在過去60年中，計算機處理能力的指數級增長可能很快就會停止。例如，諸如天氣預報中使用的那些複雜系統需要高計算能力，但是執行超級計算機以處理大量資料的成本可能成為限制因素。德國美因茨約翰內斯古騰堡大學（JGU）和瑞士盧加諾義大利大學義大利大學（USI）的研究人員最近推出了一種演算法，即使在個人計算機上，該演算法也可以用卓越的功能解決複雜的問題。
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，我們已經看到了資訊處理能力的恆定增長速度，但是現在看來，這種指數增長速度是有限的。新的發展依賴於人工智慧和機器學習，但是相關過程在很大程度上並不為人所知和理解。“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麼。我們想了解人工智慧的工作原理並獲得更好地瞭解所涉及的聯絡。”美因茨大學生物資訊學專家Susanne Gerber教授說。與Illia Horenko教授一起，她是Svizzera Italiana大學的計算機專家和柏林弗賴大學的墨卡託研究員，她開發了一種技術，能夠以低成本和高可靠性執行難以置信的複雜計算。Gerber和Horenko以及他們的合著者在最近發表於《複雜系統的低成本可伸縮離散化，預測和特徵選擇》的文章中總結了它們的概念。
科學進展
。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。” 除天氣預報外，研究還發現了許多可能的應用，例如解決生物資訊學，影象分析和醫學診斷中的分類問題。
將複雜的系統分解為單個元件
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，該過程基於Lego原理，根據該原理，複雜的系統被分解為離散的狀態或模式。僅使用少量模式或元件（即三到四打），就可以分析大量資料，並可以預測其未來行為。Gerber說：“例如，使用SPA演算法，我們可以對歐洲未來一天的表面溫度進行基於資料的預測，而預測誤差僅為0。75攝氏度。” 它們都可以在普通PC上執行，並且錯誤率比氣象服務通常使用的計算機系統好40％，同時價格也便宜得多。
SPA或可擴充套件機率逼近是基於數學的概念。該方法在需要自動處理大量資料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，我們可以瞭解使用什麼特徵對細胞進行分類。” 另一個潛在的應用領域是神經科學。腦電訊號的自動分析可以構成評估腦狀況的基礎。它甚至可以用於乳腺癌的診斷，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演算法可以應用於從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，並且結果也更好。”
