算法|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...)
博雯 发自 凹非寺
量子位 报道 | 公众号 QbitAI 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。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。
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。
文章图片
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、计算机图形/图像处理、生物信息学。
通过分析子领域中的算法教材、学术期刊、已发表论文等信息,研究者划分出了113个算法家族,平均每个家族8个算法。
他们首先统计了从1940年到现在,各种算法的最初提出时间:
文章图片
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:
文章图片
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:
文章图片
△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。
文章图片
△a:n=一千 b:n=一百万 c:n=一亿
作者介绍 论文一作Yash Sherry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。
文章图片
另一位Neil Thompson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。
文章图片
论文:
https://ieeexplore.ieee.org/document/9540991
【算法|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...)】参考链接:
https://news.mit.edu/2021/how-quickly-do-algorithms-improve-0920
推荐阅读
- 画解算法(1.|画解算法:1. 两数之和)
- Guava|Guava RateLimiter与限流算法
- 一个选择排序算法
- SG平滑轨迹算法的原理和实现
- 《算法》-图[有向图]
- LeetCode算法题-11.|LeetCode算法题-11. 盛最多水的容器(Swift)
- 虚拟DOM-Diff算法详解
- 《数据结构与算法之美》——队列
- 算法回顾(SVD在协同过滤推荐系统中的应用)
- 简谈迪克斯特拉算法