哈工大和哈工程的老师和学生们发现,自己无法使用MATLAB了。已经激活的正版 MATLAB 跳出反激活的通知,继而显示授权许可无效,网页无法登录哈工大域名的账户。在与 MathWorks 交涉之后,得知因为美国政府实体清单的原因,相关授权已被中止。MATLAB究竟何方神圣,会被称为“工科神器”?离开了它,对老师同学们,甚至中国工业影响几何?是否有替代品可用?

寻找替代品

随着 MATLAB 在国内高校被禁用,一些类似 MATLAB 的开源软件开始重获关注。

经济学硕士陈伟杰留言说,“影响非常大。首先被禁止使用MATLAB的大学都要开始史无前例地大规模‘转码’了。老师要学Python,还要把课件、习题、项目的代码都改成Python……估计未来一年的团队工程都是做转码。未来几年可能这些大学都没啥科研产出,就算有也不能公开发布。”

那么除了Python,还有哪些可替代MATLAB 的开源软件呢?

SCILAB

SCILAB 是一款与 MATLAB 类似的开源软件,可以实现 MATLAB 上所有基本的功能,如科学计算、矩阵处理及图形显示等。

由于 SCILAB 的语法与 MATLAB 非常接近,熟悉 MATLAB 编程的人很快就会掌握 SCILAB 的使用。有意思的是,SCILAB 提供的语言转换函数可以自动将用 MATLAB 语言编写的程序翻译为 SCILAB 语言。目前,SCILAB 可在 Linux、Windows 和 Mac OS 全 PC 平台运行。

作为开放源码的软件,SCILAB 遵循 GPL 2.0 开源协议,源代码、用户手册及二进制的可执行文件都可以通过官网免费直接下载使用。用户不仅可以在 SCILAB 的许可证条件下自由使用该软件,还可以根据自己需要修改源代码。

Octave

Octave 是一个类似 MATLAB 和 Scilab 的数学软件包,可以进行各种运算,编程。它还有丰富的 C++ 接口可以让用户编程时调用。其配套的绘图工具采用 gnuplot 。Octave 的使用也是基于字符终端模式的,当需要绘图时,将会调用 gnuplot 进行数据绘图,并显示出来。

Octave 是用 C++ 编写的,它内容丰富的库也可以供用户在编写软件时调用。Octave 同时还支持 Fortran 等的调用,GSL 绑定等。可以由用户定制自己的函数、子程序等。

Spyder

Spyder 是一款轻量级的 Python IDE ,提供高级的代码编辑、交互测试、调试等特性,适用于数据分析。Spyder 的界面与 MATLAB 非常类似,其作者早年也承认模仿了 MATLAB 的设计。如果对于 MATLAB 的仿真建模需求不高的话,Spyder 足以取而代之。

Julia

 Julia 语言是为数据科学提供快速便捷数值计算的工具,为高性能设计,旨在带来与 Python 相当的便捷性、与 C 相当的速度表现以及与 Fortran、R 乃至 MATLAB 相当的友好上手感受。

经过九年的开发与七年的 beta 测试阶段,Julia 1.0 于 2018 年正式亮相。这一里程碑版本整合了核心功能与机器码原生速度表现、数学友好型语法、多次分派、异步 I/O、并行性、软件包管理以及良好的语言整体稳定性等优势。自那时以来,Julia 的三大主要发行版带来了数十项新功能,旨在不断改善其数学、统计以及常规编程方面的实际表现。

网友还担心,MATLAB被封禁可能只是一个开始,更多来自美国的软件可能都会碰到这种情况,比如美国Autodesk公司的大名鼎鼎的AutoCAD软件,建筑、机械、汽车、基建等领域都要使用。

还有工科学生罗列了自己使用的工业软件:

1. 制图软件:CATIA、Pro/E、SOLIDWORKS、AutoCAD;

2. 多刚体动力学软件:ADAMS、RecurDyn;

3. 车辆及流体动力学软件:CarSim、AMESim、TruckSim;

4. 热固流耦合受力分析:Ansys;

5. 车辆通讯:CANoe。

上述软件公司大多隶属于美国、法国、德国,设想一个极端情况:“如果这些软件全都不能用了,中国工业会发生什么?国内是否会因此事件掀起一波进一步拥抱开源的风潮?

商业套路:学生时代免费用,用习惯了就收费

据开源中国报道,自由软件运动之父理查德·马修·斯托曼(Richard Matthew Stallman,简称RMS) 曾呼吁学校只应使用自由软件,因为学校具有社会使命:教育学生成为强大、有能力、独立、合作和自由的社会公民。“学校应该推动自由软件的使用,正如学校推动对话和投票一样。教育学生使用自由软件就是培育能够生活在自由数字社会的公民。这样就可以帮助整个社会避免为超级企业集团所主导。反过来,教授非自由软件就是在培育依赖性,这和学校的社会使命背道而驰。学校绝不应该这么做。”

自由软件运动之父理查德·马修·斯托曼

如今看来,RMS 的担忧绝非危言耸听。我们很多人从学生时代开始,接触的就是 Windows 系统、MATLAB、CAD 等专有软件,对这些国外软件产生了很强的依赖性,尽管这些软件对学生来说或许是免费的。但归根结底,为什么专属软件的开发者会为学校提供非自由软件的免费拷贝?

RMS 曾表示,“因为他们企图利用学校来培育对其产品的依赖性,正如烟草公司向学生发放免费香烟一样。一旦学生毕业,他们就不会再得到免费拷贝,他们的雇主也不会。一旦有了依赖性,你就会付钱,而且升级换代也会很贵。

“自由软件允许学生学习软件如何工作。一些有编程天赋的学生,在他们的少年时代,渴求学习一切关于计算机和软件的知识。他们有强烈的好奇心,想要阅读他们所用软件的源代码。专属软件拒绝了他们对知识的渴求:它说,‘这些知识是秘密—学习是禁止的!’专属软件是教育精神的敌人,所以学校不应该容忍专属软件,除非是作为逆向工程的对象。”

尽管 RMS 的话中包含了个人对于专有软件厂商的敌意,但当越来越多的专有软件成为政治的枷锁时,国内高校拥抱开源确实是一个更好的选择。

虽然可以选择的替代品很多,但MATLAB多年积累下来的配套软件库——Simulink才是真的难以替代。

责编:Luffy Liu

本文综合自知乎、雷锋网、IT之家、机器之心、开源中国、量子位、SegmentFault报道

  • 已经干过了
  • 看好协议,不能违反本国法律,你把科研成果用于被制裁的锅架,拿就违反了人家的软件使用协议,是可以终止的
  • 庚子赔款建的大学,美国会釜底抽薪吗?
  • 不可抗力,理论上应该可以。但是一般是协商解决。等风波平息之后再给你把时间加上。
    (来日方长,大家都不能一下子撕破脸。)
    短期内,你不用它也用不了别的!
  • 算法才是核心技术,国产软件任重而道远
  • 加拿大的MAPLE软件可以替代MATLAB.
  • 中国的所谓高科技大多是建立在人家的平台上的!打起仗来都玩完!
  • 中国或是最大赢家
  • 这一天迟早要来的
  • 偷偷用抓不着,但发论文就不行了
阅读全文,请先
您可能感兴趣
“硬件预埋,软件升级”成为当下车企的主流策略,未来两年将成为L3及更高级别自动驾驶发展的关键节点,具有领先软件和算法能力的车企、软件供应商有望获得重要机遇。
按照孙晓阳的介绍,截至2022年,合见工软有700员工,技术团队主要来自世界排名前三的EDA公司,目标是不仅要做到国产替代,还要能够直接跟业界最先进的方案和产品竞争。合见工软是否愿意第一个吃螃蟹?
深圳国微芯科技有限公司孵化于国微集团,致力于国产数字EDA全流程平台的开发,并借由核心 IP 模块的开发及全套设计服务以及专项成果,形成完全自主可控的EDA平台,为芯片设计到流片全过程提供EDA工具和服务。谈及国微芯的未来发展规划,白耿表示在2023至2024年,公司将逐步完成重点工具的开发和市场推广。
近日VMware首席执行官Raghu Raghuram在一份内部通知中告诉员工,云计算基础设施高级副总裁Mark Lohmeyer、应用和管理业务高级副总裁Ajay Patel以及网络和高级安全高级副总裁Tom Gillis将离职。 
在面向工程仿真的CAE软件中,有一款叫做COMSOL的软件,对接的用户主要是高校科研人员、军工单位、高新企业研发工程师以及跨国公司工程师。其在功率器件封装的多物理场仿真分析方面功能非常强大。
当前,芯片IC设计、光刻机、AI等是全球最热的前沿科技。这些科技中无论是半导体还是新材料的研究或者人工智能及深度学习等都依赖最原始的基础学科:数学,这已经是人们的共识。基于此,笔者将整理一系列的数学和算法,欢迎关注。本文主要回顾数学中最重要的统计:概率分布。
智能手表等小型设备在空间和电池寿命方面带来了额外的挑战。小尺寸的SiP模块是推进产品快速上市的理想选择。可穿戴设备,需要GPS连接以进行位置跟踪,需要Wi-Fi以进行云连接,BT/A2DP连接以进行音乐流,还需要低功耗蓝牙(Bluetooth LE)连接到传感器……
目前在六代线工厂生产 12.9 英寸 OLED 的制造成本估计比 Mini LED 背光的制造成本要低很多。但是,如果在八代线工厂生产OLED,则成本不会下降。另一方面,16.2 英寸 OLED 的制造成本可以在八代线工厂中大幅降低。16.2’’面板在六代线基板中的玻璃效率不如12.9’’面板。OLED iPad 可以被首先导入,用目前的六代线工厂生产。同时,OLED MacBooks 可能只有在八代线工厂准备好之后才会上市。
日前发布的Vishay Semiconductors器件感光度可控,可在阳光直晒下工作,不会产生不必要的脉冲。此外,对于短距离反射和接近应用,传感器感光度下降不需要极低的发射器正向电流,这种电流会造成强度输出不稳。
利用高性能、低功耗终端的处理能力,将能够高效推动生成式AI的规模化扩展。云端和终端将协同工作,通过强大、高效且高度优化的AI功能,打造下一代用户体验。