基于计算机的天气预报 新算法的性能优于大型计算机系统

过去60年来计算机处理能力的指数增长可能很快就会停止。 例如，天气预报中使用的复杂系统需要很高的计算能力，但运行超级计算机处理大量数据的成本可能成为一个限制因素。

瑞士卢加诺的Johannes Gutenberg大学(JGU)和意大利大学(Universita Della Svizzera Italiana)的研究人员最近开发了一种算法，即使在个人电脑上也能用非凡的设备解决复杂的问题。

IT的指数增长将达到极限

在过去，我们已经看到了摩尔定律预测的信息处理能力的恒定加速度，但现在看起来这种指数增长率是有限的。 新的发展依赖于人工智能和机器学习，但相关的过程在很大程度上没有人知道和理解。 许多机器学习方法，如非常流行的深度学习，都非常成功，但工作就像一个黑匣子，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是如何工作的，并更好地了解所涉及的联系，”Mainz大学生物信息学专家SusanneGerber教授说。

她与意大利大学的计算机专家Illia Horenko教授和柏林自由大学的Mercator研究员一起开发了一种技术，以低成本和高可靠性进行极其复杂的计算。 格伯和霍伦科以及他们的合著者在最近发表在“科学进步”上的一篇题为“复杂系统的低成本可伸缩离散化、预测和特征选择”的文章中总结了他们的概念。 霍伦科强调：“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，研究还看到了许多可能的应用，如在生物信息学、图像分析和医学诊断中解决分类问题。

将复杂系统分解为各个组成部分

本文是多年来为发展这一新方法所做工作的结果。 根据Gerber和Horenko的说法，这个过程是基于乐高原理，根据乐高原理，复杂的系统被分解成离散的状态或模式。 只有少数模式或组件，即三四十个，可以分析大量的数据，并预测它们的未来行为。 格伯说：“例如，使用SPA算法，我们可以对欧洲未来一天的地表温度进行数据预测，预测误差仅为0.75摄氏度。” 它都工作在一个普通的个人电脑上，它的错误率比天气服务通常使用的计算机系统高40%，同时也要便宜得多。

SPA或可扩展概率逼近是一个基于数学的概念。 在需要自动处理大量数据的各种情况下，例如在需要对大量细胞进行分类和分组的生物学情况下，这种方法可能是有用的。 格伯补充道：“对结果特别有用的是，我们可以了解用什么特性对细胞进行分类。” 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成为评估大脑状态的基础。 它甚至可以用于乳腺癌诊断，因为可以分析X线摄影图像来预测可能的活检结果。

霍伦科总结说：“SPA算法可以应用于许多领域，从Lorenz模型到水中氨基酸的分子动力学。” “与目前最先进的超级计算机相比，这一过程更容易、更便宜，结果也更好。