解决常见计算问题的新方法？

在这个大数据时代，科学计算中存在一些问题，这些问题非常庞大和复杂，包含了太多的信息，试图解决这些问题对大多数计算机来说是一项艰巨的任务。

现在，圣路易斯华盛顿大学迈克凯尔维工程学院的研究人员开发了一种新算法，将一类常见问题分解成更小的任务，每个任务都可以在标准计算机上并行化。

这项研究来自普雷斯顿格林电气与系统工程系教授Jr-Shin Li的实验室，并于7月30日发表在《科学报告》杂志上。

除了提供解决此类问题的框架之外，称为并行残差投影的方法还提供了增强的安全性并减少了隐私问题。

线性反问题是那些试图获得观测数据并找到模型来描述它的问题。在最简单的形式中，它们可能看起来很熟悉：2x y=1，xy=3。许多高中生在没有超级计算机的帮助下解决了X和Y问题。

随着越来越多不同领域的研究人员收集越来越多的数据以获得更深刻的见解，这些方程的规模和复杂性也在不断增长。

他说：我们开发了一个计算框架来解决数千个这样的方程和变量。

这个项目是在研究涉及大数据的其他领域的研究问题时构思的。李的实验室一直在与一位生物学家合作，研究与睡眠觉醒周期相关的神经网络。

李博士实验室研究员Vignesh Narayanan说，在网络推理的背景下，看神经网络，反问题是这样的。

给定从一堆神经元记录的数据，描述这些神经元如何相互连接的模型是什么？

纳拉亚南说：在我们实验室的早期工作中，我们证明了这个推理问题可以表示为一个线性逆问题。

如果系统有数百个节点，描述神经元之间相互作用的矩阵可能有数百万个。那是巨大的。

医生魏M说，这种矩阵本身的存储容量超过了普通台式电脑的存储容量。李实验室的学生。

此外，这种复杂的系统通常是动态的，正如我们所理解的那样。苗说：我们已经有解决方案了，但是现在要考虑其他单位的互动。PRP不会造成新的问题并从头开始解决，但会增加灵活性和可扩展性。你可以用任何方式处理这个问题。

苗说，即使你碰巧有一台超级计算机，你仍然有可能通过分解它来更快地解决一个大问题。

除了分解复杂的问题并在不同的机器上并行解决它们之外，计算框架组合结果并计算初始问题的精确解也很重要。

PRP带来的意想不到的好处是它增强了数据安全性和隐私性。Narayanan说，当信用卡公司使用算法研究欺诈行为时，或者当医院希望分析其庞大的数据库时，没有人希望将所有访问权限授予一个人。

纳拉亚南说：这是一个额外的好处，我们甚至没有努力争取。