=高性能計算=
算法有兩種實現方式，一種是純串聯算法，一種是純并聯算法。
純串聯算法，就是整個算法具備先后順序性，前面得出的結果，是后面運算的參與因子，比如（499979開499973次方）乘以499979的結果再乘以499927分之499943，前面的運算沒有得出結果時，后面的運算就只能做預處理（把非純串聯的算式運算出來，比如在計算499979開499973次方的同時，也可以計算499927分之499943）。
純并聯算法，就是整個算法并不具備先后順序性，比如階乘，升階次方，降階次方……，算法本身可以拆分成很多個小算法，然后使用多個運算單元進行運算。
高性能計算，就是盡可能避免使用串聯式算法，而盡可能使用并聯式算法，這樣才能避免因為算法的原生屬性，導致硬件資源的浪費和運算速度的限制，當然這只能說是軟解決，治標，本質性還是需要研發出單核心更高的運算頻率，這才是硬解決，不怕串聯算法，治本。
=特殊運算猜想=
按照運算和內存的硬件需求，可以分為以下四種：
1：運算要求高，內存需求大（比如理論核試驗，生物基因運算，非單一人工智能的大數據處理→也就是說不存在一種人工智能通用于大數據，各個行業的專家設計屬于自己行業專屬的專用人工智能）。
2：運算要求高，內存需求小（比如人工智能決策，最終決策是擱置，確認可以，確認不可以，確認要禁止，確認可以無作為→靜觀其變，最終結果不要求有怎樣大的內存，只是運算過程？？？大量的算法參與其中）。
3：運算要求低，內存需求大（比如數據搜索，數據檢索，本身并不需要大量的運算，基本都是同一運算過程群發到所有內存相關的處理器上，然后進行處理，比如時間同步的直播，點播收發服務器）。
4：運算要求低，內存需求小。
第四種相當于個人電腦層面，而其他三種則屬于大數據應用的常規局面。
如同可以用運算來替代內存需求→數據壓縮和解壓縮技術；那么對應的，有沒有一種使用內存來替代運算需求→運算能力不足時，把隊列列表存儲到內存中，然后等到閑暇時再進行運算？
按照處理器的發展方向，可以先研究各種算法的專用硬件，比如加減法計算器（沒錯，就是計算過程硬件化，然后把每秒運算次數提升上去，比如每皮秒運算千萬億次加減法），然后是乘除法計算器，無理數運算專用計算器，數組陣列運算專用計算器，三角函數專用計算器，統計計算器，進制轉換計算器，以此類推到所有類型的通用計算，然后采納一些應用較為廣泛（取其量之大者），以及一些經典的專用計算（取其質之高者）。
先不考慮大小，先做出來，避免因為大小的限制從而影響其可維護性，可技術升級性，然后再考慮等比例縮小，如何做到越來越小。
當然了，也可以同臺競技，一個團隊專門研究和大小無關的大處理器（立方千米級處理器），一個團隊專門研究和大小有關的小處理器（低于立方厘米級處理器）。
→作者：感覺以后會有覆蓋整個天體表面積的脫殼式的處理器設計，那時候，960萬平方公里為一個基準單位咯。
網頁版章節內容慢，請下載好閱小說app閱讀最新內容
請退出轉碼頁面，請下載好閱小說app 閱讀最新章節。