්ෂා කරයි.
මෙම රිපොසිටරියේ ප්රධාන අරමුණ, Asymmetric Flow න්යාය සංකල්පය පදනම් කරගත් ගණිතමය මොඩලය ක්රියාත්මක කර, සිදුවන සිදුවීම් මත ජයග්රාහක (winning) චරිතය අවම පළාත් මට්ටමට ආපසු යැවීම, අසාර්ථක චරිතයන්ට දෙගුණයක් වැඩි පළාත් ලබාදීම යන නීති අනුගමනය කිරීමයි. ආරම්භක තත්වය A=1, B=1, C=1 ලෙස සකසා, එක් සිදුවීමකට පසු නව තත්වය සකස් කරමින්, 100, 1,000, 100,000 වැනි වාර ගණනක අනුකරණයන් සිදු කරයි.
මෙම පර්යේෂණය වැදගත් වන්නේ පළාත් එකතුව (exposure accumulation), සම්පත් පරිභෝගය, ජ්යෙෂ්ඨත්වය (geometric progression) සහ පරස්පර විචලනය (variance) වැනි කරුණු පරික්ෂා කිරීමේදී, වාණිජ හෝ අධ්යාපනික පද්ධතිවල අවදානම් කළමනාකරණය සහ ප්රතිසාධන හැකියාවන් පිළිබඳ නව අවබෝධයක් ලබාදීමයි. රිස්ක් විශ්ලේෂණය, සම්පත් අවසන් වීමේ අවදානම, ඉහලම පළාත් සීමා වැනි මූලික පරාමිතීන් පරීක්ෂා කර, “ජයග්රාහක” සිදුවීම් මගින් පසුගිය පළාත් නැවත ග්රහණය කළ හැකිද යන ප්රශ්නයට පිළිතුරු සොයයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ශිෂ්යයන්, සංවර්ධකයන් හා ව්යාපාරිකයන්ට මේ ව්යාපෘතියෙන් ලැබෙන ප්රතිලාභ කිහිපයක් ඇත:
- ඉගෙනුම් පරිසරයක්: Python‑හි ලේඛන සහ සක්රිය කේත නිරූපණය, තරුණ සංවර්ධකයන්ට ගණිතමය අල්ගොරිතම් පරීක්ෂා කිරීමට අවකාශය සලසයි.
- දත්ත විශ්ලේෂණ හැකියාව: Monte Carlo අනුකරණය භාවිතා කර, ව්යාපාරික රිස්ක් කළමනාකරණය සඳහා නියමිත මොඩලයක් තැනීමට උපකාරී වේ.
- ආරම්භක ප්රොජෙක්ට්: Open‑source ලෙස නිකුත් කර ඇති නිසා, ශ්රී ලංකාවේ විශ්වවිද්යාල හා තාක්ෂණික ආයතනවල පර්යේෂණ කණ්ඩායම් ඒකකයක් ලෙස භාවිතා කර, දේශීය තාක්ෂණික දැනුම වර්ධනය කළ හැක.
අවසානයේ, La Pekillada රිපොසිටරිය, සංකීර්ණ පද්ධතිවල පළාත් ව්යාප්ත වීමේ ගතිකතා අධ්යයනයේ නව මට්ටමක් ගොඩනඟයි. මෙය තවත් අධ්යාපනික හා ව්යාපාරික අයුරු වලට පදනමක් වෙමින්, ශ්රී ලංකාවේ තාක්ෂණික ප්රවණතාවයන්ට නව දිශානතියක් ලබාදේ.
