@math_cs_crypto

سخنرانی در دانشكده علوم رياضی دانشگاه صنعتی شریف:
شنبه ١٨ دی ماه ساعت ١٧

سخنران:
دكتر سيد حسين حائری، دانشيار دانشكده انفورماتيك، دانشگاه برگن، نروژ

لينك سخنراني:
https://vc.sharif.edu/ch/math-event

عنوان سخنراني:
چگونه نرم‌افزاری بنویسیم که در بودجه بگنجد؟ چگونه قطعات کامپایلر خود را از لب طاقچه برداشته، سر هم کنیم؟

چكيده سخنراني:
[۱] پیاده‌سازی یک کامپایلر -- و به طور اعم، یک زبان برنامه‌نویسی -- کاریست که علیرغم تمام پیشرفتهایش همچنان طاقت‌فرساست. این در حالیست که، در دهه‌های اخیر، تعداد قابل ملاحظه ای نرم‌افزار خودکار‌سازی تولید شده که مشخصا متمرکز بر پیاده‌سازی زبانها هستند. یکی‌ از دلایل این طاقت‌فرسایی نبود نظام مشخص برای استفاده مجدد است در پیاده‌سازی زبانها. حال آنکه طبیعت زبانهای برنامه‌نویسی چنان است که غالبا بسیار وامدار یکدیگرند. لذا، توقع استفاده مجدد در پیاده‌سازی زبانها امری کاملا به جاست.
در این قسمت از این ارائه، سری می‌‌زنیم به یکی‌ از شیوه‌های پیاده‌سازی زبانهای برنامه‌نویسی به نام "مکانیزه کردن زبان بر اساس مولفه." در این شیوه، پیاده‌سازی زبان صرفا شامل انتخاب مولفه‌های مناسب است "از سر طاقچه" کتابخانه مولفه‌ها و ترکیب این مولفه‌ها با یکدیگر. به این ترتیب، مولفه‌های موجود در کتابخانه بین پیاده‌سازی زبان‌هایی‌ که وامدار همند استفاده مجدد شده؛ زمان لازم برای پیاده‌سازی مشترکات زبانها صرفه‌جویی‌ شده.

[۲] اسلوب‌های برنامه‌نویسی (شی‌ گرا، تابعی، ساخت‌یافته، ...) و اسلوبهای تولید نرم‌افزار (خدمت گرا، مبتنی بر مولفه، خط تولید، ...) منشا خدمات گسترده‌ای بوده ا‌ند به صنعت نرم‌افزار. اما، هیچ کدام از اسلوبهای رایج سوالات زیر را مورد بررسی‌ قرار نمی‌‌دهند: آیا نرم‌افزار مطلوب با این بودجه تولید شدنی است؟ توزیع آماری زمان لازم برای اینکه نرم‌افزار نتیجه مطلوب را حاصل کند چگونه است؟ آیا منابع موجود برای آنچه از نرم‌افزار توقع می‌‌رود کفاف می‌‌دهند؟ چه میزان از کدام منبع برای پوشش حجم مطلوب از درخواست کافیست؟ رفتار نرم‌افزار در زمان اوج ازدحام چگونه است؟ چقدر احتمال دارد نرم‌افزار از کار بیافتد؟

متداول در دنیای صنعت امروز چنین است که، سوالات فوق تنها در مراحل واپسین تولید مورد بررسی‌ قرار می‌‌گیرند؛ یعنی‌، وقتی‌ که زمان و هزینه قابل توجهی صرف شده و عدم تحصیل نتایج مطلوب ممکن است جبران‌ناپذیر باشد. به عبارت دیگر، بر خلاف صنایع دیگر، کیفیت محصول غالبا بررسی‌ درخوری نمی‌‌شود.
در "اسلوب تولید سامانه ی ΔQ"، از ابتدا با نظر به کیفیت شروع به کار می‌‌شود و جنبه‌های مختلف کیفیت محصول در تمام چرخه تولید -- دوش به دوش صحت نتیجه -- مورد تحلیل قرار می‌‌گیرد. در این قسمت از ارائه نگاهی‌ گذرا خواهیم انداخت به این اسلوب. مثالی از سامانه‌های توزیع یافته را بررسی‌ خواهیم کرد که از دنیای واقعی رمزارز‌ها گرفته شده. این اسلوب، در حال حاضر، در یکی‌ از ابرقدرتهای رمزارز دنیا توسعه یافته؛ همه‌روزه باعث سود هنگفتی می‌‌شود.

@math_cs_crypto