Material Doutorado

Sobre Scientific Workflow 

resumo
Scientific Workflow  é uma automação de um experimento ou de um processo científico, expressa em termos das atividades a serem executadas e, principalmente, das dependências dos dados manipulados

"redes de processos tipicamente utilizadas como ‘pipelines de análises de da dos’ ou ainda para comparar dados observados ou previstos, e que podem incluir uma vasta gama de componentes, e.g. para consultar bancos de dados, para transformar ou minerar dados, para executar simulações em computadores de alto desempenho, etc."

Portanto, um workflow científico é uma automação de um experimento ou de um processo científico, expressa em termos das atividades a serem executadas e, principalmente, das dependências dos dados manipulados

A utilização intensiva de dados caracteriza os workflows científicos como workflows baseados em fluxos de dados (data-driven workflows), ou seja, as conexões entre as atividades do workflow representam basicamente o fluxo dos dados, com o fluxo de controle aparecendo como uma representação complementar.

fonte:
Introdução à Modelagem e Execução de Workflows Científicos
Kepler ferrameta de WorkFlow

Do livro Computational Neuroscience (Kim T. Blackwell) (via google boos pg.195)

The effects of astrocytes-neuron interactions can be studied at different levels of ogranization detail in the brain (here, molecular, cellular, and network levels are illustred). At anu level, the model can be either simplified conceptual or detailed biophysical, depending on scientific question and computational resources. Due to computational limitations, the higher level models (e.g. network) are typically described using simplified conceptual models with few details or mechanisms captured from the molecular level. The direction of workflow is different depending on whwther astrocytes-neuron interactions are studied from "bottom-up" or "top-down". A denotes astrocytes, N neuron, R activated receptor, RC a closed state of a receptor, RI inactivated state of a receptor, and r reaction rate constant.
   
neste caso a abordagem "bottom-up" ou "top-down" depende da direção do workflow de trabalho. Na abordagem "bottom-up"

A complexidade de um modelo pode variar de um conceitual simplificado a um biologicamente detalhado. A direção do fluxo de trabalho (workflow) em modelagem pode ser da escala microscópica para a macroscópica (bottom-up) ou de comportamental e funcional para propriedades de componentes (top-down). O chamado modelo boton-up integra informação em um nível baixo (ex. propriedades de canais de ion, receptores trans-membrana e vias de sinalização) para explicar fenômenos observados em um alto nível (ex. geração de potencial de ação em neurônios, funcionalidade de sinapses tri-partite...) Modelos top-dow, iniciam com conhecimento de rede, sistema ou funcionalidade cognitiva observada no cerebro (ex. memória de trabalho, memória associativa, aprendizado por reforço...) e extrai disso como os coponentes do sistema (ex. grupos de neurônios, neurôios individuais ou coponentes de neurônios) devem se comportar para alcançar estas funções.

visto ainda a linguagem Swift, testar
Link
http://swift-lang.org