GPU と FPU は、この種の考え方を CPU よりもはるかに優れています。CDUA プログラミングをサポートする Nvidia GPU は、実質的に数百の個別の処理ユニットを備えています。または、少なくとも、ピクセル パイプ ラインの進化 (カードが複数のピクセルを並行してレンダリングできる) を使用して、速度を大幅に向上させることができます。CPU は、比較的複雑なステップを実行できるいくつかのコアを許可します。GPU では、単純なステップを実行できる数百のスレッドを使用できます。
そのため、単一の GPU などの単純なスレッドを使用するタスクでは、強力な CPU のクラスターが実行されます。(または Raspberry pi のスタック)
ただし、「コンドル」のようなものを実行するクラスターを作成する場合、これは、可変の開始点で同じ数学モデルを何百万回も実行する疾患発生モデリングなどに使用できます。(アウトブレイクの大きさ、風向き、病気の感染力など)なので、パイのようなものが理想的です。一般的に、標準コードを実行できる本格的な CPU を探しているので、http://research.cs.wisc.edu/condor/
このアプローチのよく知られている使用法には、「Seti」または「folding at home」(エイリアンの検索と癌研究)があります。
多くの大学がこのようなクラスタを持っているので、ラズベリーパイのマルチプルのアプローチを試みている大学も見られます。
しかし、脳内の神経細胞をシミュレートするには、複数のシステムを 1 つとして機能させる特別な OS とアプリケーションであるノード間のレイテンシを非常に低くする必要があります。また、ノード間のレイテンシーを 1 ミリ秒未満にするために、それをリンクするための特別なネットワークも必要です。
http://en.wikipedia.org/wiki/InfiniBand
ラズベリーはこれをまったく管理しません。
そうです、人々はそれらからクラスターを作り、とても喜んでくれると思います。しかし、大学や小さな組織の方が多いと思います。トップクラスのスーパーコンピューターと競合するつもりはありません。
いくつかを入手して、クラスター内の現在のノードに対してテストし、デュエル コア 3.2 GHz CPU を搭載し、650 ポンドの費用がかかるデスクトップと比較してみることにします。25個のラズベリーを手に入れることができ、消費電力がはるかに少ないと思いますので、比較するのは興味深いでしょう. これは、病気の発生モデリング用になります。