- •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
Тестовые результаты, приведённые в данном разделе, ограничены вещественными показателями преломления и сферическим частицами. Мы попытаемся обобщить наши выводы, но сразу подчеркнём, что это обобщение является гипотетическим – для проверки этих выводов требуется дополнительное численное моделирование. Ожидается, что точность интегральных характеристик не сильно изменится при переходе к общему случаю – она должна ухудшаться при увеличении и вещественной, и мнимой части показателя преломления. Ситуация для разрешённых по углу характеристик рассеяния принципиально различается – большие относительные ошибки, приведённые в данном разделе, возникают из-за глубоких минимумов, которые являются следствием как сферической симметрии, так и вещественности показателей преломления. Ожидается, что в общем случае визуальные отличия результатов МДД от точного решения (рис. 21 и 22) будет примерно таким же, но при этом относительные ошибки будут меньше, особенно для больших x и малых m.
2.4.5.Выводы
Вэтом разделе представлена ADDA – компьютерная программа на основе МДД для моделирования светорассеяния произвольными частицами. ADDA может параллелизовать одиночное моделирование, поэтому она не ограничена памятью одного компьютера. Более того ADDA сильно оптимизирована, в результате чего она превосходит имеющиеся аналоги даже при работе на одном процессоре. Мы продемонстрировали её возможности для моделирования светорассеяния шарами с размерным параметрами x до 160 и показателями преломления m до 2. Максимальный достижимый x на кластере из 64 современных процессоров резко уменьшается с увеличением m: он составляет 160 при m = 1.05 и только 20−40 (в зависимости от критерия сходимости) при m = 2, что связано с медленной сходимостью итерационного метода и следовательно неприемлемо большим временем вычисления. Ожидается, что можно моделировать частицы бóльших размеров, если m имеет значительную мнимую часть.
Ошибки как интегральных, так и разрешённых по углу характеристик рассеяния не зависят систематически от x, но в целом увеличиваются с m. Ошибки эффективности экстинкции Qext и параметра асимметрии <cosθ > лежат в диапазоне от меньше чем
0.01 % до 6 %, а максимальные и среднеквадратичные ошибки S11(θ ) – в диапазонах 0.2–18 и 0.04–1 соответственно. Оценка ошибки с помощью традиционного эмпирического правила Дрейна имеет очень ограниченное применение в этом
111
диапазоне x и m – оно описывает верхнюю границу для ошибок Qext и <cosθ >, но даже для них не описывает влияние m.
В настоящее время ADDA способна моделировать светорассеяние практически любыми биологическими клетками в жидкой среде, но в других случаях есть потребность в улучшении. Эти улучшения могут состоять, например, в улучшении сходимости итерационного метода. Также полезно провести детальное исследование зависимости точности итоговых результатов от размера диполей и критерия сходимости итерационного метода для различных рассеивателей – это позволило бы в целом уменьшить время вычислений и реалистично оценить вычислительную сложность МДД в широком диапазоне x и m.
112