Лейдис и джентльменс - будьте здоровыми и богатыми. Интересный, хотя и не новый, топик - когнитивная гносеология, обучение, Матлаб, численные методы...
[Банальная истина on]
Понимание и способности вывести новое знание без опыта - неэффективны, опыт без понимания и способностей к критическому осмыслению и синтезу нового знания - ограничен, ограничен воспроизведением вариантов старого.
Конечно же, знания предметной области являются первичными, но надстройка над етим опытом в виде искусства пользованием первичным знанием - тоже немаловажна. У нас на интервью свежий выпускник PhD, который на каждый вопрос начнет выводить с нуля решение - не получит высокую позицию, но если претендент не сможет показать знание и умение вывести решение (где это действительно надо) - не получит предложения вообще. Даже в индустрии (ну не совсем на заводе, конечно) содержат и чисто теоретические отделы и просто отдельных людей теоретиков внутри групп разработчиков, которые "теоретизируют" и выводят новое знание (иногда представимoе в конечном результате как просто отдельные числа и ответы - будет работать или нет) - ибо без солидных фундаментальных знаний никто в серьезных хай тековских местах не будет "просто делать " и смотреть что получится. "Ничего нет практичнее хорошей теории".
[Банальная истина off]
По поводу "Матлаба" как понятия - это тоже отдельное знание и понимание о иерархическом подходе к решениу инженерных и технических задач. Нечто вроде базисных знаний в пределах курса "вычислительная техника в науке и технике". Не численные методы, а знание языков и сред программирования. Как раньше знание Фортрана, затем Паскаля, далее по списку. Матлаб в этом случае просто высокоуровневая среда и надстройка над низкоуровневыми и оптимизированными функциями, написанными на Фортане или С и ассемблере. Мы ведь пользуемся библиотеками Lapack/Blas/MKL. Но если в одном случае интерфейсом пользователя будет, например, билбиотека на C++ или JAVA. то в другом случае - интерактивная и интерпретируемая среда. Долгое время Матлаб был единственным серьезным вариантом такой среды, но сейчас появился очень популярный в научном/университеском сообществе и даже пользуемый отдельными инженерами в индустрии SciPy/NumPy/iPython. Та же концепция, но реализуемая другими конкретными средствами. Знание о таких парадигмах и языках высокого уровня для решения научных задач тоже не помешает, хотя его обьём, конечно. очень маленький - пару лекций, лаб - и вперед. А вот физике, электронике, и другим предметным областям - надо учить долго и обстоятельно.
Кстати - оптимальный вариант (на мой взгляд) - численные методы вначале на бумаге без программираования совсем, затем - с использованием Матлаба или SciPy. Поскольку возня с кодом и отладкой заслоняет математику и алгоритмы как таковые. В качестве анекдота - выдающийся компьютерный ученый Эдгар Дейкстра заложил основы "науки" программирования и был причастен к разработке языков программирования, но при этом никогда ничего не кодировал и не вводил с клавиатуры
P.S. Вопрос астрофизикам - не хотельось бы иметь мощный персональный параллельный суперкомпьюетер с мощной визуализацией результатов?
(информация о процессах в данной точке) и во вторых расход на расчет процессов в самих точках сравним с чистой задачей N-body и неможет быть дан только одним головным процессором (CPU).