新算法优于大型计算机系统

在过去60年中，计算机处理能力的指数级增长可能很快将停止。例如，诸如用于天气预报的系统之类的复杂系统需要高计算能力，但是运行超级计算机处理大量数据的成本可能成为限制因素。

位于瑞士卢加诺的约翰内斯·古腾堡大学美因茨大学(JGU)和意大利大学意大利大学(USI)的研究人员最近开发了一种算法，即使在个人计算机上，该算法也可以用卓越的功能解决复杂的问题。

IT指数级增长将达到极限

过去，正如摩尔定律所预测的那样，我们已经看到了信息处理能力的加速增长，但是现在看来，这种指数增长速度是有限的。新的发展依赖于人工智能和机器学习，但是相关过程在很大程度上并不为人所知和理解。“许多机器学习方法，例如非常流行的深度学习，都非常成功，但是却像黑匣子一样工作，这意味着我们不知道到底发生了什么。我们想了解人工智能的工作原理并获得更好地了解所涉及的联系。”美因茨大学生物信息学专家Susanne Gerber教授说。

她与意大利Svizzera大学的计算机专家，柏林弗雷大学的墨卡托研究员伊利亚·霍连科教授一起，开发了一种以低成本和高可靠性执行难以置信的复杂计算的技术。Gerber和Horenko及其合作者最近在《科学进展》上发表了一篇题为“复杂系统的低成本可伸缩离散化，预测和特征选择”的文章，总结了它们的概念。Horenko强调说：“这种方法使我们能够在以前需要超级计算机的标准PC上执行任务。” 除了天气预报外，研究还发现了许多可能的应用，例如解决生物信息学中的分类问题，图像分析，

将复杂的系统分解为单个组件

提出的论文是多年研究这种新方法的成果。根据Gerber和Horenko的说法，该过程基于Lego原理，根据该原理，复杂的系统被分解为离散的状态或模式。仅使用少量模式或组件(即三到四打)，就可以分析大量数据，并可以预测其未来行为。Gerber说：“例如，使用SPA算法，我们可以对欧洲未来一天的表面温度进行基于数据的预测，而预测误差仅为0.75摄氏度。” 它们都可以在普通PC上运行，并且错误率比气象服务通常使用的计算机系统好40%，而且价格便宜得多。

SPA或可扩展概率逼近是基于数学的概念。该方法在需要自动处理大量数据的各种情况下很有用，例如在生物学中，例如，需要对大量细胞进行分类和分组时。Gerber补充说：“对结果特别有用的是，我们可以了解用来对细胞进行分类的特征。” 另一个潜在的应用领域是神经科学。脑电信号的自动分析可以构成评估脑状态的基础。它甚至可以用于乳腺癌的诊断，因为可以对乳房X线照片进行分析以预测可能的活检结果。

Horenko总结道：“ SPA算法可以应用于从Lorenz模型到水中氨基酸分子动力学的许多领域。” “与当前最先进的超级计算机所产生的过程相比，该过程更容易，更便宜，并且结果也更好。”