La Visualizzazione Scientifica - Mario Valle - Visual...

1

La Visualizzazione ScientificaLa Visualizzazione Scientifica

vedere (e capire) l’invisibilevedere (e capire) l’invisibile

Mario ValleMario ValleSwiss National Supercomputing Centre (CSCS)Swiss National Supercomputing Centre (CSCS)

Visualizzare per capire – Mario Valle – CSCS – Pavia 27/01/2005

Non tutto ha un senso …Non tutto ha un senso …


Raccolgo dati einformazioni

Cerco di darciun senso

Cristallizzo lanuova conoscenza

Azi

one

oco

mun

icaz

ione

Ho unoscopo

Nuovistimoli

E le nuove conoscenze?E le nuove conoscenze?

2


Conoscenza non Conoscenza non èè accumuloaccumulo

Dati ≠ informazioni

Dati ≠ conoscenza


Come diamo un senso ai dati?Come diamo un senso ai dati?

Cerco di darciun senso

ImmaginiSimulazioni mentaliModelli


Immagini mentaliImmagini mentali

to visualize : to form a mental vision, image, or picture of (something not visible or present to sight, or of an abstraction); to make visible to the mind or imagination.

The Oxford English Dictionary, 1989

3


Un modello per la creatività Un modello per la creatività


Processi diversi, ma ugualiProcessi diversi, ma uguali

Processociclico

Modellimentali

Materiale dacostruzione

Materiale dacostruzione


Modelli mentaliModelli mentali

I modelli mentali sono rappresentazioni psicologiche di situazioni reali, ipotetiche od immaginarie usate per comprendere uno specifico fenomeno.

“All our ideas and concepts are only internal pictures”

Ludwig Boltzmann (1899)

4


Uso dei modelli mentaliUso dei modelli mentali

Un modello mentale:

� Astrae

� Semplifica

� Serve per uno scopo (predittivo od esplicativo)

� È in evoluzione costante

� È ambiguo e incompleto

� Contiene quello che credo sia vero

� È simile a ciò che rappresenta


Esempi famosiEsempi famosi

Ernest Rutherford� “Nell’atomo c’è un nucleo fatto di protoni e neutroni, con gli

elettroni che orbitano attorno a questo nucleo come pianeti in un sistema solare”

Albert Einstein� Quando era ancora un bambino, mentre aspettava un treno

alla stazione, guardando l'orologio, si chiese cosa sarebbe successo se si fosse allontanato così rapidamente da «cavalcare un raggio di luce»

Friedrich August von Kekulé� Prima di pubblicare, nel 1875, la sua teoria sulla costituzione

del benzene, ebbe un sogno nel quale compariva un serpente circolare che si mordeva la coda.


Esempi quotidianiEsempi quotidiani

5


I modelli guidano la percezioneI modelli guidano la percezione

Un modello mentale è fondamentale anche per la normale percezione, che è un processo attivo.

L’effetto “cocktail”


Quando non servono modelliQuando non servono modelli

Quando è sufficiente la memoria bruta.

Esempio: per la strada da casa al lavoro, non serve un modello. Ma se c’è un ingorgo un modello serve per decidere cosa fare.


Relazione con la memoriaRelazione con la memoria

I modelli mentali si formano nella memoria di lavoro.

Qui si creano collegamenti fra loro e con elementi della memoriaa lungo termine formando così un nuovo concetto od informazione che diventa rapidamente parte della memoria a lungo termine.

(Nella figura il modello di Wickens)

6


E l’immaginazione?E l’immaginazione?

“Imagination is more important than knowledge”

Albert Einstein

Il problema è che siamo sempre meno capaci di immaginare e visualizzare indipendentemente.

Robert Fludde – Memory in imagesUtriusque Cosmi Maioris Scilicet – Oppenheim 1619


Ricchezza dell’immaginazioneRicchezza dell’immaginazione

Concepiamo nuove idee sulla base del materiale da costruzione che abbiamo a disposizione

Leo Leoni, Fish is Fish, Pantheon, 1970


Limitazioni: capacitàLimitazioni: capacità

La memoria di lavoro:

� Ha una piccola capacità (7 ± 2 oggetti)

� Svanisce in circa 2 minuti.

7


Limitazioni: vincoli inesistenti Limitazioni: vincoli inesistenti

Un esempio è il classico problema di unire nove punti usando al massimo quattro linee rette senza alzare la matita dal foglioe senza ricalcare linee esistenti.

Questa è una delle soluzioni ottenute:Le linee sono cinque …

Una delle soluzioni corrette:Ha le richieste quattro linee

I modelli mentali ci vincolano inconsciamente alle soluzioni che rimangono entro il quadrato


Esternalizzazione della conoscenzaEsternalizzazione della conoscenza

L’uomo si distingue dagli animali perché ha sempre creato delle estensioni al proprio corpo e mente.


Esempio: moltiplicazioneEsempio: moltiplicazione

34 x72

------68

238-------2448

Tempo impiegato

0

20

40

60

80

100

120

Mentale Su carta

sec

8


Esempio: carte topograficheEsempio: carte topografiche


Esempio: istruzioni di montaggioEsempio: istruzioni di montaggio

�Esempio di esternalizzazione di un processo.

�È un modello che cattura anche il tempo, oltre agli oggetti materiali coinvolti.


I modelli esterniI modelli esterni

1. Espandono la memoria di lavoro.

2. Riducono la necessità di cercare informazioni.

3. Ci rendono visibili schemi e tendenze: ci danno la visione d’assieme che manca.

4. Facilitano il ragionamento attraverso la percezione diretta delle informazioni senza passare attraverso difficili inferenze logiche. “Non farmi pensare!”

5. Ci permettono di interagire con qualcosa di tangibile.

6. Sono visibili dalla comunità: sono la base per la comunicazione .

7. Aiutano la creatività

9


Aiutano Aiutano la creativitàla creatività

I modelli mentali possono creare vincoli. Invece un aiuto esterno può farci uscire dalla scatola delle nostre idee preconcette aiutandoci a vedere le cose in maniera differente, aiutando così la creatività.


Facilitano il ragionamentoFacilitano il ragionamento

Struttura emoglobinaFile PDB: 75 pagine


Rendono visibile l’essenzialeRendono visibile l’essenziale

Strutturamolecolare Superficie

accessibile

Struttura terziaria

10


Visione e cognizioneVisione e cognizione

Ai livelli più alti

visione e cognizione

sono legate.

Diciamo “vedo” per

dire “ho capito”.

Il sistema visivo è

un’estensione del

cervello: 1/3 – 1/4 è

dedicato alla visione.

Vecchia pubblicità IBM


Il sistema visivo Il sistema visivo

L’occhio non è una telecamera, otticamente è fatto proprio male.

La vista non è uno strumento general-purpose, è un sistema che si evoluto nel compito di farci sopravvivere, specializzandosi in alcune funzioni.

Per esempio:� Scoperta ed identificazione di schemi

� Percezione immediata senza elaborazione razionale

� Semplificazione delle scene acquisite

� Ma anche cecità ai cambi


Pattern matching and discoveryPattern matching and discovery

Trends, Clusters, Gaps, Outliers, Correlations, ...

11


Preattentive processingPreattentive processing

"Civilization advances by extending the number of important operations which we can perform without thinking about them."

Alfred North Whitehead


Contare quanti ‘3’ ci sonoContare quanti ‘3’ ci sono

89739057092794057962976509829408028085080830802809850-802808567847298872ty458202094757720021789843890r455790456099272188897594797902855892594573979209


Contare quanti ‘3’ ci sonoContare quanti ‘3’ ci sono

89739057092794057962976509829408028085080830802809850-802808567847298872ty458202094757720021789843890r455790456099272188897594797902855892594573979209

12


Esempio: coloreEsempio: colore


EsempioEsempio : forma: forma


ControContro --esempio: colore + formaesempio: colore + forma

13


Le leggi della GestaltLe leggi della Gestalt

Perché percepiamo tre paia di punti e non due triplette?

La teoria della Gestalt (forma o configurazione) ci dice che nella percezione il tutto è differente dalla somma delle parti.

Aiuta ad estrarre un senso da ciò che vediamo, per esempio raggruppando cose simili.


Esempio: continuità Esempio: continuità

a b c


Esempio: simmetriaEsempio: simmetria

a c

b

14


Esempio: chiusuraEsempio: chiusura

a c

b


Change blindness Change blindness


““ Using vision to thinkUsing vision to think ””

1. Dacché non riusciamo a ragionare sull’invisibile, dobbiamo prima renderlo visibile.

2. L’apparato sensoriale non deve essere limitato al solo interfacciamento col mondo esterno.

“Using vision to think”

15


La visualizzazione scientificaLa visualizzazione scientifica

“Visualization offers a method for seeing the unseen . It enriches the process of scientific discovery and fosters profound and unexpected insights. In many fields it is already revolutionizing the way scientists do science”

Visualization in Scientific Computing,McCormick et al.

ACM SIGGRAPH, 1987


Vedere l’invisibileVedere l’invisibile


Vedere l’invisibileVedere l’invisibile

16


Altra definizioneAltra definizione

“[Visualization is] the use of computer-supported, interactive, visual representations of data to amplify cognition...”

Card, Mackinlay, and Shneiderman


Lo sloganLo slogan

“Discover the unexpected, describe and explain the expected”

National Visualization and Analytics Center™Pacific Northwest National Laboratory


X

XX

X

X

X

X

X X

X

X

Il dr. John Snow nel1854 durante un’epidemia di colera a Londra ci fornisce uno dei primi esempi di uso della visualizzazione per l’analisi

1) Raccolta e visualizzazione dei dati

Croci rosse :pompe d’acqua

Punti neri :decessi

Scoprire l’inaspettatoScoprire l’inaspettato

17


X

XX

X

X

X

X

X X

X

X

2) Analisi della rappresentazione grafica risultante



X

XX

X

X

X

X

X X

X

X

3) Azione basata sui risultati dell’analisi

Il dr. Snow rimossela leva della pompa e l’epidemia si estinse



Lo scopo ultimo Lo scopo ultimo èè la comprensionela comprensione

The purpose of computing is insight, not numbers

Richard Hamming,Numerical Methods for Scientists and Engineers, 1962

visualizzazione

18


Visualizzazione e Computer Visualizzazione e Computer GraphicGraphic

“Ma ho sempre pensato che la visualizzazione sia solo creare belle immagini”

Scopo è migliorare le informazioni visuali, non creare illusione.


ÈÈ scienza e artescienza e arte

L’artista e lo scienziato hanno un obiettivo simile: quello di rendere visibile l’invisibile.

Hanno anche altre caratteristiche comuni:

� Creatività

� Intuizione

� Determinazione a superare le regole

� Attenta osservazione della natura (l’artista guarda attivamente)

� Capacità di vedere schemi dove tutti vedono solo caos


Doppio ruolo della visualizzazioneDoppio ruolo della visualizzazione

“Discover the unexpected,describe and explain the expected”

Esplorare/capireIl ricercatore cerca di estrarre un significato.

Presentare/comunicareUn autore cerca di trasmettere un significato.

Sono legati: posso comunicare solo quello che ho capito e dover presentare aiuta a capire.

19


Banalizzare la visualizzazioneBanalizzare la visualizzazione

ModellazioneCalcolo

Visualizzazione


Il ciclo della visualizzazioneIl ciclo della visualizzazione

Modelloconcettuale

Modelloconcettuale

DatiOggetto dello

studio

Modellodati

Modellodati

acquisizione

Preconcetti &interpretazione

Influenza

no

Interazione

Algoritmi

RenderPercezion

e


Il modello di Il modello di RobertsonRobertson

20


Produzione dei datiProduzione dei datiFenomeno reale o simulato


Modellazione dei datiModellazione dei datiFenomeno reale o simulato

Si crea un modello dei dati


Visualizzazione vera e propriaVisualizzazione vera e propriaFenomeno reale o simulato


Trasformatoin immagini

21


InterpretazioneInterpretazioneFenomeno reale o simulato



Interpreta


ComprensioneComprensioneFenomeno reale o simulato



InterpretaEUREKA!


Una galleria di esempiUna galleria di esempi

1. Una tabella di dati semplici

2. Dati multidimensionali: la campagna di Russia di Napoleone vista da Charles Minard

3. Una variabile scalare continua presente su di una superficie

4. Un dato scalare definito in tutti i punti di un volume

5. Un campo vettoriale, come la velocità dell’aria attorno ad un’automobile o i venti sull’Europa

6. Informazioni gerarchiche, come la struttura di un file system o la segmentazione di dati marketing

22


Esempio 1Esempio 1

Ho una semplice tabella di dati …

time(min) temp(ºC)

0 25

3 276 29

9 31

12 32

15 32

� Esempio 2


SoluzioneSoluzione

ABC analyzer warm-up

25

27

29

31

33

0 3 6 9 12 15 18

time from power-on (min)

tem

pera

ture

(°C

)


E perché non cosE perché non cos ìì??

25

27

29

31

33

0 3 6 9 12 15

time

tem

p

25

27

2931

32

32

23


Istogramma (vivente) delle etàIstogramma (vivente) delle età


Se l’obiettivo Se l’obiettivo èè il confrontoil confronto

0

10

20

30

40

50

60

70

80

20 - 40 40 - 60

Age range

Impo

rtan

ce (

%)

ABCD

0

10

20

30

40

50

60

70

80

A B C D

Factor

Impo

rtan

ce (

%)

20 - 4040 - 60

Age range20-40 40-60

A 70% 50%B 37% 45%C 10% 23%D 50% 35%

ø


Esempio 2Esempio 2

“Mi chiamo Charles Joseph Minard e voglio proclamare che la campagna di Napoleone in Russia è stata un’inutile strage”.

“Voglio rappresentare la dimensione dell’armata, la direzione di marcia, la posizione geografica con la corrispondente data e temperatura. Voglio mostrare così la dimensione della strage e la futilità della campagna militare”.

� Esempio 3

24


I dati da rappresentareI dati da rappresentarelonc latc city lont temp days date lonp latp surviv dir div24.0 55.0 Kowno 37.6 0 6 Oct 18 24.0 54.9 340000 A 125.3 54.7 Wilna 36.0 0 6 Oct 24 24.5 55.0 340000 A 126.4 54.4 Smorgoni 33.2 -9 16 Nov 9 25.5 54.5 340000 A 126.8 54.3 Molodexno 32.0 -21 5 Nov 14 26.0 54.7 320000 A 127.7 55.2 Gloubokoe 29.2 -11 10 27.0 54.8 300000 A 127.6 53.9 Minsk 28.5 -20 4 Nov 28 28.0 54.9 280000 A 128.5 54.3 Studienska 27.2 -24 3 Dec 1 28.5 55.0 240000 A 128.7 55.5 Polotzk 26.7 -30 5 Dec 6 29.0 55.1 210000 A 129.2 54.4 Bobr 25.3 -26 1 Dec 7 30.0 55.2 180000 A 130.2 55.3 Witebsk 30.3 55.3 175000 A 130.4 54.5 Orscha 32.0 54.8 145000 A 130.4 53.9 Mohilow 33.2 54.9 140000 A 132.0 54.8 Smolensk 34.4 55.5 127100 A 133.2 54.9 Dorogobouge 35.5 55.4 100000 A 134.3 55.2 Wixma 36.0 55.5 100000 A 134.4 55.5 Chjat 37.6 55.8 100000 R 136.0 55.5 Mojaisk 37.5 55.7 98000 R 137.6 55.8 Moscou 37.0 55.0 97000 R 136.6 55.3 Tarantino 36.8 55.0 96000 R 136.5 55.0 Malo-jarosewli 35.4 55.3 87000 R 1

34.3 55.2 55000 R 1 33.3 54.8 37000 R 132.0 54.6 24000 R 130.4 54.4 20000 R 129.2 54.4 20000 R 1

(etc.)


RisultatoRisultato

From E. Tufte 1983


Dati senza geometria spazialeDati senza geometria spaziale

Ma non tutti i dati hanno una geometriaassociata (accessi a un web site, dati marketing, ecc.). Alcuni hanno solo una topologia (albero, grafo).

Per visualizzarli bisogna dare loro una struttura geometrica.

25


Suddivisione tradizionaleSuddivisione tradizionale

Visualizzazione ScientificaFocalizzata primariamente su dati fisici come il corpo umano, la terra, molecole, temperature e così via.Campo maturo, ma “vincolato” alla realtà.

Visualizzazione delle Informazioni Focalizzata primariamente su dati astratti e non fisici come testi, gerarchie e dati statistici.Campo giovane e perciò più libero e creativo. Le applicazioni business lo rendono ben finanziato.


Visualizzazioni non intuitiveVisualizzazioni non intuitive


Ma suddividere limitaMa suddividere limita

Visualizzazione ScientificaFocalizzata primariamente su dati fisici.

Visualizzazione delle Informazioni Focalizzata primariamente su dati astratti e non fisici.

Questa suddivisione sembra implicare che:

� La visualizzazione delle informazioni non è scientifica

� La visualizzazione scientifica non è informativa

26


InfoVisInfoVis per dati scientificiper dati scientifici

Vincitore delVisualization

Contest (IEEE Vis2005)

ø


Esempio 3Esempio 3

Devo rappresentare una variabile scalare continua presente su una superficie (valori di altitudine). La superficie può essere in 2D o essere la superficie esterna di un oggetto 3D.

� Esempio 4


Pseudocolor mappingPseudocolor mapping

Una scala di colori trasforma i valori in colori per la visualizzazione.

Questa scala si chiama colormap. Nella figura è utilizzata una rainbow colormap.

La tecnica èampiamente utilizzata, ma la percezione umana ha un forte impatto sul risultato.

27


Scala monocromaticaScala monocromatica

Per esempio una colormap monocromatica

rivela dettagli più fini.


MappingMapping percettivamente migliorepercettivamente migliore

Dettagli ancora migliori appaiono se si sceglie una scala di colori che rispetta le caratteristiche percettive dell’occhio

umano

La colormap utilizzata cambia tinta, saturazione

e luminanza da:HSV (0.66, 0, 0)

a:HSV (0, 1, 1)


Altre rappresentazioniAltre rappresentazioni

28


Surface displacementSurface displacement

ø


Esempio 4Esempio 4

Ho un dato scalare definito in tutti i punti di un volume. Un esempio è l’andamento della temperatura all’interno di un blocco di metallo o la concentrazione di inquinanti in un certo volume di spazio.

Problemi:� Capire cosa c’è dentro il blocco

� Capire come visualizzare il 3Dsullo schermo bidimensionale

� Esempio 5


SlicingSlicing

Il volume è sezionato con un piano arbitrario o parallelo ad uno dei piani coordinati (orthoslice).

I valori della variabile sul piano sono poi visualizzati con l’uso dello pseudocolormapping.

29


IsosuperficiIsosuperfici

L’isosuperficie è una superficie che passa per i punti del volume in cui la variabile scalare ha un valore dato.

Eventualmente il valore di un’altra variabile scalare

definita nel volume può essere mappato come colore sulla isosuperficie per mostrare correlazioni fra le due variabili.


Volume renderingVolume rendering

Il volume è visualizzato direttamente senza doverlo convertire in una rappresentazione a superfici.

La metafora è quella di un blocco di vetro semitrasparente.

Il fattore critico è la scelta della funzione di trasferimento che mappa i valori in colori e trasparenza.


Isosuperfici innestateIsosuperfici innestate

Isosuperfici semitrasparenti permettono la comprensione della struttura del volume senza dover ricorrere a tecniche piùpesanti come il volume rendering.

30


Uso dell’animazioneUso dell’animazione

L’uso dell’animazione aiuta a costruire il modello mentale del contenuto del volume.

Nel filmato viene animata:

• La posizione di una orthoslice

• Il livello di una isosuperficie

• I parametri di un volume rendering


Percezione tridimensionalePercezione tridimensionale

1. Come si trasmette una sensazione spaziale attraverso un mezzo bidimensionale come lo schermo del video?

2. Come si superano i problemi intrinseci della percezione di una scena tridimensionale?


Uso della prospettivaUso della prospettiva

Brunelleschi: La Chiesa di Santo Spirito

31


Ma la prospettiva distorceMa la prospettiva distorce

Prospettiva

Proiezione parallela


Prospettiva aerea (Prospettiva aerea ( depth cueingdepth cueing ))

Senza Con depth cueing


IlluminazioneIlluminazione

Luce di fronte Luce da sinistra

32


Uso della visione stereoscopicaUso della visione stereoscopica


Meglio: interazione e animazioneMeglio: interazione e animazione


Interazione supera l’ambiguità 3DInterazione supera l’ambiguità 3D

Illusione causata

dal punto di vista fisso

La famosa illusione della Ames Room

ø

33


Esempio 5Esempio 5

Rappresentare un campo vettoriale come la velocità dell’aria nel volume attorno ad un’automobile o i venti sull’Europa.

� Esempio 6


StreamlinesStreamlines


LagrangianLagrangian --EulerianEulerian AdvectionAdvection

MeteoSwissWeather Forecast

computed on CSCS machines

ø

34


Esempio 6Esempio 6

Come rappresento informazioni gerarchiche, come alberi di directorieso la segmentazione di dati marketing?

� Fine esempi


Uso dello spazioUso dello spazio


Uso (esagerato) di metaforeUso (esagerato) di metafore

35


contenimento

Uso di una struttura inusualeUso di una struttura inusuale

Uso di relazioni di contenimento invece che della connessione per rappresentare la gerarchia:� Ogni nodo dell’albero occupa un’area

� I nodi figli sono contenuti all’interno del nodo padre

connessione


Categorie di notizieCategorie di notizie

www.marumushi.com/apps/newsmap


Segmentazione del mercatoSegmentazione del mercato

www.smartmoney.com/marketmap

36


Contesto e dettagliContesto e dettagli

www.inxight.com/demos/grocery/

ø


Come faccio a scegliere?Come faccio a scegliere?

1. Considera il problema da risolvere, lo scopo da raggiungere ed il contesto in cui mi pongo

2. Il tipo di dati che devi visualizzare

3. Lo strumento che hai sotto mano e le tecniche di visualizzazione che fornisce.

“Per fare una grande visualizzazione,fai grande scienza”


Per cominciarePer cominciare

� Innanzitutto usare i propri occhi: guardarsi attorno, guardare attivamente. Copiare buoni esempi.

� Usare la curiosità: che succederebbe se utilizzassi una rappresentazione grafica?

� Esplorare un qualche strumento. Sfortunatamente non esiste un “Photoshop” o un “Maya” per la visualizzazione.

37


Alcuni strumentiAlcuni strumenti

Visualizzazione MultidimensionaleXmdvTool

GGobi

Visualizzazione Scientifica ParaView

MayaVi

Diagrammi 2DGnuplot

Excel

www.cscs.ch/~mvalle/SciViz/tools.html


Qualcosa da portare a casaQualcosa da portare a casa

Purpose of computing is insight, not numbers

(Richard Hamming)

Purpose of visualization is insight, not pretty pictures

(Visualization community)

Inizia con qualcosa, qualsiasi cosa, ma inizia!

La Visualizzazione ScientificaLa Visualizzazione Scientifica

vedere (e capire) l’invisibilevedere (e capire) l’invisibile

Grazie per l’attenzione!Grazie per l’attenzione!

Mario ValleMario ValleSwiss National Supercomputing Centre (CSCS)Swiss National Supercomputing Centre (CSCS)

[email protected]@cscs.chhttp://www.cscs.ch/~mvalle/http://www.cscs.ch/~mvalle/

La Visualizzazione Scientifica - Mario Valle - Visual...

Documents

Transcript of La Visualizzazione Scientifica - Mario Valle - Visual...