- •Курс лекций
- •Оглавление
- •1. Архитектура и принципы работы обычных эвм с центральным процессором (cpu) 9
- •2. Методы повышения производительности традиционных эвм 27
- •3. Типы архитектур высокопроизводительных вычислительных систем 45
- •4. Потоковые параллельные вычисления для физического моделирования 62
- •5. Применение графических процессоров на примерах сложения матриц и решения дифференциальных уравнений 82
- •6. Молекулярная динамика на графическом процессоре 100
- •7. Высокоскоростное моделирование систем с дальнодействием 125
- •8. Восстановление потенциалов межчастичных взаимодействий по температурной зависимости периода решетки методами высокоскоростного мдм на графических процессорах 145
- •9. Базовые особенности программирования графических процессоров шейдерной модели 4.0 160
- •Введение
- •1.Архитектура и принципы работы обычных эвм с центральным процессором (cpu)
- •1.1.Структура традиционной эвм
- •1.2.Организация работы эвм
- •1.3.Иерархия памяти компьютера
- •1.4. Выполнение команд
- •1.5.Требования к коммуникационным линиям
- •1.6.Устройства ввода-вывода
- •2.Методы повышения производительности традиционных эвм
- •2.1. Распараллеливание расчетов
- •2.2.Конвейерная обработка данных и команд
- •2.3.Высокопроизводительные процессоры
- •2.3.1.Суперскалярные процессоры
- •2.3.2.Процессоры risc с сокращенным набором команд
- •2.3.3.Процессоры со сверхдлинным командным словом
- •2.3.4.Векторные процессоры
- •2.3.5.Процессоры для параллельных компьютеров
- •2.3.6.Процессоры с многопоточной архитектурой
- •2.3.7.Технология Hyper-Threading
- •2.4.Требования к памяти высокопроизводительных эвм
- •2.5.Коммуникационная сеть высокопроизводительных эвм
- •2.5.1.Статические и динамические топологии и маршрутизация коммуникационных систем
- •2.5.2.Многокаскадные сети и методы коммутации
- •2.6.Классификация архитектур параллельных компьютеров
- •3.Типы архитектур высокопроизводительных вычислительных систем
- •3.1.Simd архитектура (с разделяемой и распределенной памятью)
- •3.2. Mimd архитектура с разделяемой и распределенной памятью
- •3.3. Комбинированные системы
- •3.4. Мультипроцессорные и мультикомпьютерные системы
- •3.5.Кластеры пэвм и рабочих станций
- •3.6.Особенности параллельного программирования
- •4.Потоковые параллельные вычисления для физического моделирования
- •4.1.Общие принципы распараллеливания расчётов
- •4.2.Обмен данными между процессором и памятью
- •4.3.Графические процессоры как вычислительные системы для поточно-параллельных расчётов
- •4.3.1.Вычислительные возможности центральных процессоров общего назначения и графических процессоров
- •4.3.2.Графический конвейер
- •4.3.3.История программируемости графических процессоров
- •4.3.4.Требования к алгоритмам для gpu, поддерживающих шейдерную модель 3.0
- •4.3.5.Возможности gpu в рамках шейдерной модели 3.0 и взаимодействие gpu с памятью
- •4.3.6.Проблема одинарной точности
- •4.4.Средства программирования графических процессоров
- •4.4.1.Общая структура программы для физического моделирования на графическом процессоре
- •4.4.2.Необходимое программное обеспечение
- •4.5.Области использования графических процессоров
- •5.Применение графических процессоров на примерах сложения матриц и решения дифференциальных уравнений
- •5.1.Распараллеливание независимых вычислений
- •5.2.Используемый графический процессор
- •5.3.Представление данных для графического процессора
- •5.4.Программирование вычислительного ядра
- •5.5.Взаимодействие центрального и графического процессоров
- •5.5.1.Функции центрального процессора
- •5.5.2.Пример программы
- •6.Молекулярная динамика на графическом процессоре
- •6.1.Принципы моделирования ионных кристаллов методом молекулярной динамики
- •6.2.Программирование графического процессора для расчёта действующих на ионы результирующих сил
- •6.2.1.Исходные данные
- •6.2.2.Представление исходных данных для gpu
- •6.2.3.Алгоритм расчёта результирующих сил с использованием графического процессора
- •6.2.4.Шейдер для расчёта результирующей силы
- •6.3.Исполнение шейдера из программы мд-моделирования на c#
- •6.3.1.Этапы алгоритма моделирования, исполняемые на cpu
- •6.3.2.Процедуры на c#, обеспечивающие работу с графическим процессором
- •6.4.Постановка граничных условий и стабилизация макросостояния молекулярно-динамической системы
- •6.4.1.Компенсация импульса и момента импульса
- •6.4.2.Стабилизация температуры
- •7.Высокоскоростное моделирование систем с дальнодействием
- •7.1.Актуальность моделирования
- •7.2.Высокоскоростные алгоритмы моделирования систем с дальнодействующими силами
- •7.3.Методика высокоскоростного молекулярно-динамического моделирования диоксида урана
- •7.4.Экспериментальные результаты и их обсуждение
- •7.5.Анализ зависимостей среднего квадрата смещений ионов кислорода от времени
- •8.Восстановление потенциалов межчастичных взаимодействий по температурной зависимости периода решетки методами высокоскоростного мдм на графических процессорах
- •8.1.Задача восстановления потенциалов межчастичных взаимодействий в кристаллах
- •8.2.Исходные данные и метод восстановления потенциалов
- •8.3.Модель и детали реализации
- •9.Базовые особенности программирования графических процессоров шейдерной модели 4.0
- •9.1.Предпосылки появления новой шейдерной модели
- •9.2.Архитектура gpu шейдерной модели 4.0. Преимущества этой модели
- •9.2.1.Иерархия вычислительных блоков и памяти в шейдерной модели 4.0
- •9.2.2.Конвейерная обработка данных на gpu sm4
- •9.2.3.Логическая структура вычислений на gpu sm4
- •9.2.4.Преимущества gpu шейдерной модели 4.0
- •9.3.Средства высокоуровневого программирования gpu шейдерной модели 4.0
- •9.3.1.Совместимость с шейдерной моделью 3.0
- •9.3.2.Специальные средства программирования gpu sm4. Cuda
- •9.3.3.Средства для написания и компиляции программ на cuda
- •9.3.4.Структура программы на cuda
- •9.4.Перемножение матриц на cuda
- •9.4.1.Алгоритм перемножения матриц
- •9.4.2.Процедура перемножения матриц на gpu sm4
- •9.4.3.Вызов процедуры перемножения матриц из программы на c
- •9.5.Молекулярная динамика на cuda
- •9.5.1.Алгоритм с использованием разделяемой памяти
- •9.5.2.Расчёт сил на gpu с использованием 3-го закона Ньютона
- •Библиографический список
- •Приложение 1 Операторы и функции языка hlsl, использованные в курсе лекций п.1.2. Типы данных
8.3.Модель и детали реализации
Парные потенциалы искали в форме Борна-Майера [38], при этом для снижения размерности оптимизационной задачи использовали распространенное приближение [39]–[43]:
у взаимодействия «катион-анион» пренебрегали дисперсионным притяжением, а у «катион-катион» обоими составляющими в сравнении с кулоновским членом;
ионы, считали точечными зарядами, величину, которых варьировали посредством общего множителя для сохранения электронейтральности системы.
Расчет межчастичных взаимодействий в ПГУ проводили с помощью суммирования Эвальда в приближении «ближайших отражений» [44]:
Здесь r – радиус-вектор, k – вектор обратной решетки, Uij – короткодействующий ПП в форме Борн-Майера с подбираемыми параметрами Aij, Bij, Cij, Q – подбираемый безразмерный множитель зарядов qi и qj, Ke = 14.3998 эВ*A – электростатическая постоянная, а w – параметр метода Эвальда.
Исходная транслируемая ячейка содержала 768 ионов – 4х4х4 элементарные ячейки по 12 частиц, т.к. дисперсионное слагаемое потенциала анион-анион при 3х3х3 (и меньшем числе ячеек) на границе транслируемой области вносит вклад порядка ~10–3 в расчет межчастичных сил и его обрезание на этом расстоянии приводит к постоянному увеличению энергии (разогреву) в системе. Сумма в обратном пространстве бралась по 2196 векторам обратной решетки. При таких параметрах относительная точность вычисления сил, действующих на частицы, составляла: ~10–6.
Динамику системы моделировали методом Рябова [45] с интегратором Верлета [46]:
Здесь rFCC – начальные положения ионов, образующие гранецентрированную кубическую решетку с экспериментальным значением объема V0 (соответствующего экспериментальному периоду решетки); vMB – начальные скорости, соответствующие распределению Максвелла-Больцмана для выбранной температуры T0; M, P, U, K – масса, давление, потенциальная и кинетическая энергии модельного кристалла в момент времени t; ∆t = 5 фемтосекунд – шаг времени интегратора Верлета; g = 2 – безразмерная константа баростата Рябова, определяющая частоту колебаний для радиуса гипертора R (R – его скорость).
Во время релаксации системы к равновесию каждые 0.2 пс (т.е. примерно каждые 2 периода тепловых колебаний ионов кислорода) проводилась коррекция скоростей в соответствии с заданной температурой T0 масштабированием на (T/T0)1/2. После релаксации в течение времени усреднения накапливали средние значения следующих макропараметров [47]:
Здесь Т – температура, kB – постоянная Больцмана, BT – изотермическая сжимаемость, E и H – общая энергия и энтальпия системы,CV и CP – изохорная и изобарная теплоемкости, DS – коэффициент самодиффузии частиц выбранного сорта число которых – S.
Параметры ПП искали в виде решения оптимизационной задачи минимизирующего среднеквадратичное отклонение от нуля среднего давления по 4-6 точкам температуры в диапазоне 300~3100К:
Локальную нелинейную многомерную оптимизацию проводили методом Брента [48], который подобно распространенному симплекс-методу Нельдера-Мида [49] не требует производной, но демонстрирует лучшую сходимость. Для глобальной оптимизации начальный набор параметров локального метода определялся случайным отклонением от найденного минимума по разным переменным с учетом их масштаба. В качестве начальных параметров ПП для оптимизационной задачи использовали значения, полученные другими авторами [39]–[43] [50]–[51], а затем – ранее найденные в процессе оптимизации.
В результате, на основе разработанных методики и высокопроизводительной (см. табл. 8.2) технологии МД-моделирования на графических процессорах MD-GPU [52]–[55] нам удалось в течение полугода получить наборы парных потенциалов для разных типов оксидного ядерного топлива: UO2, PuO2, MOX.
В данной работе для обсуждения предложенной методики и полученных результатов мы решили подробно проанализировать диоксид урана, т.к. для этой системы доступно наибольшее число экспериментальных данных и работ других авторов. Также это соединение в настоящий момент наиболее важно с технологической точки зрения, т.к. на его основе изготовлено более 70% всех использующихся ТВЭЛов. Параметры парных потенциалов, полученные нами для этого соединения, приведены в табл. 8.3.
Таблица 8.2
Затраты времени на решение оптимизационной задачи
Технология расчетов |
1 шаг МД (768 ионов) |
800-2400 шагов на 1 точку |
4-6 точек Т на 1 итерацию поиска |
100000 итераций поиска на 1 ПП |
MD-GPU |
0.005 сек |
4-12 сек |
16-72 сек |
18-83 суток |
MD CPU |
0.21 сек |
168-504 сек |
11-50 мин |
2.1-10 лет |
CPU: AMD Athlon64 3200+. GPU: ATI Radeon X1900XT 512MB.
Таблица 8.3
Параметры полученных эмпирических парных потенциалов для диоксида урана
Uij, эВ |
Q, безразмерный |
Aij, эВ |
Bij, 1/A |
Cij, эВ*A6 |
Анион-Анион |
0,68623 |
50211,7383 |
-5,5200148 |
74,7961121 |
Катион-Анион |
0,68623 |
873,106567 |
-2,7838547 |
0 |
Катион-Катион |
0,68623 |
0 |
0 |
0 |
Для сравнения методики и результатов настоящей работы мы выбрали эмпирические ПП для модели «точечных ионов» из работ других авторов (включая самые современные), которые условно можно отнести к разным категориям по методам их восстановления и использовавшимся опорным экспериментальным данным:
1. Аналитические расчеты в гармоническом приближении по упругим свойствам при близких к абсолютному нулю температурах (Catlow-81 [41], Busker-99 [42]).
2. Молекулярная динамика в ПГУ и низкотемпературные (до 1700К) данные по изотермической сжимаемости (Yamada-01 [50], Basak-03 [51]).
3. Расчеты методом статики решетки по энергиям образования и миграции дефектов (Morelon-03 [43]).
На рис. 8.3 и рис. 8.4 приведено сравнение, температурных зависимостей периода решетки (полученных NPT МД-моделированием), а в табл. 8.4 – сравнение упругих свойств (рассчитанных в гармоническом приближении) для ПП из нашей работы, ПП из работ вышеуказанных авторов и экспериментальные данные [37][56]–[58].
Таблица 8.4.
Сравнение упругих свойств для всех ПП [41]-[43][50]-[51]
Источник \ Свойства |
Eсвязи, эВ |
K, ГПа |
C11, ГПа |
C12/C44, ГПа |
Эксп-05, обзор [56] |
- |
166-205 |
194-228 |
76-77 |
Настоящая работа |
49.5 |
123 |
217 |
76 |
Morelon-03 [43] |
65.9 |
125 |
217 |
79 |
Basak-03 [51] |
43.4 |
179 |
407 |
65 |
Yamada-01 [50] |
45.7 |
181 |
418 |
62 |
Busker-99 [42] |
104.5 |
259 |
532 |
122 |
Catlow-81 [41] |
104.1 |
226 |
471 |
103 |
Эксп-76, обзор [57] |
- |
179-207 |
389-396 |
120/60 |
Оценка-63 [58] |
106.7 |
- |
- |
- |
Можно отметить, что потенциалы 1-ого типа [41] и [42], опирающиеся на старые экспериментальные данные [57][58] и наиболее грубое приближение «гармонических колебаний», демонстрируют наихудшее воспроизведение современных экспериментальных данных – как в области упругих свойств, так и по тепловому расширению.
Рис. 8.3. Сравнение температурных зависимостей периода решетки UO2, полученных NPT моделированием для всех ПП с экспериментом.
Рис. 8.4. Сравнение отклонений периода решетки для всех ПП от экспериментального.
Потенциалы 2-го типа, восстановлены в работах [50] и [51] самосогласованным методом молекулярно-динамического моделирования, что позволило напрямую учитывать тепловые (кинетические) свойства системы. Однако в качестве опорных экспериментальных данных в этих работах выбраны низкотемпературные и относительно плохо исследованные данные по изотермической сжимаемости (обе работы ссылаются на единственный экспериментальный источник [59]). Из сравнения видно, что эти ПП неплохо воспроизводят упругие свойства лишь из старых обзоров и тепловое расширение до 2000 К.
В работе Морелона [43] применен «противоположный» подход – менее совершенный, но и менее ресурсоемкий метод статики решетки, не позволяющий учесть тепловые свойства системы, совмещен с опорными данными по энергиям дефектов, не зависящими от температуры. Однако в оценках по энергиям дефектов имеется существенный разброс, например, для дефекта Френкеля рассматривается диапазон 3.5~5.4 эВ [37]. Соответственно, выбор этих данных в качестве опорных сопряжен с определенным риском. Тем не менее, можно отметить, что энергии дефектов, выбранные Морелоном, позволили получить потенциал, неплохо воспроизводящий современные экспериментальные данные по тепловому расширению и упругим свойствам, что можно считать косвенным подтверждением корректности выбранной Морелоном оценки для энергий дефектов, предложенной в работах Матцке [60]. К сожалению, в работе [43] параметры ПП приведены не полностью – потенциал анион-анион там кусочно-заданная функция, но в статье приведены точные параметры только для крайних отрезков, а детали их интерполяции отсутствуют. Поэтому корректно воспроизвести результаты работы [43] не представляется возможным, так что все данные для сравнения взяты из самой статьи.
Наконец, в настоящей работе выбирали самосогласованный метод МД и наиболее исследованные, современные и точные экспериментальные данные по тепловому расширению решетки [37]. Предполагается, что воспроизведя эти опорные данные с достаточной точностью во всем интересующем диапазоне температур (от комнатных до плавления), удастся напрямую учесть все эффекты, обусловленные ионной подсистемой и косвенно часть эффектов электронной подсистемы (прямой учет которой недоступен в модели точечных зарядов и парных потенциалов взаимодействия).
Как видно из рис. 8.4, по отклонению модельного периода решетки от экспериментального удается воспроизвести тепловое расширение с точностью 0.01 Å в диапазоне 500~2900К и с точностью 0.005 Å в диапазоне 900~2800 К, значительно сократив отклонение от экспериментальных данных на высоких температурах по сравнению с предыдущими результатами. Из табл. 8.3 видно, что упругие свойства также воспроизвелись с хорошей точностью и только значение объемного модуля упругости занижено по сравнению с современными экспериментальными данными.
По поводу большого разброса значений энергии связи (энергия превращения 1 моль кристаллического диоксида урана в ионизированный газ) Морелоном [43] уже отмечалась ее недоступность для прямого измерения в эксперименте. В работе [58] оценка энергии связи получена на основе энергий ионизации кислорода и урана, которые также получены не экспериментально, а путем экстраполяции. Нужно отметить, что величина этой энергии, как показали расчеты, практически полностью определяется зарядами ионов, поэтому ПП 1-го типа с целочисленными 100%-зарядами имеют наибольшее значение энергии связи (близкое к [58]), ПП 2-го типа с 60%-зарядами имеют наименьшее значение, а ПП Морелона с ~81%-зарядами и наши ПП с ~69%-зарядами дают значение между этими границами.
Для проведения дальнейших более ресурсоемких исследований транспортных свойств (массо- и теплопереноса) в диоксиде урана по результатам предыдущего сравнения были выбраны 3 лучших ПП: потенциалы из работ Морелона [43] и Базака [51] и полученный нами.
В табл. 8.6 приведены экспериментальные данные и результаты МД-моделирования с нашим ПП и ПП Базака для энергий образования и переноса точечных дефектов, а также данные из работы Морелона [43], рассчитанные методом статики решетки (СР). Детальный анализ механизмов массопереноса в диоксиде урана проведен в работах [54][61], поэтому здесь следует заметить следующее:
результаты для ПП в пределах погрешности совпадают с оценками Матцке, полученными на основе большого набора экспериментальных данных;
результаты Морелона занижены на величину порядка 0.3~0.5 эВ (что, впрочем, может быть обусловлено особенностями расчета методом статики решетки);
результаты, полученные на основе ПП Базака существенно завышены (примерно в 1.5 раза) и попадают только на самые верхние границы оценок [37][60].
Подробный анализ последних экспериментальных данных и теоретическое обсуждение теплопереноса в диоксиде урана можно найти в современном обзоре [37].
На рис. 8.5 приведена экспериментальная температурная зависимость энтальпии из этой работы и расчетные кривые, полученные нами МД-моделированием на основе исследуемых ПП. Данные приведены в диапазоне 1500~3100 К, низкие температуры опущены (все кривые ложатся там на экспериментальные данные) чтобы различия на высоких были более явными. Можно отметить, что все кривые недостаточно хорошо воспроизводят экспериментальную зависимость на высоких температурах, тем не менее, результаты с нашим ПП все же лежат заметно ближе в диапазоне начиная с 2200 К (максимальное отклонение наблюдается в области плавления и составляет 10% против 15% у предшественников).
Рис. 8.5. Сравнение температурных зависимостей энтальпии UO2, полученных NPT моделированием для ПП [9], [11] и нашего с экспериментом [12].
Рис. 8.6. Сравнение изобарной теплоемкости с учетом электронных и катионных дефектов для ПП [9], [11] и нашего с экспериментом [12]
Таблица 8.5.
Сравнение энергий дефектов для ПП [9], [11] и полученного по данным теплового расширения решетки
Дефекты анионной подрешетки диоксида урана |
Эксп. обзоры [37][60] |
МД наш ПП |
МД ПП из [51] |
СР [43] |
|||
E,эВ |
±∆E,эВ |
E,эВ |
±∆E,эВ |
E,эВ |
E,эВ |
||
Энергия Образования |
Дефект Френкеля |
3.5 |
±0.5 |
3.75 |
±0.25 |
5.4 |
3.17 |
Энергия Миграции |
Вакансионная |
0.6 |
±0.1 |
0.65 |
±0.06 |
0.69 |
0.33 |
Междоуз. (прямая) |
- |
- |
1.33 |
±0.19 |
2.16 |
1.37 |
|
Междоуз. (непрямая) |
0.9 |
±0.1 |
0.92 |
±0.02 |
- |
0.65 |
|
Энергия Активации Диффузии |
Вакансионная |
2.4 |
±0.3 |
2.48 |
±0.13 |
3.39 |
1.92 |
Междоуз. (прямая) |
- |
- |
3.21 |
±0.07 |
4.85 |
2.96 |
|
Междоуз. (непрямая) |
2.7 |
±0.4 |
2.80 |
±0.19 |
- |
2.24 |
|
На рис. 8.6 приведены графики изобарной теплоемкости, экспериментальные и модельные, полученные конечно-разностным дифференцированием температурной зависимости энтальпии с учетом вклада электронных и катионных дефектов. Там также приведена дополнительная экспериментальная зависимость из более старой работы Ральфа [62], на которой явно выражен пик теплоемкости при суперионном переходе (~2650 K), однако, погрешности измерений вблизи пика, указанные в работе, составляют 0.02 кДж/моль/К, т.е. перекрывают отличие от современных данных. Дальнейший выход теплоемкости на постоянное значение, т.е. отсутствие вклада дефектов после плавления кислородной подрешетки также не подтверждается более поздними экспериментами [37][63].
Кривые, полученные в МД-моделировании, демонстрируют подобное поведение, при этом у полученного ПП положение λ-пика в пределах погрешности совпадает с экспериментальными оценками ~2650К [64][65], у Морелона пик занижен и несколько сдвинут в область 2500~2550 К, а с ПП Базака пик существенно сдвинут в область 3000~3100 К. Можно предположить, что положение λ-пика напрямую связано с энергией образования дефекта Френкеля, которая несколько занижена по сравнению с экспериментальной у Морелона и существенно завышена у Базака (см. табл. 8.4). Следует заметить, что для обективного вывода о наличии пика теплоемкости в области суперионного перехода необходимо дополнительно проводить исследования по температурному поведению теплоемлоемкости через малые интервалы температур, что не входило в задачу описываемых исследований.
Модельные зависимости СP(T) при высоких температурах растут медленнее, чем экспериментальная, так как модельный коэффициент линейного расширения в этой области занижен по сравнению с экспериментом (см. рис. 3 и рис. 4). Более детальный анализ такого поведения мы провели в предыдущей работе [66].
Из рис. 8.6 видно, что результаты для теплоемкости с учетом вклада электронных и катионных дефектов точно совпадают с экспериментальной зависимостью вплоть до суперионного перехода ~2650 K, что говорит об адекватности выбранной модели в этом температурном диапазоне. Таким образом, по-видимому, подтверждается предположение, что корректное воспроизведение экспериментальной зависимости теплового расширения решетки позволяет прямо учесть все тепловые свойства ионной подсистемы и косвенно часть свойств электронной подсистемы (в частности, отличие зарядов ионов от целочисленных в кристаллической фазе).
Проблема воспроизведения коэффициента линейного расширения за суперионным переходом требует дополнительных исследований, поскольку она может быть связана:
с недостаточной гибкостью модели, которой представлялись парные потенциалы взаимодействия (в частности катион-катионное),
с тем, что эффективные парные потенциалы существенно изменяются при высоких температурах,
с невозможностью моделирования процессов разупорядочения катионной подрешетки.
Мы, однако, предполагаем, что выход модельной теплоемкости на постоянное значение за суперионным переходом в первую очередь обусловлен «упрощенным» (только кулоновским) описанием взаимодействия между катионами. Это подтверждается также нашими оценками значений коэффициентов диффузии ионов урана в кристаллическом состоянии, которые занижены в текущем приближении. Соответственно, для дальнейшего усовершенствования модели необходимо детальнее исследовать это взаимодействие.
Таким образом, метод восстановления эмпирических межчастичных потенциалов в ионных системах по высокоточным экспериментальным данным о тепловом расширении быстрым «изохорным» МД-моделированием, позволяющим учесть кинетические свойства системы, следует считать вполне плодотворным. Даже локальным поиском решения косвенной оптимизационной задачи (минимизация по давлению вместо объема или периода решетки) удается получить набор потенциалов, воспроизводящий широкий спектр экспериментальных характеристик оксидного уранового топлива лучше, чем любые из предложенных ранее.
Предположение, что корректное воспроизведение экспериментальной зависимости теплового расширения позволяет прямо учесть все кинетические свойства ионной подсистемы и, косвенно, часть свойств электронной подсистемы, по-видимому, подтверждается.
