在过去60年中，计算机处理能力的指数级增长可能很快就会停止。例如，诸如天气预报中使用的那些复杂系统需要高计算能力，但是运行超级计算机以处理大量数据的成本可能成为限制因素。位于德国美因兹的约翰内斯·古腾堡大学(JGU)和位于瑞士卢加诺的Universitàdella Svizzera italiana(USI)的研究人员最近推出了一种算法，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恒定增长速度，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。与Illia Horenko教授一起，她是Svizzera Italiana大学的计算机专家和柏林弗赖大学的墨卡托研究员，她开发了一种技术，能够以低成本和高可靠性执行难以置信的复杂计算。Gerber和Horenko以及他们的合著者在最近发表于《复杂系统的低成本可伸缩离散化，预测和特征选择》的文章中总结了它们的概念。科学进展。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，图像分析和医学诊断中的分类问题。

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%，同时价格也便宜得多。

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，我们可以了解使用什么特征对细胞进行分类。”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况的基础。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。”