編者註：在本每週系列中，LiveScience探討了技術如何推動科學探索和發現。 - 請參見更多信息：http：//webbedxp.com/science/armanda/37671-how-to-do-do-brain-surogery.html#sthash.nij821it.dpuf
編者註：在本每週系列中，LiveScience探討了技術如何推動科學探索和發現。
當今的超級計算機是計算能力的奇蹟，它們被用來解決世界上一些最大的科學問題。
當前型號比普通台式計算機快幾千倍。他們通過並行處理實現了這些閃電快速的速度，其中許多計算機處理器同時執行計算。超級計算機用於從預測天氣到建模的所有內容人腦。
田納西州Oak Ridge領導力計算機的科學總監Jack Wells說，將超級計算機與眾不同的是他們可以解決和解決的任務的規模和困難。 [9個超酷用途用於超級計算機這是給出的
威爾斯說：“超級計算機可以做出超大問題。”
威爾斯告訴《生命科學》，超級計算機通常是由與普通計算機相同的組件建造的，但是它們可以合作。
第一個超級計算機是在1960年代開發的，由電氣工程師Control Data Corporation（CDC）設計。 1964年，該公司發布了CDC 6600，通常被認為是世界上第一個超級計算機。克雷後來成立了自己的公司，該公司於1976年製造了Cray-1，並於1985年製作了Cray-2。
這些早期的超級計算機只有幾個處理器，但是到1990年代，美國和日本正在製造數千個處理器。富士通的數值風洞成為1994年最快的超級計算機，由166個處理器，其次是1996年的日立SR2201，擁有2,000多個處理器。英特爾·帕拉貢（Intel Paragon）於1993年領先。截至2013年6月，中國Tianhe-2是世界上最快的超級計算機。
超級計算機的性能以“拖鞋，“每秒進行浮點操作的縮寫。當今的機器可以在Petaflops中實現速度 - 四千數千萬。
Top500是世界上500個最強大的超級計算機的排名。中國的天he-2達到33.86 petaflops，而克雷泰坦（Cray Titan）達到17.59 petaflops，而IBM的紅杉的紅杉（IBM）在17.17 Petaflops中排名第三。
解決超大問題
研究人員利用了數量的力量超級計算機處理複雜問題在從天體物理學到神經科學的領域。
這些計算龐然大物已被用來回答有關大爆炸期間宇宙創建的問題。德克薩斯州高級計算中心（TACC）的研究人員模擬了第一個星系的形成方式，科學家在NASA加利福尼亞州山景城的艾姆斯研究中心模擬了星星的誕生。物理學家使用洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）的IBM Roadrunner之類的計算機，探究了暗物質的奧秘，暗物質的奧秘，這種神秘物質約佔宇宙質量的25％。 [101個天文圖像，會讓您震驚這是給出的
天氣預報是另一個依賴超級計算的領域。例如，預報員使用TACC超級計算機護林員在2008年確定颶風IKE的道路，將五天的颶風預測提高了15％。氣候科學家使用超級計算機對全球氣候變化進行建模，這是一項涉及數百個變量的挑戰性任務。
自1992年以來，美國已禁止對核武器進行測試，但是超級計算機模擬確保國家的核武器仍然安全且功能性。 IBM在加利福尼亞州勞倫斯·利弗莫爾國家實驗室（Lawrence Livermore National Laboratory）的紅杉超級計算機旨在用改進的模擬代替對核爆炸的測試。
神經科學家越來越多地將注意力轉移到建模人腦的艱鉅任務上。由亨利·馬克拉姆（Henry Markram）領導的瑞士萊桑（écolePolytechniquefédéraledelausannefédéraledelausannefédéraledelausanne）的藍色腦項目旨在創建一個完整的虛擬人腦。該項目科學家正在使用IBM藍色基因超級計算機來模擬真實哺乳動物大腦的分子結構。 2006年，藍色大腦成功模擬了大鼠大腦中神經元的完整列。
分享負載
典型的超級計算機通常由大型數據中心組成，這些數據中心填充了許多物理上鍊接在一起的機器。但是分佈式計算也可以被視為一種超級計算的形式。它由許多由網絡連接（例如Internet）連接的單獨計算機組成，它們將其一部分處理能力投入到一個大問題上。
一個著名的例子是seti@home（在家中搜索外星情報）項目，其中數百萬的人在計算機上運行一個程序，以尋找無線電信號中智能生活的跡象。另一個是“在家中折疊”，這是一個預測蛋白質的3D結構的項目，即從製成的分子鏈的序列中，在我們體內執行至關重要的任務的生物學手術室。
威爾斯說，將來，超級計算機將朝著“ Exascale”功能邁進，比目前的系統快50倍。這需要更大的能量，因此能源效率可能會成為未來系統的重要目標。威爾斯說，另一個趨勢將是為發現新材料和生物技術等應用程序集成大量數據。
跟隨劉易斯問在嘰嘰喳喳和Google+。跟著我們@livescience，，，，Facebook和Google+。原始文章livescience.com。
