De exponentiële groei van de rekenkracht van computers in de afgelopen 60 jaar kan binnenkort tot stilstand komen. Complexe systemen zoals die worden gebruikt bij weersvoorspellingen, bijvoorbeeld, hoge rekencapaciteit nodig hebben, maar de kosten voor het gebruik van supercomputers om grote hoeveelheden gegevens te verwerken, kunnen een beperkende factor worden.

Onderzoekers van de Johannes Gutenberg Universiteit Mainz (JGU) en de Università della Svizzera italiana (USI) in Lugano in Zwitserland hebben onlangs een algoritme ontwikkeld dat complexe problemen met opmerkelijke gemak kan oplossen, zelfs op een pc.

Exponentiële groei in IT bereikt zijn limiet

Vroeger, we hebben een constante snelheid van versnelling gezien in de informatieverwerkingskracht zoals voorspeld door de wet van Moore, maar het lijkt er nu op dat deze exponentiële groei beperkt is. Nieuwe ontwikkelingen zijn afhankelijk van kunstmatige intelligentie en machine learning, maar de gerelateerde processen zijn grotendeels niet goed bekend en begrepen. "Veel machine learning-methoden, zoals het zeer populaire deep learning, zijn zeer succesvol, maar werken als een zwarte doos, waardoor we niet precies weten wat er aan de hand is. We wilden begrijpen hoe kunstmatige intelligentie werkt en een beter begrip krijgen van de betrokken verbanden, " zei professor Susanne Gerber, een specialist in bio-informatica aan de Universiteit van Mainz.

Samen met professor Illia Horenko, een computerexpert aan de Università della Svizzera italiana en een Mercator Fellow van de Freie Universität Berlin, ze heeft een techniek ontwikkeld om ongelooflijk complexe berekeningen uit te voeren tegen lage kosten en met een hoge betrouwbaarheid. Gerber en Horenko, samen met hun co-auteurs, hebben hun concept samengevat in een artikel getiteld "Low-cost scalable discretization, voorspelling, en functieselectie voor complexe systemen" onlangs gepubliceerd in wetenschappelijke vooruitgang . "Deze methode stelt ons in staat om taken uit te voeren op een standaard pc waarvoor voorheen een supercomputer nodig was, " benadrukte Horenko. Naast weersvoorspellingen, het onderzoek ziet tal van mogelijke toepassingen, zoals bij het oplossen van classificatieproblemen in de bioinformatica, foto analyse, en medische diagnostiek.

Complexe systemen opsplitsen in afzonderlijke componenten

De gepresenteerde paper is het resultaat van vele jaren werk aan de ontwikkeling van deze nieuwe aanpak. Volgens Gerber en Horenko, het proces is gebaseerd op het Lego-principe, volgens welke complexe systemen worden opgesplitst in discrete toestanden of patronen. Met slechts een paar patronen of componenten, d.w.z., drie of vier dozijn, grote hoeveelheden gegevens kunnen worden geanalyseerd en hun toekomstig gedrag kan worden voorspeld. "Bijvoorbeeld, met behulp van het SPA-algoritme kunnen we een op gegevens gebaseerde voorspelling maken van de oppervlaktetemperaturen in Europa voor de komende dag en een voorspellingsfout hebben van slechts 0,75 graden Celsius, " zei Gerber. Het werkt allemaal op een gewone pc en heeft een foutenpercentage dat 40 procent beter is dan de computersystemen die gewoonlijk door weerdiensten worden gebruikt, terwijl het ook veel goedkoper is.

SPA of Scalable Probabilistic Approximation is een wiskundig gebaseerd concept. De methode kan nuttig zijn in verschillende situaties waarin grote hoeveelheden gegevens automatisch moeten worden verwerkt, zoals in de biologie, bijvoorbeeld, wanneer een groot aantal cellen moet worden geclassificeerd en gegroepeerd. "Wat vooral handig is aan het resultaat, is dat we dan inzicht kunnen krijgen in welke kenmerken zijn gebruikt om de cellen te sorteren, " voegde Gerber toe. Een ander potentieel toepassingsgebied is neurowetenschappen. Geautomatiseerde analyse van EEG-signalen zou de basis kunnen vormen voor beoordelingen van de cerebrale status. Het zou zelfs kunnen worden gebruikt bij de diagnose van borstkanker, omdat mammografiebeelden kunnen worden geanalyseerd om de resultaten van een mogelijke biopsie te voorspellen.

"Het SPA-algoritme kan op een aantal gebieden worden toegepast, van het Lorenz-model tot de moleculaire dynamica van aminozuren in water, " concludeerde Horenko. "Het proces is eenvoudiger en goedkoper en de resultaten zijn ook beter in vergelijking met die van de huidige ultramoderne supercomputers."