- •Содержание
- •Введение
- •Глава 1. Обзор литературы
- •1.1. Клетки крови
- •1.2. Экспериментальные методы
- •1.3. Моделирование светорассеяния
- •1.4. Обратная задача светорассеяния
- •Глава 2. Метод дискретных диполей
- •2.1. Обзор МДД
- •2.1.1. Введение
- •2.1.2. Общая формулировка
- •2.1.3. Разновидности МДД
- •2.1.3.1. Теоретические основы МДД
- •2.1.3.2. Точность МДД вычислений
- •2.1.3.3. МДД для кластеров шаров
- •2.1.3.4. Модификации и расширения МДД
- •2.1.4. Численные соображения
- •2.1.4.1. Прямые и итерационные методы
- •2.1.4.2. Разложение по порядкам рассеяния
- •2.1.4.3. Блочно-топлицева структура
- •2.1.4.4. Быстрое преобразование Фурье
- •2.1.4.5. Быстрый метод мультиполей
- •2.1.4.6. Усреднение по ориентации и повторные вычисления
- •2.1.5. Сравнение МДД с другими методами
- •2.1.6. Заключительные замечания
- •2.2. Сходимость МДД
- •2.2.1. Введение
- •2.2.2. Теоретический анализ
- •2.2.2.1. Дополнительные определения
- •2.2.2.2. Анализ ошибок
- •2.2.2.3. Ошибки формы
- •2.2.2.4. Различные формулировки МДД
- •2.2.3. Численное моделирование
- •2.2.4. Обсуждение
- •2.2.5. Выводы
- •2.3. Методика экстраполяции для улучшения точности МДД
- •2.3.1. Введение
- •2.3.2. Экстраполяция
- •2.3.3. Численное моделирование
- •2.3.4. Обсуждение
- •2.3.5. Выводы
- •2.4. Текущие возможности МДД для очень больших частиц
- •2.4.1. Введение
- •2.4.2. Компьютерная программа ADDA
- •2.4.3. Численное моделирование
- •2.4.3.1. Параметры моделирования
- •2.4.3.2. Результаты
- •2.4.4. Обсуждение
- •2.4.5. Выводы
- •2.5. Сравнение компьютерных программ на основе МДД
- •2.5.1. Введение
- •2.5.2. Программы МДД
- •2.5.2.1. SIRRI
- •2.5.2.2. DDSCAT
- •2.5.2.4. ADDA
- •2.5.3. Сравнение программ
- •2.5.3.1. Формы объектов и параметры
- •2.5.3.2. Точные методы
- •2.5.3.3. Точность
- •2.5.3.4. Скорость
- •2.5.4. Обсуждение
- •2.6. Сравнение МДД с методом конечных разностей во временной области
- •2.6.1. Введение
- •2.6.2. Параметры моделирования
- •2.6.3. Результаты для шаров
- •2.6.4. Пример применения к биологическим клеткам
- •2.6.5. Выводы
- •Глава 3. Эритроциты
- •3.1. Введение в эритроциты
- •3.1.1. Морфология
- •3.1.2. Светорассеяние эритроцитами
- •3.2. Решение обратной задачи светорассеяния для эритроцитов, используя простую форму и постоянный показатель преломления
- •3.2.1. Методология моделирования
- •3.2.2. Экспериментальный метод и процедура обращения
- •3.2.3. Эффект формы и ориентации
- •3.2.4. Характеризация эритроцитов
- •3.2.5. Приближённые формы
- •3.2.6. Выводы
- •3.3. Характеризация морфологии нативных эритроцитов с помощью сканирующего проточного цитометра
- •3.3.1. Расширенная модель формы эритроцита
- •3.3.2. Методология моделирования
- •3.3.3. Экспериментальный метод и процедура обращения
- •3.3.4. Результаты и обсуждение
- •3.3.5. Эмпирическая процедура определения диаметра эритроцитов
- •3.3.6. Выводы
- •Глава 4. Гранулоциты
- •4.1. Введение в гранулоциты
- •4.1.1. Нейтрофилы
- •4.1.2. Эозинофилы
- •4.1.3. Базофилы
- •4.1.4. Оптическая характеризация гранулоцитов
- •4.2. Теоретическое исследование светорассеяния простой моделью гранулоцита – зернистым шаром
- •4.2.1. Введение
- •4.2.2. Простая модель гранулоцита
- •4.2.3. Ортогональное светорассеяние
- •4.2.4. Результаты и обсуждение
- •4.2.5. Выводы
- •4.3. Экспериментальное исследование нейтрофилов сканирующим проточным цитометром
- •4.3.1. Экспериментальная процедура
- •4.3.2. Дополнительное МДД моделирование
- •4.3.3. Результаты и обсуждение
- •4.3.4. Выводы
- •Заключение
- •Развитие метода дискретных диполей
- •Характеризация эритроцитов с помощью сканирующего проточного цитометра
- •Теоретическое и экспериментальное исследование гранулоцитов
- •Основные результаты
- •Литература
- •Приложение
- •A1. Описание сокращений и символов
- •A2. Свойства симметрии матрицы Мюллера
- •A3. Расчёт бокового рассеяния зернистым шаром в рамках приближения Релея-Дебая-Ганса
- •A4. Расчёт деполяризованного бокового рассеяния зернистым шаром в рамках второго борновского приближения
Таблица 9. Сравнение эффективности МДД и КРВО для шаров с разными x и m′.a
m′ |
x |
Время, с |
|
|
Dpl |
|
Память, ГБ |
|
Итерацииb |
|||
МДД |
КРВО |
|
МДД |
КРВО |
|
МДД |
КРВО |
|
МДД |
КРВО |
||
|
|
|
|
|
||||||||
1.02 |
10 |
1.1 |
0.6 |
15 |
12 |
0.15 |
0.02 |
2 |
275 |
|||
|
20 |
11 |
4.1 |
20 |
14 |
1.4 |
0.13 |
4 |
509 |
|||
|
30 |
24 |
17 |
17 |
13 |
2.9 |
0.28 |
4 |
651 |
|||
|
40 |
78 |
384 |
18 |
22 |
7.1 |
2.3 |
5 |
1398 |
|||
|
60 |
453 |
7026 |
20 |
32 |
30 |
20 |
7 |
4004 |
|||
|
80 |
691 |
(40580) |
16 |
(32) |
40 |
(47) |
9 |
(5239) |
|||
1.08 |
10 |
0.7 |
2.1 |
10 |
18 |
0.07 |
0.06 |
6 |
453 |
|||
|
20 |
1.9 |
25 |
10 |
19 |
0.22 |
0.30 |
12 |
1005 |
|||
|
30 |
8.7 |
207 |
10 |
19 |
0.79 |
0.84 |
18 |
2531 |
|||
|
40 |
19 |
388 |
10 |
20 |
1.4 |
2.1 |
25 |
1928 |
|||
|
60 |
31 |
1196 |
6.7 |
18 |
1.4 |
4.7 |
49 |
2509 |
|||
|
80 |
129 |
12215 |
6.3 |
22 |
2.9 |
18.7 |
84 |
4009 |
|||
1.2 |
10 |
0.9 |
3.2 |
10 |
18 |
0.07 |
0.07 |
20 |
671 |
|||
|
20 |
3.2 |
58 |
7.5 |
20 |
0.15 |
0.44 |
57 |
1589 |
|||
|
30 |
8.7 |
645 |
6.7 |
24 |
0.22 |
2.09 |
146 |
3321 |
|||
|
40 |
106 |
740 |
7.5 |
18 |
0.79 |
2.09 |
384 |
3837 |
|||
|
60 |
1832 |
35998 |
8.4 |
25 |
2.9 |
15.9 |
1404 |
13762 |
|||
1.4 |
10 |
4 |
2.5 |
15 |
10 |
0.15 |
0.03 |
78 |
1047 |
|||
|
20 |
896 |
3203 |
25 |
37 |
2.9 |
3.4 |
687 |
10333 |
|||
|
30 |
7256 |
3791 |
17 |
23 |
2.9 |
2.8 |
5671 |
11013 |
|||
|
40 |
10517 |
(47410) |
18 |
(32) |
7.1 |
(15.7) |
2752 |
(21580) |
|||
1.7 |
10 |
185 |
5.5 |
25 |
8 |
0.61 |
0.03 |
900 |
2323 |
|||
|
20 |
22030 |
998 |
35 |
18 |
7.1 |
0.82 |
5814 |
13101 |
|||
|
30 |
(185170) |
47293 |
(37) |
30 |
(25) |
10 |
(12005) |
39751 |
|||
2 |
10 |
1261 |
32 |
40 |
11 |
1.4 |
0.07 |
2468 |
7481 |
|||
|
20 |
(252370) |
6416 |
(60) |
20 |
(30) |
1.7 |
(14067) |
30693 |
aСкобки указывают, что метод не смог достичь заданной точности при этих x и m′.
bКоличество итераций и число шагов по времени для МДД и КРВО соответственно.
2.4.3.1), что примерно в 2-3 раза быстрее чем 32 узла кластера Lemieux. Однако, множитель зависит от конкретной задачи, поэтому основные тестовые результаты это те, что получены на Lemieux, в то время как результаты быстродействия на LISA приведены для иллюстрации.
2.6.3. Результаты для шаров
Сравнение эффективности МДД и КРВО приведено в таблице 9. Главным фактором является быстродействие, описываемое (астрономическим) временем вычислений. Оно определяется двумя величинами: количеством ячеек в решётке и количеством итераций или шагов по времени. Первое зависит от x и dpl и определяет требуемую память. Нельзя прямо сравнивать значения dpl для разных методов, поскольку типичные значения для МДД (см. параграф 2.1.3.2) в два раза меньше чем для КРВО [192]. Это же верно для количества итераций даже в большей степени. Для некоторых задач один из методов не смог достичь требуемой точности при данных вычислительных ресурсах – эти результаты приведены в скобках.
Естественно, оба метода требуют больше времени для бóльших x, просто потому что количество ячеек в решётке растёт кубически с x при постоянном dpl. Однако в
132
Таблица 10. То же, что и таблица 9, но для точности.
|
m′ |
x |
ОО(Qext) |
|
СКОО(S11) |
|
|
ОО(<cosθ >) |
|
СКО(P) |
||||
|
МДД |
КРВО |
|
МДД |
КРВО |
|
|
МДД |
КРВО |
|
МДД |
КРВО |
||
|
|
|
|
|
|
|
||||||||
|
1.02 |
10 |
2.5×10−3 |
4.3×10−3 |
0.20 |
0.17 |
|
|
1.6×10−4 |
3.6×10−4 |
0.039 |
0.043 |
||
|
|
20 |
1.4×10−4 |
9.3×10−4 |
0.17 |
0.22 |
|
|
1.6×10−5 |
6.9×10−5 |
0.088 |
0.095 |
||
|
|
30 |
5.2×10−5 |
7.9×10−3 |
0.13 |
0.22 |
|
|
1.5×10−5 |
5.3×10−5 |
0.037 |
0.10 |
||
|
|
40 |
8×10−6 |
3.3×10−3 |
0.19 |
0.21 |
|
|
4×10−6 |
1.6×10−5 |
0.064 |
0.074 |
||
|
|
60 |
1.6×10−4 |
5.9×10−3 |
0.25 |
0.20 |
|
|
1×10−6 |
4×10−6 |
0.071 |
0.048 |
||
|
|
80 |
1.2×10−4 |
(4.3×10−3) |
0.25 |
(0.33) |
|
|
3×10−6 |
(2×10−6) |
0.074 |
(0.12) |
||
|
1.08 |
10 |
2.5×10−4 |
5.5×10−3 |
0.15 |
0.064 |
|
|
6.4×10−5 |
1.2×10−4 |
0.074 |
0.024 |
||
|
|
20 |
5.8×10−5 |
1.0×10−2 |
0.17 |
0.063 |
|
|
3.6×10−4 |
5.2×10−5 |
0.097 |
0.061 |
||
|
|
30 |
3.8×10−4 |
9.3×10−3 |
0.10 |
0.054 |
|
|
1.3×10−4 |
6×10−6 |
0.062 |
0.033 |
||
|
|
40 |
2.8×10−4 |
9.5×10−3 |
0.083 |
0.053 |
|
|
5.1×10−5 |
8.2×10−5 |
0.11 |
0.045 |
||
|
|
60 |
2.2×10−3 |
8.3×10−3 |
0.16 |
0.072 |
|
|
2.7×10−4 |
4.7×10−4 |
0.14 |
0.062 |
||
|
|
80 |
3.8×10−3 |
8.7×10−3 |
0.13 |
0.071 |
|
|
9.6×10−5 |
1.1×10−3 |
0.13 |
0.054 |
||
|
1.2 |
10 |
7.1×10−4 |
7.6×10−3 |
0.073 |
0.024 |
|
|
6.2×10−4 |
3.6×10−4 |
0.059 |
0.022 |
||
|
|
20 |
5.4×10−3 |
9.3×10−3 |
0.13 |
0.037 |
|
|
3.3×10−4 |
3.4×10−3 |
0.11 |
0.029 |
||
|
|
30 |
2.5×10−3 |
7.8×10−3 |
0.16 |
0.075 |
|
|
3.4×10−4 |
1.4×10−3 |
0.14 |
0.069 |
||
|
|
40 |
3.9×10−3 |
9.1×10−3 |
0.19 |
0.25 |
|
|
1.2×10−3 |
1.0×10−2 |
0.15 |
0.23 |
||
|
|
60 |
2.3×10−3 |
6.0×10−3 |
0.13 |
0.25 |
|
|
1.2×10−3 |
1.3×10−3 |
0.14 |
0.23 |
||
|
1.4 |
10 |
7.0×10−3 |
8.9×10−3 |
0.13 |
0.14 |
|
|
8.2×10−3 |
4.6×10−2 |
0.059 |
0.093 |
||
|
|
20 |
9.7×10−3 |
9.8×10−3 |
0.23 |
0.17 |
|
|
1.3×10−2 |
2.7×10−2 |
0.095 |
0.15 |
||
|
|
30 |
7.4×10−3 |
8.2×10−3 |
0.24 |
0.19 |
|
|
5.6×10−3 |
4.6×10−3 |
0.24 |
0.19 |
||
|
|
40 |
7.1×10−3 |
(1.5×10−2) |
0.15 |
(0.24) |
|
|
7.3×10−5 |
(2.7×10−3) |
0.13 |
(0.097) |
||
|
1.7 |
10 |
5.2×10−4 |
8.0×10−3 |
0.12 |
0.22 |
|
|
3.4×10−2 |
9.6×10−2 |
0.097 |
0.13 |
||
|
|
20 |
1.0×10−2 |
8.0×10−3 |
0.12 |
0.24 |
|
|
1.2×10−2 |
1.8×10−2 |
0.086 |
0.21 |
||
|
|
30 |
(2.0×10−2) |
1.1×10−2 |
(0.14) |
0.12 |
|
|
(1.5×10−2) |
1.0×10−2 |
(0.12) |
0.095 |
||
|
2 |
10 |
4.7×10−3 |
8.3×10−3 |
0.16 |
0.16 |
|
|
5.1×10−3 |
2.3×10−2 |
0.11 |
0.17 |
||
|
|
20 |
(2.6×10−2) |
8.3×10−3 |
(0.086) |
0.14 |
|
|
(5.0×10−3) |
3.1×10−2 |
(0.098) |
0.11 |
остальном поведение методов различается: dpl, используемое МДД для достижения заданной точности, не зависит систематически от x, кроме случаев m′ = 1.7 и 2. При этом dpl зависит от m′: оно примерно одинаковое при m′ = 1.08 и 1.2, но больше и при m′ ≥ 1.4, и при m′ = 1.02. Количество итераций в МДД относительно небольшое и умеренно увеличивается с x при m′ = 1.02 и 1.08. Однако, для бóльших m′ оно резко увеличивается как с m′, так и с x. При m′ = 1.7 и 2 это сочетается с увеличивающимся dpl, что приводит к резкому увеличению времени вычисления.
Поведение dpl в КРВО изменчиво во всём рассмотренном диапазоне x и m′. Количество шагов по времени, напротив, систематически увеличивается как с x, так и с m′, что и ожидалось. Зависимость быстродействия КРВО от x и m′ менее связаны между собой чем в случае МДД. Сравнивая общую эффективность методов, видно, что для малых m′ и больших x МДД на порядок быстрее чем КРВО, а для больших m′ –
наоборот. Граничное значение m′ примерно равно 1.4, при этом методы сравнимы, так же, как и для малых значений m′ и x. Требования обоих методов к памяти в целом схожи, а различия естественным образом коррелируют с временем вычислений – в большинстве случаев более быстрый метод использует меньше памяти.
133
|
104 |
|
|
|
|
|
|
|
103 |
|
|
|
|
Ми |
|
|
102 |
|
|
|
|
МДД |
|
|
|
|
|
|
КРВО |
|
|
) |
101 |
|
|
|
|
|
|
(θ |
|
|
|
|
|
(а) |
|
11 |
0 |
|
|
|
|
|
|
S |
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10-1 |
|
|
|
|
|
|
|
10-2 |
|
|
|
|
|
|
|
10-3 |
|
|
|
|
|
|
|
10-4 |
|
|
|
|
|
|
|
10-5 |
|
|
|
|
|
|
|
104 |
|
|
|
|
(б) |
|
(θ ) |
103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11 |
|
|
|
|
|
|
|
S |
102 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
101 |
|
|
|
|
|
|
|
100 |
|
|
|
|
|
|
|
|
|
|
|
|
(в) |
|
|
104 |
|
|
|
|
|
|
(θ ) |
103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11 |
|
|
|
|
|
|
|
S |
|
|
|
|
|
|
|
|
102 |
|
|
|
|
|
|
|
101 |
|
|
|
|
|
|
|
0 |
30 |
60 |
90 |
120 |
150 |
180 |
|
|
|
Угол рассеяния θ, градусы |
|
|
Рис. 31. Сравнение результатов МДД и КРВО с точным решением Ми для S11(θ ) в логарифмическом масштабе для шаров с x = 20 и m′ равным (а) 1.02, (б) 1.4 и (в) 2.
Точности вычисления нескольких характеристик рассеяния приведены в таблице
10. При m′ ≥ 1.4 ошибки и Qext, и S11 близки к заданному уровню (0.01 и 0.25
соответственно) для обоих методов. Но для меньших m′ МДД приводит к относительно малым ошибкам Qext, в то время как КРВО – S11. Другими словами, быстродействие МДД ограничивается точностью S11, а КРВО – Qext. Ошибки <cosθ > в несколько раз меньше для МДД, что коррелирует с результатами для Qext. КРВО же приводит к
134
|
101 |
|
|
|
|
|
|
|
|
|
|
всего |
|
|
|
|
|
(θ ) |
|
|
форма |
|
|
|
|
|
100 |
дискретизация |
|
|
|
|
|||
11 |
|
|
|
|
|
|
|
|
S |
|
|
|
|
|
|
|
|
ошибка |
10-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Относительная |
10-2 |
|
|
|
|
|
|
|
10 |
-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
10-4 |
30 |
60 |
90 |
120 |
150 |
180 |
|
|
|
0 |
||||||
|
|
|
|
Угол рассеяния θ, градусы |
|
|
Рис. 32. Сравнение ошибок формы и дискретизации в МДД при вычислении S11(θ ) для шара с x = 20 и m′ = 1.02. Все ошибки взяты относительно решения Ми и показаны в логарифмическом масштабе, полная ошибка есть просто сумма двух типов ошибок.
меньшим ошибкам P. Следовательно можно заключить, что МДД в целом более точен для интегральных характеристик рассеяния, а КРВО – для разрешённых по углу. Однако это лишь означает, что превосходство одного из методов над другим, в
зависимости от m′, немного сдвигается от того, какую характеристику рассеяния требуется вычислить.
Для того чтобы показать, что означает СКОО S11 равная 25%, на рис. 31
приведены результаты S11 для трёх шаров с x = 20 и тремя разными m′: 1.02, 1.4 и 2. Показано точное решение Ми и результаты МДД и КРВО – визуальное согласие очень хорошее, возможно более чем достаточно для большинства приложений.
Увеличение требуемого dpl для МДД при m′ близком к единице может показаться нелогичным. Однако это объясняется относительным характером используемого критерия точности и большим динамическим диапазоном S11(θ ) для оптически мягких шаров. Эта функция имеет глубокие минимумы, положение которых очень чувствительно к форме частицы. Например, рассмотрим шар с m′ = 1.02 и x = 20, точное решение Ми для которого приведено на рис. 31(а). В этом случае требуется dpl = 20,
чтобы МДД достиг хорошей точности, в то время как dpl = 10 (достаточное при m′ = 1.08) приводит к большим относительным ошибкам: их угловая зависимость показана на рис. 32, а СК значение равно 0.73. Используя методологию, описанную в разделе 2.3.3, мы разделили полную ошибку на ошибки формы и дискретизации, которые также приведены на рис. 32. Видно, что ошибки формы в целом доминируют – их СК значение равно 0.65, а для ошибок дискретизации – 0.11. Этот конкретный
135