211service.com
Kā bioloģisko šūnu tīkli risina sadalītās skaitļošanas problēmas
Izkliedētā skaitļošana mūsdienās ir populāra. Ideja ir sadalīt skaitļošanas uzdevumus ērtos gabalos un izplatīt tos tīklā vairākiem datoriem. Ieguvumi ir nepārprotami, piemēram, vienkārša piekļuve milzīgiem skaitļošanas resursiem pēc pieprasījuma.
Parastais veids, kā domāt par šīm sistēmām, ir kā neatkarīgas Tjūringa mašīnas, kas savienotas ar tīklu, kas ļauj tām apmainīties ar lieliem ziņojumiem. Šis tā sauktais “ziņojuma nodošanas modelis” noteikti attiecas uz lielāko daļu izplatītās skaitļošanas, kas notiek internetā; tādi projekti kāSETI @ homeun Einstein @home programmas.
Taču pieaug izpratne par to, ka daudzi tīkli ir daudz ierobežotāki gan to ziņojumu lieluma, ko tie var pārsūtīt un saņemt, gan arī apstrādes jaudas ziņā katrā mezglā.
Piemēram, bioloģiskā šūna var pārsūtīt un saņemt tikai ierobežotu informācijas daudzumu un veikt tikai elementārus apstrādes uzdevumus. Ir viegli iedomāties, ka šūnu tīkls var veikt tikai ļoti vienkāršus sadalītus skaitļošanas uzdevumus. No otras puses, iespējams, viņi var kompensēt savus individuālos trūkumus, strādājot grupā, un tādējādi viņi ir tikpat spējīgi kā citi tīkli.
Tāpēc svarīgs jautājums ir par to, kā šie ierobežojumi ietekmē sadalīto skaitļošanas uzdevumu klases, kuras var veikt šūnu grupas.
Šodien mums ir atbilde, pateicoties Yuval Emek, Jasmin Smula un Roger Wattenhofer darbam Šveices Federālajā tehnoloģiju institūtā Cīrihē. Mēs uzskatām, ka ir nepieciešams tīkla modelis, kurā mezgli pēc konstrukcijas ir zemāki par Tjūringa mašīnu skaitļošanas un komunikācijas iespējām, viņi saka.
Šie puiši ir modelējuši šo apakštjūringa mašīnu tīkla skaitļošanas uzvedību, ko viņi sauc par ierobežotā stāvokļa mašīnām. Tie parāda, ka ierobežotu stāvokļu mašīnu tīkls nebūt nav kritisks, bet spēj atrisināt daudzas standarta problēmas parastajā sadalītajā skaitļošanā, piemēram, nevirzīto koku 3 krāsu iekrāsošanu.
Turklāt šie tīkli var veikt darbu tikpat efektīvi — laikā, kas ir polilogaritmisks ar šūnu skaitu.
Tam var būt tālejošas sekas. Var būt grūti iedomāties šūnu tīklu, kas pievienojasSETI @ homeprojektu. Bet tas nodrošina sistēmu, kurā izpētīt, kā šūnu tīkli var atrisināt citas izplatītas problēmas bioloģiskajās sistēmās, piemēram, nākotnes plānošana, trajektorijas aprēķini un tā tālāk.
Jauno modeli var izmantot arī prozaiskākos veidos, piemēram, prognozējot sensoru tīklu veiktspēju, ko spēcīgi ierobežo jaudas ierobežojumi.
Emeks un citi uzdod jautājumu: vai mazie bio/nano mezgli aprēķina un/vai sazinās būtībā [tā] pašā [veidā] kā dators?
Šķiet, ka atbilde ir jā, kas nozīmē, ka ir aizraujošs laiks būt izplatītam skaitļošanas speciālistam, kas strādā bioloģijā.
Atsauce: arxiv.org/abs/1202.1186 : akmens laikmeta izplatītā skaitļošana