打破一个通用的计算问题

在这个大数据的时代,有一些科学计算中存在的问题是如此之大,如此复杂,包含太多的信息,试图解决这些问题将是太大的大多数计算机的任务。

现在,研究人员麦凯维圣路易斯华盛顿大学的工程学院已经开发出一种新算法求解一类常见问题——被称为线性逆问题——通过把它们分解成更小的任务,每一个都可以解决标准计算机上并行。

的研究从实验室Jr-Shin李教授普雷斯顿·m·绿色电力与系统工程系,在7月30日发表于《科学》杂志上报道。

除了提供一个框架,用于解决这类问题,方法,称为平行残余投影(PRP),还提供了增强的安全性和降低隐私问题。

线性逆问题是那些试图把观测数据,试图找到一个模型,描述它。在其最简单的形式,他们可能看起来很熟悉:2 x + y = 1, x - y = 3。许多高中学生解决了x和y没有一台超级计算机的帮助。

随着更多不同领域的研究人员收集更多的数据来获得更深的见解,这些方程继续增长的规模和复杂性。

“我们发明了一种计算框架来解决案件当有成千上万的方程和变量,”李说。

这个项目是工作时在其他领域研究的问题涉及大数据。李的实验室工作的生物学家研究神经元的网络处理睡眠周期。

“网络推理的上下文中,观察神经元网络,反问题是这样的,“说Vignesh时称,在李的实验室研究助理:

考虑到数据记录从一群神经元,什么是“模型”,描述了这些神经元彼此连接在一起吗?

“在前面的工作从我们的实验室,我们表明,这个推理问题可以作为一个线性反问题,制定“Narayanan说。

如果系统有几百个节点,在这种情况下,节点的神经元——矩阵描述了神经元之间的相互作用可以通过数百万数百万;这是巨大的。

“这个矩阵存储本身超过一个普通的桌面的记忆,“魏苗说,李的实验室的博士生。

在这种情况下,这样的复杂系统往往是动态的,是我们对他们的理解。“说我们已经有了一个解决方案,但现在我要考虑一些额外的细胞相互作用,“苗说。而不是从头开始一个新的问题和解决它,PRP增加了灵活性和可伸缩性。“你可以操纵问题你想要的任何方式。”

即使你碰巧有一台超级计算机,苗说:“还有一个机会,通过分解大问题,你可以解决得更快。”

除了分解复杂的并行问题和解决在不同的机器上,计算框架,重要的是,巩固成果,计算一个准确的解决最初的问题。

一个无意的PRP的好处是增强的数据安全和隐私。当信用卡公司使用算法来研究欺诈、或医院想要分析其庞大的数据库,“没有人愿意让所有的访问一个个体,”纳拉亚南表示。

“这是一个额外的好处,我们甚至没有争取,”纳拉亚南表示。

参考:苗族,W。Narayanan, V。李&,js。(2020)。平行残余投影:解决线性逆问题的新范式。科学报道,10 (1),12846。https://doi.org/10.1038/s41598 - 020 - 69640 - 5

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。