Характеристическая функция акторной вычислительной системы

Статья посвящена исследованию задачи определения для акторной вычислительной системы комплексного показателя осуществимости, который может быть выражен в виде бинарной характеристической функции. Эта функция зависит от разрешимости и перечислимости множества промежуточных значений параметров решаемой вычислительной задачи, реализуемости вычислительной системы, т. е. ее способности выполнять весь комплекс необходимых вычислительных операций за заданный ограниченный интервал времени (цикл вычислений), а также от степени доверия к функциональной надежности и информационной безопасности вычислительной системы, выражаемых в виде интегрального показателя доверия. В статье излагается описание акторной модели вычислительной системы в рамках теории чисел. Предлагаемое описание опирается на представление вычислительной системы в виде композиции акторов – носителей функций, определения вычислимости этих функций, а также разрешимости и перечислимости числовых множеств значений параметров, задаваемых для вычислительной системы и возникающих в ней в процессе решения поставленных задач. Рассмотрены подходы к обеспечению разрешимости, реализуемости и доверия к вычислительной системе. Констатировано, что выбор память-ориентированной архитектуры вычислений, исходя из требования реализуемости, также является целесообразным с точки зрения обеспечения разрешимости, перечислимости и обеспечения доверия к вычислительной системе.

1. Burgin M. Systems, Actors and Agents: Operation in a multicomponent environment. URL: https://arxiv.org/abs/1711.08319 [Accessed 25th September 2024].

2. Rinaldi L., Torquati M., Mencagli G., Danelutto M., Menga T. Accelerating Actor-Based Applications with Parallel Patterns. In: 2019 27th Euromicro International Conference on Parallel, Distributed and Network-Based Processing (PDP), 13–15 February 2019, Pavia, Italy. IEEE; 2019. pp. 140–147. https://doi.org/10.1109/EMPDP.2019.8671602

3. Верещагин Н.К., Шень А. Лекции по математической логике и теории алгоритмов. Часть 3. Вычислимые функции. Москва: МЦНМО; 2012. 160 с.

4. Leiserson C.E., Thompson N.C., Emer J.S., Kuszmaul B.C., Lampson B.W., Sanchez D., Schardl T.B. There’s plenty of room at the Top: What will drive computer performance after Moore’s law? Science. 2020;368(6495). https://doi.org/10.1126/science.aam9744

5. Грибков А.А., Зеленский А.А. Приоритеты развития микроэлектронной промышленности России. Часть 2. Российский экономический вестник. 2024;7(1):67–80.

6. Зеленский А.А., Грибков А.А. Онтологические аспекты проблемы реализуемости управления сложными системами. Философская мысль. 2023;(12):21–31. https://doi.org/10.25136/2409-8728.2023.12.68807

7. Зеленский А.А., Кузнецов А.П., Илюхин Ю.В., Грибков А.А. Реализуемость управления движением промышленных роботов, станков с ЧПУ и мехатронных систем. Часть 1. Вестник машиностроения. 2022;(11):43–51. https://doi.org/10.36652/0042-4633-2022-11-43-51

8. Зеленский А.А., Кузнецов А.П., Илюхин Ю.В., Грибков А.А. Реализуемость управления движением промышленных роботов, станков с ЧПУ и мехатронных систем. Часть 2. Вестник машиностроения. 2023;102(3):213–220. https://doi.org/10.36652/0042-4633-2023-102-3-213-220

9. Зеленский А.А., Грибков А.А. Конфигурирование память-ориентированной системы управления движением. Программные системы и вычислительные методы. 2024;(3):12–25. (На англ.). https://doi.org/10.7256/2454-0714.2024.3.71073

10. Эшби У.Р. Теоретико-множественный подход к механизму и гомеостазису. В книге: Исследования по общей теории систем. Москва: Прогресс; 1969. С. 398–441.

11. Зеленский А.А., Морозкин М.С., Панфилов А.Н., Купцов В.Р., Грибков А.А. Обеспечение доверия к системам управления технологического оборудования. Информатика, телекоммуникации и управление. 2021;14(4):71–83. (На англ.). https://doi.org/10.18721/JCSTCS.14407

12. Shah V., Vaz Salles M.A. Reactors: A Case for Predictable, Virtualized Actor Database Systems. URL: https://arxiv.org/abs/1701.05397 [Accessed 25th September 2024].

13. Lohstroh М., Menard С., Bateni S., Lee E.A. Toward a Lingua Franca for Deterministic Concurrent Systems. ACM Transactions on Embedded Computing Systems. 2021;20(4). https://doi.org/10.1145/3448128

14. Connolly M. A Programmable Processing-in-Memory Architecture for Memory Intensive Applications. Rochester Institute of Technology; 2021. 43 p.

15. Ghose S., Hsieh K., Boroumand A., Ausavarungnirun R., Mutlu O. Enabling the Adoption of Processing-in-Memory: Challenges, Mechanisms, Future Research Directions. URL: https://arxiv.org/abs/1802.00320 [Accessed 25th September 2024].

16. Singh G., Chelini L., Corda S., Awan A.J., Stuijk S., Jordans R., Corporaal H., Boonstra A.-J. Near-Memory Computing: Past, Present, and Future. Microprocessors and Microsystems. 2019;71. https://doi.org/10.1016/j.micpro.2019.102868

17. Каляев И., Заборовский В. Искусственный интеллект: от метафоры к техническим решениям. Control Engineering Россия. 2019;(5):26–31.

18. Мамаева Т. Микросхемы многопортовой памяти фирмы IDT. Компоненты и технологии. 2001;(4):32–34.