Con la comparsa di nuove reti intelligenti e di sistemi di monitoraggio del traffico che si collegano a sensori, attuatori, tag RFID, dispositivi di tracciamento GPS, la quantità di dati digitali aumenta a velocità vertiginosa. Questi computer in miniatura, infatti, misurano qualsiasi cosa, dal livello d’inquinamento delle acque ai modelli di traffico, alla supply chain alimentare. Le informazioni prodotte da questi dispositivi, tuttavia, hanno bisogno di essere analizzate rapidamente per aiutare le persone a prendere decisioni. Solo che la velocità a cui vengono archiviati tutti questi dati supera ormai largamente la capacità di calcolo delle tecniche di analitica computazionale standard. La quantità di calcoli necessaria per misurare la qualità di enormi insiemi di dati con le tecniche attuali richiede capacità di calcolo di exaflop (un miliardo di miliardi di calcoli), ben oltre le capacità dei computer attuali.

Alla conferenza Parallel Processing for Scientific Computing organizzata dal 24 al 26 febbraio a Seattle della Society for Industrial and Applied Mathematics, i ricercatori IBM hanno presentato un nuovo metodo basato su un algoritmo matematico che, oltre a ridurre di due ordini di grandezza la complessità computazionale, i costi e il consumo energetico necessari per analizzare enormi quantità di dati, assicura anche modelli più accurati e prevedibili. In un esperimento da record, i ricercatori di Big Blue hanno utilizzato il quarto supercomputer più potente al mondo (un sistema Blue Gene/P che si trova presso il Forschungszentrum Jülich di Jülich, cittadina tedesca del Nord Reno-Westfalia) per validare nove terabyte di dati (9 mila miliardi) in meno di 20 minuti, senza implicazioni sul fronte dell’accuratezza dell’analisi. Estrapolato, ciò equivarrebbe ad analizzare l’intero catalogo online della Biblioteca del Congresso statunitense in meno di quattro ore. Di norma, utilizzando lo stesso sistema, ciò avrebbe richiesto più di una giornata. Inoltre, il processo ha portato a un consumo di energia molto ridotto rispetto a quello tradizionalmente necessario: il supercomputer del Forschungszentrum Jülich, infatti, richiede circa 52.800 kWh per un giorno di funzionamento sulla macchina completa, mentre la dimostrazione IBM ha richiesto un livello stimato in 700 kWh.

Uno dei fattori critici nella business analytics è la qualità e il livello di affidabilità dei dati che vengono utilizzati e anche generati dal modello. In aree che vanno dall’economia alla finanza, dalla modellazione climatica alla geologia e fino all’astrofisica, il nuovo metodo presentato da IBM potrebbe aprire la strada alla creazione di modelli più potenti, complessi e accurati. "In un mondo che contiene in media un miliardo di transistor per ogni essere umano - e il numero cresce di giorno in giorno - i dati stanno esplodendo a un ritmo senza precedenti", spiega Alessandro Curioni (nella foto), manager del team di Computational Sciences al Centro di Ricerca IBM di Zurigo. "Analizzare questi vasti volumi di dati che si accumulano continuamente è una sfida computazionale enorme in numerose applicazioni della scienza, dell’ingegneria e del business. Questo risultato apre nuove prospettive per esaminare la qualità di grandi volumi di dati rapidamente".

"Nei prossimi anni, il supercomputing ci fornirà elementi di conoscenza esclusivi e aiuterà a creare valore aggiunto con nuove tecnologie", spiega Thomas Lippert, direttore del Jülich Supercomputing Center. "Un passo fondamentale sarà rappresentato da strumenti e algoritmi innovativi, che ci aiuteranno ad analizzare l’enorme quantità di dati forniti dalle simulazioni sui computer più potenti'.