理工大学IT俱乐部超算中心。
文烨将调试好的程序嵌入超算系统接口,启动测试。
“空间迭代正向衍化中……”
只见大屏幕上三阶幻方转四阶,四阶幻方转五阶,五阶幻方转六阶……
迅速朝更复杂衍化的幻方阵法不断挑战超算中心的系统算力。
随着时间的推移,幻方阶位已经达到九位数量级,系统运算量也正在逼近峰值。
“这应该就是超算系统解决幻方问题的算力极限了吧。”
这样一个九位数量级的超大型幻方理论上可以容纳数千亿个神经网络单元,完全可以满足当前大多数机器人的传感器分布需求。
如果为青山配置上如此数量规模的传感器,他一定会非常高兴。
不过价格也一定昂贵得离谱。
没有万亿级别的资本,只能在实验室如此构想一番。
测试过系统的最大算力极限,综合考虑各种现实条件,文烨将最终的幻方阶位控制在七位数以内,大约可以容纳百万数量级的传感器。
“数级再大一点系统算力就要不足了。”
接下来便是空间迭代演进测试。
文烨试图将七位数阶的大型幻方演进为一个最简单的三阶幻方。
“空间迭代反向演进中。”
不出意料,大型幻方就像文烨所设想的那样开始逐渐向小型幻方演进。
起初演进速度慢、数据量大,随着时间推移演进速度越来越快,数据量也越来越小。
最终得到一个最简形式的三阶幻方。
空间迭代演进成功,算法和代码都没有问题。
这一阶段算是一气呵成。
接下来就要使用量子级数据链分形传送了。
空间迭代演进算法只是手段,目标是以这种手段实现传感器小型化,还需要上载目标传感器的数据才能实现传感器小型化虚拟测试。
文烨选定一组数量庞大的传感器,包括光敏传感器、声波传感器、压敏传感器、电位传感器,电磁传感器等等,都属于当前最为先进的传感器类型。
启动量子级数据链分形传送,程序便将这些传感器的数据散布于七位数阶幻方之中,并自动构成数据链路相互关联,如同真实世界的一个有机整体。
传送完毕,超算系统运算出现一个新的峰值。