正在阅读：美华裔专家新教学模型 大幅提高数据处理美华裔专家新教学模型 大幅提高数据处理

　　【PConline 资讯】计算机速度的提高不仅与处理器性能有关，还需要解决内存方面的“存储墙”问题。美国华裔科学家、伊利诺伊理工学院计算机系主任孙贤和教授最近提出一种新的数学模型，可大幅提高数据读取速度，帮助解决“大数据”时代面临的数据处理和分析难题。

　　通常认为处理器是提高计算机计算速度的主要障碍，但内存性能如果跟不上也会制约计算速度的提高。孙贤和介绍说，过去40年，计算机处理器的速度增长一直遵循半导体技术演进的摩尔定律，折算为每年加快52%。然而，计算机内存运行方面的提速仅为每年9%，硬盘性能的提速平均每年只有6%。现在计算机内存的运行速度只有处理器速度的约400分之一，这导致数据读取延迟，形成“存储墙”。

　　就此孙贤和于1990年提出了“内存制约加速比”定律。在这一定律基础上，孙贤和新近提出一种叫做C-AMAT的数学模型，通过平行内存读取方式，把计算机的缓存和存储系统并行处理，可以极大减少计算机在数据读取方面的延迟，让计算机读取速度最多可提高100倍。这一成果将在美国电气电子工程师学会(IEEE)下属的计算机协会专业期刊《计算机》上发表。

　　孙贤和说：“这是以数据为中心的设计思想，而以前的设计都是以计算为中心，C-AMAT模型代表了一个设计思想上的根本变化。”

　　芝加哥大学教授、前英特尔研究副总裁钱安达评价说，无论是智能手机还是超级计算机，计算性能的主要障碍就集中在数据的移动方面，C-AMAT数学模型触及了这一关键问题，对软件更好地运行以及改善硬件设计都具有重要意义。