Pelo que estou vendo aqui, seu problema é representação de conhecimento, mais especificamente sobre a composição de moléculas e íons.
Semântica reversa
O meu primeiro ponto de atenção foi o nome da função, cracking
. Do Wikcionário:
crack
- craquear
- craquelar
- estalar
- falir
- rachar
Normalmente, em computação e programação, vejo muito mais o uso do sentido 1, craquear:
inutilizar um sistema de bloqueio ao uso irrestrito ou de acesso restrito de um programa de computador com a utilização de um craque informático
Ou seja, relacionado a segurança. Quebrar criptografias, chaves de acesso a um sistema off-line, coisas assim.
Então me deparo com o argumento dessa função: chemform
. No começo não me indicou nada de nada, então desci um pouco mais. E descendo cheguei nos comentários.
Nominalmente, o que me chamou a atenção nos comentários foi que eles estavam em inglês. Ora, se eles estão em inglês, então é possível que outras partes também estivessem... chemform
? chem-form
? chemestry formula!
Ok, então o argumento é uma fórmula química. Então o que seria o cracking disso? Não parece que se está tentando fazer um ataque cibernético e forçar o álcali a revelar seus segredos terrosos... então crack 6. rachar?
Se deseja então rachar a fórmula química de um composto? Interessante... então, o que se deseja saber com essas partes? Um conjunto indexado de multiplicadores e um conjunto indexado de átomos? Preciso retornar ambos. Mas e a terceira variável indexada? pos
? Isso permanece um mistério.
Como quebrar uma fórmula química?
Bem, isso depende de muitos fatores.
De modo geral, fórmulas químicas não são representações lineares, mas sim são árvores que foram simplificadas para facilitar a impressão e comunicação através de sequências de caracteres.
Um exemplo de representação mais adequado a árvore é um sal de mercúrio (I): nitrato de mercúrio (I).
Esse sal consiste de dois ânions nitrato NO31- e um cátion de mercúrio (I) Hg22+. Sua representação é Hg2(NO3)2.
Por que isso acontece? Bem, acontece que mercúrio tem dois estados iônicos possíveis:
- Hg2+
- Hg22+
Portanto, a segunda forma, com dois mercúrios e após perder 2 elétrons, tem em média carga 1+. Mas não acontece de o mercúrio aparecer sozinho com apenas um elétron perdido. Outros pontos interessantes de elementos que aparentam poder se simplificados de acordo com a proporção de átomos relativos à fórmula química da molécula/do íon:
- Diátomos homonucleares
- Outras formas alotrópicas
De modo geral, tentando fazer uma simplificação da fórmula molecular, O2 e O3 poderiam ser simplificados para O, mas isso não reflete as propriedades químicas dessas 2 substâncias
- Ácido fluorídrico
As pontes de hidrogênio formadas entre o flúor e o hidrogênio são tão fortes quanto ligações covalentes entre o hidrogênio e o flúor, portanto é representado como (HF)2, não como HF
Também tem o caso, mais especial para íons, em que o íon tem uma carga de oxidação como um todo, mas não para suas partes separadas:
- Peróxido O22-, com número de oxidação médio de -1
- Superóxido O21-, com número de oxidação médio de -1/2
Forma de representação
A forma de representação de uma substância, de maneira intuitiva, é dado pelas seguintes regras:
- Uma fórmula química consiste de uma ou mais partes
- Uma parte consiste de um quantizável, seguido de um índice (subescrito) de quantidade e de um índice (sobrescrito) de carga (índice passível de omissão)
- São quantizáveis:
- Quando um quantizável consiste de uma fórmula química de mais de uma parte e ele tem um índice, normalmente se coloca parênteses antes dos índices
Por exemplo, derivando nitrato de mercúrio (I) em cima dessas regras:
- Fórmula química
- Parte Parte
- Quantizável índice Quantizável índice
- Hg2 (Fórmula química)2
- Hg2 (Parte Parte)
- Hg2 (N O3)2
Mais formalmente, isso é uma gramática livre de contexto. A demonstração de que é livre de contexto cabe uma resposta a parte, mas ela apresenta auto-aninhamento, o que já a exclui de ser regular, sendo de um nível mais poderoso; também tem o fato de que uma "parte" não interfere em outra, portanto cada "parte" pode ser interpretada sem necessitar de contexto externo, portanto "livre de contexto".
A gramática para tal seria, começando de F
:
F ==> P
F ==> MP
MP ==> MP P
MP ==> P
P ==> Qs
P ==> Qs I
P ==> Qc
P ==> (Qc) I
Qc ==> F
Qs ==> <<átomo>>
I ==> <<número>>
Onde:
F
fórmula
MP
e P
multi-parte e parte
Qs
e Qc
quantizável simples (um átomo) e quantizável completo
I
índice indicativo de quantidade
<<número>>
um número
<<átomo>>
um dos aproximadamente 120 elementos conhecidos pela química, representado aqui pela sigla atômica
No caso da fórmula pro nitrato de mercúrio (I), a derivação mais à esquerda é (terminais indicados entre aspas):
F
MP
MP P
P P
Qs I P
"Hg" I P
"Hg" "2" P
"Hg" "2" "(" Qc ")" I
"Hg" "2" "(" F ")" I
"Hg" "2" "(" MP ")" I
"Hg" "2" "(" MP P ")" I
"Hg" "2" "(" P P ")" I
"Hg" "2" "(" Qs P ")" I
"Hg" "2" "(" "N" P ")" I
"Hg" "2" "(" "N" P ")" I
"Hg" "2" "(" "N" Qs I ")" I
"Hg" "2" "(" "N" "O" I ")" I
"Hg" "2" "(" "N" "O" "3" ")" I
"Hg" "2" "(" "N" "O" "3" ")" "2"
Essa é a árvore de derivação que representa a fórmula passada. Esse é exatamente o conhecimento indicado por Hg2 (N O3)2, nem mais nem menos.
Agora, o que é o cracking
? É obter o conhecimento do jeito que ele foi passado de maneira manipulável útil para o computador trabalhar? Pelo que indica (retorno de um conjunto indexável de átomos e um conjunto indexado de multiplicadores), creio que não. Creio que seja mais próximo representar a proporção de cada átomo na molécula/íon argumento.
Aparentemente, o desejado era representar seus átomos e seus respectivos multiplicadores. A sua solução é a solução marcada como aceita consiste em ligar essas duas informações simplesmente pelo posicionamento. Então vec.multi[i]
e vec.parte[i]
é o jeito correto de obter o átomo e seu multiplicador. Isso significa que é plausível obter quantidades diferentes para o mesmo átomo, basta que ele esteja em índices distintos. Como por exemplo o álcool etílico CH3CH2OH, em que o hidrogênio aparece em 3 lugares distintos.
Eu não sou a favor dessa representação, pois é sempre necessário fazer dois acessos de vetor para obter uma informação. Eu sou mais a favor da representação indicada pelo Maniero: identificador do átomo e multiplicador juntos. Assim, para saber quem é seu átomo e seu multiplicador, basta fazer um acesso de vetor. Basta fazer atoms[i]
. Por mais que se faça atoms[i].multiplie
e atoms[i].part
para pegar o multiplicador e a parte, teria uma maior chance de aproveitar o cache do processador devido à localidade. Talvez compiladores espertos possam identificar que atoms[i]
seja uma operação idempotente (no sentido que Atom a = atoms[i]; Atom b = atoms[i];
fará com que a
e b
tenham os mesmos valores) e só realizar ela uma única vez.
Uma outra maneira de representar seria através de um hashmap
ou coisa do gênero, onde o átomo seria a chave do mapa e ele armazenaria quantidades. A vantagem desse método é que é garantido que ele só armazene cada átomo uma única vez. Mas no momento que é um hashmap
, você abdica do fato de ser um conjunto indexável e passa a conviver com um conjunto não indexável. Se o índice te importava antes, bem, você o perdeu. Precisaria de mais estruturas auxiliares para representar o átomo, o multiplicador e o índice em um hashmap
.
Ainda na ideia do hashmap
, você pode criar um hashmap
de tamanho fixo que não sofrerá com possíveis aumentos na tabela de espalhamento. Como? Bem, temos menos de 120 átomos distintos conhecidos. Esse número está cada vez mais difícil de subir, talvez 200 átomos esteja além do limite que os cientistas sejam capazes de fabricar. Então podemos mapear cada elemento ao seu respectivo número atômico. Por exemplo, hidrogênio ocuparia a posição 1, hélio a posição 2, carbono a posição 6, nitrogênio a 7 e assim por diante. Existiria um vetor estático no código relacionando números atômicos à átomos, talvez uma árvore de busca representando o contrário.
multi
eparte
? Não seria de repente o caso de ser umvector<par_multi_atom> multipart
, contendo uma estrutura composta pelos multiplicadores e pelos átomos?