1) Рассматривать явление распределения вычислений (независимо от метода реализаии) невозможно без анализа уже созданных решений; SETI, Folding, Einstein@home, theSkyNet, Golem, SOMN и т.д. Эти проекты имели как общие положительные, так и общие отрицательные черты;
2) Да, именно это и будет предметом следующих публикаций по этой тематике. Хотите принять участие?
Да, тоже хороший пример, когда попытка объять необъятное привела к отрицательному результату. Был и более ранний проект со схожим смыслом — Golem Project, но и он оказался Колоссом на глинянных ногах.
Все же речь идет не об использовании встроенного инструментария Blender(благодаря open source характеру проекта) и попытке заработать на утилизации собственной мощности(Cloud Computing) — как в прорекламированном вами рессурсе, а о некоторой более универсальной архитектуре и подходе. Проблема подхода как раз и кроется в том, что любая попытка использовать чужие решения не сумеет прорасти в мире полном корпораций и патентных юристов.
Вы помните как появился, ныне известный всему миру, препарат для улучшения «мужских сил»? Из-за побочного эффекта. Глобальный ныне Инстаграм — изначально чек-ин эпп. Реальность разработки ИТ-проектов не однократно показывала pivot на практике.
Говоря о блокчейн, как об одной из топологий БД — вполне можно упомянуть DHT или ряд иных. Но это не отменяет тот факт, что хранимые центарльно/распределнно данные — хранятся для того, чтобы с ними производить какие-либо действия(т.е. вычисления).
Был хороший кейс из 90-х — назывался SETI Project и замечательная утилита, которая использовала ПК во время простоя для анализа математических автокорреляций. Замечательно что вы об этом вспомниили!
Про белки уже сложнее ввиду сложности самой сферы и ее специфичиности, хотя и в этом направлении был проект.
И самое главное, тут вы верно подметили — это интерес не технчиеских людей! Зачастую на стыке известных наук рождаются новые, не менее увлекательные направления. Яркий тому пример — машинное обучение, биоинформатика и многие другие.
Обращаясь к публичной отчетности крупных вендоров аппаратного обеспечения и суммировав полученные флопсы/хэши/иное и сопоставив с мощностями существующих сегодня супер-компьютеров возникает разумное желание как-то сократить разрыв между этими величинами. Написание DLL для быстрой организации кластеров под конкретные прикладные задачи — вполне благая цель. Школьник доказывабщий Теорему Ферма методом машинного обучения на уроках «прикладной математики» — вполне себе полотно для 2077г.
2) Да, именно это и будет предметом следующих публикаций по этой тематике. Хотите принять участие?
Все же речь идет не об использовании встроенного инструментария Blender(благодаря open source характеру проекта) и попытке заработать на утилизации собственной мощности(Cloud Computing) — как в прорекламированном вами рессурсе, а о некоторой более универсальной архитектуре и подходе. Проблема подхода как раз и кроется в том, что любая попытка использовать чужие решения не сумеет прорасти в мире полном корпораций и патентных юристов.
Говоря о блокчейн, как об одной из топологий БД — вполне можно упомянуть DHT или ряд иных. Но это не отменяет тот факт, что хранимые центарльно/распределнно данные — хранятся для того, чтобы с ними производить какие-либо действия(т.е. вычисления).
Про белки уже сложнее ввиду сложности самой сферы и ее специфичиности, хотя и в этом направлении был проект.
И самое главное, тут вы верно подметили — это интерес не технчиеских людей! Зачастую на стыке известных наук рождаются новые, не менее увлекательные направления. Яркий тому пример — машинное обучение, биоинформатика и многие другие.