(2) 我们已经有了 Wolfram Mathematica 的现有实现，但它只是稍微自动化，而且速度太慢，无法处理大型数据集。特别是数值方法减慢了过程，优化非常必要，因为所使用的方程很难求解且不稳定。随着输入序列质量的下降，情况会变得更糟。使用 C++ 的决定实际上不是我做的，它是任务的一部分，但是我们将 Wolfram Mathematica 中的几周时间缩短到了 C++ 中的几个小时，所以我认为这个决定还不错。我完全同意你尽可能使用现有库的观点，但我发现“盲目”使用库也可能导致问题。有时你必须更改、调整、修改或调整库函数。有时可以通过编写包装函数来完成，但在某些情况下，自己编写整个函数会更快。我看到了 Matlab 和 Python 在快速原型设计方面的优势，但作为一名训练有素的 C++ 程序员，并且可以利用大量的现有代码库，这在某种程度上降低了这种优势的重要性。当然，如果你不知道如何在 C++ 中有效地管理内存，那么你最好使用 Matlab 编程，但你应该同意，原则上 Matlab 或任何其他数学软件都不可能比定制的 C++ 实现更快。我知道一个博士项目，其内容是编写高度优化的 C++ 代码，旨在在性能上击败 Comsol Multiphysics。对于运行时关键型应用程序，这确实值得付出努力。
发表的评论
你好 Golodh，感谢你的详细评论。让我简要回复你提出的一些观点。
(2) 我们已经有了 Wolfram Mathematica 的现有实现，但它只是稍微自动化，而且速度太慢，无法处理大型数据集。特别是数值方法减慢了过程，优化非常必要，因为所使用的方程很难求解且不稳定。随着输入序列质量的下降，情况会变得更糟。使用 C++ 的决定实际上不是我做的，它是任务的一部分，但是我们将 Wolfram Mathematica 中的几周时间缩短到了 C++ 中的几个小时，所以我认为这个决定还不错。我完全同意你尽可能使用现有库的观点，但我发现“盲目”使用库也可能导致问题。有时你必须更改、调整、修改或调整库函数。有时可以通过编写包装函数来完成，但在某些情况下，自己编写整个函数会更快。我看到了 Matlab 和 Python 在快速原型设计方面的优势，但作为一名训练有素的 C++ 程序员，并且可以利用大量的现有代码库，这在某种程度上降低了这种优势的重要性。当然，如果你不知道如何在 C++ 中有效地管理内存，那么你最好使用 Matlab 编程，但你应该同意，原则上 Matlab 或任何其他数学软件都不可能比定制的 C++ 实现更快。我知道一个博士项目，其内容是编写高度优化的 C++ 代码，旨在在性能上击败 Comsol Multiphysics。对于运行时关键型应用程序，这确实值得付出努力。
(3) 如果你认为这对于我目前的工作没有好处而称之为浪费时间，你可能是对的。到目前为止，这只是一个爱好，我没有花太多时间在上面。是的，我正在攻读物理学博士学位，但我并非不可避免地与学术研究联系在一起。实际上，我计划在软件开发或相关领域找到一份工作。
(4) 我没有使用 GUI，而是使用配置文件设置所有相关参数，但在更改输入文件后，只需要调整其中很少一部分参数。因此，通常运行程序非常简单，结果会包装在一个大型 HTML 报告中，其中显示所有相关信息。所以从我的角度来看，这与 GUI 相差不远。我们已经与一些化学家共享了代码。他们通常使用 Windows，但在虚拟机中使用 CLI 时没有遇到任何问题。
感谢您的评论！实际上，我的许多同事都为此目的使用 Python，我也时不时这样做。关于可读性，您绝对是正确的。我的 bash 脚本集合是一种历史遗产，因为我从 bash 开始，并一直使用它。将来，我肯定会考虑将 Python 作为 bash 的替代方案。