アルゴリズムの力: プログラマーはデスクトップ コンピューターを使用して、スーパーコンピューターの世界記録を破ります

アルゴリズムの力: プログラマーはデスクトップ コンピューターを使用して、スーパーコンピューターの世界記録を破ります

有名なフランス人プログラマー、ファブリス・ベラール氏は最近、普通のデスクトップコンピュータ(2,000ユーロ未満)を使用して円周率を小数点以下約2兆7000億桁まで計算し、昨年8月17日にT2Kオープンスーパーコンピュータ(現在世界ランキング4247位、数百万ドルの費用)が記録した2兆5770億桁の記録を破ったと発表した。

[[8114]]

Bellard が使用するコンピューターのハードウェア構成は次のとおりです。

2.93GHz Core i7 プロセッサ、6GB メモリ、7.5TB ハード ドライブ (5X1.5TB Seagate 7200.11)。バックアップ用に 2TB の Seagate ハードドライブもあります。検証フェーズでは、ネットワークに接続された 9 台のコンピュータが使用されました。

ソフトウェア構成は次のとおりです。

64 ビット Red Hat Fedora 10 オペレーティング システム。ソフトウェア RAID-0 と ext4 ファイル システムを使用してハード ディスクを管理します。彼は円周率を計算するソフトウェアを自分で書いた。技術的な詳細はここをご覧ください。

Pi の計算結果には合計 1137GB のハードディスク容量が必要です。結果の一部はこの Web ページでご覧いただけます。

バイナリビットの計算時間は103日、検証には13日かかりました。 10 進数への変換と検証にはさらに 15 日かかりました。合計時間は131日です。

バイナリ計算にはウクライナのチュドノフスキー兄弟が提案したアルゴリズムが使用され、検証には著者独自の改良されたベイリー・ボーウェイン・プルーフアルゴリズム(ベラール公式とも呼ばれ、現在最も高速なπアルゴリズムであり、1997年に提案された)が使用されています。

実際、ベラールは円周率の分野で輝かしい経歴を持っています。1996年から1997年にかけて、彼は円周率の1桁計算(10の累乗の数字の計算)で複数の世界記録を樹立し、Scientific Americanのフランス語版で特集されました。

【ファブリス・ベラールについて】

ファブリス・ベラールは、プログラミング界の伝説的な人物であり、その多岐にわたる数多くの作品で知られています。彼は1972年にフランスで生まれました。高校時代に、彼は DOS で初めて広く使われたファイル圧縮プログラムである LZEXE を作成しました。その後、パリのエコール・ポリテクニークとフランステレコム研究所で学びました。それ以来、彼の傑作は業界に度々衝撃を与えてきました。

1996 年に、彼は簡潔ながら完全な C コンパイラと Java 仮想マシン Harissa を作成しました。

1997 年に、最も高速な円周率アルゴリズムであるベラールの公式が提案されました。

1998 年に、TinyGL と呼ばれる簡潔な OpenGL 実装が作成されました。

2000 年に、彼は有名なオープンソース マルチメディア プレーヤー プロジェクト FFmpeg (MPlayer の姉妹プロジェクト) を立ち上げ、長年にわたり責任者を務めました。

同年と翌年、彼は有名な国際難読化 C コード コンテスト (IOCCC) に 2 回参加し、2 回とも賞を受賞しました。OTCC コンパイラはその後、C99 標準を完全にサポートし、C をスクリプト言語として使用できる TCC プロジェクトに発展しました。

派生プロジェクト TCCBOOT (2004) は、わずか 138 KB のブートローダーで、ソースコードからコンパイルして 15 秒で Linux システムを起動できます。

2003 年に、Emacs クローンの QEmacs が開発されました。

2005年に低コストのデジタルテレビシステムが設計されました。

また、さまざまなプロセッサ上の他のプロセッサでソフトウェアを実行することをサポートする、オープンソースの汎用プロセッサ エミュレーション ソフトウェア QEMU も開発中です。

この偉大な神を一緒に崇拝しましょう。彼の個人ウェブサイトは、http://bellard.org/ です。

<<:  VB.NET バブルソートアルゴリズムの詳細な説明

>>:  .Net Framework ガベージ コレクション固有のアルゴリズムの詳細な説明

ブログ    
ブログ    
ブログ    
ブログ    
ブログ    
ブログ    

推薦する

GPT-4は97回の対話で世界の諸問題を探り、P≠NPという結論を導き出した。

科学研究の分野で働く人なら、P/NP 問題についてはある程度聞いたことがあるでしょう。この問題は、ク...

スマートシティ技術の未来: AI、ビッグデータ、クラウド

世界の人口の半分以上が都市に惹かれています。成長、繁栄、雇用、機会、教育、娯楽の誘惑は、抵抗できない...

...

画像認識技術を実装し、多様な応用シナリオを探索

Alpha Goの勝利により、人工知能における「ディープラーニング」の概念が急速に普及し、画像認識の...

高度な機械学習ノート 1 | TensorFlow のインストールと開始方法

[[185581]]導入TensorFlow は、DistBelief に基づいて Google が...

AIには意識があるのでしょうか?意識の定義から始めましょう

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

Python でシンプルなニューラル ネットワークを作成する方法 (コード付き)

[[251984]]ニューラル ネットワークの仕組みを理解する最良の方法は、自分でニューラル ネッ...

...

ベイズの定理から確率分布へ:確率論の基本定義の復習

この記事では、最も基本的な確率理論からさまざまな確率分布に至るまで、確率に関する基本的な知識と概念を...

AIはCOVID-19検査の欠陥を明らかにし、647のAIツールが臨床使用に適していないことが研究で判明

COVID-19パンデミックの発生以来、世界中の研究チームがコロナウイルスの検出や感染の予測に役立つ...

Google はなぜいつも AI に芸術を強制するのでしょうか?

Google の人工知能といえば、チェスマシンの AlphaGo や Waymo の自動運転車を思...

ディープラーニングのコードを信頼できるのはなぜでしょうか?

ディープラーニングは、正確性を評価するのが難しい分野です。ランダムな初期化、膨大なデータセット、重み...

人工知能の時代では、機械学習とAIアルゴリズムが「80/20ルール」を変えるだろう

[[186517]]ハーバード・ビジネス・レビューは、機械学習と AI アルゴリズムの進歩により、私...

人工知能技術は交通にどのように応用できるのでしょうか?

都市交通の分野では、AI信号制御、インテリジェントな街路交通監視、スマートバス停、スマート高速道路な...