编者注：在本每周系列中，LiveScience探讨了技术如何推动科学探索和发现。 - 请参见更多信息：http：//webbedxp.com/zh-CN/science/armanda/37671-how-to-do-do-brain-surery.html#sthash.nij821it.dpuf
编者注：在本每周系列中，LiveScience探讨了技术如何推动科学探索和发现。
当今的超级计算机是计算能力的奇迹，它们被用来解决世界上一些最大的科学问题。
当前型号比普通台式计算机快几千倍。他们通过并行处理实现了这些闪电快速的速度，其中许多计算机处理器同时执行计算。超级计算机用于从预测天气到建模的所有内容人脑。
田纳西州Oak Ridge领导力计算机的科学总监Jack Wells说，将超级计算机与众不同的是他们可以解决和解决的任务的规模和困难。 [9个超酷用途用于超级计算机这是给出的
威尔斯说：“超级计算机可以做出超大问题。”
威尔斯告诉《生命科学》，超级计算机通常是由与普通计算机相同的组件建造的，但是它们可以合作。
第一个超级计算机是在1960年代开发的，由电气工程师Control Data Corporation（CDC）设计。 1964年，该公司发布了CDC 6600，通常被认为是世界上第一个超级计算机。克雷后来成立了自己的公司，该公司于1976年制造了Cray-1，并于1985年制作了Cray-2。
这些早期的超级计算机只有几个处理器，但是到1990年代，美国和日本正在制造数千个处理器。富士通的数值风洞成为1994年最快的超级计算机，由166个处理器，其次是1996年的日立SR2201，拥有2,000多个处理器。英特尔·帕拉贡（Intel Paragon）于1993年领先。截至2013年6月，中国Tianhe-2是世界上最快的超级计算机。
超级计算机的性能以“拖鞋，“每秒浮点操作的缩写。当今的机器可以在Petaflops中实现速度 - 四千数千万。
Top500是世界上500个最强大的超级计算机的排名。中国的天he-2达到33.86 petaflops，而克雷泰坦（Cray Titan）达到17.59 petaflops，而IBM的红杉的红杉（IBM）在17.17 Petaflops中排名第三。
解决超大问题
研究人员利用了数量的力量超级计算机处理复杂问题在从天体物理学到神经科学的领域。
这些计算庞然大物已被用来回答有关大爆炸期间宇宙创建的问题。德克萨斯州高级计算中心（TACC）的研究人员模拟了第一个星系的形成方式，科学家在NASA加利福尼亚州山景城的艾姆斯研究中心模拟了星星的诞生。物理学家使用洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的IBM Roadrunner之类的计算机，探究了暗物质的奥秘，暗物质的奥秘，这种神秘物质约占宇宙质量的25％。 [101个天文图像，会让您震惊这是给出的
天气预报是另一个依赖超级计算的领域。例如，预报员使用TACC超级计算机护林员在2008年确定飓风IKE的道路，将五天的飓风预测提高了15％。气候科学家使用超级计算机来对全球气候变化进行建模，这是一项涉及数百个变量的具有挑战性的任务。
自1992年以来，美国已禁止对核武器进行测试，但是超级计算机模拟确保国家的核武器仍然安全且功能性。 IBM在加利福尼亚州劳伦斯·利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的红杉超级计算机旨在用改进的模拟代替对核爆炸的测试。
神经科学家越来越多地将注意力转移到建模人脑的艰巨任务上。由亨利·马克拉姆（Henry Markram）领导的瑞士莱桑（écolePolytechniquefédéraledelausannefédéraledelausannefédéraledelausanne）的蓝色脑项目旨在创建一个完整的虚拟人脑。该项目科学家正在使用IBM蓝色基因超级计算机来模拟真实哺乳动物大脑的分子结构。 2006年，蓝色大脑成功模拟了大鼠大脑中神经元的完整列。
分享负载
典型的超级计算机通常由大型数据中心组成，这些数据中心填充了许多物理上链接在一起的机器。但是分布式计算也可以被视为一种超级计算的形式。它由许多由网络连接（例如Internet）连接的单独计算机组成，它们将其一部分处理能力投入到一个大问题上。
一个著名的例子是seti@home（在家中搜索外星情报）项目，其中数百万的人在计算机上运行一个程序，以寻找无线电信号中智能生活的迹象。另一个是“在家中折叠”，这是一个预测蛋白质的3D结构的项目，即从制成的分子链的序列中，在我们体内执行至关重要的任务的生物学手术室。
威尔斯说，将来，超级计算机将朝着“ Exascale”功能迈进，比目前的系统快50倍。这需要更大的能量，因此能源效率可能会成为未来系统的重要目标。威尔斯说，另一个趋势将是为发现新材料和生物技术等应用程序集成大量数据。
跟随刘易斯问在叽叽喳喳和Google+。跟着我们@livescience，，，，Facebook和Google+。原始文章livescience.com。
