Science, 13 Aug 93, Vol. 261, pg, 856 - W. Daniel Hillis - Oggi i calcoli più complessi e veloci vengono condotti con migliaia o decine di migliaia di processori in parallelo. In conseguenza si è avuto un grande sviluppo di software per sistemi in parallelo. La soluzione è sempre possibile perché le leggi fisiche sono per loro natura espresse matematicamente in forma parallela. Le grandezze si calcolano per ogni valore della variabile ed in un sistema di computer in parallelo ogni processore può essere dedicato ad un campo limitato della variabile stessa.
Science, 13 Aug 93, Vol. 261, pg, 872 - Stephanie Forrest - Gli algoritmi genetici sono dei metodi di valutazione usati per risolvere svariati problemi e creare dei modelli per sistemi dinamici che si evolvono. Il nome deriva dal processo di evoluzione dei sistemi biologici secondo la teoria di Darwin. Viene creata una popolazione di individui da memorizzare e quindi viene fatta evolvere applicando i processi di variazione, selezione ed eredità. Base della selezione è l’efficienza dell’individuo eliminando quelli di livello inferiore, le mutazioni sono applicate in modo probabilistico. L’algoritmo genetico si può applicare a molti problemi, ma non sempre si evolve verso buone soluzioni ed in tempi ragionevoli ed in generale è impossibile predire come si comporterà in un certo problema. Le applicazioni più comuni sono state in psicologia, nell’evoluzione degli ecosistemi, dei sistemi immunitari e dei sistemi sociali.
Science, 12 Aug 94, Vol. 265, pg. 889 - David H. Freedman - Per un computer uno dei problemi più difficili è il riconoscimento di oggetti tridimensionali. Neuroscienziati e studiosi di intelligenza artificiale (AI) cercano ora di mettere in comune le loro conoscenze. Un programma detto Artificial Neural Network (ANN) si prefigge di simulare in software ciò che il cervello realizza in hardware. Il cervello possiede due diversi meccanismi di apprendimento. Il primo concentrato nell’ippocampo è specializzato in un rapido apprendimento e nell’acquisizione di informazioni, il secondo, localizzato probabilmente nella corteccia, agisce sui dati acquisiti per estrarre gradualmente informazioni generali. L’apprendimento viene favorito da due tipi di atteggiamento: emotività che favorisce le azioni intese come favorevoli rispetto a quelle sfavorevoli, ed aspettativa che si prefigura ciò che deve accadere nell’immediato futuro. Nel riconoscimento di oggetti tridimensionali si ipotizza che il cervello ricordi solo poche immagini bidimensionali dell’oggetto sotto diversi angoli di vista. Questi meccanismi possono ora essere programmati nelle reti neurali.
Science, 26 Aug 94, Vol. 265, pg. 1188 - R. S. Schechter - Il processing parallelo ha rivoluzionato il modo con cui vengono oggi eseguiti i calcoli in fisica. Poiché i modelli matematici dei problemi fisici non portano a soluzioni analitiche, i calcoli vanno eseguiti con metodi numerici che richiedono l’elaborazione di un gran numero di dati, fortunatamente molti problemi fisici per loro natura si prestano al calcolo parallelo. Un esempio è il modello degli N-corpi, fondamentale per lo studio di molti sistemi complessi. I corpi possono essere masse, cariche, vortici e fra essi possono agire interazioni del tipo gravitazionale, di Coulomb, di Biot-Savart o delle forze di Van der Waal. Le aree di applicazione sono: dinamica degli acceleratori, astrofisica (formazione delle galassie), biologia delle proteine, chimica (strutture molecolari), scattering elettromagnetico, meccanica dei fluidi, dinamica molecolare e fisica del plasma. Questi calcoli per la loro natura statistica richiedono un numero di corpi dell’ordine del milione. Altri problemi si affrontano con le equazioni delle onde elastiche, come per l’elettromagnetismo, l’acustica, la sismologia, l’immagine in medicina, i test non distruttivi ad ultrasuoni. Per questi il calcolo alle differenze finite può seguire due tipi di formulazioni. Una è quella detta omogenea in cui il mezzo disomogeneo viene diviso in piccoli volumi con caratteristiche isotrope; la seconda è detta eterogenea e si fanno variare nello spazio le costanti elastiche.
Science, 8 Sep 95, Vol. 269, pg. 1338 - James Glanz - La tecnica di Image Processing si è sviluppata soprattutto per applicazioni mediche, ma anche i biologi, gli studiosi dei materiali e gli astronomi ne hanno avuto giovamento. Una delle applicazioni più importanti è stata la rappresentazione di sezioni del cervello a partire dalla MRI (Magnetic Resonance Imaging) da confrontare con una mappa di riferimento di un cervello sano o malato. Per fare un confronto per sovrapposizione è necessario deformare l’immagine MRI in modo da sovrapporsi a quella di riferimento. L’algoritmo tratta l’immagine del cervello come un materiale elastico in modo da rispettare la topologia, ma le forze elastiche possono distorcere i dettagli. Un altro modello tratta l’immagine come un liquido viscoso che preserva sempre la topologia e minimizza le distorsioni. Queste tecniche richiedono supercomputer con processori in parallelo che deformano l’immagine fino ad un perfetto adattamento con quella di confronto e naturalmente hanno un vasto campo di applicazione.
Science, 8 Sep 95, Vol. 269, pg, 1361 - Barry Cipra - Alla fine degli anni ‘40 von Neumann indicò due importanti problemi che i nuovi calcolatori elettronici potevano risolvere: il comportamento delle onde d’urto provocate da un’esplosione atomica e le predizioni meteorologiche a lungo termine. Ambedue sono problemi di fluidodinamica connessi alla turbolenza ed al caos che amplificano fluttuazioni infinitesime. Già nel secolo scorso si era avuta una descrizione completa del moto dei fluidi, inclusa la turbolenza, mediante le equazioni di Navier-Stokes alle derivate parziali. La soluzione numerica si ottiene applicando le equazioni ad una griglia tridimensionale di punti del fluido e calcolando in ogni punto pressione, densità e velocità con piccoli incrementi temporali. In generale il numero delle operazioni cresce come il cubo del numero di Reynolds, una grandezza adimensionale combinazione delle proprietà del tubo di flusso (velocità media per diametro diviso viscosità del fluido). Il numero di punti della griglia è al limite pari al numero di Avogadro cioè al numero totale di molecole del fluido e naturalmente nel caso pratico è notevolmente più piccolo. Molte sono quindi le approssimazioni e le assunzioni semplificative nei modelli ed è ancora necessario verificare sperimentalmente i risultati.
Science, 2 Feb 96, Vol. 271, pg. 599 - Barry Cipra - Il più grande giocatore di scacchi esistente, Gary Kasparov, verrà sfidato da un computer IBM con uno speciale programma, il Deep Blue, che per la prima volta ha delle probabilità di battere un campione umano. C’è una borsa di 400000 US$ per il vincente e 100000 per il perdente in una sfida a sei partite. Il Big Blue ha nuove strategie per scegliere la migliore mossa; il metodo di forza bruta è limitato dall’esplosione combinatoria, ogni giocatore ha circa 30 possibili mosse differenti ogni volta e, verificare l’effetto di 15 mosse in avanti, richiede di verificare 30E15 possibilità, un numero grande come quello di Avogadro. Il Deep Blue assegna un punteggio ai diversi rami dell’albero delle scelte e ne esplora solo una piccola frazione, le più promettenti, dopo aver analizzato le prime 10 mosse successive; si arriva così a circa un centinaio di miliardi di mosse. Il Deep Blue usa parecchie centinaia di processori dedicati che lavorano in parallelo ed analizzano circa 100 milioni di posizioni al secondo. Kasparov ha dichiarato che per questo secolo i computer non hanno ancora la possibilità di vincere, in realtà nessuno sa cosa fa l’uomo quando gioca a scacchi; 40 anni fa gli esperti di intelligenza artificiale avevano predetto che sarebbero bastati circa 10 anni per creare un campione artificiale di scacchi.
Science, 3 Sep 99, Vol. 285, pg. 1472 - Alexander Hellemans - La scorsa settimana è stato annunziato che è stato violato il dispositivo crittografico usato per tenere segreto il trasferimento delle carte di credito e delle e-mail riservate con Internet in Europa. Si tratta del codice RSA-155 la “chiave pubblica” prodotto di due grandi numeri primi con 155 digit per cifrare i messaggi. La decodifica richiede però la conoscenza dei due numeri primi e la fattorizzazione di un numero così grande è estremamente difficile, ma non impossibile come è stato dimostrato: ha richiesto 5 mesi con 300 personal computers ed un supercomputer. Per il momento gli utenti europei di internet non debbono molto preoccuparsi perché la decodifica richiede molta potenza di calcolo ed esperienza specifica e la situazione potrà diventare insicura fra due o tre anni. Nel frattempo ci si dovrà convertire a codici più lunghi da 232 digit ora standard negli USA o quelli a 309 digit usati nelle transazioni governative e militari. Vengono riportati i tre numeri:
109417386415705274218097073220403576120037329454492059909138421314763499842889347847179972578912673324976
25752899781833797076537244027146743531593354333897 =
102639592829741105772054196573991675900716567808038066803341933521790711307779 * 106603488380168454820927220360012878679207957575989291522270608237193062808643