[Python] OT: Memcomputing NP-complete problems in polynomial time using polynomial resources and collective states

Giovanni Porcari giovanni.porcari a softwell.it
Mer 15 Lug 2015 15:10:40 CEST


> Il giorno 15/lug/2015, alle ore 13:44, Marco Beri <marcoberi a gmail.com> ha scritto:
> 
> On Wed, Jul 15, 2015 at 12:51 PM, Nicola Larosa <nico a teknico.net> wrote:
> Roberto Polli wrote:
> > FYI. Io ci metterò un po' a digerire ;)
> >
> > http://advances.sciencemag.org/content/1/6/e1500031.full
> 
> Uh oh... :-o
> 
> "...they can solve NP-complete problems in polynomial time and, using the
> appropriate architecture, with resources that only grow polynomially with
> the input size. The reason for this computational power stems from
> properties inspired by the brain..."
> Grazie per il riferimento.
> 
> Io non sono in grado di valutarlo (l'istinto mi riporta a pensare ai neutrini più veloci della luce, ma spero di sbagliarmi) e attendo conferme.
> 
> Certo che sarebbe una discreta bomba se fosse realizzabile (anche il quantum computing promette ma, a tutt'oggi, non sembra fattibile).
> 
> Ciao.
> Marco.


A me la cosa ha ricordato un poco i vecchi calcolatori analogici che per certe operazioni
hanno una velocità di esecuzione ‘istantanea’.
http://arstechnica.com/information-technology/2014/03/gears-of-war-when-mechanical-analog-computers-ruled-the-waves/

Siamo abituati a pensare in termini digitali ma per risolvere equazioni differenziali i sistemi
analogici non sono affatto male.

E lo dice uno dei pochi di questa lista che ha usato abbastanza a lungo il primo computer
analogico disponibile: un bel regolo calcolatore :D

G



Maggiori informazioni sulla lista Python