新算法優于大型計算機系統

在過去60年中，計算機處理能力的指數級增長可能很快將停止。例如，諸如用于天氣預報的系統之類的復雜系統需要高計算能力，但是運行超級計算機處理大量數據的成本可能成為限制因素。

位于瑞士盧加諾的約翰內斯·古騰堡大學美因茨大學(JGU)和意大利大學意大利大學(USI)的研究人員最近開發了一種算法，即使在個人計算機上，該算法也可以用卓越的功能解決復雜的問題。

IT指數級增長將達到極限

過去，正如摩爾定律所預測的那樣，我們已經看到了信息處理能力的加速增長，但是現在看來，這種指數增長速度是有限的。新的發展依賴于人工智能和機器學習，但是相關過程在很大程度上并不為人所知和理解。“許多機器學習方法，例如非常流行的深度學習，都非常成功，但是卻像黑匣子一樣工作，這意味著我們不知道到底發生了什么。我們想了解人工智能的工作原理并獲得更好地了解所涉及的聯系。”美因茨大學生物信息學專家Susanne Gerber教授說。

她與意大利Svizzera大學的計算機專家，柏林弗雷大學的墨卡托研究員伊利亞·霍連科教授一起，開發了一種以低成本和高可靠性執行難以置信的復雜計算的技術。Gerber和Horenko及其合作者最近在《科學進展》上發表了一篇題為“復雜系統的低成本可伸縮離散化，預測和特征選擇”的文章，總結了它們的概念。Horenko強調說：“這種方法使我們能夠在以前需要超級計算機的標準PC上執行任務。” 除了天氣預報外，研究還發現了許多可能的應用，例如解決生物信息學中的分類問題，圖像分析，

將復雜的系統分解為單個組件

提出的論文是多年研究這種新方法的成果。根據Gerber和Horenko的說法，該過程基于Lego原理，根據該原理，復雜的系統被分解為離散的狀態或模式。僅使用少量模式或組件(即三到四打)，就可以分析大量數據，并可以預測其未來行為。Gerber說：“例如，使用SPA算法，我們可以對歐洲未來一天的表面溫度進行基于數據的預測，而預測誤差僅為0.75攝氏度。” 它們都可以在普通PC上運行，并且錯誤率比氣象服務通常使用的計算機系統好40%，而且價格便宜得多。

SPA或可擴展概率逼近是基于數學的概念。該方法在需要自動處理大量數據的各種情況下很有用，例如在生物學中，例如，需要對大量細胞進行分類和分組時。Gerber補充說：“對結果特別有用的是，我們可以了解用來對細胞進行分類的特征。” 另一個潛在的應用領域是神經科學。腦電信號的自動分析可以構成評估腦狀態的基礎。它甚至可以用于乳腺癌的診斷，因為可以對乳房X線照片進行分析以預測可能的活檢結果。

Horenko總結道：“ SPA算法可以應用于從Lorenz模型到水中氨基酸分子動力學的許多領域。” “與當前最先進的超級計算機所產生的過程相比，該過程更容易，更便宜，并且結果也更好。”