The complexity of real-world proble

The complexity of real-world problems is steadily growing, alongside with the computational power of supercomputers, clusters and graphics processing units. This growth maintains a permanent demand on powerful simulation and modelling frameworks, coupled with robust optimization algorithms; overall, the resolution of advanced real-world problems remains ever more expensive in terms of time and/or money. It is not uncommon to deal with real-world problems where one evaluation of a candidate solution requires a full laboratory experiment (e.g., protein’s folding stability optimization [Chaput and Szostak, 2004], experimental quantum control [Roslund et al., 2009], multi-objective optimization of Diesel combustion [Yagoubi, 2012]). A most common example of real-world problem consists of optimally tuning the hyper-parameters of a complex system (e.g., compiler optimization [Fursin et al., 2005], job allocations in a computational grid [Tesauro et al., 2007]), as opposed to using expert hand-crafted parameter settings.

Kết quả (Việt) 1:

Sự phức tạp của các vấn đề thế giới thực đang dần phát triển, gần với sức mạnh tính toán của siêu máy tính, cụm và đồ họa chế biến đơn vị. Sự tăng trưởng này vẫn duy trì một nhu cầu thường trực về mạnh mẽ mô phỏng và mô hình khung hình, cùng với thuật toán tối ưu hóa mạnh mẽ; nói chung, độ phân giải cao cấp thực tế vấn đề vẫn còn đắt tiền hơn bao giờ hết trong điều kiện thời gian và/hoặc tiền bạc. Nó không phải là không phổ biến để đối phó với những vấn đề thực thế giới nơi mà một trong những đánh giá của một ứng cử viên giải pháp đòi hỏi một thử nghiệm phòng thí nghiệm đầy đủ (ví dụ: protein của gấp tối ưu hóa sự ổn định [Chaput và Szostak, 2004], kiểm soát lượng tử thử nghiệm [Roslund et al., 2009], tối ưu hóa đa mục tiêu của động cơ Diesel đốt [Yagoubi, 2012]). Một ví dụ phổ biến nhất của vấn đề thế giới thực bao gồm tối ưu điều chỉnh siêu thông số của một hệ thống phức tạp (ví dụ, trình biên dịch tối ưu hóa [Fursin et al., 2005], việc phân bổ trong một mạng lưới tính toán [Tesauro và ctv., 2007]), trái ngược với sử dụng chuyên gia bàn tay-crafted tham số cài đặt.

Kết quả (Việt) 2:

Sự phức tạp của các vấn đề thực tế đang tăng đều, cùng với sức mạnh tính toán của các siêu máy tính, các cụm và các đơn vị xử lý đồ họa. Sự tăng trưởng này vẫn duy trì một nhu cầu thường xuyên về mô phỏng và mô hình hóa các khuôn khổ mạnh mẽ, cùng với các thuật toán tối ưu hóa mạnh mẽ; tổng thể, việc giải quyết vấn đề tiên tiến thực thế giới vẫn còn bao giờ đắt hơn về thời gian và / hoặc tiền bạc. Nó không phải là không phổ biến để đối phó với các vấn đề thực tế mà một đánh giá của một giải pháp ứng cử viên đòi hỏi một thí nghiệm đầy đủ phòng thí nghiệm (ví dụ, gấp tối ưu hóa sự ổn định protein của [Chaput và Szostak, 2004], kiểm soát lượng tử thực nghiệm [Roslund et al., 2009], đa mục tiêu tối ưu hóa của Diesel đốt [Yagoubi, 2012]). Một ví dụ phổ biến nhất của vấn đề thực tế bao gồm tối ưu điều chỉnh các siêu tham số của một hệ thống phức tạp (ví dụ, trình biên dịch tối ưu hóa [Fursin et al., 2005], phân bổ công việc trong một mạng lưới máy tính [Tesauro et al., 2007]) , như trái ngược với việc sử dụng các thiết lập thông số bằng tay chuyên gia.