Python ප්රෝග්රාමරුවන්ට දැන් ගතික පද්ධති (Dynamic Systems) හඳුනාගැනීම සඳහා සරල, වේගවත්, තේරුම්ගත හැකි උපකරණයක් ලැබුණා. එය PySINDy නම් පුස්තකාලයයි, එය SINDy (Sparse Identification of Nonlinear Dynamical systems) ක්රමය මත පදනම්ව පද්ධති සංකේතනය (system identification) සිදු කරයි.
PySINDy හි ප්රධාන කාර්යය මැනුම් දත්ත (measurement data) භාවිතා කර පද්ධතියේ නියාමන සමීකරණ හඳුනා ගැනීමයි. ඒ සමීකරණ මගින් අනාගත තත්ත්වයන් අනුමාන කිරීම, පාලන ආදාන සැලසුම් කිරීම, හෝ විශ්ලේෂණාත්මක අධ්යයනය කිරීමේ හැකියාව ලැබේ. මොඩලය තේරුම්ගත හැකි නිසා, විද්යාත්මක හෝ ව්යාපාරික පරිසරයන්හි ඉතා ප්රයෝජනවත් වේ.
ඉන්ස්ටෝලේෂන් ක්රියාවලිය ඉතා සරළයි – pip install pysindy හෝ conda install -c conda-forge pysindy ලෙස ඕනෑම පරිසරයකට සකස් කළ හැක. අවශ්ය නම් --user විකල්පය එක් කරන්න. අතිරේක විකල්ප (extras) ලෙස pysindy[miosr] දායක කර cvxpy, SR3, MIOSR, SBR වැනි උත්කෘෂ්ට අලෝකකරණ (optimizer) ලයිබ්රරීන් ලබා ගත හැක.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ විද්යාල, විශ්වවිද්යාල සිසුන් සහ තාක්ෂණික ව්යාපාරිකයින්ට PySINDy විශාල වාසියක් ගෙන එයි:
- ඉගෙනුම් කාර්යසාධනය: සිසුන්ට දත්ත-චාලිත (data‑driven) මොඩල නිර්මාණය කිරීමේ ප්රායෝගික අත්දැකීමක් ලැබේ.
- ගවේශන සහ නව්යකරණය: ශ්රී ලංකාවේ පර්යේෂකයන්ට පාරම්පරික විද්යාත්මක සමීකරණ නොමැති නව පද්ධති විශ්ලේෂණයට උපකාරී වේ.
- ව්යාපාරික ප්රයෝජනය: නිෂ්පාදන, ශක්ති, ගෙවීම් පද්ධති වැනි ක්ෂේත්රවලදී දත්ත මත පදනම් වූ පාලන ආකෘති සැකසීමේ වේගය වැඩිවේ.
උදාහරණයක් ලෙස, කණ්ණාඩි (particle) එකක ස්ථාන දත්ත භාවිතා කර model = ps.SINDy() ලෙස මොඩලයක් සකස් කර model.print() මගින් x' = -2·x, y' = 1·y යන සමීකරණ ලබා ගත හැක. මෙය පද්ධතියේ ස්වභාවය සරලව පෙන්වයි.
PySINDy සඳහා විස්තරාත්මක ලේඛනය, වීඩියෝ පරිච්ඡේද, සහ GitHub issue tracker යන සම්පත් පූර්ණයෙන්ම ලබා ගත හැක. ඔබේ පර්යේෂණ හෝ ව්යාපාරික ව්යාප්තියට නව පියවරක් තැබීමට මෙය අත්යවශ්ය මෙවලමක් බවට පත්වේ.
අවසන් වශයෙන්, Python පරිසරයේ නවතම විවෘත-මූලාශ්ර (open‑source) මෙවලමක් ලෙස PySINDy, දත්ත‑චාලිත ගතික පද්ධති අධ්යයනයේ ඉදිරි ගමනට මාර්ගයක් සළසයි.
