桔子系统-提供win10最新版本,win7正式版,ghost xp系统,纯净版系统等一站式系统下载服务!

当前位置:桔子系统 >it资讯> 详细页面

MIT新研究:43%算法改进速度超摩尔定律,解决超大规模问题,算法比硬件更有用

时间:2021-09-22 15:10:01 来源:桔子系统 作者:小桔子


MIT新研究:43%算法改进速度超摩尔定律,解决超大规模问题,算法比硬件更有用

软件算法对计算速度的提升有多大?


MIT最新研究说:超过4成算法对性能的改进,已经超过了硬件的摩尔定律。


对于中等规模的问题,30%-43%的算法的改进比硬件进步更能提升性能。


当问题数据增加到数亿规模时,算法改进变得比硬件改进/摩尔定律更重要。


这就是MIT的两位科学家对来自57本教科书,超过1137篇研究论文的数据进行分析后得到的结论。


不仅如此,他们还全面叙述了现有以及历史上的算法何时被发现、如何改进、以及改进的规模。


14%的算法改进率超过1000%

研究者通过分析QS排名中前20的计算机名校所用的课件,总结出11个算法子领域:


组合学、统计学/机器学习、密码学、数值分析、数据库、操作系统、计算机网络、机器人学、信号处理、计算机


并且根据这些算法最初被提出时的时间复杂度进行了归纳。可以看到,其中31%的算法属于指数复杂度类别:


在时间复杂度的改进上,对于n=100万的问题规模,一些算法比硬件或摩尔定律的改进率更高:


▲算法改进对四个算法家族的影响


将这一分析拓展到110个算法家族上时,可以看到,对于中等规模(n=1000)的问题来说,只有18%的算法改进率快于硬件。


但当问题规模来到了百万、亿、甚至万亿级别时,算法的改进速度就超过了硬件性能。


甚至有14%的算法家族的改进率超过1000%,远超硬件改进所带来的性能提升。


▲a:n=一千b:n=一百万c:n=一亿


作者介绍

论文一作YashSherry本科毕业于印度德里大学计算机科学专业,现在是MIT斯隆商学院的一位研究员,工作重点是跟踪算法的改进及其对IT公司经济的影响。


另一位NeilThompson是麻省理工大学CSAIL(计算机科学和人工智能实验室)的科学家,也是哈佛大学创新科学实验室的客座教授。


论文:


https://ieeexplore.ieee.org/document/9540991


参考链接:


https://news.mit.edu/2021/how-quickly-do-algorithms-improve-0920


分享到:

人气资讯排行

人气教程排行